速度比较：Agno vs. LangGraph
我最近听说Agno在代理实例化方面更快，并且内存占用更低。我决定在我的笔记本电脑上测试它们。
如果你深入构建AI代理，你可能已经遇到了像LangGraph和Agno这样的框架。我最近听说Agno在代理实例化方面更快，并且内存占用更低。我决定在我的笔记本电脑上测试它们。结果既有预期的胜利，也有意想不到的转折。
在这篇文章中，我将带你了解我的实验，分享代码片段、性能指标，甚至使用Opik追踪这两个框架，揭示为什么数字会这样呈现。无论你是优化速度、内存，还是只是好奇这些工具，让我们来详细分析一下。
为什么比较Agno和LangGraph？
LangGraph建立在LangChain之上，是创建反应式AI代理的流行选择，具有工具和工作流。另一方面，Agno则定位自己为轻量级替代方案，承诺更快的设置和更低的资源使用——非常适合边缘情况或资源受限的环境。
我从基础开始：代理实例化（你能多快地启动一个代理？）和简单查询（它能多快处理一个基本提示？）。我使用了Agno的eval模块中的PerformanceEval类来进行公平的基准测试，每个测试运行1000次实例化和10次查询。
测试1：代理实例化性能
首先是实例化。我在两个框架中都创建了一个带有天气工具的简单代理。我从agno的github repo中获取了代码。
Agno 实例化代码 (agno_instantiation.py)
"""运行 `pip install agno openai memory_profiler` 安装依赖项。"""
from typing import Literal
from agno.agent import Agent
from agno.eval.performance import PerformanceEval
from agno.models.openai import OpenAIChat
def get_weather(city: Literal["nyc", "sf"]):
"""用于获取天气信息。"""
if city == "nyc":
return "nyc可能会有云"
elif city == "sf":
return "sf总是晴朗的"
tools = [get_weather]
def instantiate_agent():
return Agent(model=OpenAIChat(id="gpt-4o"), tools=tools)
instantiation_perf = PerformanceEval(
name="工具实例化性能", func=instantiate_agent, num_iterations=1000
)
if __name__ == "__main__":
instantiation_perf.run(print_results=True, print_summary=True)
输出摘要:
性能摘要
┏━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┓
┃ 指标 ┃ 时间（秒） ┃ 内存（MiB） ┃
┡━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━┩
│ 平均 │ 0.000012 │ 0.006557 │
│ 最小 │ 0.000009 │ 0.006142 │
│ 最大 │ 0.000035 │ 0.013262 │
│ 标准差 │ 0.000003 │ 0.000295 │
│ 中位数 │ 0.000010 │ 0.006592 │
│ 95th %ile │ 0.000015 │ 0.006592 │
└───────────┴────────────────┴──────────────┘
LangGraph 实例化代码 (langgraph_instantiation.py)
"""运行 `pip install langgraph langchain_openai` 安装依赖项。"""
from typing import Literal
from agno.eval.performance import PerformanceEval
from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langgraph.prebuilt import create_react_agent
import dotenv
dotenv.load_dotenv()
@tool
def get_weather(city: Literal["nyc", "sf"]):
"""用于获取天气信息。"""
if city == "nyc":
return "nyc可能会有云"
elif city == "sf":
return "sf总是晴朗的"
tools = [get_weather]
def instantiate_agent():
return create_react_agent(model=ChatOpenAI(model="gpt-4o"), tools=tools)
langgraph_instantiation = PerformanceEval(func=instantiate_agent, num_iterations=1000)
if __name__ == "__main__":
langgraph_instantiation.run(print_results=True, print_summary=True)
输出摘要:
性能摘要
┏━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┓
┃ 指标 ┃ 时间（秒） ┃ 内存（MiB） ┃
┡━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━┩
│ 平均 │ 0.004467 │ 0.161285 │
│ 最小 │ 0.003868 │ 0.157887 │
│ 最大 │ 0.053177 │ 0.187212 │
│ 标准差 │ 0.001646 │ 0.001521 │
│ 中位数 │ 0.004239 │ 0.161294 │
│ 95th %ile │ 0.005553 │ 0.163422 │
└───────────┴────────────────┴──────────────┘
Agno 在这里表现得非常出色——平均速度快了约 370 倍（0.000012 秒 vs. 0.004467 秒），并且使用的内存大约少了 25 倍（0.006557 MiB vs. 0.161285 MiB）。如果你经常实例化代理，Agno 的轻量级设计就会显现出来。
测试2：简单查询性能
接下来，我测试了一个基本查询：“法国的首都是哪里？”没有涉及任何工具，只需简洁的回答。
Agno 简单响应代码 (agno_simple_response.py)
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
from agno.eval.performance import PerformanceEval
import dotenv
dotenv.load_dotenv()
def run_agent():
agent = create_react_agent(
model=ChatOpenAI(model="gpt-4o-mini"),
prompt="请简洁，用一句话回答。",
tools=[]
)
input_state={"messages":["法国的首都是哪里?"]}
response = agent.invoke(input_state)
print(f"代理响应: {response["messages"][-1].content}")
return response
simple_response_perf = PerformanceEval(
name="简单性能评估",
func=run_agent,
num_iterations=10,
warmup_runs=0,
)
if __name__ == "__main__":
simple_response_perf.run(print_results=True, print_summary=True)
输出摘要:
性能摘要
┏━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┓
┃ 指标 ┃ 时间（秒） ┃ 内存（MiB） ┃
┡━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━┩
│ 平均 │ 3.280585 │ 0.350348 │
│ 最小 │ 1.981591 │ 0.345464 │
│ 最大 │ 8.742200 │ 0.362696 │
│ 标准差 │ 2.047809 │ 0.004651 │
│ 中位数 │ 2.532403 │ 0.348794 │
│ 95th %ile │ 10.598898 │ 0.367764 │
└───────────┴────────────────┴──────────────┘
LangGraph 简单响应代码 (langgraph_simple_response.py)
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
from agno.eval.performance import PerformanceEval
import dotenv
dotenv.load_dotenv()
def run_agent():
agent = create_react_agent(
model=ChatOpenAI(model="gpt-4o-mini"),
prompt="请简洁，用一句话回答。",
tools=[]
)
input_state={"messages":["法国的首都是哪里?"]}
response = agent.invoke(input_state)
print(f"代理响应: {response["messages"][-1].content}")
return response
simple_response_perf = PerformanceEval(
name="简单性能评估",
func=run_agent,
num_iterations=10,
warmup_runs=0,
)
if __name__ == "__main__":
simple_response_perf.run(print_results=True, print_summary=True)
输出摘要:
性能摘要
┏━━━━━━━━━━━┳━━━━━━━━━━━━━━━━┳━━━━━━━━━━━━━━┓
┃ 指标 ┃ 时间（秒） ┃ 内存（MiB） ┃
┡━━━━━━━━━━━╇━━━━━━━━━━━━━━━━╇━━━━━━━━━━━━━━┩
│ 平均 │ 0.932786 │ 0.190211 │
│ 最小 │ 0.662973 │ 0.181311 │
│ 最大 │ 1.873850 │ 0.216944 │
│ 标准差 │ 0.349355 │ 0.013656 │
│ 中位数 │ 0.874504 │ 0.183814 │
│ 95th %ile │ 2.267131 │ 0.217817 │
└───────────┴────────────────┴──────────────┘
令人惊讶的是，LangGraph 平均快了约 3.5 倍（0.93 秒 vs. 3.28 秒），并且在实际查询中使用的内存更少。Agno 在实例化方面的优势并没有转化为运行时性能——这可能是由于其执行循环中的开销。
3、更深入的分析：使用 Opik 进行追踪
查询结果让我感到困惑，所以我转向了 Opik 进行追踪。我使用 docker 自托管了 Opik：官方设置 Opik 的链接 。Opik 与两个框架无缝集成，并提供详细的跨度，包括调用、工具使用和延迟。
我设置了一个演示，使用 Tavily 搜索工具（限制为 5 个结果，基本深度），并运行了两次交互：一次是问候语（“Hi”），另一次是新闻查询（“给我最新的新闻”）。
Agno 演示代码 (agno_demo.py)
from agno.agent import Agent
from agno.models.openai import OpenAIChat
from agno.tools.tavily import TavilyTools
from openinference.instrumentation.agno import AgnoInstrumentor
from opentelemetry import trace as trace_api
from opentelemetry.exporter.otlp.proto.http.trace_exporter import OTLPSpanExporter
from opentelemetry.sdk.trace import TracerProvider
from opentelemetry.sdk.trace.export import SimpleSpanProcessor
from dotenv import load_dotenv
load_dotenv()
# 配置追踪器提供者
tracer_provider = TracerProvider()
tracer_provider.add_span_processor(SimpleSpanProcessor(OTLPSpanExporter()))
trace_api.set_tracer_provider(tracer_provider=tracer_provider)
# 开始对 agno 的仪器化
AgnoInstrumentor().instrument()
assistant = Agent(
name="Assistant",
model=OpenAIChat(id="gpt-4o"),
instructions=["你是一个乐于助人的 AI 助手。"],
tools=[TavilyTools(search_depth="basic")]
)
# 第一次调用
assistant.print_response("Hi")
# 第二次调用
assistant.print_response("给我最新的新闻")
输出:
┏━ Message ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃ ┃
┃ Hi ┃
┃ ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Response (2.6s) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃ ┃
┃ 你好！我能帮你什么？ ┃
┃ ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Message ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃ ┃
┃ 给我最新的新闻 ┃
┃ ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Tool Calls ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃ ┃
┃ • web_search_using_tavily(query=最新新闻, max_results=5) ┃
┃ ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
┏━ Response (12.7s) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┓
┃ ┃
┃ 以下是一些最新的新闻标题和更新: ┃
┃ ┃
┃ 1. **[Yahoo News](https://news.yahoo.com/):** 最新的头条新闻和突发新闻故事，附带视频和照片。 ┃
┃ 2. **[CNN](https://www.cnn.com/):** 今天美国、世界、天气、娱乐、政治和健康方面的突发新闻。 ┃
┃ 3. **[Fox News](https://www.foxnews.com/):** 最新更新包括对一宗高知名度案件的死刑呼吁以及哈里斯对拜登精神状态的评论。 ┃
┃ 4. **[ABC News](https://abcnews.go.com/):** 报道了批发价格意外下降和诺和诺德的重大裁员，以及墨西哥提议的新进口税。 ┃
┃ 5. **[白宫](https://www.whitehouse.gov/news/):** 提供来自官方渠道的最新传记、声明、行政命令和新闻稿。 ┃
┃ ┃
┃ 如需更深入的报道，您可以访问上述链接的网站。 ┃
┃ ┃
┗━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━┛
- 问候：2.6秒响应时间。
- 新闻查询：12.7秒，有到Tavily的工具调用和格式化的新闻列表。
LangGraph 演示代码 (langgraph_demo.py)
from langgraph.prebuilt import create_react_agent
from langchain_openai import ChatOpenAI
from langchain_tavily import TavilySearch
from opik.integrations.langchain import OpikTracer
import dotenv
dotenv.load_dotenv()
tavily_tool = TavilySearch(search_depth="basic",max_results=5)
model = ChatOpenAI(model="gpt-4o")
agent = create_react_agent(
model,
tools=[tavily_tool],
)
tracer = OpikTracer(graph=agent.get_graph(xray=True))
# 第一个输入
input_state={"messages":["Hi"]}
response_state=agent.invoke(input_state,config={
"callbacks": [tracer],
})
for message in response_state["messages"]:
message.pretty_print()
# 第二个输入
input_state={"messages":["给我最新的新闻"]}
response_state=agent.invoke(input_state,config={
"callbacks": [tracer],
})
for message in response_state["messages"]:
message.pretty_print()
输出:
OPIK: 已开始将跟踪记录到“默认项目”项目，网址为 http://localhost:5173/api/v1/session/redirect/projects/?trace_id=019937bc-2b92-722d-a1ff-3ae6dfb22619&path=aHR0cDovL2xvY2FsaG9zdDo1MTczL2FwaS8=.
================================ Human Message =================================
Hi
================================== Ai Message ==================================
你好！我能帮你什么？
================================ Human Message =================================
给我最新的新闻
================================== Ai Message ==================================
工具调用:
tavily_search (call_fIhjEn4GTW4LQ8CqcdrfNGth)
调用 ID: call_fIhjEn4GTW4LQ8CqcdrfNGth
参数:
query: 最新新闻
topic: news
================================= 工具消息 =================================
名称: tavily_search
{"query": "最新新闻", "follow_up_questions": null, "answer": null, "images": [], "results": [{"url": "https://euromaidanpress.com/2025/09/07/russia-failed-to-take-pokrovsk-this-summer-now-its-sending-elite-naval-units-and-tanks-for-round-two-isw-says/", "title": "俄罗斯未能在今年夏天占领波克罗夫斯克——现在它正派出精英海军部队和坦克进行第二轮进攻，ISW表示 - 欧洲 Maidan Press", "score": 0.55420566, "published_date": "Sun, 07 Sep 2025 11:53:43 GMT", "content": "支持我们在 Patreon 上 * 最新新闻 乌克兰 乌克兰军队警告莫斯科已改变战术，并准备新的多方向攻击。 3 分钟阅读 这 comes as 俄罗斯继续对乌克兰进行全面战争，专注于占领东部乌克兰的顿涅茨克州。 一位靠近西维尔斯克的乌克兰高级士官指出，莫斯科正在轮换部队，**乌克兰预计很快会有新的俄罗斯进攻**。 ## 读取更多 因此，我们恳请您禁用广告拦截器。 读取更多 * 最新新闻 乌克兰 读取更多 * 最新新闻 乌克兰 读取更多 * 最新新闻 乌克兰 读取更多 * 最新新闻 乌克兰 俄罗斯军队每天遭受 400 名伤亡，攻击波克罗夫斯克铁路枢纽，部署新技术，乌克兰保卫关键的东部供应路线。", "raw_content": null}, {"url": "https://www.hindustantimes.com/india-news/gstslash-to-lower-agriculture-costs-spur-mechanisation-101757013170261.html", "title": "GST 减免将降低农业成本，推动机械化 | 最新新闻印度 - 印度快报", "score": 0.434102, "published_date": "Thu, 04 Sep 2025 21:00:38 GMT", "content": "HT Premium Articles * HT Premium * US News + ht100 * GST Rate Cut * Delhi News + Delhi News 该 GST 制度在 2025 年 7 月 1 日完成了八年，并预计税率的减少和阶梯的重新结构将促进国内消费，帮助缓解因特朗普 50% 关税而担心的出口下降。 获取印度新闻的最新实时更新，天气今日，包括比哈尔选举和乌塔拉坎德暴雨的最新新闻。 获取印度新闻的最新实时更新，天气今日，包括比哈尔选举和乌塔拉坎德暴雨的最新新闻。 新闻 / 印度新闻 / GST 减免将降低农业成本，推动机械化", "raw_content": null}, {"url": "https://www.newsghana.com.gh/mining-company-wrecks-cocoa-farms-under-armed-guard-diaso-police-extort-farmers/", "title": "采矿公司毁坏武装警卫下的可可农场；迪亚索警察勒索农民 - 加纳新闻", "score": 0.40924495, "published_date": "Wed, 10 Sep 2025 14:21:22 GMT", "content": "* 所有犯罪教育奇闻政治新闻 ### Ken Agyapong 应因对我虚假谋杀指控而入狱 – Nigel Gaisie 新闻 ### 加纳将举办首届太空会议 2025 年，非洲太空经济预计到 2026 年将达到 226 亿美元 新闻 ### 采矿公司毁坏武装警卫下的可可农场；迪亚索警察勒索农民 新闻 ### 政府官员为 Borteyman 土地排练……由 Nii Bortey Seysey 家族拥有 * 娱乐 ### 升起的嘻哈声音 Clem Biney 用 “I Am That I Am EP” 激励人们 娱乐 ### 在他的存在中胜利 – Accra 版本带来充满精神的敬拜和相遇之夜 娱乐 ### 基督教崛起之星 Oki Sekum 公布两首强大的现场录制歌曲 —— “赞美耶稣” 和 “没有人” 娱乐 ### Apple Music 最新非洲崛起接受者是新兴尼日利亚人才 Salle 娱乐 ### Apple Music 发布新的非洲现在 DJ 混音，包含 DJ K.O ", "raw_content": null}, {"url": "https://abcnews.go.com/Entertainment/wireStory/uks-national-gallery-500-million-donations-new-wing-125389551", "title": "英国国家美术馆将使用 5 亿美元捐款用于新建翼楼和扩展收藏 - ABC 新闻", "score": 0.3815888, "published_date": "Tue, 09 Sep 2025 11:48:01 GMT", "content": "breaking以色列对卡塔尔哈马斯领导层进行“精确打击”：官员 # 英国国家美术馆将使用近 5 亿美元的捐款开设新翼楼，使其能够扩展现代艺术收藏 * Aug 27, 1:55 PM * Sep 5, 10:13 AM * Sep 7, 9:37 PM * Aug 27, 1:55 PM * Sep 5, 10:13 AM * Sep 7, 9:37 PM ## 演员 Emily Osment 与音乐家 Jack Farina 离婚后单身 * Sep 8, 4:31 AM ### ABC News Live 24/7 对突发新闻和直播事件的报道", "raw_content": null}, {"url": "https://news.ssbcrack.com/mexico-aims-for-third-consecutive-win-against-japan-in-upcoming-friendly/", "title": "墨西哥在即将举行的友谊赛中瞄准对日本的第三连胜 - SSBCrack", "score": 0.3485348, "published_date": "Sun, 07 Sep 2025 01:53:20 GMT", "content": "新闻编辑部 信用: www.newsweek.com 在 SSBCrack 新闻中，我们的专职编辑团队为您提供国防、地缘政治、军事事务、科学和技术的最新和最可靠更新。 信用: www.space.com 一枚 SpaceX Falcon 9 火箭周六下午成功发射，从… 信用: www.nbcsports.com 在一场激动人心的对决中，明尼苏达 Lynx 以 78-72 击败了… 信用: www.espn.com NORMAN, Okla. 信用: www.wyff4.com 天气预报显示今晚部分多云，预计气温将降至约 68 华氏度。… 信用: www.bbc.co.uk 在敌对行动的显著升级中，俄罗斯军队早些时候针对基辅的乌克兰内阁大楼进行了袭击,… 信用: ca.finance.yahoo.com 洛杉矶 —— 在周六举行的创意艺术艾美奖上，“企鹅”，这部备受期待的“蝙蝠侠”衍生剧,…", "raw_content": null}], "response_time": 0.32, "request_id": "0384bbb2-52d9-4024-91ef-50f4e1fe5ad0"}
================================== Ai Message ==================================
以下是的一些最新新闻亮点:
1. [俄罗斯未能在今年夏天占领波克罗夫斯克——现在它正派出精英海军部队和坦克进行第二轮进攻，ISW 表示](https://euromaidanpress.com/2025/09/07/russia-failed-to-take-pokrovsk-this-summer-now-its-sending-elite-naval-units-and-tanks-for-round-two-isw-says/) - 俄罗斯继续对乌克兰采取行动，专注于占领东乌克兰的顿涅茨克州。乌克兰预计很快会有新的俄罗斯进攻。
2. [印度 GST 减免将降低农业成本，推动机械化](https://www.hindustantimes.com/india-news/gstslash-to-lower-agriculture-costs-spur-mechanisation-101757013170261.html) - 印度 GST 税率削减旨在促进国内消费，可能缓解因特朗普 50% 关税而担忧的出口下降。
3. [采矿公司毁坏武装警卫下的可可农场；迪亚索警察勒索农民](https://www.newsghana.com.gh/mining-company-wrecks-cocoa-farms-under-armed-guard-diaso-police-extort-farmers/) - 一家采矿公司的行为导致加纳的可可农场被毁，当地警察据称勒索农民。
4. [英国国家美术馆将使用 5 亿美元捐款用于新建翼楼和扩展收藏](https://abcnews.go.com/Entertainment/wireStory/uks-national-gallery-500-million-donations-new-wing-125389551) - 该美术馆计划用这笔资金扩展其现代艺术收藏。
5. [墨西哥在即将举行的友谊赛中瞄准对日本的第三连胜](https://news.ssbcrack.com/mexico-aims-for-third-consecutive-win-against-japan-in-upcoming-friendly/) - 墨西哥足球队为一场友谊赛做准备，以争取对日本的又一连胜。
点击标题了解更多关于每条新闻的信息!
- 问候：1.0秒。
- 新闻查询：8.3秒，有工具调用和结构化响应。
从 Opik 跟踪（见下图），LangGraph 的基于图的执行似乎在顺序调用上更加优化，从而在现实场景中降低了延迟。Agno 虽然在启动时更轻量，但在处理状态或工具集成时可能有更多开销。
4、结束语
- Agno 赢得: 实例化速度和内存效率。适合无服务器设置或频繁创建/销毁代理的快速原型设计。
- LangGraph 赢得: 查询和工具密集型工作流的运行时性能。其成熟的生态系统（与 LangChain 集成）使其在生产环境中更加可靠。
原文链接：Agno vs LangGraph: Which AI Framework Wins on Speed?
汇智网翻译整理，转载请标明出处
