Agent 駕馭工程懶人包 (9)｜12 個 Agent 框架一張表（截至 2026-10）

替團隊挑 Agent 框架，打開官方文件，會一再看到長任務、子代理（subagent）、記憶、MCP、核准（approval）這幾個詞。差別藏在預設值：誰的規劃預設關著，誰的壓縮（compaction）要自己設門檻，誰的指令工具要另外裝套件。這篇把 12 份文件放進同一張表，六項能力沿用本系列第 1 篇的分法。文中的駕馭層（harness）指包在模型外面、替 agent 預先接好規劃、檔案、子代理、壓縮、記憶與權限的那層執行環境（定義見本系列第 1 篇）。

快速回答 截至 2026 年 10 月，12 個框架的官方文件可歸成三路：Codex SDK、GitHub Copilot SDK、Claude Agent SDK、Deep Agents、Pi 直接附現成駕馭層；Strands、Microsoft Agent Framework、Pydantic AI 在基礎層外另出一層駕馭層；Google ADK、OpenAI Agents SDK、Vercel AI SDK、LangGraph 以基礎元件為主。想少組裝，先看第一路。分路是本站歸納，採用前請重查。

這張卡的四條結論，後面各有一節展開。先記一件事：表裡的「預設開」與「預設關」是 2026 年 10 月 23 日的文件狀態，有幾格在近幾個月內改過。

12 個框架放在同一張表，六項能力各家怎麼支援？

12 個框架在六項能力上的預設差異很大，下表是 2026 年 10 月 23 日逐份文件核對的結果。六項能力是規劃、檔案與指令、子代理、壓縮、記憶與技能、外部工具與把關，定義見本系列第 1 篇。

讀表前先交代三件事。路線欄是本站歸納，其他欄寫的都是文件內容。「文件未說明」指本篇查閱的頁面沒有寫，框架可能在別的頁面或套件裡支援。這 12 個框架是本篇挑的，沒收其他框架，不代表它們較差；本篇只讀官方文件與官方 repo，沒有實測。

表 1　12 個框架對照。來源：各框架官方文件與官方 repo，查閱於 2026-10-23。路線欄為本站歸納。

現成這一路的五個框架，預設各帶了什麼？

現成這一路的五個框架都附了檔案工具，差在規劃、子代理與權限這三處的預設。

Codex SDK 與 app server。 OpenAI 的 Codex 文件列了 TypeScript 與 Python 兩種 SDK，Python 版透過 JSON-RPC 控制本機的 app server。子代理在目前的 Codex 版本預設啟用，文件同時提醒成本：

"Because each subagent does its own model and tool work, subagent workflows consume more tokens than comparable single-agent runs." （OpenAI, Subagents, learn.chatgpt.com, 查閱於 2026-10-23）

指令跑在沙箱裡，沙箱管技術邊界，核准政策管什麼時候停下來問人。壓縮有兩種入口：app server 的 thread/compact/start 手動觸發，設定檔的 model_auto_compact_token_limit 設自動門檻，沒設就用預設值。記憶的位置文件寫明：本機 memories 只是回想層，必須遵守的團隊規則要放在 AGENTS.md 或進版控的文件。

GitHub Copilot SDK。 README 說 SDK 暴露的是 Copilot CLI 背後的同一個引擎，支援 TypeScript、Python、Go、.NET、Java、Rust 六種語言：

"you define agent behavior, Copilot handles planning, tool invocation, file edits, and more." （GitHub, copilot-sdk README, 查閱於 2026-10-23）

SDK 經 JSON-RPC 與 CLI 的 server 模式溝通；Node.js、Python、.NET 版內附 CLI，其餘三種要自己裝。FAQ 寫明使用需要 Copilot 訂閱，自備金鑰（BYOK）時不需要 GitHub 驗證；訂閱方案含有限用量的免費層，計費方式與 Copilot CLI 相同，每個提示計入用量額度。Node.js 版 README 說 session 預設啟用背景壓縮與工作區持久化（infinite sessions）。

Claude Agent SDK。 能力清單見本系列第 1 篇。選型看三件事：文件寫明未經事先同意，第三方開發者不得在自己的產品提供 claude.ai 登入或其速率限制，要用 API key；Python 套件庫的 LICENSE 檔是 MIT，TypeScript 庫的 LICENSE.md 寫「All rights reserved」；首頁與 Python README 都寫 SDK 使用受 Anthropic 商業條款規範。

Deep Agents。 LangChain 把它定位成開箱即用、有主見的 agent 駕馭層，建在 LangGraph 上。2026 年 7 月 29 日的 v0.7.0 調整了兩個預設值：create_deep_agent 不再預設加入規劃用的 TodoListMiddleware，預設提示詞改成精簡版，內建的基礎提示詞留空。README 的安全段這樣寫：

"Deep Agents follows a 'trust the LLM' model. The agent can do anything its tools allow." （LangChain, deepagents README, 查閱於 2026-10-23）

同一段接著建議把邊界設在工具或沙箱層。

Pi。 Earendil Works 的 Pi 自稱極簡、可擴充的 agent 駕馭層，預設四個工具（read、bash、edit、write），README 說它略過子代理與規劃模式，要用就自己裝套件或擴充。壓縮在 context 用量超過視窗減去 16,384 token（預設保留量）時自動觸發。權限一欄文件寫得最直接：

"Pi does not include a built-in permission system for restricting filesystem, process, network, or credential access." （Earendil Works, pi README, 查閱於 2026-10-23）

README 列了三種加邊界的做法：Gondolin 擴充（把內建工具導進本機 Linux micro-VM）、普通 Docker、OpenShell 政策沙箱。專案信任設定只管載入哪些專案資源，不限制工具呼叫。

工程上的意思： 現成駕馭層替你決定三件事：規劃開不開、子代理開不開、權限誰來管。從一個現成框架換到另一個時，先逐項比對這三個預設，再比工具名稱。

兩層並存的三個框架，現成那一層是什麼時候出現的？

Strands Agents、Microsoft Agent Framework、Pydantic AI 都把現成的駕馭層做成獨立的一層，三家的駕馭層都在 2026 年出貨。

Pydantic AI。 官方的 Pydantic AI Harness 套件在 2026 年 4 月 11 日發布 v0.1.0。文件的說法是，每個 Pydantic AI agent 本來就有一層輕量的駕馭層，也就是型別化的 agent 迴圈、任一模型、自己的工具與結構化輸出；agent 要跑長時間任務時，再從套件裡挑 capability 加上去，包括 Planning、Subagents、Memory、Skills、Guardrails 與壓縮策略。其中 Coder 是六個工具（read_file、write_file、edit_file、list_files、grep、shell）加 delegate_task 的組合，文件說它可以拆開用。

Microsoft Agent Framework。 Python 的 HarnessAgent 在 1.7.0（2026 年 5 月 28 日）加入。2026 年 7 月 21 日的 Python 1.12.0 與 .NET 1.14.0，把 create_harness_agent 與 HarnessAgent 從實驗升為穩定；同一天的版本也把檔案存取改成選用。文件註明背景 agent、檔案存取與迴圈仍是實驗性。預設值方面，todo 追蹤與 plan、execute 兩種模式預設開，壓縮要給 token 上限或自訂策略才啟用，技能在 .NET 預設開、在 Python 要自己加。

Strands Agents。 官方 repo 現在同時放駕馭層與 SDK 兩層。駕馭層的第一個 Python 版 v0.1.0 在 2026 年 9 月 21 日發布。create_harness() 回傳的是一個一般的 strands.Agent，預設附 shell 與讀寫檔工具、todos 外掛、subagent 工具、舊對話摘要與工具結果卸載、技能與長期記憶，工具呼叫的閘門（interventions）可設成 ask、smart 或 Cedar 政策檔。要自己掌握迴圈，就退一層用 SDK。

三家的駕馭層入口與出貨時間，整理成下表。入口依序是 Pydantic AI Harness 套件（含 Coder、Researcher 等完整 agent）、HarnessAgent（由 create_harness_agent 建立）與 create_harness()。

表 2　三個兩層並存框架的駕馭層。來源：各框架 release 頁與官方文件，查閱於 2026-10-23。整理為本站歸納。

三家對駕馭層的位置寫法各自不同，後面「路線屬於整個框架，還是屬於其中一層？」一節會對照。

從基礎打造的四個框架，缺的能力要怎麼補？

四個框架各有補法：Google ADK 靠內建的壓縮、記憶與工具確認，OpenAI Agents SDK 靠 SandboxAgent，Vercel AI SDK 靠另裝套件與轉接現成駕馭層，LangGraph 把這些交給上層的 Deep Agents。

Google ADK。 ADK 2.0 的 README 主打兩樣東西：圖形化的 Workflow Runtime，與 agent 之間結構化委派的 Task API。語言版本有 Python、Java、Kotlin、Go 與 TypeScript。壓縮從 Python v1.16.0 起支援，策略有兩種，以 token 用量觸發為主，另有依對話輪數的滑動視窗；同時設定時優先走 token 版。技能從 Python v1.25.0 起，標示為實驗性。ExecuteBashTool 從 Python v1.27.0 起，文件寫明只支援 POSIX 系統。

OpenAI Agents SDK。 README 的核心概念包含 Agents、Sandbox agents、Tools、Guardrails、Human in the loop、Sessions 與 Tracing。v0.14.0（2026 年 4 月 15 日）以 beta 加入 Sandbox Agents，SandboxAgent 的 capabilities 預設是 Filesystem、Shell、Compaction；Skills 與 Memory 要自己加，Memory 還要求同時有 Shell。文件有兩個容易漏掉的細節：傳入 capabilities=[...] 會取代預設清單，想留的預設要自己列回去；本機的 UnixLocalSandboxClient 在 Linux 上不加任何作業系統層的限制。

Vercel AI SDK。 ToolLoopAgent 預設在 20 步後停止，文件建議明確設定 stopWhen。子代理頁直接寫：

"Subagents add latency and complexity." （Vercel, Subagents, ai-sdk.dev, 查閱於 2026-10-23）

文件另有一個駕馭層區，用 HarnessAgent 以同一套 API 轉接 Claude Code、Codex、Pi、Deep Agents、GitHub Copilot 等現成駕馭層，並註明這些套件仍是實驗性，版本之間可能有破壞性變更。

LangGraph。 README 把自己定位成低階的編排框架，需要規劃、子代理與檔案系統的人，指向建在它上面的 Deep Agents。Deep Agents 的 README 分了三層：要完整的規劃、context 管理與委派，用 Deep Agents；要輕量一點的駕馭層，用 LangChain 的 create_agent；agent 迴圈的形狀不合用、需要自訂圖，才降到 LangGraph。任何編譯好的 LangGraph 圖都能當 Deep Agent 的子代理。

四個框架的補法與要自己決定的設定，整理成下表。

表 3　基礎這一路的補法。來源：各框架官方文件，查閱於 2026-10-23。整理為本站歸納。

工程上的意思： 基礎這一路的「缺」是一份你得自己決定的清單。壓縮的觸發門檻、capabilities 要不要保留預設、沙箱的隔離強度，都是這一路必須動手設定的項目。

路線屬於整個框架，還是屬於其中一層？

依這 12 份文件，路線屬於分層：同一個品牌底下，駕馭層與基礎層可以各走一路。Strands、Microsoft、Pydantic AI 把兩層分開出貨；LangChain 的 Deep Agents 站在 LangGraph 上；Vercel 的基礎層另有轉接層，可以包住別人的駕馭層。

駕馭層（harness）這個詞，文件裡至少有三種用法。

"A harness is a complete agent runtime, such as Claude Code, Codex, or Pi." （Vercel, AI SDK Harnesses, ai-sdk.dev, 查閱於 2026-10-23）

"An agent harness ... is the runtime scaffolding that turns a language model into an agent that can perform work." （Microsoft, Agent Harness, learn.microsoft.com, 查閱於 2026-10-23）

"Every Pydantic AI agent already has a light harness" （Pydantic, Pydantic AI Harness, pydantic.dev, 查閱於 2026-10-23）

Vercel 指的是一個完整的產品，Microsoft 指的是產品裡的一層，Pydantic 連最簡單的迴圈也算一層。三種用法會讓「這個框架有沒有駕馭層」得到不同答案，所以本站以表中每一列的產品為單位分類：產品本身就是附預設工具、可直接執行的成品，歸現成；產品同時出貨基礎 SDK 與獨立入口的駕馭層，歸兩層並存；產品以元件為主，歸基礎。Vercel 的轉接層包的是別人的駕馭層，OpenAI 的 SandboxAgent 仍是同一個 SDK 裡的一種 agent，所以兩者歸基礎。

圖 2 的分類有一個邊界：三家的駕馭層都發布於 2026 年，文件也還在改。下次更新，我會先重查這三家的駕馭層入口與預設值。

選型時先問權限放哪、任務多長，再比六項能力

選型時先決定權限邊界放哪、任務會不會長到碰上 context 上限，再比六項能力。第一，權限邊界放在框架裡還是容器外。Codex 與 Claude Agent SDK 有內建的核准與權限模式；Pi 沒有內建權限系統，Deep Agents 的 README 說信任模型下邊界要設在工具或沙箱層。選後兩者，沙箱與工具層的限制要自己準備，這筆工要算進框架成本。第二，任務會不會長到碰上 context 上限。任務在十幾步內結束時，我會用基礎這一路加一個單一 agent，不付現成駕馭層的預設成本；任務長了，才輪到比壓縮、子代理與記憶這三欄。這兩條是我的判斷；12 份文件都沒這樣建議，也沒有跨框架實測支持。從一個框架換到另一個時，我會先核對權限那一格：沒有內建權限系統的框架，換進去之後的邊界要整個重做，其他欄位的差異多半改設定就能補上。這是我的做法，沒有實測。

產品要讓客戶用自己的訂閱登入，先查各家文件。Claude Agent SDK 的文件在 2026-10-23 寫明，未經事先同意不得提供 claude.ai 登入；這是現行規定，採用前要重讀。

這張表還填不出來的三件事

這張表還答不了三件事：好不好用、預設值會不會再改、授權細節。

第一，「有這項能力」與「這項能力好用」之間沒有數據。12 份文件沒有任何一份附跨框架的對照實測，本篇也沒有實測，所以表上沒有誰比誰好。

第二，預設值還在動。Deep Agents 在 2026 年 7 月把規劃改為選用，Microsoft Agent Framework 同月把檔案存取改為選用，Vercel 的駕馭層套件仍標實驗性。下次更新要重查的是 Deep Agents 的規劃、Microsoft Agent Framework 的檔案存取、Vercel 的駕馭層套件這三格，以及 Strands 的駕馭層在 v0.3 之後的預設。

第三，授權條款只讀了摘要。表中的授權欄是 repo 的授權檔與文件首頁的說法，Copilot CLI 的授權、Anthropic 商業條款的細節，沒有逐條核對，商用前要請法務確認。

框架看完了，下一篇是系列最後一篇，回到一位中文作者的四篇系列文章，看他的主張在這張表上找不找得到落點。

常見問題

Claude Agent SDK 可以讓客戶用自己的 Claude 訂閱登入嗎？

文件寫的是未經事先同意，第三方開發者不得在自己的產品提供 claude.ai 登入或其速率限制，要改用 API key 驗證。這是 2026 年 10 月 23 日查閱的版本，條款可能更新。

LangGraph 和 Deep Agents 該選哪一個？

LangChain 的 README 建議：要現成的規劃、context 管理與委派，用 Deep Agents；想要較輕的駕馭層，用 create_agent；agent 迴圈的形狀不合用、需要自訂圖，才降到 LangGraph。三者可以並用，編譯好的 LangGraph 圖可以當 Deep Agent 的子代理。

Pi 沒有權限系統，要怎麼安全地用？

Pi 的 README 建議把它放進容器或沙箱，並列出三種做法：Gondolin 擴充把內建工具導進本機 micro-VM，普通 Docker 跑整個 Pi，OpenShell 提供政策管控的沙箱。專案信任設定只管載入哪些專案資源，不限制工具呼叫。

表裡寫「文件未說明」，是不是代表框架不支援？

不能這樣推論。它只表示本篇查閱的頁面沒有寫，框架可能在其他頁面或套件裡支援。採用前，到該框架的官方文件搜尋該能力的關鍵字，再看最近一次發版說明。

GitHub Copilot SDK 要付費嗎？

README 的 FAQ 寫明需要 GitHub Copilot 訂閱，自備金鑰（BYOK）時不需要 GitHub 驗證。訂閱方案含有限用量的免費層，計費方式與 Copilot CLI 相同，每個提示計入用量額度。

延伸閱讀

• Agent 駕馭工程懶人包 (1)｜Deep Agent 有哪些內建能力？三家說法對成六項
• Claude Code、Codex、Gemini CLI 怎麼選？2026 三大 AI Coding 工具完整比較
• MCP server 該不該裝？安裝前一定要做的權限檢查（2026 資安懶人包）

參考資料

• OpenAI, Codex SDK（查閱於 2026-10-23） https://developers.openai.com/codex/sdk
• OpenAI, Subagents、Memories、Codex App Server（查閱於 2026-10-23） https://learn.chatgpt.com/docs/agent-configuration/subagents https://learn.chatgpt.com/docs/customization/memories https://learn.chatgpt.com/docs/app-server
• OpenAI, codex repo README 與 LICENSE（查閱於 2026-10-23） https://github.com/openai/codex
• GitHub, copilot-sdk repo 與 docs（查閱於 2026-10-23） https://github.com/github/copilot-sdk
• Anthropic, Agent SDK overview、Tools reference（查閱於 2026-10-23） https://code.claude.com/docs/en/agent-sdk/overview https://code.claude.com/docs/en/tools-reference
• LangChain, Deep Agents overview（查閱於 2026-10-23） https://docs.langchain.com/oss/python/deepagents/overview
• LangChain, deepagents v0.7.0 release notes（2026-07-29） https://github.com/langchain-ai/deepagents/releases/tag/deepagents%3D%3D0.7.0
• LangChain, langgraph README（查閱於 2026-10-23） https://github.com/langchain-ai/langgraph
• Earendil Works, pi README 與 containerization 文件（查閱於 2026-10-23） https://github.com/earendil-works/pi https://github.com/earendil-works/pi/blob/main/packages/coding-agent/docs/containerization.md
• Strands Agents, harness-sdk repo；harness-python v0.1.0（2026-09-21） https://github.com/strands-agents/harness-sdk https://github.com/strands-agents/harness-sdk/releases/tag/harness-python%2Fv0.1.0
• Google, Agent Development Kit README 與 Context compression（查閱於 2026-10-23） https://github.com/google/adk-python https://adk.dev/context/compaction/
• Microsoft, Agent Harness（查閱於 2026-10-23） https://learn.microsoft.com/en-us/agent-framework/concepts/harness
• Microsoft, Agent Framework python-1.12.0、dotnet-1.14.0 release notes（2026-07-21） https://github.com/microsoft/agent-framework/releases/tag/python-1.12.0 https://github.com/microsoft/agent-framework/releases/tag/dotnet-1.14.0
• OpenAI, Agents SDK README 與 Sandbox agents guide；v0.14.0（2026-04-15） https://github.com/openai/openai-agents-python https://openai.github.io/openai-agents-python/sandbox/guide/ https://github.com/openai/openai-agents-python/releases/tag/v0.14.0
• Pydantic, Pydantic AI Harness（查閱於 2026-10-23）；v0.1.0（2026-04-11） https://pydantic.dev/docs/ai/harness/ https://github.com/pydantic/pydantic-ai-harness/releases/tag/v0.1.0 https://pypi.org/project/pydantic-ai-harness/
• Vercel, AI SDK Harnesses、Subagents、Loop Control（查閱於 2026-10-23） https://ai-sdk.dev/docs/ai-sdk-harnesses/overview https://ai-sdk.dev/docs/agents/subagents https://ai-sdk.dev/docs/agents/loop-control