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 LlamaIndex
LlamaIndex 起步于数据 / RAG 框架，后来在其上长出智能体 workflow；open-multi-agent 则从编排出发。如果你的问题是「在自己的数据上做检索」，两者从相反的一端切入。
选 LlamaIndex，如果
你的核心问题是在自己的数据上做 RAG，索引、检索、查询引擎，并且想要在其之上构建的智能体，用 Python。
选 open-multi-agent，如果
你的核心问题是在 TypeScript 中协调多个智能体、依赖、审批与恢复步骤，并接入你已经采用的检索层。
01 速览
并排来看。
| 维度 | open-multi-agent | LlamaIndex |
|---|---|---|
| 语言 / 运行时 | TypeScript 原生，可嵌入任意 Node.js 18+ 后端 | Python；也有 TypeScript 移植（LlamaIndex.TS） |
| 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 | 数据 / RAG 优先（索引、检索、查询引擎），加上智能体 workflow（AgentWorkflow、FunctionAgent） |
| 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 | llama-index-core 约 29 个直接依赖（面向 RAG：numpy、nltk、tiktoken、networkx…） |
| 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，按智能体设模型 |
| 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 |
| 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 | 一个 instrumentation 模块，加上集成（Arize、Langfuse 等） |
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。
LlamaIndex 是检索优先的：它的重心在于把你的数据建索引并查询，智能体 workflow 叠在上面。open-multi-agent 是编排优先的：它把目标拆解成任务 DAG 并协调智能体，检索交给你。两者只在边缘重叠，RAG 重的应用偏向 LlamaIndex；多智能体协调问题偏向 OMA。LlamaIndex 为那套数据工具带着约 29 个内核依赖；OMA 是三个。
LlamaIndex 适合什么
当核心问题是在自己的数据上做检索，并希望加载器、索引、检索器、查询引擎与智能体 workflow 位于同一技术栈中时，LlamaIndex 合适。
LlamaIndex 的 GitHub↗open-multi-agent 适合什么
open-multi-agent 适合编排是问题核心的场景：一个把目标拆成并行任务 DAG 的协调器、TypeScript 原生、三个依赖、一道硬性 maxTokenBudget。它不自带检索，RAG 或工具你随意带，这让内核保持小、编排保持通用。
// 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 Pydantic AI → open-multi-agent vs Google ADK → open-multi-agent vs Semantic Kernel →