能力对比
- ❌ 不可用
- ⚠️ 部分支持或受限
- — 公共文档中未确认
目标用户
Fleet 同时覆盖组织级和个人使用场景。团队可以构建专用智能体，并在组织内共享（例如，服务整个运营部门的供应商接入智能体，或每周一早上为每位客户经理节省三十分钟的周报智能体）；任何用户也可以通过 Fleet 的通用默认聊天，使用任意工具来获得任何任务的帮助。其他平台侧重于个人生产力、特定生态中的自动化，或兼顾两者，但没有其他平台能同时提供无代码智能体构建、组织范围共享和代码导出能力。 Fleet 还允许你设置工具级审批要求，让智能体在执行敏感步骤前先向你确认，并通过一个集中式收件箱来查看、编辑和批准操作。本次对比中的其他平台都没有提供一个覆盖所有智能体的集中式审批收件箱。企业控制与访问权限
Fleet 提供 RBAC、基于属性的访问控制，以及按智能体设置的共享权限（克隆、运行和编辑）。在这里比较的平台中，只有 Fleet 记录了针对每个 MCP 服务器的基于属性的访问控制。所有平台都提供某种形式的 RBAC，但细粒度有所不同。 Fleet 在工作区级别管理支出。如需了解企业计费选项，请联系销售。模型灵活性
Fleet 通过 OpenAI 或 Anthropic 聊天规范支持任意 LLM，包括自托管提供商，不依赖任何特定生态。Microsoft Copilot 提供精选的多供应商模型，并可通过 Azure AI Foundry 使用自带模型，但要实现完整的灵活性，需要依赖 Azure 基础设施。Google Workspace Studio 和 Amazon Quick 则更多地受限于各自的供应商生态。 在本次对比的平台中，只有 Fleet 能够与任何 OpenAI 或 Anthropic 兼容的 API 端点配合使用，无论云服务提供商是谁。记忆、自我更新与学习
Fleet 智能体可以使用专用记忆系统，在多次对话之间持久化上下文；它们还可以在交互中学习，并据此更新自身指令、添加工具或移除工具。在本次对比的平台中，只有 Fleet 记录了智能体在运行时进行自我修改的能力。可观测性与治理
Fleet 最明显的优势是与 LangSmith 的原生连接。每次智能体运行都会在 LangSmith 中进行追踪，因此可以轻松调试性能并大规模运行评估。其他平台提供基本的日志记录和审计记录，但没有任何平台能通过专用的可观测性平台，在具备 LLM 感知能力的追踪、评估和调试方面达到 Fleet 的深度。代码导出与托管
Fleet 允许你通过 Deep Agents 将构建的任意智能体导出为代码。Deep Agents 是 Fleet 运行所基于的开源智能体运行时。导出的智能体采用 MIT 许可证，可以独立于 Fleet 进行部署、通过代码修改，或通过 API 直接集成到你自己的应用中。本次对比中的其他平台都没有提供代码导出路径。 Fleet 是本次对比中唯一提供自托管部署选项的平台。对于有合规要求的团队，自托管和 BYOC（自带云）配置可以让你完全在自己的基础设施中运行 Fleet。其他所有平台都只能作为云端托管服务使用。集成与工具
✅ 表示该集成可用；支持的操作和集成深度因平台而异。完整的 Fleet 内置集成列表及其功能，请参阅 Fleet 工具集成。最后更新于 2026 年 5 月 5 日。这些产品迭代迅速。如果有任何内容发生变化，请提交 issue，帮助我们及时更新此页面。
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.