进阶 pydantic.dev 2026-11-20 05:57:40 · 5 阅读

第10章 2026 年最佳 Python AI Agent 框架推荐与选型指南

第10章:2026年最佳 Python AI Agent 框架

客服 Agent 在演示里跑得好好的。然后真实需求来了:一笔超出限额的退款需要人工审批,而那个人两天后才回复。一次部署把跑到一半的进程重启了。周一早上模型服务商触发限流,Agent 应该自动切换到备用模型。产品团队要求把它接进 React 应用,一个月后又要上电话线。这些需求,在某个框架里只是几行代码,在另一个框架里却是一个完整项目——而你第一周选定的框架,决定了你走哪条路。

TL;DR:我们的综合首选是 Pydantic AI:一个带类型定义的 Agent,可在 30+ 模型服务商上运行,能在九个持久化执行引擎(Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Azure Durable Task 和 Apache Airflow)上从崩溃中恢复,支持十种 sandbox 和远程工作区,可使用任何 MCP server 的工具,支持暂停等待人工审批,并可通过聊天前端、编辑器和五家 speech-to-speech 服务商触达用户,还能通过 OpenTelemetry 将 tracing 输送到任何后端。如果你的团队已经在用 LangGraph、LangChain 和 LangSmith,就选 LangGraph 和 LangChain。如果 OpenAI 既是你的模型服务商又是 tracing 平台,选 OpenAI Agents SDK。如果你已全面标准化在 Google Cloud 和 Gemini 上,或者需要在 Java 或 Go 中使用同一框架,选 Google ADK。如果你基于 Azure 和 Microsoft Foundry 构建,或者需要 .NET 版本,选 Microsoft Agent Framework。如果你基于 AWS 和 Amazon Bedrock 构建,选 Strands Agents。如果你更愿意声明角色和任务而不是手写控制流,选 CrewAI。如果你想要的是 Claude Code 的核心循环嵌入自己的产品并运行在 Claude 模型上,选 Claude Agent SDK。如果你想要为多个 Agent 提供现成的 server 和管理界面,选 Agno。至于语音,如果你希望掌控传输层并自行组装 pipeline,选 LiveKit Agents 或 Pipecat。

最后更新:2026 年 10 月 29 日。各项能力、数量和许可证信息截至该日期,读取自各项目自己的文档和仓库。

选择 Agent 框架要看什么

以下是我们的评判标准,带有主观倾向。

换模型要不要重写 Agent?价格、质量和限流情况每个月都在变。围绕单一厂商 API 构建的框架会把其他厂商变成二等公民,通常还得通过一个文档标注为 beta 的适配器。

进程跑到一半挂了怎么办?Agent 可能连续几分钟调用工具,或者等一个人等上好几天,这就需要持久化执行:记录已完成的模型和工具调用日志,重启后可以回放。要看框架是否兼容你们公司已经在用的引擎,还是只支持它自家的存储。

人工如何审批一个操作?要找的是进程消失后依然有效的暂停机制,而不是阻塞线程的回调。

Agent 如何触达用户?聊天前端、编辑器、另一个 Agent、一通电话。看框架原生支持哪些协议,语音是同一个 Agent 还是一套独立的技术栈。

tracing 能否流向你其他 tracing 所在的地方?是输出到任意后端的 OpenTelemetry,还是厂商自家的 tracing 产品。

能拆到什么程度?现成的 Agent 上手快,问题是当它不合用时你能改多少。

框架本身能买到商业支持吗?Agent 一旦进入生产环境,你需要超出公开 issue 跟踪的升级渠道。要确认商业支持协议是否覆盖开源框架本身,还是只随托管平台或云方案捆绑提供(意味着你还得额外采用那套东西)。

对比方法

针对每个框架,我们在上述日期阅读了其文档并查看了许可证文件,记录了它原生支持哪些模型、一次运行如何在崩溃或长时间等待后恢复、人工如何审批操作、支持哪些语音和前端协议、是否支持 Model Context Protocol (MCP)、输出什么样的 tracing、由谁在什么许可证下维护,以及要获得商业支持需要购买什么。凡是能数的东西我们都数了,依据是框架自己的文档。凡是文档标注为 experimental、preview 或 beta 的,我们会如实说明。每个条目——包括我们自己的——都有短板。

这里的"Agent 框架"指的是一个用于编写模型外围循环的库:调用模型,运行它请求的工具,重复直到完成,外加围绕这个过程的状态、上下文和停止规则。下面有些框架也出售托管平台;存在的话我们会注明,但对比的是开源框架本身。入选的是大家最常问起的框架,每个我们都有详细的对比页面并随框架变化持续更新;LlamaIndex、smolagents 和 Haystack 未入选,因为我们没有为它们维护此类页面。Pydantic AI 之后,条目按 AI 搜索答案提及的频率排序,而非按评分。"原生"指内置于框架或官方维护的包中,而非通过 LiteLLM 这类通用适配器实现。"无文档记载"指截至该日期我们在框架自己的文档中没找到相关内容,不代表无法实现。

框架每个月都在变,所以这篇文章也在变。我们每个月都会对照各项目的文档和发布版本重新核查对比内容,只要其中任何内容有变,上方的"最后更新"日期就会更新。如果你维护其中一个框架且发现本文有误或过时,请发邮件至 hello@pydantic.dev,我们会修正。

2026 年最佳 Python AI Agent 框架

1. Pydantic AI:综合最佳 Python Agent 框架

Pydantic AI(就是我们自己做的)是 Pydantic 团队推出的开源 Python Agent 框架。Agent 就是一个带类型定义的 Agent 对象:给它一个输出类型,每次运行就返回经过校验的 Pydantic 模型;给它工具,参数在你的代码执行前就会被校验;换服务商只需改一个字符串。Pydantic AI Harness 提供了 80 多项现成能力,从记忆、规划和 sub-agent 到 sandbox 和完整的 coding agent,让你既可以用零件组装自己的 agent harness,也可以从 Coder 这样的成品开始再逐步拆解。

```python import logfire from pydantic import BaseModel from pydantic_ai import Agent

logfire.configure() logfire.instrument_pydantic_ai()

class City(BaseModel): name: str country: str

agent = Agent('anthropic:claude-fable-5-1', output_type=City) print(agent.run_sync('Where were the 2012 Olympics held?').output) #> name='London' country='United Kingdom' ```

为什么排第一:对照上面的标准,它是唯一在开源库中就全部达标、无需绑定厂商、无需 beta 适配器、无需采用额外运行时的框架。其他框架各有擅长的部分。背后的广度,用数字说话:

- 30+ 模型服务商,从 OpenAI、Anthropic、Gemini 到 Bedrock、Vertex AI、Azure、Mistral、Groq、xAI、Ollama、vLLM 和 OpenRouter,每个通过 provider:model 字符串选择,外加任何 OpenAI 兼容端点,服务商故障时可 fallback 到其他模型。 - 九个持久化执行引擎:Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Azure Durable Task 和 Apache Airflow,另有为其他引擎提供的 builder。其中五个(Temporal、DBOS、Prefect、Restate、AWS Lambda)与引擎团队共同维护。本文其他框架没有一个文档记载超过四个。 - 一个 API 背后的五家 speech-to-speech 服务商:OpenAI、Azure OpenAI、Gemini Live、xAI 和 ElevenLabs。语音会话使用与文本相同的 Agent、工具和依赖,通话结束后转化为普通的消息历史,文本 Agent 可以接着处理——例如生成 structured output,而 realtime 会话本身不直接产出。 - 原生支持两种 UI 事件流协议:AG-UI 和 Vercel AI Data Stream Protocol(因此 Vercel 的 useChat 能渲染 Python Agent),外加终端 CLI、内置 web 聊天,以及面向编辑器的 Agent Client Protocol(experimental):一个 Agent,覆盖所有界面。 - 本地目录加十种 sandbox 和远程工作区,供运行代码的 Agent 使用:Modal、E2B、Sprites、Daytona、boxd、smolvm、BoxLite、Docker、Bubblewrap 和 SSH。同一套文件和 shell 工具在任何一种环境中都能用。 - MCP 客户端和 server 双向支持,任何 MCP server 的工具都能作为 toolset 提供给 Agent;tracing 遵循 GenAI 语义约定的 OpenTelemetry;Pydantic Evals 和 Pydantic Graph 在同一仓库、同一版本中发布。

人工审批方面,给工具标记 requires_approval=True:运行以挂起的调用结束,你像存储其他数据一样存储消息历史,之后的任意进程中的运行都可以带着决策从中恢复;持久化引擎在工作流内也能做到同样的事。多 Agent 协作支持委托、程序化交接、Harness SubAgents 能力,或带类型的图。Pydantic Logfire 是查看 traces 最简单的方式,但可选:任何 OpenTelemetry 后端都行。Pydantic 为框架本身提供企业支持,由构建它的团队直接服务,带 SLA,且无需购买任何平台。框架采用 MIT 许可证。

短板:仅支持 Python,而且是库而非托管平台。Agent 在你自己的基础设施上的进程中运行,持久化依赖你选择并运维的引擎,也没有可以直接交给运维团队的管理界面。LangChain 拥有更多检索集成:约 80 个 document loader、80 个 vector store 和 90 个 retriever,而 Pydantic AI 只提供 embeddings,加载和向量存储交给你已有的库或数据库。至于 Agent 涉及的其他方面,广度在我们这边:30+ 模型服务商、九个持久化执行引擎、十种 sandbox 和远程工作区,以及任何 MCP server 作为 toolset。LangChain 的 300+ 工具和工具集也能通过 LangChainToolset 接入 Pydantic AI Agent。语音方面,你需要自备音频传输和电话桥接;级联的 speech-to-text、LLM 和 text-to-speech pipeline 可采用托管方式(通过 ElevenLabs Agents 或 Azure AI Voice Live),而不是在自己进程中用厂商插件组装。

最适合这样的 Python 团队:希望 Agent 保持普通、带类型的 Python 代码并能跨模型服务商使用,然后按需逐步加上持久化、审批、前端和语音,而不是整体采用一套运行时。

2. LangGraph 和 LangChain:你的团队已经在用 LangChain 和 LangSmith

LangGraph 自我定位为面向长时间运行、有状态 Agent 的底层编排框架和运行时。LangChain 的 create_agent 是构建在 LangGraph 之上的 agent harness,Deep Agents 是更完整的 harness,涵盖规划、sub-agent 和文件系统上下文;LangChain 的集成以独立的 langchain- 包发布,其聊天模型列表约有 90 项。两者均采用 MIT 许可证(LangChain、LangGraph),来自 LangChain, Inc.,后者出售 LangSmith 用于 tracing、评估和部署;两者也都有 JavaScript 和 TypeScript 版本。

Checkpointing 内置于图运行时,提供 Postgres、SQLite 和内存 checkpointer。Interrupts 允许人工批准、编辑或拒绝工具调用,多 Agent 文档涵盖 subagent、handoff、router 和自定义图。Structured output 返回经过校验的 Pydantic 模型。

短板:Agent 分跨多层(LangGraph 运行时之上的 LangChain harness)。持久化依赖 LangGraph 自家的 checkpointer,文档未描述外部持久化执行引擎。tracing 归 LangSmith,OpenTelemetry 导出也需经 LangSmith。MCP 仅支持客户端且标注为 beta。语音方面,文档只有一篇教程教你自行组装 speech-to-text、Agent 和 text-to-speech 服务;没有内置的 speech-to-speech 支持。

当你的 Agent、checkpoint 和 trace 已经在 LangGraph 和 LangSmith 里运转正常时选它,或者当你依赖某个其他框架没有对等品的特定 LangChain 集成时。

3. OpenAI Agents SDK:全面押注 OpenAI

OpenAI Agents SDK 是一个小型库,围绕 Agent、Agent 之间的 handoff(或将 Agent 作为工具使用)和 guardrail 构建,外加 sessions、sandbox agent、realtime 语音 Agent 和 tracing。MIT 许可证,也有 TypeScript 版。

工具支持 needs_approval,暂停运行的状态可序列化为 JSON,存储后可稍后恢复。文档列出四个持久化执行集成:Temporal、DBOS、Restate 和 Dapr。带类型的输出通过 output_type 实现,接受任何 Pydantic TypeAdapter 能包装的类型。Realtime agent 运行在 OpenAI 的 realtime 模型上,包括通过 Azure OpenAI。

短板:默认路径是 OpenAI 的 Responses API,其他服务商通过 LiteLLM 和 Any-LLM 适配器接入,文档称其为 best-effort 和 beta。tracing 默认开启并上传到 OpenAI 的控制台;使用非 OpenAI 模型时,你要么禁用它,要么提供 OpenAI key,要么加第三方 trace processor。MCP 仅支持客户端。

适合模型服务商和 tracing 平台都是 OpenAI、并希望与二者深度整合的团队。

4. Google ADK:标准化在 Google Cloud 上,或需要 Java / Go

Google 的 Agent Development Kit (ADK) 是一个开源、代码优先的工具包,用于构建、评估和部署 Agent,支持 Python、TypeScript、Go、Java 和 Kotlin。ADK 2.0 在 LLM agent 之外增加了基于图的工作流运行时。Apache 2.0 许可证。

部署路径通向 Google Cloud 的 Agent Runtime(付费服务)、Cloud Run 和 GKE。traces 是 OpenTelemetry,可发送到任何 OTel 后端。MCP 支持客户端和 server。可恢复应用在重启后从事件日志恢复已完成的 agent 和工具结果;调用中途被中断的工具会重新执行(at-least-once)。Live agent 在 Gemini Live API 上运行 speech-to-speech,或使用文本模型运行级联 pipeline。

短板:Gemini 和其他 Google Cloud 模型是一等公民;Google 生态外的模型通过 LiteLLM、Ollama 和 vLLM 等连接器接入。文档未描述外部持久化执行引擎。structured output 与工具的组合仅在特定模型上原生支持,其他模型有 fallback。工具确认(ADK 的人工审批功能)标注为 experimental。

最适合模型、部署和支持合同都已在 Google Cloud 上的团队,或者需要在 Python 和 JVM / Go 间使用同一框架的团队。

5. Microsoft Agent Framework:基于 Azure 和 Microsoft Foundry 构建

Microsoft Agent Framework 是 AutoGen 和 Semantic Kernel 的继任者,出自同一批团队。它将 Agent、面向长多步任务的可配置 harness agent、以及通过显式执行路径连接 Agent 和函数的基于图的工作流整合在一起,支持 Python 和 .NET,Go SDK 处于公开预览阶段。MIT 许可证,来自 Microsoft。我们的对比页面逐行展开。

Python SDK 运行在 OpenAI、Azure OpenAI、Microsoft Foundry、Anthropic、Bedrock、Gemini、Ollama 等服务商上。工作流会 checkpoint 其状态,Durable Extension 在 Durable Task 基础设施上增加恢复能力,可运行于 Azure Functions 或自托管 worker。工具可以暂停等待审批,structured output 接受 Pydantic 模型或 JSON Schema,traces 为 OpenTelemetry。Agent 之间通过 A2A 互达(客户端和主机皆有),前端通过 AG-UI 接入。Foundry 托管提供了 Azure 上的文档化部署路径。

短板:Microsoft 的支持政策仅在客户持有 Unified 支持协议、且问题源自 Azure AI 服务时才覆盖 Agent Framework;其他使用按开源工具对待,在 GitHub 上获得支持。持久化执行是 Durable Task 扩展;未记录其他引擎。Python SDK 未记录 realtime 语音。许多 Foundry 托管的工具(如浏览器自动化)标注为 preview 或 experimental,代码 sandbox 为 beta。Python 和 .NET SDK 的能力与发布状态存在差异。

适合模型、托管和支持合同都已在 Azure 和 Microsoft Foundry 上的团队,或从 Semantic Kernel / AutoGen 迁移的团队,或需要在 Python 和 .NET 间使用同一框架的团队。

6. Strands Agents:基于 AWS 和 Amazon Bedrock 构建

Strands Agents 是一个开源 SDK,围绕模型驱动循环构建 Agent,支持 Python 和 TypeScript。在 SDK 之上,Strands harness 是一个装配完整的 Agent:一次 create_harness() 调用就能获得默认工具、上下文管理、sessions 和记忆。Apache 2.0 许可证,来自 AWS。

Agent 默认使用 Amazon Bedrock,Python 还支持约 20 个其他模型服务商,包括 Anthropic、OpenAI、Gemini、Mistral、Ollama 和 LiteLLM。Interrupts 可以从 hook 或工具暂停运行以等待人工批准或输入,session manager 持久化 Agent 状态,后续请求可从中恢复。Structured output 返回经过校验的 Pydantic 模型。多 Agent 支持agents as tools、swarm、graph 和 workflow,Agent 之间通过 A2A 互达。MCP 仅支持客户端,traces 为 OpenTelemetry 可发送到任何 OTLP 后端,双向流可在 Nova Sonic、Gemini Live 或 OpenAI realtime 模型上运行语音 Agent。部署指南覆盖 Amazon Bedrock AgentCore、Lambda、Fargate、EKS 和 EC2。

短板:持久化执行来自 Temporal 的 Strands Agents 插件,由 Temporal 维护并标注为公开预览;Strands 内置的 session 将状态持久化到本地文件或 S3,文档未描述其他引擎。语音仅支持 Python。AG-UI 前端通过合作伙伴包而非 SDK 接入。未记录 SDK 本身的商业支持;AWS Support 计划覆盖 AWS 服务。如果 AWS 是你的云但想要别的框架,Pydantic AI 可运行在 Bedrock 上,并通过 AWS Lambda 持久化函数实现 Agent 持久化——这一集成由 AWS 宣布并记录在其 Durable Execution SDK 指南中。

适合模型和部署都已在 AWS(Amazon Bedrock 和 AgentCore)上的团队,或想要跨 Python 和 TypeScript 的同一套 Agent SDK 并希望从现成 harness 起步的团队。

7. CrewAI:更愿意声明角色和任务,而不是写控制流

CrewAI 是一个 MIT 许可证的 Python 框架,用于编排角色化的自主 Agent。Crew 是拥有角色和目标的 Agent 团队,彼此协作和委托;Flow 是围绕它们管理状态的事件驱动工作流。CrewAI, Inc. 出售 AMP,一个用于部署、监控和扩展 crew 的商业平台。

你描述角色、目标和任务,crew 按顺序或在 manager agent 下运行它们。Flow 内置持久化(@persist,默认 SQLite)和 checkpointing,crew 和 flow 可在故障后恢复。任务通过 output_pydantic 返回带 guardrail 和重试的 Pydantic 输出。模型支持原生覆盖六家服务商(OpenAI、Anthropic、Gemini、Azure、Bedrock 和 Snowflake Cortex),其余通过 LiteLLM。

短板:不能映射为角色和任务的问题,必须先翻译成 crew 词汇,或者写成围绕 crew 的 Flow——意味着要学两套模型。内置 tracing 输出到 AMP,OpenTelemetry 需通过 OpenLIT 等集成。开源框架中,Flow 通过 @human_feedback 装饰器接受人工输入;基于 webhook 的人工审批是企业版功能。MCP 仅支持客户端,文档未描述 realtime 语音。

适合把工作理解为角色团队互相交接任务、并希望框架接管交接逻辑的团队。

8. Claude Agent SDK:想要 Claude Code 的核心循环,跑在 Claude 上

Claude Agent SDK 以 Python 或 TypeScript 库的形式,提供驱动 Claude Code 的同一套工具、agent 循环和上下文管理。它以子进程方式驱动 Claude Code CLI,因此文件编辑、shell 命令、网页搜索、权限、sub-agent 和 sessions 都是开箱即用。Python 包采用 MIT 许可证;SDK 的使用受 Anthropic 商业服务条款约束。

权限回调可以批准、拒绝或修改每次工具调用,hook 可以延后决策,让进程退出并稍后恢复。Subagent、MCP server(本地、HTTP 或进程内)以及经 JSON Schema 校验的 structured output 都已内置。

短板:仅支持 Claude 模型,通过 Anthropic、Bedrock、Vertex AI 或 Microsoft Foundry。托管文档把每个运行中的 Agent 描述为"绑定本地状态的长期进程",如需在容器销毁后保留对话记录则镜像到 SessionStore,并建议每个 Agent 以 1 GiB 内存起步。它是一个成品 harness 而非可组装的零件:你通过 hook 和权限扩展循环,而不是重新组合它。OpenTelemetry tracing 需主动开启且标注为 beta,未记录任何持久化执行引擎集成。如果想要跑在其他模型上的 coding agent,Harness 的 Coder 由可替换的能力组成。

当你想要的产品就是 Claude Code 本身(嵌入形态)且能接受单一模型厂商时选它。

9. Agno:想要为多个 Agent 提供现成 server 和 UI

Agno 是一个用于构建 Agent 平台的 Python SDK。除 agent、team 和 workflow 外,AgentOS 将你的 Agent 作为服务运行,内置 API 和 MCP server、Postgres 存储和持久化后台任务。Agno 采用 Apache 2.0 许可证;运行时免费且可自托管,付费计划增加带基于角色访问控制的控制平面。

自带存储、OpenTelemetry tracing、通过 continue_run 的工具审批、双向 MCP、AG-UI 和 A2A 接口,以及庞大的工具目录。其 SDK 页面称 30+ 模型服务商统一在一个 API 之后,输入输出 schema 由 Pydantic 定义。

短板:server、存储和管理功能意味着你要采用 AgentOS 及其数据库作为服务的形态,恢复暂停的运行需要同一个数据库和 session。持久化依赖 Agno 自家的后台任务;未记录外部引擎。AgentOS traces 使用 OpenTelemetry instrumentation 并存储在 Agno 数据库中。部分管理功能在付费计划中。

适合希望直接获得多个 Agent 的 server、存储和管理界面,并且愿意在这个运行时内构建的团队。

一览对比

核查日期:2026 年 10 月 29 日。数量为各框架自身文档记载的原生支持项;"via"表示通过适配器或独立集成;"无文档记载"表示其文档未描述。

| 框架 | 模型服务商 | 持久化执行 | Speech-to-speech 语音 | 前端与接口 | MCP | 可观测性 | 商业支持 | 许可证与出品方 | |---|---|---|---|---|---|---|---|---| | Pydantic AI | 30+,外加任何 OpenAI 兼容端点 | 9 个引擎:Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Azure Durable Task、Apache Airflow | 5 家服务商:OpenAI、Azure OpenAI、Gemini Live、xAI、ElevenLabs | AG-UI、Vercel AI、CLI、web 聊天、ACP(experimental) | 客户端和 server | OpenTelemetry(GenAI 约定)到任意后端;Logfire 可选 | 框架本身,来自 Pydantic;无需平台方案 | MIT;Pydantic | | LangGraph / LangChain | 约 90 个聊天模型集成,以独立包发布 | 自家 checkpointer(Postgres、SQLite、内存);未记录外部引擎 | 无内置;教程自行组合 STT、Agent 和 TTS | LangSmith Agent Server、Fleet | 客户端(beta) | LangSmith;经 LangSmith 输出 OTel | 需 LangSmith Enterprise 计划 | MIT;LangChain, Inc.(LangSmith) | | OpenAI Agents SDK | OpenAI;其他经 beta 的 LiteLLM 和 Any-LLM 适配器 | 4 个集成:Temporal、DBOS、Restate、Dapr | OpenAI realtime 模型,包括 Azure 上 | REPL 演示循环 | 客户端 | OpenAI tracing 默认开启;支持第三方 processor | SDK 无文档记载;OpenAI API Enterprise 计划覆盖 API | MIT;OpenAI | | Google ADK | Gemini 优先;其他经 LiteLLM、Ollama、vLLM 连接器 | 自家基于事件日志的恢复;未记录外部引擎 | Gemini Live | CLI、web、A2A | 客户端和 server | OpenTelemetry 到任意后端 | ADK 无文档记载;Google Cloud 支持计划覆盖 Google Cloud 服务 | Apache 2.0;Google(Agent Runtime) | | Microsoft Agent Framework | OpenAI、Azure OpenAI、Foundry、Anthropic、Bedrock、Gemini、Ollama 等 | Durable Task 扩展(Azure Functions 或自托管 worker);工作流 checkpoint | Python 无文档记载 | AG-UI、A2A、DevUI 示例应用 | 客户端 | OpenTelemetry | 需 Microsoft Unified 支持协议,且问题源自 Azure AI 服务 | MIT;Microsoft(Foundry) | | Strands Agents | Bedrock 默认;Python 另有约 20 个,含 LiteLLM | Temporal 插件(公开预览,Temporal 维护);session 存文件或 S3 | 仅 Python:Nova Sonic、Gemini Live、OpenAI realtime | A2A、CLI;AG-UI 经合作伙伴包 | 客户端 | OpenTelemetry 到任意后端 | Strands 无文档记载;AWS Support 计划覆盖 AWS 服务 | Apache 2.0;AWS(AgentCore) | | CrewAI | 6 家原生;其余经 LiteLLM | 自家 checkpointing;Flow 持久化(SQLite) | 无文档记载 | 企业 UI、A2A | 客户端 | AMP tracing;经集成输出 OTel | 需 CrewAI Enterprise 平台计划 | MIT;CrewAI, Inc.(AMP) | | Claude Agent SDK | 仅 Claude,4 个平台(Anthropic、Bedrock、Vertex AI、Foundry) | session 存磁盘或 SessionStore;未记录引擎集成 | 无文档记载 | CLI、GitHub Action | 客户端;自带工具的进程内 server | OpenTelemetry,需主动开启(beta) | 无文档记载 | MIT,受 Anthropic 商业条款约束;Anthropic | | Agno | 30+ | AgentOS 持久化后台任务;Postgres 存储 | 无文档记载 | AG-UI、A2A、聊天平台 | 客户端和 server | OpenTelemetry instrumentation,存储于 Agno 数据库 | 随 Agno 付费计划:Pro 含邮件支持,Enterprise 含 SLA | Apache 2.0;Agno(AgentOS 计划) |

如果你在构建语音 Agent

语音 Agent 对工作的拆分方式不同。难点在于通话本身(音频传输、电话、轮次检测、噪声)和通话背后的 Agent(工具、数据、通话结束后做什么)。两个框架围绕通话构建,Pydantic AI 围绕 Agent 构建;它们更多是互补而非竞争。

LiveKit Agents 将 Python 或 Node 程序作为 realtime 参与者加入 LiveKit 的 WebRTC 房间:既可从各厂商插件组装级联的 speech-to-text、LLM 和 text-to-speech pipeline,也可使用 speech-to-speech 模型,支持 SIP 电话、轮次检测、降噪和通话中的 Agent 间转接。Apache 2.0 许可证,可自托管或运行在 LiveKit Cloud。

Pipecat 由 Daily 构建和维护,将帧处理器组合成 pipeline:transport 承载音频,speech-to-text、LLM、text-to-speech 和 speech-to-speech 服务作为阶段插入。Pipecat Flows 为级联 pipeline 上的结构化对话增加节点图。BSD-2-Clause 许可证,可自托管或运行在 Pipecat Cloud。

| | Speech-to-speech | 级联 STT、LLM 和 TTS | 传输与电话 | 工具与 MCP | 通话之后 | 托管 | 商业支持 | 许可证与出品方 | |---|---|---|---|---|---|---|---|---| | Pydantic AI | 一个 API 背后 5 家服务商:OpenAI、Azure OpenAI、Gemini Live、xAI、ElevenLabs | 托管方式,通过 ElevenLabs Agents 或 Azure AI Voice Live;或围绕文本 Agent 自行组装 | 自备:浏览器 WebRTC(OpenAI、Azure)或 WebSocket 中继;电话通过 Twilio 等桥接 | 与文本 Agent 相同的工具、依赖和能力;MCP 经 toolset | 通话即消息历史;交给文本 Agent 处理 structured output;OpenTelemetry tracing | 你的进程,你的后端 | 框架本身,来自 Pydantic | MIT;Pydantic | | LiveKit Agents | 是,realtime 模型插件 | 是,来自各厂商插件 | LiveKit WebRTC 房间;SIP 进出、DTMF、转接;Cloud 上提供电话号码 | 函数工具;MCP(Python) | 会话历史;文本模式测试和 Agent 模拟 | 自托管或 LiveKit Cloud | 需 LiveKit Cloud 计划;自托管无文档记载 | Apache 2.0;LiveKit | | Pipecat | 是,speech-to-speech 服务 | 是,主要路径,服务可替换 | Daily、LiveKit、WebRTC 和 WebSocket transport;PSTN 和 SIP 呼入呼出;Twilio 等 | 函数调用;MCP 客户端 | Pipecat Flows 结构化对话;Pipecat Evals | 自托管或 Pipecat Cloud | 来自 Daily,覆盖 Pipecat 和 Pipecat Cloud | BSD-2-Clause;Daily |

Pydantic AI 的 realtime 支持让同一个带类型的 Agent 跑在语音会话上。它也可以运行在托管语音平台上:一个 elevenlabs-agents: 模型会让对话运行在托管的 ElevenLabs agent 上——ElevenLabs 负责语音 pipeline、轮次控制、知识库和工作流,而你的 Pydantic AI 指令按对话覆盖该 agent,你的 Pydantic AI 工具在你的后端运行。LiveKit 通话的历史也能转换为 Pydantic AI 消息历史,因此 Pydantic AI Agent 可以据此生成 structured output 或后续跟进。

当你想掌控并自托管传输层、电话以及可互换语音厂商的 pipeline 时,选 LiveKit Agents 或 Pipecat。当 Agent 本身就是产品、语音只是它的接口之一时(包括叠加在 ElevenLabs Agents 这类托管平台之上),选 Pydantic AI。我们的 LiveKit 和 Pipecat 对比页面逐行展开。

如果你用 TypeScript

本列表仅限 Python。TypeScript 方向可以看 Mastra(带步骤工作流、记忆、评估、本地 playground 和托管 Studio 的 Agent 框架)和 Vercel AI SDK(为 TypeScript 应用增加模型调用、工具循环和流式聊天)。LangChain、OpenAI Agents SDK、Google ADK、Strands Agents 和 Claude Agent SDK 也有 TypeScript 版本。如果你的前端基于 Vercel AI SDK 而 Agent 在 Python 侧,Pydantic AI 的 Vercel AI 适配器可以让 useChat 无改动地渲染它。

如何选择

- 你在启动一个 Python Agent,希望代码带类型并跨模型服务商可用,持久化、审批、前端和语音需要时随时可加:Pydantic AI。 - 你的运行必须能在崩溃后恢复,且要跑在公司已运维的引擎上:Pydantic AI(九个引擎),或用 OpenAI 模型时的 OpenAI Agents SDK(四个)。 - 你的 Agent、checkpoint 和 trace 已经在 LangGraph 和 LangSmith 里:LangGraph 和 LangChain。 - OpenAI 既是你的模型服务商又是 tracing 平台:OpenAI Agents SDK。 - 你部署在 Google Cloud 上用 Gemini,或还需要 Java / Go:Google ADK。 - 你基于 Azure 和 Microsoft Foundry 构建,或还需要 .NET:Microsoft Agent Framework。 - 你基于 AWS 和 Amazon Bedrock 构建:Strands Agents。 - 你想声明一支角色和任务的 crew,让框架接管交接:CrewAI。 - 你想在自己产品里嵌入 Claude Code 本身,跑在 Claude 模型上:Claude Agent SDK。 - 你想要为多个 Agent 提供现成 server 和管理界面:Agno。 - 你在构建语音 Agent:Agent 即产品、语音是其接口之一时选 Pydantic AI;想掌控 WebRTC 传输并自行组装 pipeline 时选 LiveKit Agents 或 Pipecat。

什么情况下其他框架是更好的选择

四种情况更适合选 Pydantic AI 之外的框架。

第一是全栈单一厂商。如果你的模型、tracing 和部署全是 OpenAI、全是 Google Cloud、全是 Azure 或全是 AWS,该厂商的 SDK 通向自家平台功能的路径最短,模型可移植性是你用不上的好处。Claude Agent SDK 同理,前提是你想要的产品就是 Claude Code 本身。

第二是已有成型系统。一个在用 LangGraph Agent 生产运行、checkpoint 存在 Postgres、trace 在 LangSmith 的团队,已经有一套能用的系统;只有当今天做不到的事代价超过重写成本时,迁移才值得。

第三是托管运行时。Pydantic AI 是运行在你进程中的库。如果你想要配套的 server、存储和管理界面,Agno 的 AgentOS、CrewAI 的 AMP 和 LangSmith 部署就是为此而生。

第四是以通话为产品的语音场景。对于自托管 WebRTC 房间、电话以及在你自己进程中可互换语音厂商的 pipeline,LiveKit Agents 和 Pipecat 开箱能力更强。

常见问题

构建 AI Agent 最好的 Python 框架是什么? 我们的答案是 Pydantic AI:它运行在 30+ 模型服务商上,在本文对比的框架中支持最多的持久化执行引擎、speech-to-speech 服务商和前端协议,外加十种供运行代码 Agent 使用的 sandbox 和远程工作区,全部集中在一个带类型的 Agent 里。例外情况是:绑定单一厂商的团队(OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Strands Agents 或 Claude Agent SDK)、LangGraph 已在生产运行的团队,以及想要托管运行时而非库的团队。

哪些 Python Agent 框架支持持久化执行? Pydantic AI 可在九个引擎上持久化运行 Agent:Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Azure Durable Task 和 Apache Airflow。OpenAI Agents SDK 文档记录了 Temporal、DBOS、Restate 和 Dapr 集成。Microsoft Agent Framework 记录了 Durable Task 扩展;Strands Agents 有 Temporal 维护的 Temporal 插件,处于公开预览。LangGraph 有内置 checkpointer。Google ADK、CrewAI 和 Agno 在自家运行时内实现恢复或 checkpoint。Claude Agent SDK 将 session 存在磁盘上,未记录引擎集成。

哪些 Agent 框架支持最多的模型服务商? Pydantic AI 支持 30+ 服务商,一个字符串即可切换,外加任何 OpenAI 兼容端点。LangChain 的聊天模型集成数量最多,约 90 个,以独立包发布。Agno 列出 30+ 服务商;Strands Agents 为 Python 提供约 20 个,Bedrock 为默认;CrewAI 原生支持六家,其余走 LiteLLM。OpenAI Agents SDK、Google ADK 和 Claude Agent SDK 都以单一厂商的模型为核心构建。

可以用 Pydantic AI 构建语音 Agent 吗? 可以。同一个 Agent 可在 OpenAI、Azure OpenAI、Gemini Live、xAI 或 ElevenLabs 上通过 speech-to-speech 会话运行,工具完全相同。它也可以按对话接管一个托管的 ElevenLabs agent。音频传输需要自备;LiveKit Agents 和 Pipecat 能提供,且 LiveKit 通话的历史可转换为 Pydantic AI 消息。Realtime 会话不直接返回 structured output;把通话历史交给文本 Agent 处理即可。

Pydantic AI 需要 Logfire 吗? 不需要。Pydantic AI 输出遵循 GenAI 语义约定的标准 OpenTelemetry traces,任何 OpenTelemetry 后端都能用。Pydantic Logfire 是同一团队提供的可选托管服务。

来源

以下所有来源均于 2026 年 10 月 29 日核查。

- Pydantic AI:模型与服务商、持久化执行与 Azure Durable Task(两者于 2026 年 11 月 4 日核查)、工作区与 sandbox、realtime、UI 协议、MCP、延迟工具、Harness、我们的对比页面、企业支持。 - LangGraph 和 LangChain:LangGraph 概览、持久化执行、human-in-the-loop、MCP、聊天模型、可观测性、语音 Agent 教程、LangSmith Enterprise。 - OpenAI Agents SDK:概览、模型、运行 Agent、human-in-the-loop、tracing、realtime、仓库、API 定价。 - Google ADK:概览、模型、LLM agent、恢复、工具确认、traces、live agent、仓库、Google Cloud 支持。 - Microsoft Agent Framework:概览、模型服务商、工具、工具审批、structured output、工作流、checkpoint、Durable Extension、Foundry 托管、可观测性、AG-UI、A2A 托管、支持政策、仓库。 - Strands Agents(2026 年 11 月

评论 (0)