LangGraph

LangGraph ist das Agenten-Orchestrierungsframework von LangChain, und die Texte darüber zwischen Oktober 2025 und Juli 2026 behandeln es weniger als ein Werkzeug in der Bewertung als vielmehr als Indikator dafür, wo die Orchestrierungsschicht derzeit steht.

Antoine Habert ordnet LangGraph, gestützt auf zwei Jahre Agenteneinsatz in einem europäischen Fintech-Unternehmen, zusammen mit CrewAI und AutoGen der Framework-Proliferation von 2024 zu und argumentiert dann, dass Reasoning-Transparenz, strukturiertes organisationales Gedächtnis, echte kognitive Zusammenarbeit zwischen Agenten und adaptive Steuerung unterentwickelt blieben, während sich diese Frameworks vermehrten: Orchestrierung war verfügbar, die architektonischen Grundlagen nicht. Tony Seale stellt LangGraph in dieselbe Liste (CrewAI, AutoGen, Semantic Kernel, OpenAI Agents SDK, AWS Bedrock, Google ADK) und setzt es dem Model-in-Harness-Paradigma gegenüber, zu dem führende Praktiker gewechselt sind, wobei er Anthropic zitiert, wonach jede Komponente eines Harness eine Annahme darüber kodiert, was das Modell allein nicht kann, und dass solche Annahmen schnell veralten. Cobus Greyling liest dieselbe Bewegung als Schichtenkollaps: Prompts in natürlicher Sprache in einer CLAUDE.md-Datei treten an die Stelle von Frameworks wie LangGraph oder CrewAI.

Janakiram MSV nutzt es für etwas anderes. LangGraph demonstriert Wegwerf-Worker mit dauerhaftem, inspizierbarem, portablem Zustand (Checkpointing, menschliche Unterbrechung, Wiederherstellung nach einem Absturz), und es demonstriert dies quelloffen. Seine Steuerungsebene liegt in LangSmith, einem kommerziellen Produkt. Diese Aufteilung benennt die offene Frage zum Agenten-Stack: Die Primitiven sind offen, der Lebenszyklus ist es nicht.