← 返回首页 ❓ 面试题库
📑 本篇章节导航 (共9章,点击直达)
一、LangGraph深入(1-7)二、CrewAI多Agent框架(8-13)三、AutoGen 0.4事件驱动架构(14-19)四、Spring AI 2.0 Agent能力(20-25)五、MCP协议2025最新规范(26-32)六、A2A协议v1.0规范(33-39)七、AG-UI协议(40-43)八、OpenAI Agents SDK与DeerFlow(44-47)九、Dify与Coze平台(48-50)

Q52 - AI Agent框架与协议(2025-2026最新)

共50道题 | 难度分布:★★★★★平均 | 2025-2026年AI Agent工程化岗位必考
覆盖:LangGraph、CrewAI、AutoGen 0.4、Spring AI 2.0、MCP、A2A、AG-UI、DeerFlow 2.0、OpenAI Agents SDK、Dify/Coze

一、LangGraph深入(1-7)

LangGraph的核心设计理念和定位?

★★★★★

LangGraph的StateGraph核心概念?

★★★★★

LangGraph的条件边(Conditional Edge)机制?

★★★★★


from langgraph.graph import StateGraph

graph = StateGraph(AgentState)
graph.add_node("agent", agent_fn)
graph.add_node("tools", tool_fn)

# 条件边:agent节点的输出决定下一步
graph.add_conditional_edges(
    "agent",
    should_continue,  # 路由函数,返回"tools"或"end"
    {"tools": "tools", "end": END}
)
graph.add_edge("tools", "agent")  # 工具执行后回到agent
graph.set_entry_point("agent")

LangGraph的Checkpointers持久化机制?

★★★★★


from langgraph.checkpoint.memory import MemorySaver
checkpointer = MemorySaver()
app = graph.compile(checkpointer=checkpointer)

LangGraph的Human-in-the-loop实现?

★★★★★


app = graph.compile(
    checkpointer=checkpointer,
    interrupt_before=["human_review"]  # 在human_review节点前暂停
)
# 第一次运行,会在human_review前暂停
result = app.invoke({"input": "执行操作"}, config={"configurable": {"thread_id": "1"}})
# 人工审批后,传入反馈继续执行
result = app.invoke(
    {"input": "执行操作", "approved": True},
    config={"configurable": {"thread_id": "1"}}
)

LangGraph的Subgraph(子图)机制?

★★★★

LangGraph vs CrewAI vs AutoGen的框架定位对比?

★★★★★


二、CrewAI多Agent框架(8-13)

CrewAI的核心概念和设计哲学?

★★★★★

CrewAI的Agent定义方式?

★★★★


from crewai import Agent

researcher = Agent(
    role="高级数据分析师",
    goal="分析市场趋势并发现投资机会",
    backstory="你是一位有15年经验的数据分析师,擅长从海量数据中提取洞察。",
    tools=[search_tool, calculator_tool],
    verbose=True,
    allow_delegation=False  # 是否允许委托任务给其他Agent
)

writer = Agent(
    role="技术写作专家",
    goal="将分析结果转化为易读的报告",
    backstory="你擅长将复杂技术内容转化为通俗易懂的文章。",
    tools=[write_tool],
    verbose=True
)

CrewAI的Task和Crew定义?

★★★★


from crewai import Task, Crew

research_task = Task(
    description="分析2025年AI行业趋势,重点关注Agent框架",
    expected_output="包含数据图表和洞察的Markdown报告",
    agent=researcher
)

write_task = Task(
    description="基于分析报告撰写一篇3000字的深度文章",
    expected_output="格式化的Markdown文章",
    agent=writer
)

crew = Crew(
    agents=[researcher, writer],
    tasks=[research_task, write_task],
    process="sequential"  # 或 "hierarchical"
)

result = crew.kickoff()

CrewAI的Sequential vs Hierarchical模式?

★★★★★

CrewAI的Memory系统?

★★★★

CrewAI的Tool系统和自定义工具?

★★★★


from crewai.tools import tool

@tool("数据库查询工具")
def query_database(sql: str) -> str:
    """执行SQL查询并返回结果"""
    return db.execute(sql).to_string()

三、AutoGen 0.4事件驱动架构(14-19)

AutoGen 0.4的核心架构变化?

★★★★★

AutoGen的Actor模型和消息传递?

★★★★

AutoGen的Group Chat机制?

★★★★★

AutoGen的Human-in-the-loop支持?

★★★★

AutoGen Core vs AgentChat的区别?

★★★★

AutoGen vs LangGraph vs CrewAI的适用场景?

★★★★★


四、Spring AI 2.0 Agent能力(20-25)

Spring AI 2.0的核心升级?

★★★★★

Spring AI的Tool Calling机制?

★★★★★


@Configuration
public class ToolConfig {
    @Bean
    @Description("查询指定城市的天气信息")
    public Function<WeatherRequest, WeatherResponse> weatherTool() {
        return request -> weatherService.getWeather(request.city());
    }
}

Spring AI的Structured Output?

★★★★


Person person = chatClient.prompt()
    .user("提取以下文本中的人物信息:张三,28岁,工程师")
    .call()
    .entity(Person.class);  // 自动解析为Person对象

Spring AI的Advisor Chain深入?

★★★★

Spring AI作为MCP Server?

★★★★★


@Configuration
public class McpServerConfig {
    @Bean
    public ToolCallback orderQueryTool() {
        return ToolCallback.builder()
            .name("query_order")
            .description("根据订单号查询订单详情")
            .inputType(OrderQuery.class)
            .function(query -> orderService.query(query.orderId()))
            .build();
    }
}

Spring AI 2.0的Agent编排能力?

★★★★


五、MCP协议2025最新规范(26-32)

MCP协议的最新版本和核心架构?

★★★★★

MCP的两种标准传输方式(2025最新)?

★★★★★

MCP的会话管理机制?

★★★★

MCP的认证安全机制(2025规范)?

★★★★★

MCP与Function Calling的关系和区别?

★★★★★

MCP的生态现状(2025-2026)?

★★★★

MCP Server开发的最佳实践?

★★★★


六、A2A协议v1.0规范(33-39)

A2A协议是什么?核心要解决什么问题?

★★★★★

A2A的Agent Card详解?

★★★★★


{
  "name": "数据分析Agent",
  "description": "提供数据查询和分析服务",
  "url": "https://agent.example.com/a2a",
  "capabilities": {
    "streaming": true,
    "pushNotifications": true
  },
  "skills": [
    {
      "id": "sql-query",
      "name": "SQL查询",
      "description": "执行SQL查询并返回结果",
      "examples": ["查询最近的销售数据"]
    }
  ],
  "authentication": {
    "schemes": ["bearer"]
  }
}

A2A的Task生命周期状态?

★★★★★

A2A的三种协议绑定?

★★★★

A2A的推送通知和流式机制?

★★★★

A2A的安全模型?

★★★★

A2A的扩展机制?

★★★★


七、AG-UI协议(40-43)

AG-UI协议是什么?

★★★★★

AG-UI的事件类型体系?

★★★★

AG-UI的状态管理机制?

★★★★

AG-UI的生态支持?

★★★★


八、OpenAI Agents SDK与DeerFlow(44-47)

OpenAI Agents SDK的核心概念?

★★★★★

OpenAI Agents SDK的Handoffs机制?

★★★★★


from openai import Agent, handoff

tech_agent = Agent(name="技术支持", instructions="处理技术问题...")
sales_agent = Agent(name="销售顾问", instructions="处理购买咨询...")

router_agent = Agent(
    name="路由",
    instructions="根据用户问题选择合适的Agent",
    handoffs=[handoff(tech_agent), handoff(sales_agent)]
)

OpenAI Agents SDK的Guardrails机制?

★★★★

DeerFlow 2.0的架构设计?

★★★★


九、Dify与Coze平台(48-50)

Dify平台的核心架构?

★★★★★

Coze平台的核心能力?

★★★★★

Dify vs Coze vs LangGraph的定位对比?

★★★★★