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 LangChain
LangChain 是那个庞大的框架与集成生态；它的多智能体编排在 LangGraph 里（我们单独对比）。open-multi-agent 则是一个专注、目标驱动、TypeScript 原生的运行时。
选 LangChain，如果
你需要 LangChain 的链、集成目录与 LangSmith 追踪，并在 Python 或 LangChain.js 上构建。
选 open-multi-agent，如果
你需要一个专注的 TypeScript 编排运行时，具备动态与显式 DAG、混合模型团队、审批、恢复、预算和本地检查能力。
01 速览
并排来看。
| 维度 | open-multi-agent | LangChain |
|---|---|---|
| 语言 / 运行时 | TypeScript 原生，可嵌入任意 Node.js 20+ 后端 | Python 优先；也有 JavaScript/TypeScript 移植（LangChain.js） |
| 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 | 链 + 工具调用智能体（经典的 AgentExecutor 现已移入 langchain_classic）；现代的编排路径是 LangGraph |
| 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 | langchain 包约 8 个直接依赖（在 langchain-core 之上）；更外围的集成生态非常庞大 |
| 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，按智能体 / 按链设模型 |
| 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，AgentExecutor 的 max_iterations 计的是步数 |
| 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 | 一方 LangSmith 链路追踪 |
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。
LangChain 提供链、集成与工具调用智能体。经典的 AgentExecutor 现已归入 langchain_classic，多智能体编排路径则是 LangGraph。open-multi-agent 专注于通过动态或显式任务 DAG 完成 TypeScript 编排。若要比较图的编写方式，LangGraph 那篇更贴近。
LangChain 适合什么
当应用依赖 LangChain 现有的链、提示工具、集成或 LangSmith 追踪时，LangChain 合适。Python 是其主要载体，JavaScript 与 TypeScript 项目可使用 LangChain.js。
LangChain 的 GitHub↗open-multi-agent 适合什么
open-multi-agent 适合你不想要一个庞大框架、只想要一个精简、目标驱动的多智能体运行时的场景，它替你规划任务 DAG，保持 TypeScript 原生、三个依赖，并强制一道硬性 maxTokenBudget。若专门就编排范式发问，请对比 LangGraph。
// 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。