动态、显式与路由编排
runTeam() 从目标生成任务 DAG，runTasks() 运行你定义的任务图，runAgent() 覆盖单智能体场景。显式 mode、治理声明或自定义 ExecutionRouter 选择 Single 或 Team 执行并暴露 routingDecision。可选开启的 hybrid 路由，只在确定性结果本会是 Single 的位置补一次语义评估——做决定的仍是确定性策略。计划仍可作为数据预览、审阅和重放。
← 全部对比
// 对比
open-multi-agent 对比 Google ADK
谷歌的 ADK 是一个 code-first 的 Python 工具包，带显式的 workflow 智能体与通往 Vertex AI 部署的路径；open-multi-agent 则是一个 TypeScript 原生、提供方中立、从目标规划工作流的运行时。
选 Google ADK，如果
你在 Google Cloud / Gemini 上，想要你自己组合的显式 workflow 智能体（顺序、并行、循环），以及一个托管的部署目标（Vertex Agent Engine）。
选 open-multi-agent，如果
你想要一个 TypeScript 原生、提供方中立、在运行时拆解目标的运行时，不拉进 web 服务器或云栈，内核精简、带运行级 token 熔断器。
01 速览
并排来看。
| 维度 | open-multi-agent | Google ADK |
|---|---|---|
| 语言 / 运行时 | TypeScript 原生，可嵌入任意 Node.js 20+ 后端 | Python 优先（有 Java 移植）；无 TypeScript |
| 编排范式 | 单智能体、显式任务 DAG，或由协调器在运行时拆解目标；显式 mode、治理策略或 ExecutionRouter 选择执行拓扑，运行过程中还可以修订尚未执行的任务 | code-first 智能体：一个 LlmAgent，加上显式的 workflow 智能体（SequentialAgent、ParallelAgent、LoopAgent）与多智能体层级 |
| 运行时依赖 | 3 个直接依赖（Anthropic SDK、OpenAI SDK、Zod），额外提供方与 MCP 为按需 peer 依赖 | 约 24 个直接依赖，含 FastAPI/Uvicorn web 栈、google-genai、google-auth 与 OpenTelemetry |
| 模型混编 | 支持，同一团队里每个智能体都可用各自的云端或本地模型；模型路由还能把规划交给旗舰模型、把叶子任务交给廉价模型 | 支持，Gemini 优先，其它提供方经 LiteLLM |
| 运行预算控制 | 运行级 token 与估算美元上限——maxTokenBudget，或配合应用自有 estimateCost 价格表的 maxCostBudget——在模型调用与任务派发边界检查；一个已在途的模型回合可能越过上限 | 无硬性 token 上限，LoopAgent 限制的是迭代次数，不是 token |
| 可观测性 | TraceRecord v2 + TraceStore、稳定运行标识、可选的一方 OTel 适配器，以及离线的运行后 Run Viewer——无需任何托管服务 | OpenTelemetry，带 Google Cloud Trace 集成 |
02 真实能力
open-multi-agent 实际包含什么。
OMA 不只是目标拆解与少量依赖。以下均为项目 README 已记录的当前框架能力。
位于不同边界的治理与审批
声明必需或偏好的角色、有序审阅路径与预算感知降级。分别用 onPlanReady 审批计划、onTaskDispatch 审批一个就绪任务、onToolCall 审批一次高影响工具调用、onPlanPatch 审批运行中的每次计划修订，再检查 governanceConclusion。
事件驱动调度与任务证据
依赖完成后，就绪的下游任务立即启动。硬性任务要求在每种指派策略下都会强制执行，无法满足的任务会被拒绝，而不是派发给不合格的智能体；taskResults 保留未经合并的任务输出，结构化依赖载荷携带受限的来源信息。重试与检查点从已完成任务边界恢复；可选开启的 repairable 恢复，还能在任务结果屏障处、于任何原有下游任务启动之前追加替代工作。
生产控制
用轮次、token、估算成本、超时、上下文与循环上限约束每次运行。maxTokenBudget 与 maxCostBudget 在边界检查后停止后续调用；一个已在途的模型回合可能越过上限。模型路由支持有序 fallback。内置工具默认拒绝授权，链路数据以尽力而为方式脱敏检测到的敏感信息。
你的环境与模型
运行在你自己的 Node.js 后端——本地、离线或气隙环境，用你自己的凭证，无需任何托管服务。同一团队可混用云端与本地模型，接入 MCP 工具，并通过 ACP 或进程后端引入外部智能体。
检查、追踪与评估
稳定运行标识、路由决策、保护隐私的 execution receipt、TraceStore 与离线 Run Viewer 均无需托管服务。用版本化的 EvalSet 与 GateVerdict 评估质量，包括路由稳定性闸门，再通过可选 OTel 适配器把运行接入生产遥测。
03 机制
它们差在哪。
ADK 是code-first 且显式的：你把一个 LlmAgent 和 workflow 智能体，SequentialAgent、ParallelAgent、LoopAgent，组合成一个层级，并带着一套基于 FastAPI 的服务与 Google Cloud 部署路径。open-multi-agent 不要求你铺开工作流：协调器在运行时把目标拆解成任务 DAG 并并行化。ADK 是 Gemini 优先（其它模型经 LiteLLM），并把一套 web 服务器栈拉进它约 24 个依赖里；OMA 提供方中立、三个依赖，且不带服务器。
Google ADK 适合什么
当 Google Cloud 项目需要显式的顺序、并行与循环智能体、Gemini 集成、评估工具，以及部署到 Vertex AI 的一方路径时，ADK 合适。
Google ADK 的 GitHub↗open-multi-agent 适合什么
open-multi-agent 适合你更愿意描述目标、而非拼装 workflow 智能体，想保持提供方中立与 TypeScript 原生，且不想让依赖里出现 web 服务器或云栈。协调器在运行时规划任务 DAG，内核三个依赖，maxTokenBudget 在调用之间应用运行级预算上限。
// 企业服务
要把它用到生产环境？
open-multi-agent 采用 MIT 许可、可自行免费运行。当你需要在期限内交付、集成，或获得支持时，元定义科技（YuanASI）提供商业交付与支持。