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 Semantic Kernel
Semantic Kernel 是微软面向 .NET、Python 与 Java 的企业级 LLM SDK；open-multi-agent 则是 TypeScript 原生的任务 DAG 运行时。微软正把其智能体工作并入 Microsoft Agent Framework。
选 Semantic Kernel，如果
你在微软 / .NET / Azure 生态里，想要一个一方 SDK，插件、函数、智能体，并有一条经 Microsoft Agent Framework 的受支持前进路径。
选 open-multi-agent，如果
你在 Node/TypeScript 里，想要一个精简、提供方中立、目标驱动的运行时，三个依赖、一道运行级 token 熔断器，不带 .NET、不假设 Azure。
提醒：2026 年微软开始把 Semantic Kernel 与 AutoGen 并入新的 Microsoft Agent Framework（Python + .NET），作为其前进方向的多智能体栈。Semantic Kernel 仍受支持，但若你在为一个全新、长期的项目做选择，值得掂量是否直接构建在 Agent Framework 上。
01 速览
并排来看。
| 维度 | open-multi-agent | Semantic Kernel |
|---|---|---|
| 语言 / 运行时 | TypeScript 原生，可嵌入任意 Node.js 20+ 后端 | .NET / C# 优先；一方支持 Python 与 Java；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 | 插件 / 函数，加上智能体；多智能体编排正迁往 Microsoft Agent Framework |
| 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 | Python 包约 22 个直接依赖；更新的 Agent Framework 内核精简得多（约 4 个） |
| 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，按智能体设模型 / 服务 |
| 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 |
| 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 | 原生 OpenTelemetry |
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。
Semantic Kernel 是一个企业级 SDK，提供插件、函数、planner 与智能体，以 C# 优先构建，一方支持 Python 与 Java，并接入微软与 Azure 技术栈。它的多智能体方向是统一 SK 与 AutoGen 的 Microsoft Agent Framework。open-multi-agent 则是 TypeScript 原生的运行时，在运行时把目标拆解成任务 DAG，不假设特定云，并保持三个直接依赖。选择主要取决于 .NET 与 Azure，还是 Node.js 与 TypeScript。
Semantic Kernel 适合什么
当 .NET 与 Azure 项目需要微软支持的 SDK、Azure 集成与原生 OpenTelemetry 时，Semantic Kernel 或 Microsoft Agent Framework 合适。
Semantic Kernel 的 GitHub↗open-multi-agent 适合什么
open-multi-agent 适合你的技术栈是 Node/TypeScript、且想留在这里的场景：一个精简、提供方中立、目标驱动的运行时，三个依赖、一道硬性 maxTokenBudget，不带 .NET 运行时、不假设 Azure。协调器从目标规划任务 DAG，而非你去拼装插件与 planner。
// 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。