AI Knowledge Base

_Frameworks Index

Фреймворки для AI-приложений

Главное

Фреймворк — не архитектура и не гарантия качества. Сначала опиши workflow, состояние, инструменты и критерии успеха; затем выбери минимальный слой, который снимает реальную инженерную проблему.

Сначала реши, нужен ли фреймворк

Для одного вызова модели, structured output или пары tools обычно достаточно официального SDK провайдера и собственного кода. Фреймворк начинает окупаться, когда нужны циклы, ветвления, долговременное состояние, восстановление после сбоя, human-in-the-loop, несколько агентов или сложный retrieval.

Карта выбора

ВариантЧто этоСмотреть, когда…
Собственный цикл + SDK провайдераМинимальный baselineЛогика короткая, важны прозрачность и малое число зависимостей
OpenAI Agents SDKProvider-native SDK агентовПроект строится вокруг OpenAI и нужны handoffs, guardrails, state и tracing
Microsoft Agent FrameworkSDK агентов и workflow runtimeНужен стек Microsoft/Azure/.NET или миграция с AutoGen/Semantic Kernel
LangChain / LangGraphВысокоуровневый agent API + графовый runtimeНужна широкая экосистема или явная stateful-оркестрация
LlamaIndexData/RAG framework + WorkflowsГлавная сложность — ingestion, retrieval и работа с частными данными
HaystackКомпонентные RAG- и search-pipelinesНужен явный тестируемый граф обработки данных
CrewAIOpinionated crews + event-driven flowsРолевая декомпозиция действительно соответствует процессу
AutoGenПоддерживаемый legacy-фреймворк MicrosoftУже есть AutoGen-система или изучается прежний event-driven runtime

Не существует универсального «лучшего» варианта. Например, LangGraph и Haystack оба используют графы, но первый прежде всего оркестрирует состояние и действия, а второй силён в компонентных data/RAG pipelines.

Кандидаты второго круга

  • Pydantic AI — typed Python SDK с dependency injection, validated outputs, multi-provider API, graph/durable execution и OpenTelemetry; сильный кандидат для Python-команд, уже использующих Pydantic.
  • Google ADK — code-first agent framework с сильной связью с экосистемой Google/Gemini, но заявленной model- и deployment-независимостью.
  • Mastra — TypeScript framework для agents, workflows, RAG, evals и observability; имеет смысл сравнить в TS-native продукте.

Им не выделены отдельные карточки, потому что этот справочник группирует варианты по инженерской роли, а не пытается быть исчерпывающим реестром пакетов.

Как выбирать без гадания

  1. Опиши один реальный сценарий и допустимые ошибки.
  2. Собери простейший вариант без фреймворка — это baseline сложности, цены и качества.
  3. Сделай одинаковый spike на одном-двух кандидатах.
  4. Проверь не happy path, а timeout, повторный запуск, ошибку tool, невалидный output и prompt injection.
  5. Зафиксируй решение и план выхода: какие доменные интерфейсы не должны зависеть от фреймворка.

Матрица проверки

  • нужные модели, tools, MCP и structured output;
  • явная модель состояния, checkpoints и resumability;
  • retries, idempotency, streaming и concurrency;
  • approvals и минимальные права инструментов;
  • traces, метрики, evals и экспорт телеметрии;
  • deployment, лицензия, темп breaking changes и зрелость проекта;
  • стоимость, latency и сложность отладки;
  • возможность заменить model/provider/framework без переписывания доменной логики.

Частые ошибки

  • начинать с multi-agent, не доказав пользу относительно одного агента;
  • принимать визуальный builder или облачную платформу за сам open-source runtime;
  • копировать пример старой major-версии;
  • прятать бизнес-логику внутри prompt и callbacks фреймворка;
  • считать встроенный tracing полноценной оценкой качества;
  • доверять инструментам без схем, лимитов, approvals и аудита.

Актуальность

Статусы и API проверены 2026-09-14. Перед установкой сверяй migration guide, release notes и документацию выбранной версии.

Официальные источники

Связанные заметки

Вид графа

Обратные ссылки