Claude MCP 生态下的 Agent 框架选型：当工具协议标准化后，框架的价值在哪

你大概已经听过这句话：MCP 是 AI 领域的 USB-C。

这话没错，但它成功地把一个更尖锐的问题掩盖了——当协议真的标准化之后，我们为什么还需要 Agent 框架？

换句话说，如果每个工具都能通过 MCP 即插即用，那 LangChain、LlamaIndex、AutoGen、Claude Agent SDK 这些框架凭什么继续存在？它们到底在解决什么问题，还是说只是模型能力不够时的过渡产物？

这个问题我纠结了很久。2024 年 11 月，Anthropic 发布MCP 协议的时候，我第一反应是：这不就是给 AI 做的 USB 接口吗，以后接什么工具都是插上就用，框架层还有什么好折腾的。

后来真在项目里用了一遭，才发现这个类比只对了一半。

MCP 标准化的那一层，恰恰是最不重要的部分。

MCP 只解决了传输问题：客户端怎么发现工具、怎么调用工具、结果怎么返回。它定义了协议，但没有定义模型怎么用这些工具。
框架解决的是决策问题：模型该调用哪个工具、什么时候调、参数怎么填、调用结果怎么解读、下一步怎么办。

一个画板，一个画家。MCP 是画板，框架是画家的大脑。

你真正在选的是「模型怎么做决策」这件事的答案

先看一个最简单的例子。

你让 Agent 查一下最近的天气，然后发一条微博。

如果没有 MCP，你要自己写代码调用天气 API、自己解析返回数据、自己调微博接口、自己处理 token 溢出。你写的不只是业务逻辑，你是从零搭一套工具调用机制。

有了 MCP，天气服务和微博服务都变成标准 MCP server，一个 fetch，一个 write。看起来一切变简单了。

但当你真正写 Agent 逻辑的时候，你会发现你仍然得回答一堆问题：

模型返回一个 tool_call，携带工具名和参数，你如何验证这个参数？
天气接口返回的数据结构很复杂，模型能否正确抽取关键字段？
微博写入失败，返回的 error code 模型能理解吗？要不要转换成自然语言喂回去？
这是个多步任务，前面结果会影响后面的决策，这个状态保存在哪？

MCP 一个都不管。

这就是为什么市面上的 Agent 框架看起来是在围绕 MCP 做适配，实际上每个框架都在用不同的方式回答「模型怎么做决策」。

LangChain 的问题不是大，而是什么都想要

讲个我的个人经历。

最早做 Agent 项目，我用的 LangChain。倒不是因为它最好，而是因为教程多，大家都在用，出了问题好搜。

但用了两周我就崩溃了。

LangChain 把 Agent 抽象成 Chain、Runnable、Tool、AgentExecutor 这一大堆概念。文档里每个概念都讲得明明白白，但把它们组合起来的时候，就像走进一个巨大的乐高仓库，你知道零件都在，但没人告诉你最终应该搭成什么样。

我记得有一次，我只是想让 Agent 在调用工具失败后重试一次。在 LangChain 里，你需要去理解 create_react_agent、AgentExecutor 的参数、回调机制——而这些概念本身的复杂度已经超过我要解决的问题了。

社区里有个说法：LangChain 的复杂度是数学上可证明的。你可以往上叠东西，但很难往下拆。

后来 Anthropic 在 2025 年发布Claude Agent SDK，我第一时间试了。一句话总结：它把我想要的东西做出来了，而不是把所有可能的东西做出来。

维度	LangChain	Claude Agent SDK	自研框架
抽象层级	高，概念多	低，贴近原生 API	可控，但成本高
MCP 支持	通过 langchain-mcp-adapters	原生支持	需要自己实现
决策模型	ReAct、Plan-and-Execute 等，可配	系统提示词 + 工具定义，轻量	完全自定义
学习成本	高	低	取决于你自己
透明性	中间件多，调试困难	源码短小，行为可预期	完全透明
适合谁	需要多模型、多 PROVIDER 切换	深度绑定 Claude	有特定决策逻辑需求

Claude Agent SDK 的源码只有几千行。你完全能读懂它每一步在做什么。它的核心循环非常直接：

while not finished:
    response = client.messages.create(model, tools, messages)
    for block in response.content:
        if block.type == 'tool_use':
            result = execute_mcp_tool(block)
            messages.append(block)
            messages.append({'role': 'user', 'content': result})

就这么多。没有复杂的 Chain，没有 Runnable，没有 Memory 模块。它把 Agent 的本质摊开给你看：一个循环，一个与工具交互的循环。