更新 MultiAgentOptions.md

MultiAgentOptions.md

@@ -1,5 +1,42 @@
-# 为什么需要多智能体
+## 构建企业级 LLM 应用，主流的、开源的 SDK 或框架
 
-LLM的上下文token是有限的，MCP Tools 的数量总有一天会超过这个限制，而且上下文无关的信息过多，也会造成LLM的准确性下降。原子化单一智能体的能力可以很大程度上改善这些问题，1个智能体仅配置几个Tools，使用多个智能体配合完成最终目标。
+> 💡SAA 是 Spring AI Alibaba 的官方简称。SAA 在对 MCP 工具、提示词模板的管理具有明显优势，尤其适合企业级 LLM 应用的构建。
 
-# 引入多智能体面临的问题
+| 对比项 | SAA| Spring AI | LangChain4J | LangChain |
+|:-----|:-----|:-----|:-----|:-----|
+| 语言 | Java | Java | Java | Python |
+| 聊天模型 | ✅ 可扩展 | ✅ 可扩展 | ✅ 扩展性不强❌ |
+| 嵌入模型 | ✅ | ✅ | ✅ | ✅ |
+| 图片、音视频模型 | ✅ | ✅ | ✅ | ✅ 国内只有百度千帆、百川智能支持了多模态，**阿里百炼没有支持**，也没有提供相关API❌|
+| RAG | ✅ | ✅ | ✅ | ✅ |
+| 向量数据库 | 主流的都支持，还支持了阿里云 AnalyticDB (ADB)、OpenSearch | 主流的都支持 | 主流的都支持 |
+| MCP | ✅ Nacos MCP Registry | ✅ | ✅ | ✅ |
+| 函数调用 | ✅ | ✅ | ✅ | ✅ |
+| 提示词模板 | 硬编码、通过文件配置、通过Nacos管理 | 硬编码、通过文件配置 | 硬编码、通过文件配置 | 硬编码、通过文件配置 |
+| 聊天记忆 | JDBC、Redis、ES 等多种实现适配 | JDBC、Neo4J、Cassandra 等多种实现适配 | 多种实现适配 | 多种实现适配 |
+| 模型评估 | ✅ | ✅ | ✅ | ✅ |
+
+## 可观测性
+
+> 💡SAA 可以利用
+
+| 对比项 | Spring AI | SAA | LangChain4J | LangChain |
+|:-----|:-----|:-----|:-----|:-----|
+| 工具组件 | OpenTelemetry | 除了 OpenTelemetry 官方还提供了 javaagent 可以无缝集成到阿里云 ARMS 平台 | 官方提供了一系列监听器，可以自行导出或处理数据 | 官方提供的 LongSmith 组件，并且适配了 OpenTelemetry，虽然 LongSmith 是 OTel 的终点，但是也可以导出到第三方 |
+
+
+## 与LLM提供商之间的适配
+
+> 💡随着构建大语言模型应用的工具链越来越多，各个LLM提供商对于各个工具链的适配程度都不一样。因为字节的方舟模型平台，官方是没有参与这些框架的生态建设的，所以没有列出来，国外和国内各选了2个。
+
+| 对比项 | Open AI | Anthropic | 阿里百炼 | 百度千帆 |
+|:-----|:-----|:-----|:-----|
+| SAA | ✅ | ✅ | ✅ 深度适配 | ✅ |
+| Spring AI | ✅ | ✅ | ✅ | ✅ |
+| LangChain4J | ✅ | ✅ | ✅ | ✅ |
+| LangChain | ✅ | ✅ | ✅ 仅支持聊天模型、嵌入模型、重排序模型，不支持 | ✅ |
+
+
+
+
+# AI Agent 主流 SDK 或框架