LangGraph理念难解？开发者分享Agent框架挑战

作者分享开发复杂AI Agent的经历，涉及输入数据和MCPTools，让AI自主决策路径，循环调用工具，直至获得有价值信息，类似破案过程。流程不固定，无法用预设工作流如Dify或n8n实现。最初基于OpenManus开发，使用FastMCP自写MCP Server，效果勉强满意但仍有提升空间。调研后转向LangGraph，尽管被广泛推荐为最佳选择，但深入了解后，作者发现其理念难以理解，作为资深开发者感到困惑。文章探讨了从OpenManus到LangGraph的转变过程，以及Agent框架的技术挑战，为开发者提供实用行业洞察。