Top 10+ Agentic-Orchestrierungs-Frameworks & Tools

• Zehn Frameworks liegen bei Kosten und Geschwindigkeit nahe beieinander: 1.000 Durchläufe kosten etwa 1.4 bis 1.7 USD, und ein Durchlauf dauert durchschnittlich 12 bis 14 Sekunden.
• Google ADK, smolagents und Microsoft Agent Framework heben sich ab: Sie kosten etwa das 1.6- bis 1.9-Fache, und ein Durchlauf dauert durchschnittlich 1 bis 5 Sekunden länger.
• Die günstigsten Frameworks (LangGraph, LangChain, Agno) brauchten pro Durchlauf etwa 1 Sekunde länger als die schnellste Gruppe: Strands, OpenAI Agents SDK, AutoGen, Pydantic KI und CAMEL.

Der Aktivitäts-Agent hatte eine Regel: Wähle eine Indoor-Aktivität, wenn die Regenwahrscheinlichkeit des Tages 50 % oder höher ist oder Regen vorhergesagt ist; andernfalls wähle eine Outdoor-Aktivität. Alle drei Tage waren sonnig oder bewölkt mit einer Regenwahrscheinlichkeit von 5 bis 10 %, daher war die richtige Antwort für jeden Tag eine Outdoor-Aktivität.

Erkenntnisse aus dem Agentic-Orchestrierungs-Benchmark

Wenn das Model vor der Antwort nachdachte, befolgte es die Regel jedes Mal (388 von 388 Durchläufen). Wenn es ohne Nachdenken antwortete, befolgte es die Regel nur in 38 % der Durchläufe.

Dasselbe Muster zeigt sich innerhalb jedes Frameworks. In LangGraph zum Beispiel dachte das Model in 3 Durchläufen nach und befolgte die Regel in allen 3; in den Durchläufen, in denen es nicht nachdachte, lag die Regelbefolgung bei 46 %.

Das Framework verändert, wie oft das Model nachdenkt. Das Model dachte in 100 % der Durchläufe bei Google ADK und smolagents nach, in 86 % bei Microsoft Agent Framework und in 78 % bei CrewAI. In den anderen 9 Frameworks lag die Rate bei 0 bis 9 %.

Wenn das Model nicht nachdachte, entschied das Format der Eingabe über die Regelbefolgung: 42 bis 53 % in Frameworks, die Anweisung unverändert weiterreichen, 2 % in Strands und 0 % in AutoGen.

Warum das Framework das Denken beeinflusst

Claude Haiku 5.5 entscheidet bei jeder Anfrage, ob es nachdenkt, basierend auf dem, was es erhält. Jedes Framework sendete dieselbe Anweisung und dieselben Daten, aber die Architektur jedes Frameworks entscheidet, was sonst noch mit ihnen ankommt:

• Wie viel früheren Kontext jeder Agent erhält: Pipeline-artige Frameworks übergeben dem Aktivitäts-Agenten nur die Reisedetails und die Vorhersage (541 Tokens, einschließlich der Anweisung). Google ADK und Microsoft Agent Framework übergeben die gesamte bisherige Konversation, einschließlich früherer Toolaufrufe und Ergebnisse (3.579 und 2.439 Tokens).
• Welches Template die Anweisung umschließt: smolagents setzt sie in ein langes System-Template mit Regeln und Beispielen zur Tool-Nutzung (2.162 Tokens). CrewAI macht daraus eine Rolle, ein Ziel und eine „aktuelle Aufgabe“ mit einer erwarteten Ausgabe.
• Wie die Ausgaben früherer Agenten präsentiert werden: Sie können als einfache Eingabeblöcke, als Chat-Nachrichten anderer Agenten oder als eigene frühere Antworten des Agenten ankommen.

Die Länge allein erklärt das Ergebnis nicht. Die Eingabe von CrewAI an den Aktivitäts-Agenten umfasste nur 648 Tokens, dennoch dachte das Model in 78 % der Durchläufe nach. Die Eingabe von AutoGen umfasste 1.093 Tokens, und das Model dachte nur in 9 % der Durchläufe nach. Sowohl die Größe als auch die Struktur der Eingabe scheinen eine Rolle zu spielen.

Fehler

Das Model ignorierte das Wetter nicht: Jeder Verstoß fiel auf einen bewölkten Tag, und kein Durchlauf legte eine Indoor-Aktivität auf den sonnigen Tag. Der häufigste Verstoß waren die Vatikanischen Museen, die 87 % der Indoor-Auswahlen ausmachten. Ohne Nachdenken scheint das Model bewölktes Wetter als Indoor-Wetter behandelt zu haben, anstatt die 50 %-Regel anzuwenden. Wenn das Model nachdachte, befolgte es die Regel jedes Mal.

Frameworks, die den Text unverändert weiterreichen

Diese Frameworks fügen keinen eigenen Text hinzu; der Agent erhält genau das, was der Entwickler schreibt. In unserem Test schrieben wir für alle sieben dieselbe Eingabe, sodass der Aktivitäts-Agent in jedem Fall eine identische Anfrage erhielt. Das Model dachte in 0 bis 3 % der Durchläufe nach, und die Regelbefolgung lag bei 42 bis 54 %.

• LangGraph: Jeder Agent ist ein Knoten in einem State-Graph. Der Knoten liest die früheren Ausgaben aus dem gemeinsamen Zustand und erstellt seine Nachricht.
• LangChain: Die Agenten sind Schritte in einer LCEL-Kette. Jeder Schritt erstellt seine Nachricht aus den Werten, die Kette hinuntergereicht werden.
• Agno: Jeder Agent ist ein Schritt in einem Workflow. Der Schritt liest die Ausgaben der früheren Schritte anhand des Namens.
• LlamaIndex: Jeder Agent ist ein Schritt in einem ereignisgesteuerten Workflow. Ereignisse tragen die früheren Ausgaben zum nächsten Schritt.
• OpenAI Agents SDK: Die Agenten werden im Code nacheinander aufgerufen. Die Handoffs des SDKs lassen das Model den nächsten Agenten wählen, daher verwendeten wir sie nicht für eine feste Reihenfolge.
• Pydantic KI: Die Agenten werden im Code nacheinander aufgerufen, entsprechend dem programmatischen Handoff-Muster in der Dokumentation.
• CAMEL: Die Agenten werden im Code nacheinander aufgerufen. Seine Workforce-Funktion fügt einen Koordinator-Agenten mit zusätzlichen Model-Aufrufen hinzu, daher verwendeten wir sie nicht.

Frameworks, die ihr eigenes Format hinzufügen

• CrewAI: Setzt die Anweisung in sein „Rolle, Hintergrundgeschichte, Ziel“-Template und präsentiert den Schritt als „aktuelle Aufgabe“ mit einer erwarteten Ausgabe, gefolgt von den Ausgaben der früheren Aufgaben. Die Eingabe des Aktivitäts-Agenten umfasste nur 648 Tokens, dennoch dachte das Model in 78 % der Durchläufe nach, und 86 % der Durchläufe befolgten die Regel.
• smolagents: Jede Anweisung kommt in smolagents’ eigenes langes System-Template, das erklärt, wie Tools aufgerufen werden, Beispiele und Regeln enthält und die Antwort über ein final_answer-Tool verlangt. Mit diesem Template erreichten sowohl das Nachdenken als auch die Regelbefolgung 100 %.
• Google ADK: Frühere Antworten, Toolaufrufe und Tool-Ergebnisse der Agenten kommen nacheinander als „For context“-Hinweise an, und jede Anweisung erhält eine Identitätszeile. Angesichts dieser 3.579 Tokens umfassenden Eingabe dachte das Model vor jeder Antwort nach und brach die Regel nie.
• Microsoft Agent Framework: Der Agent erhält die gesamte Konversation, einschließlich Toolaufrufen, wobei die Ausgaben früherer Agenten als eigene frühere Antworten präsentiert werden; die von Claude benötigte Option fügt am Ende „please continue.“ hinzu. Nachdenken geschah in 86 von 100 Durchläufen, und die Regelbefolgung erreichte 92 %.
• AutoGen: In der Gruppenkonversation von AutoGen erreichen die Antworten früherer Agenten jeden Agenten als Chat-Nachrichten. Das Model dachte nur in 9 Durchläufen nach, und diese 9 waren die einzigen Durchläufe, die Regel befolgten.
• Strands: Eingaben kommen unter den Überschriften „Ursprüngliche Aufgabe“ und „Eingaben aus vorherigen Knoten“ an. In diesem Format dachte das Model nie nach, und es befolgte die Regel in nur 2 von 100 Durchläufen.

Einige dieser Formate sind konfigurierbar; Google ADK und Microsoft Agent Framework haben beispielsweise Einstellungen, die Konversation einschränken, die jeder Agent erhält. Wir verwendeten in jedem Framework die Standardeinstellungen.

Diese Ergebnisse stammen von Claude Haiku 5.5, das bei jeder Anfrage entscheidet, ob es nachdenkt. Andere LLMs können sich anders verhalten, daher kann der Unterschied zwischen Frameworks mit einem anderen Model kleiner oder größer sein.

Empfehlungen aus unserem Test

• Testen Sie eine Regel mit dem Framework und Model, das Sie einsetzen möchten. Eine Anweisung, die in einem Framework funktioniert, liefert in einem anderen möglicherweise nicht dasselbe Ergebnis.
• Wenn eine Regel wichtig ist, verwenden Sie eine höhere Reasoning-Einstellung oder schalten Sie das Nachdenken ein. Bei der von uns verwendeten mittleren Einstellung übersprang das Model das Nachdenken in den meisten Durchläufen; jeder Durchlauf, in dem es nachdachte, befolgte die Regel, auf Kosten von mehr Zeit und Tokens.
• Wenn eine Regel einfach und exakt ist (zum Beispiel „Indoor, wenn die Regenwahrscheinlichkeit über 50 % liegt“), prüfen Sie im Code, statt sie dem Model zu überlassen. Ein kleiner Validierungsschritt für die Ausgabe des Agenten fängt den Fehler in jedem Framework ab.
• In Frameworks, die jedem Agenten die gesamte Konversation senden, senkt eine Eingrenzung des Kontexts die Kosten. In unserem Test lösten diese Frameworks jedoch auch mehr Nachdenken aus; prüfen Sie daher, ob die Regelbefolgung nach der Eingrenzung erhalten bleibt.

Framework-Overhead und Fertigstellungszeit

• Der Framework-Code fügte 55 bis 148 ms pro Durchlauf hinzu, etwa 1 % der Gesamtzeit. Der Rest war die Antwortzeit des Models.
• Overhead sagt nichts über die Geschwindigkeit aus. Strands, eines der schnellsten Frameworks, hatte hohen Overhead (115 ms); Microsoft Agent Framework, das langsamste, hatte niedrigen Overhead (73 ms).
• Zusätzliche Model-Aufrufe wirken sich stärker aus. Ein wiederholter Toolaufruf oder ein zusätzlicher Schritt fügt einen Model-Aufruf hinzu, also 1 bis 3 Sekunden.
• Die Laufzeit schwankte innerhalb jedes Frameworks von Durchlauf zu Durchlauf um etwa 2 Sekunden, daher liegen Unterschiede von weniger als etwa einer halben Sekunde zwischen Frameworks im Rauschen.

Was Frameworks an jeden Agenten senden und die Token-Nutzung

Der Reiseplaner ist der letzte Agent im Workflow. Er kombiniert die Ausgaben der vier früheren Agenten zu einem tageweisen Plan und benötigt nur diese vier Ausgaben, aber die Frameworks sendeten ihm sehr unterschiedliche Textmengen. Die Zahlen unten sind Prompt-Tokens pro Durchlauf, summiert über alle fünf Agenten.

Frameworks, die nur die benötigten Eingaben weiterreichen

Diese Frameworks führen die Agenten als Schritte in einer Pipeline aus. Der Planer erhält 2 Nachrichten: seine Anweisung und die vier Ausgaben. Kleine Unterschiede ergeben sich daraus, wie jedes Framework die Tool-Definitionen schreibt.

• Agno: 6.052 Tokens.
• LangGraph: 6.053 Tokens.
• LangChain: 6.054 Tokens.
• CAMEL: 6.094 Tokens.
• OpenAI Agents SDK: 6.235 Tokens. Seine Tool-Definitionen sind länger.
• Pydantic KI: 6.411 Tokens. Seine Tool-Definitionen sind länger.
• LlamaIndex: 6.590 Tokens. Seine Tool-Beschreibungen enthalten die vollständige Funktionssignatur und den Docstring.

Frameworks, die ein Template oder zusätzliche Eingaben hinzufügen

• CrewAI: 7.456 Tokens. Es umschließt jede Anweisung mit seinem „Rolle, Hintergrundgeschichte, Ziel“-Template, rahmt den Schritt als Aufgabe mit einer erwarteten Ausgabe und hängt die Ausgaben der früheren Aufgaben als Kontext an.
• Strands: 7.693 Tokens. Es wiederholt die Anfrage des Nutzers für jeden Agenten als „Ursprüngliche Aufgabe“-Block. Die Kanten, die Agenten in Reihenfolge halten, geben einigen Agenten außerdem zusätzliche Eingaben; der Wetter-Agent erhält zum Beispiel die Ausgabe des Flug-Agenten.
• smolagents: 16.576 Tokens. Es umschließt jede Anweisung mit seinem eigenen großen Template, das die Tool-Nutzung erklärt und Beispiele enthält. Der Prompt des ersten Agenten umfasste 1.686 Tokens, gegenüber 173 in den meisten anderen Frameworks.

Frameworks, die gesamte Konversation teilen

Diese Frameworks führen die Agenten als ein Team aus, das eine gemeinsame Konversation teilt, sodass jeder Agent sieht, was vor ihm kam.

• AutoGen: 8.419 Tokens. Es reicht nur die endgültigen Antworten der früheren Agenten als Chat-Nachrichten weiter; der Planer erhielt 6 Nachrichten.
• Microsoft Agent Framework: 13.252 Tokens. Es reicht die gesamte Konversation weiter, einschließlich früherer Toolaufrufe und Tool-Ergebnisse; der Planer erhielt 11 Nachrichten.
• Google ADK: 17.315 Tokens. Es leitet jede frühere Antwort, jeden Toolaufruf und jedes Tool-Ergebnis als separate „For context“-Notiz weiter; der Planer erhielt 10 Nachrichten. Die Eingabe des Wetter-Agenten umfasste 6.358 Tokens, gegenüber etwa 1.800 in den Pipeline-Frameworks.

Auswirkungen auf Kosten und Korrektheit

• Die Korrektheit wurde nicht beeinträchtigt. In allen 13 Frameworks erreichten die Daten den Planer unversehrt, mit einer Ausnahme in einem einzelnen Durchlauf von Microsoft Agent Framework.
• Die Kosten wurden beeinflusst. 1.000 Durchläufe kosteten in den Pipeline-Frameworks etwa 1.4 USD und in Microsoft Agent Framework, Google ADK und smolagents 2.4 bis 2.8 USD.
• In Google ADK, smolagents, Microsoft Agent Framework und CrewAI dachte das Model häufiger nach. Dadurch dauerten die Durchläufe länger, aber die Regelbefolgung stieg.

Zuverlässigkeit

• Alle 1.300 Durchläufe wurden ohne Fehler oder Timeouts abgeschlossen.
• In 1.299 von 1.300 Durchläufen erreichten die Daten den endgültigen Plan korrekt.
• Der einzige Fehler trat in Microsoft Agent Framework auf. Der Reiseplaner hatte jedes Flugangebot in seiner Eingabe, ließ aber die Flugfelder leer. Dies könnte dazu beigetragen haben: Microsoft Agent Framework übergibt die Ausgaben früherer Agenten an den Planer, als hätte der Planer sie selbst geschrieben.

Zusätzliche Model-Aufrufe

Jeder zusätzliche Model-Aufruf fügte einem Durchlauf 1 bis 3 Sekunden hinzu.

• CrewAI: In 12 von 100 Durchläufen wiederholte der Flug-Agent dieselbe Flugsuche mit denselben Eingaben, nachdem er das Ergebnis erhalten hatte.
• smolagents: Es akzeptiert eine Antwort nur über sein final_answer-Tool. In 14 von 100 Durchläufen antwortete das Model zuerst in reinem Text, sodass smolagents eine weitere Runde benötigte.

Verpassen Sie nicht unsere Benchmarks und datengestützten Erkenntnisse. Die Schaltfläche öffnet Google; die Auswahl von AIMultiple bestätigt, dass Sie AIMultiple häufiger in den Google-Suchergebnissen sehen möchten.

Als bevorzugte Quelle hinzufügen

Standardeinstellungen, die Änderungen erforderten

Wir mussten einige Standardeinstellungen ändern, damit die Frameworks diesen Workflow ausführen konnten:

• Microsoft Agent Framework: Seine sequenzielle Kette funktionierte mit Claude überhaupt nicht (HTTP 400). Die Kette sendet jedem Agenten eine Konversation, die mit der Antwort des vorherigen Agenten endet, was Claude ablehnt. Die Option ensure_trailing_user_turnoption behebt dies, indem sie am Ende der Konversation eine Nutzernachricht hinzufügt.
• Agno: Standardmäßig überspringt sein Workflow einen fehlgeschlagenen Schritt und meldet den Durchlauf trotzdem als erfolgreich. Wir setzten die Schritt-Fehlerrichtlinie auf „fail“, damit Fehler sichtbar werden.
• Strands: Sein Graph startet einen Agenten, sobald einer der Agenten, von denen er abhängt, fertig ist. Mit einfachen Kanten würde der Planer zu früh und mehrfach laufen, daher ergänzten wir Bedingungen an den Kanten, um die Reihenfolge zu erhalten.
• smolagents: Es zwingt das Model, bei jedem Schritt ein Tool aufzurufen. Claude lehnt dies ab, wenn das Nachdenken aktiviert ist, daher setzten wir es auf „automatisch“.
• OpenAI Agents SDK: Es verwendet standardmäßig OpenAIs Responses-API. Um es mit einem Chat-Completions-Endpoint zu verwenden, den die meisten anderen Anbieter anbieten, benötigen Sie seine Chat-Completions-Model-Klasse.

Pipeline oder gemeinsame Konversation für einen festen Workflow

Wenn die Reihenfolge der Agenten festgelegt ist, benötigt jeder Agent nur wenige frühere Ausgaben. In unserem Test bewegte das Weiterreichen nur dieser Ausgaben die Daten zwischen den Agenten ebenso zuverlässig wie das Teilen der gesamten Konversation: 1.299 von 1.300 Durchläufen waren in beiden Gruppen korrekt. Die gemeinsame Konversation in Google ADK und Microsoft Agent Framework mehr als verdoppelte die Prompt-Tokens pro Durchlauf. Gemeinsame Konversationen passen zu Agenten, die Überlegungen der anderen sehen müssen. In einer festen Pipeline kostet das Weiterreichen expliziter Eingaben weniger, und Sie können genau sehen, was jeder Agent erhält.

Prüfen Sie, was Ihr Framework an das Model sendet

Sieben der 13 Frameworks sendeten dem Aktivitäts-Agenten genau den Text, den wir geschrieben hatten. Die anderen sechs fügten eigene Templates, weitergeleitete Nachrichten oder Überschriften hinzu, von etwa 50 zusätzlichen Tokens in Strands bis zu mehr als 3.000 in Google ADK. Diese Ergänzungen veränderten, wie oft das Model nachdachte und ob es die Regel befolgte. Bevor Sie Prompts in einem Multi-Agenten-System optimieren, protokollieren Sie die endgültige Anfrage, die jeder Agent an das Model sendet. Ein Logging-Proxy oder das Tracing des Frameworks zeigt, was das Framework hinzugefügt hat.

Was die Geschwindigkeit eines Multi-Agenten-Workflows bestimmt

Der Framework-Code benötigte etwa 1 % jedes Durchlaufs. Der Rest entfiel auf die Anzahl der Model-Aufrufe und die Zeit, die jeder Aufruf benötigte. Daraus ergeben sich drei Stellschrauben:

• Weniger Model-Aufrufe: Achten Sie auf wiederholte Toolaufrufe und zusätzliche Schritte; jeder fügte 1 bis 3 Sekunden hinzu.
• Kleinere Eingaben: Kürzere Eingaben für jeden Agenten reduzieren Tokens und geben dem Model weniger zu lesen.
• Parallele unabhängige Agenten: In diesem Workflow hängen der Flug- und der Wetter-Agent nicht voneinander ab. Eine parallele Ausführung würde die kürzere der beiden Zeiten einsparen, etwa 3 Sekunden. Wir haben die parallele Ausführung nicht getestet; diese Schätzung stammt aus den Zeiten pro Agent.

Benchmark-Methodik

Jedes Framework führte denselben Reiseplanungs-Workflow mit fünf Agenten aus, wobei die Agenten immer in dieser Reihenfolge liefen:

1. Parser: Extrahiert Herkunft, Ziel, Abreisedatum und Reisedauer aus der Anfrage des Nutzers.
2. Flugfinder: Ruft ein Flugsuch-Tool auf und listet die Angebote nach Preis auf.
3. Wetterberichterstatter: Ruft ein Wetter-Tool für die Reisedaten auf.
4. Aktivitätsempfehler: Wählt eine Aktivität pro Tag, unter Verwendung der obigen Indoor-/Outdoor-Regel.
5. Reiseplaner: Kombiniert die vier Ausgaben zu einem tageweisen Plan mit dem günstigsten Flug.

Die Nutzeranfrage lautete: „Ich möchte am 27. Oktober 2026 von Berlin nach Rom reisen. Ich bleibe 3 Tage.“ Jeder Agent hatte in jedem Framework dieselbe schriftliche Anweisung und gab seine Antwort als JSON zurück. Nur der Flugfinder und der Wetterberichterstatter hatten Tools.

Tool-Daten

Beide Tools gaben feste Daten zurück, sodass jeder Durchlauf in jedem Framework identische Tool-Ergebnisse erhielt:

• Flüge: Sechs Einfachflug-Angebote von Berlin nach Rom. Diese sind synthetisch: Die plausiblen Fluggesellschaften, Zeiten und Preise stammen nicht aus einer Live-Flugsuche.
• Wetter: Eine echte Rom-Vorhersage für den 27. bis 29. Oktober 2026, einmal von WeatherAPI.com aufgezeichnet.

Da die Tools sofort antworteten, spiegeln die Fertigstellungszeiten Model-Aufrufe und Framework-Code wider, nicht die API-Latenz.

Frameworks

• Getestete Versionen: LangGraph 1.2.17, LangChain 1.4.7, CrewAI 1.15.30, AutoGen 0.7.5, Microsoft Agent Framework 1.23.0, OpenAI Agents SDK 0.24.0, Google ADK 2.13.0, Agno 3.1.10, Pydantic KI 2.61.0, smolagents 1.26.0, LlamaIndex 0.14.25, Strands Agents 1.62.0 und CAMEL 0.2.90, alle auf Python 3.12.
• Wie die Agenten ausgeführt wurden: Jedes Framework führte die Agenten mit seinem eigenen Multi-Agenten-Konstrukt aus, sofern es eines besitzt. OpenAI Agents SDK, Pydantic KI, smolagents und CAMEL haben kein Konstrukt für eine feste Reihenfolge, daher wurden ihre Agenten im Code nacheinander aufgerufen.
• Einstellungen: Alle Einstellungen blieben auf ihren Standardwerten, mit Ausnahme der unter „Standardeinstellungen, die Änderungen erforderten“ aufgeführten Änderungen.

Model und Durchläufe

• Model: Jeder Agent in jedem Framework verwendete Claude Haiku 5.5 über OpenRouter, bereitgestellt von Anthropic, mit fester mittlerer Reasoning-Einstellung. Einstellungen, die ein Framework hinzuzufügen versuchte, wie etwa Temperatur, wurden entfernt, bevor die Anfrage das Model erreichte.
• Durchläufe: Jedes Framework führte den Workflow 100-mal aus, insgesamt 1.300 Durchläufe, am 27. Oktober 2026. Die Durchläufe wurden einzeln ausgeführt, in gemischter Reihenfolge über die Frameworks hinweg.
• Aufwärmen: Vor jedem zeitlich gemessenen Durchlauf lief derselbe Workflow einmal gegen ein skriptgesteuertes Test-Model, damit einmalige Ladezeiten nicht in die gemessene Zeit einflossen.
• Grenzwerte: Jeder Durchlauf war auf 30 Model-Aufrufe und 300 Sekunden begrenzt. Kein Durchlauf erreichte einen der Grenzwerte.

Was wir gemessen haben

• Anfragen: Ein Logging-Proxy zeichnete jede Anfrage und Antwort zwischen den Frameworks und dem Model auf. Jeder Agent hatte seinen eigenen Endpoint, sodass jeder Model-Aufruf dem Agenten zugeordnet werden konnte, der ihn ausführte. Toolaufrufe wurden separat protokolliert.
• Fertigstellungszeit: Zeit vom Start des Workflows bis zum endgültigen Plan.
• Tokens und Kosten: Prompt-, Completion- und Thinking-Tokens sowie die Kosten jedes Aufrufs, wie vom Anbieter gemeldet.
• Framework-Overhead: Der Teil eines Durchlaufs, der weder mit dem Warten auf das Model noch mit der Ausführung von Tools verbracht wurde.
• Nachdenken: Ein Durchlauf gilt als einer, in dem das Model nachdachte, wenn der Anbieter für den Aufruf des Aktivitäts-Agenten Thinking-Tokens meldete.
• Korrekter Reiseplan: Der endgültige Plan enthält den günstigsten Flug (Flugnummer und Preis), die drei Reisedaten, das Wetter jedes Tages wie vorhergesagt sowie die Aktivität und den Schauplatz jedes Tages genau so, wie der Aktivitätsempfehler sie erzeugt hat.
• Regelbefolgung: Alle drei Tage folgen der Indoor-/Outdoor-Regel. Da an keinem Tag eine Regenwahrscheinlichkeit nahe 50 % lag, war die richtige Antwort für jeden Tag eine Outdoor-Aktivität.

Zitieren Sie diesen Benchmark

Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.

@misc{sipi2026,
  author = {Şipi, Nazlı},
  title  = {{Top 10+ Agentic-Orchestrierungs-Frameworks & Tools}},
  year   = {2026},
  month  = oct,
  howpublished    = {\url{https://aimultiple.com/agentic-orchestration}},
  note   = {AIMultiple. Abgerufen am 30. Oktober 2026}
}

Änderungsprotokoll

4 Aktualisierungen

Alle4Allgemein3Methodik1

20262025

1. 27. Jan

   Der Abschnitt „Agentic orchestration benchmark“ wurde entfernt.

2. 26. Jan

   Der Abschnitt „Agentic Orchestration Benchmark“ wurde mit neuen Metriken aktualisiert.

Nazlı Şipi

KI-Forscherin

Folgen auf

Nazlı ist Datenanalystin bei AIMultiple. Sie verfügt über frühere Erfahrung in der Datenanalyse in verschiedenen Branchen, wo sie daran arbeitete, komplexe Datasets in umsetzbare Erkenntnisse umzuwandeln.

Vollständiges Profil anzeigen

Seien Sie der Erste, der kommentiert

Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.

Name

E-Mail-Adresse

Kommentar

0/450

Kommentar posten