动态编排与显式编排
runTeam() 从目标生成任务 DAG，runTasks() 运行你定义的任务图，runAgent() 则覆盖单智能体场景。
← 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、带硬性 token 预算。
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 18+ 后端 | Python 优先（有 Java 移植）；无 TypeScript |
| 编排范式 | 三种模式：单智能体、显式任务 DAG，或由协调器在运行时拆解目标 | 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，同一个团队里的每个智能体都可使用各自的云端或本地模型 | 支持，Gemini 优先，其它提供方经 LiteLLM |
| 运行预算控制 | 通过 maxTokenBudget 设置 token 上限，或通过 maxCostBudget 与应用自有的 estimateCost 价格表设置估算美元上限 | 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、可选的一方 OTel 适配器，以及离线的运行后 Run Viewer | 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。
围绕智能体的确定性控制
计划可检查、可审批，也可冻结为数据后重放。结果可用 Zod 校验，还支持按智能体流式输出、取消运行，以及提议者与裁判组成的共识校验。
依赖调度与恢复
调度器并行运行互不依赖的分支。任务重试与检查点让中断的运行恢复时不重复已完成任务。
生产控制
通过轮次、token、估算成本、超时、上下文与循环控制限制工作量。工具默认拒绝授权，链路数据默认脱敏敏感信息。
你的环境与模型
运行在你自己的 Node.js 后端、本地、离线或气隙环境中。同一团队可混用云端与本地模型，并可接入 MCP 工具及 ACP 或进程后端的外部智能体。
检查、追踪与评估
稳定运行标识、TraceStore，以及离线 DAG 与 Waterfall Viewer 均不依赖托管服务。可选 OTel 适配器与 EvalSet 可把运行接入生产遥测和 CI 门禁。
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 给出一道硬性花费上限。
// 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。
// 对比另一个框架
open-multi-agent vs LangGraph → open-multi-agent vs CrewAI → open-multi-agent vs AutoGen → open-multi-agent vs OpenAI Agents SDK → open-multi-agent vs Mastra → open-multi-agent vs Vercel AI SDK → open-multi-agent vs VoltAgent → open-multi-agent vs Inngest AgentKit → open-multi-agent vs LangChain → open-multi-agent vs LlamaIndex → open-multi-agent vs Pydantic AI → open-multi-agent vs Semantic Kernel →