1 
2Az AI agensek a kutatasi demokbol produkcios rendszerekke fejlodtek. 2026-ra az elorejelzesek szerint a vallalati AI alkalmazasok tobb mint 60%-a tartalmaz majd agens komponenseket. De agenseket a semmibol epiteni  -  kezelni az eszkozciklusokat, az allapotot, a memoriat, a hibakezelest es a tobbagens-koordinaciot  -  osszetett feladat. Ezert leteznek a frameworkok.
3 
4Negy framework dominnal 2026-ban: **LangGraph**, **CrewAI**, **OpenAI Agents SDK** es **Claude Agent SDK**. Mindegyik alapvetoen mas megkozelitest alkalmaz ugyanarra a problemara: megadni az LLM-eknek a kepesseget a gondolkodasra, tervezesre, eszkozhasznalatra es egyuttmukodesre.
5 
6## Attekintes
7 
8| Szempont | LangGraph | CrewAI | OpenAI Agents SDK | Claude Agent SDK |
9|--------|-----------|--------|-------------------|-----------------|
10| **Keszitette** | LangChain | CrewAI Inc. | OpenAI | Anthropic |
11| **Architektura** | Graf-alapu | Szerep-alapu | Atadasra epulo | Autonom ciklus |
12| **Filozofia** | Maximalis kontroll | Csapatmunka | Minimalis absztrakcio | Adj az agensnek szamitogepet |
13| **Nyelvek** | Python, TypeScript | Python | Python | Python, TypeScript |
14| **Modelltamogatas** | Barmelyik (OpenAI, Claude, helyi) | Barmelyik | Barmelyik (a neve ellenere) | Csak Claude |
15| **GitHub csillagok** | ~29k | ~40k | ~21k | ~6k |
16| **Legjobb alkalmazas** | Osszetett allapottarto workflow-k | Tobbagens specializacio | Routing es triazs | Kodolas es fajlintenziv feladatok |
17 
18## LangGraph: A grafepito
19 
20A LangGraph az agens workflow-kat **iranyitott ciklikus grafkent** modelezi. Csomopontokat (munkavegzo fuggvenyeket) es eleket (kozottuk levo atmenetek, opcionalisan feltetelesen) hataroz meg. Az allapot vegigfolyik a grafon es checkpointing segitsegevel megorzodik.
21 
22Ez a legjobban kifejtett es leginkabb vezerelheto framework  -  minden lepest te kotogettel ossze.
23 
24```mermaid
25graph LR
26    Start --> Router[Router Node]
27    Router -->|needs research| Research[Research Node]
28    Router -->|needs code| Code[Code Node]
29    Research --> Synthesize[Synthesize Node]
30    Code --> Synthesize
31    Synthesize --> End
32```
33 
34### Alapfogalmak
35 
36- **StateGraph**: a graf definicio tipizalt allapottal
37- **Nodes**: allapotot atalakito Python fuggvenyek
38- **Edges**: csomopontok kozti kapcsolatok, lehetnek feltetelezettek
39- **Checkpointing**: beepitett perzisztencia hosszan futo workflow-khoz
40 
41### Kodpelda
42 
43```python
44from langgraph.graph import StateGraph, MessagesState, START, END
45from langchain_openai import ChatOpenAI
46 
47llm = ChatOpenAI(model="gpt-4o")
48 
49def call_agent(state: MessagesState):
50    response = llm.invoke(state["messages"])
51    return {"messages": [response]}
52 
53def should_continue(state: MessagesState):
54    last = state["messages"][-1]
55    if last.tool_calls:
56        return "tools"
57    return END
58 
59def call_tools(state: MessagesState):
60    # Execute tool calls and return results
61    results = []
62    for tool_call in state["messages"][-1].tool_calls:
63        result = execute_tool(tool_call)
64        results.append(result)
65    return {"messages": results}
66 
67graph = StateGraph(MessagesState)
68graph.add_node("agent", call_agent)
69graph.add_node("tools", call_tools)
70graph.add_edge(START, "agent")
71graph.add_conditional_edges("agent", should_continue, {"tools": "tools", END: END})
72graph.add_edge("tools", "agent")
73 
74app = graph.compile()
75result = app.invoke({"messages": [{"role": "user", "content": "What's the weather?"}]})
76```
77 
78### Erossegek
79 
80- Reszletes kontroll minden lepes es atmenet felett
81- Beepitett checkpointing es human-in-the-loop
82- Teljes TypeScript paritas
83- Barmely LLM szolgaltatoval mukodik
84- A legjobb osszetett workflow-khoz felteteles elagazassal es ciklusokkal
85 
86### Gyengesegek
87 
88- Meredek tanulasi gorbe  -  ertened kell a grafelmelet fogalmait
89- Boszavu egyszeru esetekre  -  egy alap agens tobb boilerplate-et igenyel, mint mas frameworkok
90- A graffolyamatok debuggolasa kihivast jelenthet LangSmith nelkul
91 
92### Arazes
93 
94Open-source (MIT). A LangSmith (felugyelt megfigyelehetosegi platform) fizetett szintekkel rendelkezik produkcios monitorozashoz.
95 
96## CrewAI: A csapatepito
97 
98A CrewAI emberi metaforat hasznal: specializalt agensekbol allo **legenyseget** allitasz ossze, amelyekben mindegyiknek van **szerepe**, **celja** es **hattertoertenete**. Az agensek **feladatokon** dolgoznak **eszkozok** segitsegevel, egy **folyamat** altal koordinalva (szekvencialis, hierarchikus vagy konszenzusos).
99 
100Gondolj ra ugy, mint egy csapat felvetele, ahol minden tagnak meghatarozott munkakor es specializacio jut.
101 
102```mermaid
103graph TD
104    Crew[Crew Manager] --> R[Researcher\nRole: Find data\nTools: WebSearch]
105    Crew --> W[Writer\nRole: Write content\nTools: FileWrite]
106    Crew --> E[Editor\nRole: Review quality\nTools: FileRead]
107    R --> Task1[Research Task]
108    W --> Task2[Writing Task]
109    E --> Task3[Review Task]
110    Task1 --> Task2 --> Task3
111```
112 
113### Alapfogalmak
114 
115- **Agent**: persona szereppel, cellal, hattertoertenettel es eszkozokkel
116- **Task**: feladat leirassal, elvart kimenettel es hozzarendelt agenssel
117- **Crew**: egyutt dolgozo agensek csoportja
118- **Process**: vegrehajtasi strategia (szekvencialis, hierarchikus, konszenzusos)
119- **Flow**: esemenyvezerelt orkesztracios reteg tobb legenyseget osszekapcsolasahoz
120 
121### Kodpelda
122 
123```python
124from crewai import Agent, Task, Crew, Process
125 
126researcher = Agent(
127    role="Senior Research Analyst",
128    goal="Find comprehensive data about the given topic",
129    backstory="You have 10 years of experience in technology research. "
130              "You are thorough and always verify facts from multiple sources.",
131    tools=[web_search_tool],
132    verbose=True,
133)
134 
135writer = Agent(
136    role="Technical Writer",
137    goal="Create clear, engaging technical content",
138    backstory="You write for a developer audience. "
139              "Your articles are practical and include code examples.",
140    tools=[file_tool],
141    verbose=True,
142)
143 
144research_task = Task(
145    description="Research the latest developments in WebAssembly in 2026. "
146                "Focus on WASI, Component Model, and production use cases.",
147    expected_output="A structured research document with key findings and sources.",
148    agent=researcher,
149)
150 
151writing_task = Task(
152    description="Write a blog post based on the research. "
153                "Include code examples and Mermaid diagrams.",
154    expected_output="A complete blog post in Markdown format.",
155    agent=writer,
156    context=[research_task],  # Writer receives researcher's output
157)
158 
159crew = Crew(
160    agents=[researcher, writer],
161    tasks=[research_task, writing_task],
162    process=Process.sequential,
163    verbose=True,
164)
165 
166result = crew.kickoff()
167print(result.raw)
168```
169 
170### Erossegek
171 
172- Intuitiv szerepalapau absztrakcio  -  konnyen athato
173- Tobb mint 100 beepitett eszkozintegraciohoz
174- Megosztott memoria az agensek kozott (rovid tavu, hosszu tavu, entitas)
175- A legnagyobb kozosseg (~40k GitHub csillag)
176- Hierarchikus folyamat "menedzser" agenssel, aki delegall es validall
177 
178### Gyengesegek
179 
180- Kevesbe reszletes kontroll, mint a LangGraph  -  szerepeket hatarozol meg, nem pontos vegrehajtasi utvonalakat
181- A hierarchikus folyamat kiszamithatatlan lehet, amikor az agensek nem ertenek egyet
182- A tobbagens beszelgetesek debuggolasa nehezebb, mint az egyagens folyamatok
183 
184### Arazes
185 
186Open-source mag (ingyenes). CrewAI Platform: 99 $/ho (Teams) es 120 ezer $/ev (Enterprise) kozott. Az arazes az aktiv legenysegtol es a havi vegrehajtasok szamatol fugg.
187 
188## OpenAI Agents SDK: A router
189 
190Az OpenAI Agents SDK (a Swarm szellemi utodja) a **kiosztasokra** osszpontosit  -  az agensek mas specializalt agenseknek adjak at a beszelgeteseket. Ez a legminimalisztikusabb framework: agensek, eszkozok, kiosztasok es guardrail-ek. Ennyi.
191 
192```mermaid
193graph LR
194    User --> Triage[Triage Agent]
195    Triage -->|billing question| Billing[Billing Agent]
196    Triage -->|refund request| Refund[Refund Agent]
197    Triage -->|technical issue| Support[Support Agent]
198    Billing --> Response[Response]
199    Refund --> Response
200    Support --> Response
201```
202 
203### Alapfogalmak
204 
205- **Agent**: model + utasitasok + eszkozok + kiosztasok
206- **Handoff**: atadasas egy masik agensnek (eszkoznek modelezve, amelyet az LLM meghivhat)
207- **Guardrail**: bemenet/kimenet validacio, ami parhuzamosan fut az agenssel
208- **Runner**: vegrehajtja az agens ciklust
209- **Tracing**: beepitett megfigyelehetoseg minden LLM hivashoz, eszkozhasznalahoz es kiosztashoz
210 
211### Kodpelda
212 
213```python
214from agents import Agent, Runner, handoff, InputGuardrail, GuardrailFunctionOutput
215from pydantic import BaseModel
216 
217class SafetyCheck(BaseModel):
218    is_safe: bool
219    reason: str
220 
221async def content_safety(ctx, agent, input_text):
222    result = await Runner.run(
223        Agent(name="Safety", instructions="Check if input is safe. No PII."),
224        input_text,
225        context=ctx,
226    )
227    output = SafetyCheck.model_validate_json(result.final_output)
228    return GuardrailFunctionOutput(
229        output_info=output, tripwire_triggered=not output.is_safe
230    )
231 
232billing_agent = Agent(
233    name="Billing Agent",
234    instructions="You handle billing inquiries. Be precise with numbers.",
235    tools=[lookup_invoice, process_payment],
236)
237 
238refund_agent = Agent(
239    name="Refund Agent",
240    instructions="You process refund requests. Always verify the order first.",
241    tools=[lookup_order, issue_refund],
242)
243 
244triage_agent = Agent(
245    name="Triage Agent",
246    instructions="Route the customer to the right specialist. "
247                 "Ask clarifying questions if needed.",
248    handoffs=[billing_agent, refund_agent],
249    input_guardrails=[InputGuardrail(guardrail_function=content_safety)],
250)
251 
252result = await Runner.run(triage_agent, "I need a refund for order #4521")
253print(result.final_output)
254# The triage agent routes to refund_agent, which processes the refund
255```
256 
257### Erossegek
258 
259- Tiszta kiosztas minta  -  termeszetes routing/triazs workflow-khoz
260- A guardrail-ek parhuzamosan futnak a vegrehajtassal (fail-fast, nem blokkolnak)
261- Beepitett tracing felulet a debuggolashoz
262- A neve ellenere nem OpenAI modelleket is tamogat
263- Minimalis absztrakcio  -  konnyen ertheto es bovitheto
264 
265### Gyengesegek
266 
267- Kevesbe erett allapotkezeles, mint a LangGraph
268- Nincs beepitett perzisztencia vagy checkpointing
269- A harmadik feles eszkozok okoszisztemaja kisebb
270- A kiosztas-kozpontu tervezes nem minden architekturaba illik
271 
272### Arazes
273 
274Open-source (MIT). Tokenenkent fizetsz barmelyik hasznalt modellert.
275 
276## Claude Agent SDK: A fejleszto
277 
278A Claude Agent SDK mas megkozelitest kinal: ahelyett, hogy workflow-kat vagy szerepeket hataroznall meg, az agensnek **eszkozok keszletet adod es hagyod, hogy maga talaja ki, hogyan hajtsa vegre a feladatot**. Ugyanazt az autonom ciklust hasznalja, ami a Claude Code-ot is hajtja  -  olvas, cselekszik, ellenoriz, iteral.
279 
280```mermaid
281graph TD
282    Prompt[User Prompt] --> Loop[Autonomous Agent Loop]
283    Loop --> Reason[Reason about next step]
284    Reason --> Act[Execute tool]
285    Act --> Verify[Check result]
286    Verify -->|not done| Loop
287    Verify -->|done| Output[Final output]
288```
289 
290### Alapfogalmak
291 
292- **query()**: a fo belepesi pont, ami elinditja az agens ciklust
293- **Beepitett eszkozok**: Read, Write, Edit, Bash, Glob, Grep, WebSearch, WebFetch
294- **Egyedi eszkozok MCP-n keresztul**: eszkozok definialaasa in-process MCP serverkenek
295- **Sub-agents**: specializalt agensek, akiknek a szulo delegalhat
296- **Sessions**: kontextus fenntartasa tobb interakcion at
297 
298### Kodpelda
299 
300```typescript
301import { tool, createSdkMcpServer, query } from "@anthropic-ai/claude-agent-sdk";
302import { z } from "zod";
303 
304const searchDocs = tool(
305  "search_docs",
306  "Search the internal documentation for relevant information",
307  { query: z.string().describe("Search query") },
308  async ({ query }) => {
309    const results = await vectorStore.similaritySearch(query, 5);
310    return {
311      content: [{ type: "text", text: results.map(r => r.pageContent).join("\n\n") }],
312    };
313  }
314);
315 
316const docsServer = createSdkMcpServer({
317  name: "docs",
318  version: "1.0.0",
319  tools: [searchDocs],
320});
321 
322for await (const message of query({
323  prompt: "Find how authentication works in our system and write a summary",
324  options: {
325    mcpServers: { docs: docsServer },
326    allowedTools: ["Read", "Glob", "Grep", "mcp__docs__search_docs"],
327  },
328})) {
329  if (message.type === "result" && message.subtype === "success") {
330    console.log(message.result);
331  }
332}
333```
334 
335### Erossegek
336 
337- Elsoosztayu MCP integracio  -  csatlakozas barmely MCP szerver okoszisztemaahoz
338- Beepitett eszkozok fajlmuveletekhez, terminalhoz es webelesreshez
339- Automatikus kontextus kompakcio nagy kodbazisokhoz
340- Parhuzamos sub-agent-ek osszetett feladatokhoz
341- Ugyanaz a motor, mint a Claude Code  -  valos fejlesztesi workflow-kon tesztelt
342 
343### Gyengesegek
344 
345- Csak Claude modellek  -  nincs tobbszolgaltatoi tamogatas
346- Ujabb framework kisebb kozosseggel
347- Node.js kornyezet szukseges meg a Python SDK-hoz is
348- Kevesbe explicit workflow kontroll a LangGraph-hoz kepest
349 
350### Arazes
351 
352Open-source. Standard Claude API token diszabasok. Managed Agents (hosztolt verzio): 0,08 $ munkamenetorankeent a token koltsegek mellett.
353 
354## Mikor melyiket valasszuk
355 
356```mermaid
357graph TD
358    Start{What's your priority?}
359    Start -->|Full control over workflow| LG[LangGraph]
360    Start -->|Multi-agent collaboration| CA[CrewAI]
361    Start -->|Routing and triage| OA[OpenAI Agents SDK]
362    Start -->|Coding and file automation| CS[Claude Agent SDK]
363 
364    LG --> LGU[Complex stateful workflows\nConditional branching\nHuman-in-the-loop]
365    CA --> CAU[Team of specialized agents\nResearch + writing pipelines\nContent generation]
366    OA --> OAU[Customer service routing\nMulti-step handoffs\nInput validation]
367    CS --> CSU[Code generation and review\nFile-heavy automation\nMCP tool ecosystem]
368```
369 
370### Valaszd a LangGraph-ot, ha:
371- Pontos kontrollra van szukseged a workflow minden lepesenel
372- A felhasznalasi eseted osszetett felteteles logikat es ciklusokat foglal magaban
373- Beepitett perzisztenciat es human-in-the-loop checkpoint-okat akarsz
374- Tobb LLM szolgaltatot kell hasznalnod ugyanabban a workflow-ban
375 
376### Valaszd a CrewAI-t, ha:
377- Intuitiv, szerepalapau absztrakciot szeretnel
378- A feladatod tobb, kulonbozo specializaciooju agenst igenyel
379- Szukseged van ra, hogy az agensek egyuttmukedjenek es kontextust adjanak at egymasnak
380- A legnagyobb kozosseget es a legtobb beepitett integraciot ertekeled
381 
382### Valaszd az OpenAI Agents SDK-t, ha:
383- Az elsodleges mintad beszelgetesek iranyitasa szakertokhoz
384- Parhuzamosan validalo guardrail-ekre van szukseged bemenethez/kimenethez
385- A leheto legegyszerubb absztrakciot akarod minimalis boilerplate-tel
386- A beepitett tracing es megfigyelehetoseg fontos
387 
388### Valaszd a Claude Agent SDK-t, ha:
389- Az agenseidnek kodot kell olvasniuk, irniuk es futtatniuk
390- Elsoosztayu MCP szerver integraciot szeretnel
391- Autonom agensekre van szukseged, amelyek iteralnak es onkorrigalnak
392- Mar hasznalod a Claude-ot es a legmelyebb integraciot szeretned
393 
394## Kombinalhatok a frameworkok?
395 
396Igen. Egy gyakori minta az, hogy az egyik frameworkot az orkesztraciora, a masikat az egyes agensekre hasznaljuk:
397 
398- **LangGraph** az egesz workflow grafhoz
399- **CrewAI** egy adott csomoponthoz, ami tobbagens egyuttmukoedest igenyel
400- **Claude Agent SDK** kodolassal kapcsolatos alfeladatokhoz MCP-n keresztul
401- **OpenAI Agents SDK** ugyfeloldali triazs es routing celokra
402 
403A frameworkok nem zarjak ki egymast. Hasznald azt, ami az adott reszhez a legjobban illik.
404 
405## Osszefoglalas
406 
407Minden framework egy vilagos iranyba tett:
408 
409- **LangGraph** a kontrollra optimalizal  -  te dontesz minden atmeenetrol
410- **CrewAI** az egyuttmukodesre optimalizal  -  az agensek csapatkent dolgoznak
411- **OpenAI Agents SDK** az egyszeerusegre optimalizal  -  minimalis absztrakcio, tiszta kiosztasok
412- **Claude Agent SDK** az autonomiara optimalizal  -  add meg az eszkozokat es hagyd dolgozni
413 
414A helyes valasztas a workflow-dtol, a csapatodtol es a meglevo technologiai stacktol fugg. Valaszd azt, ami a fo felhasznalasi esetedhez illik, tanold meg alaposan, es huzd be a toobbieket, amikor azok erossegi teruleteere kersz.
415