LangGraph 和 Crewly 都常被叫作“多 agent”工具，也都是开源的。但它们做的不是同一件事。LangGraph 是你用来写 agent 的库；Crewly 是运行已有 agent 的程序。本文按 2026 年 10 月 9 日 LangGraph 自己的页面，讲它是什么，以及哪类工作更适合哪一个。这不是排名。
先看结论
| LangGraph | Crewly | |
|---|---|---|
| 它是什么 | 用于构建有状态 agent 的底层编排框架和运行时 | 开源编排器，运行一支常驻的 CLI agent 团队 |
| 你在哪里工作 | 代码：节点、边和状态，Python 或 JS/TS | 仪表盘、Slack 和自然语言请求 |
| agent 从哪来 | 你用模型和工具自己搭 | 现成的 CLI：Claude Code、Codex、Gemini CLI、OpenCode 和 Antigravity，可按 agent 混用 |
| 谁来分派 | 你写的模式，比如 orchestrator-worker | lead agent 拆分请求并分派任务 |
| 状态和记忆 | 用 checkpointer 保存线程状态，用 store 保存长期记忆，由你在代码里配置，或由 Agent Server 代管 | 每个 agent 的角色和记忆保存为 ~/.crewly/ 下的文件 |
| 怎么运行 | pip install -U langgraph，然后写你的图 | 一行安装命令，然后 crewly start |
| 许可证 | MIT | MIT |
| 擅长 | 搭一个行为完全符合应用要求的自定义 agent 或工作流 | 不写编排代码，就让一支编码和业务 agent 团队干活 |
示意图：你写什么，agent 从哪来。LangGraph：你在代码里工作（节点、边和状态，Python 或 JS/TS），用模型和工具自己搭 agent，分派是你写的模式，比如 orchestrator-worker。Crewly：你在仪表盘、Slack 和自然语言请求里工作，agent 是现成的 CLI，由 lead agent 拆分请求并分派任务。
LangGraph 是什么？
LangGraph 的 README 把它描述为 “low-level orchestration framework for building, managing, and deploying long-running, stateful agents.”（用于构建、管理和部署长时间运行的有状态 agent 的底层编排框架）。文档概览补充说它 “very low-level, and focused entirely on agent orchestration”（非常底层，完全专注于 agent 编排），并说它 “gives you fine-grained control to mix deterministic, hand-coded steps with LLM-driven agentic steps in the same graph”（让你在同一张图里精细地混合确定性的手写步骤和由 LLM 驱动的 agent 步骤）。
按 README 和文档，它的工作方式是：
- 代码里的一张图。 文档里的 hello world 例子建一个
StateGraph，加上节点和边，编译后调用invoke。 - 是运行时，不是提示词层。 文档说 LangGraph “does not abstract prompts or architecture”（不对提示词和架构做抽象）。LangChain 自己介绍其技术栈的页面把 LangGraph 归为 agent 运行时，即提供在生产环境运行 agent 的工具，并列出持久执行、流式输出、人工介入和持久化。
- 持久化。 持久化页面说，checkpointer 会 “persist a thread's graph state as checkpoints”（把一个线程的图状态保存为检查点），用于短期的、线程范围内的记忆；跨交互的长期记忆则用 store。
- 你可以搭的模式。 工作流页面描述了 orchestrator-worker 配置：orchestrator 拆分任务、把子任务委派给 worker，再综合 worker 的输出；并说 “LangGraph has built-in support for them”（LangGraph 对它们有内置支持），通过
SendAPI 实现。 - 周边的 LangChain 产品。 概览列出了 LangChain、用于追踪和评估的 LangSmith，以及 LangSmith Deployment，并说 LangGraph “is built by LangChain Inc, the creators of LangChain, but can be used without LangChain”（由 LangChain 的创建者 LangChain Inc 开发，但不用 LangChain 也能使用）。README 还指向 Deep Agents，“a higher-level package built on LangGraph for agents that can plan, use subagents, and leverage file systems for complex tasks”（构建在 LangGraph 之上的更高层的包，用于能做规划、使用子 agent、利用文件系统完成复杂任务的 agent）。
LangGraph 做得好的地方
- 控制力。 哪些步骤固定、哪些交给模型、人在哪里介入，都由你决定。
- 持久、长时间运行的工作。 文档把能 “from where they left off”（从中断的地方）恢复的持久执行列为核心优势。
- 周边的整套工具。 同一家公司提供追踪、评估和部署平台，需要的话可以用。
- 属于你自己产品的 agent。 如果 agent 要住在你的应用里，导入一个库是最自然的形态。
LangGraph 的页面没有描述的事
我们读到的页面描述的是你用代码搭的 agent。它们没有描述一支现成的、有明确角色的团队，也没有描述把 Claude Code 或 Codex 这类 CLI 编码 agent 作为图里的 agent 来运行。这不是这个库的缺陷：它是框架，图里放什么由你决定。值得一提的是，LangChain 自己的页面把 “other coding CLIs”（其他编码 CLI）列为 agent harness 的例子，这和 LangGraph 自称的运行时是不同的类别。
Crewly 适合的地方
Crewly 从另一头开始。你不用写编排；你定义一支团队，agent 就是你可能已经在用的 CLI。
- 常驻团队。 角色定义一次（orchestrator、team lead、开发、QA，或内容、销售等角色），团队和每个 agent 的记忆保存在
~/.crewly/，重启后还在。 - 会分派的 lead。 lead agent 把请求拆成任务、分给各个 agent，并在任务关闭前检查结果。
- 现成的 agent，可混用。 Claude Code、Codex、Gemini CLI、OpenCode 和 Antigravity，各在自己的终端会话里，每个 agent 可以用不同的 CLI。
- agent 自己积累记忆。 它们用
remember技能记下学到的东西，用recall读回来，都是你机器上的普通文件。 - 仪表盘和 Slack。 浏览器里有实时终端流和任务看板，还有可选的 Slack 桥接，每个 agent 可以有自己的 bot，你可以
@或私信它。见 Claude Code Slack bot for every agent。
两个老实的限制。Crewly 不是库：你不能导入它来塑造自定义的图，agent 能做什么取决于它们的 CLI 能做什么。另外默认情况下它的 agent 共用项目目录，所以如果你想要每个任务一个分支，要在项目里打开 worktree 设置。
Crewly 仪表盘里工单看板各列的截图（演示数据）：一个待审查、两个进行中、两个待办、一个被阻塞，每个工单都标明负责人。
该选哪个？
- 你在把 agent 或工作流做进自己的产品，并且想控制每一步： LangGraph。
- 你想让 Claude Code、Codex 等 agent 组成有角色、有记忆的团队在你的项目上干活，又不想写编排代码： Crewly。
- 两个都用： 没问题。它们处在不同的层。
示意图：该选哪个。把 agent 或工作流做进自己的产品、想控制每一步：LangGraph。让现成的 agent 组成有角色、有记忆的团队，又不想写编排代码：Crewly。两个都用也可以，它们处在不同的层。
想试 Crewly，请先装 Node.js 22 或更新版本（用 nodejs.org 的安装包，或 Homebrew / 你的包管理器），然后运行：
curl -fsSL https://crewlyai.com/install.sh | bash
打开一个新终端，运行：
crewly start
想用 npm？如果你的 Node 来自 Homebrew 或 nodejs.org 的安装包，npm install -g crewly 也可以。
crewly start 会在 http://localhost:8787 打开仪表盘。入门指南带你建第一支团队；How to run multiple agents in Claude Code 比较了 worktree、subagent、agent teams 和编排器。其他对比见 OpenHands vs Crewly 和 Conductor vs Crewly。
常见问题
LangGraph 是什么？
LangGraph 是 LangChain 推出的开源（MIT）库。它的 README 称之为 “low-level orchestration framework for building, managing, and deploying long-running, stateful agents”（用于构建、管理和部署长时间运行的有状态 agent 的底层编排框架）。你用 Python 把 agent 写成一张图（也有 JS/TS 版本）。
LangGraph 和 Crewly 有什么不同？
LangGraph 是你用来搭 agent 的东西：节点、边和状态都由你用代码定义。Crewly 是你拿来运行的东西：它启动现成的 CLI agent（如 Claude Code 和 Codex），给每个 agent 一个角色，由一个 lead agent 在它们之间分派任务。
LangGraph 能把 Claude Code 或 Codex 当 agent 来运行吗？
我们读到的 LangGraph 页面没有描述把 Claude Code、Codex 这类 CLI agent 作为图里的 agent 来运行。它们描述的是你用模型和工具在代码里搭出来的 agent。Crewly 则直接启动这些 CLI，每个在自己的终端会话里。
LangGraph 是多 agent 框架吗？
它的文档描述了 orchestrator-worker 模式：orchestrator 拆分任务、把子任务委派给 worker，再综合 worker 的输出；文档说 LangGraph 通过 Send API 对它有内置支持。这个模式要你自己用代码搭。
两个可以一起用吗？
可以。它们处在不同的层。如果你在用代码做一个 agent 产品，LangGraph 是它的运行时；如果你想让一队现成的编码 agent 在你的项目上干活，用 Crewly 来运行它们。
来源
所有关于 LangGraph 的事实都来自它自己的页面，2026 年 10 月 9 日查阅：LangGraph 仓库 README、LangGraph 概览、Workflows and agents、Persistence 和 Runtimes, frameworks, and harnesses。我们不转述价格、star 数或基准测试结论，请自行查看页面。Crewly：仓库、crewlyai.com。