Короткий ответ:
- 🥇 Для нового продакшен-проекта в экосистеме Microsoft: Microsoft Agent Framework — Microsoft описывает его как прямого преемника AutoGen и Semantic Kernel для новых agent-приложений; в основе разделение на Agents, Harness и Workflows.
- 🥈 Для stateful-оркестрации и долгоживущих агентов: LangGraph — v1 делает ставку на durable execution, checkpointing, persistence, streaming и human-in-the-loop.
- 🥉 Для быстрого старта в актуальном API LangChain: LangChain — в v1 стандартным способом сборки агента стал
create_agent, а старый путь черезlanggraph.prebuilt.create_react_agentсчитается заменяемым.
Практический вердикт: если вы начинаете greenfield-проект, разумно сузить выбор до Microsoft Agent Framework, связки LangGraph/LangChain и LlamaIndex. AutoGen и Semantic Kernel важны для унаследованных стеков и миграций, но для новых agent-apps Microsoft уже указывает другой основной путь.
Редакционное ограничение: это не лабораторный бенчмарк. В source pack нет единых тестов latency, качества планирования, tracing или стоимости выполнения на одном наборе задач, поэтому ниже — сравнительная справка по текущему позиционированию, статусу релизов, модели оркестрации и подтверждённым ограничениям.
Как отбирали
- Задача: выбрать короткий список агентных фреймворков для разработки agentic AI-приложений, а не список готовых AI-сервисов.
- Аудитория: разработчики, архитекторы, ML/LLM-инженеры и техлиды, которые выбирают стек под новый проект или миграцию.
- Дата среза: 2026-08-18.
- Критерии допуска: официальный текущий источник по продукту; явная модель агентной оркестрации; актуальный релизный след в документации, GitHub или PyPI/NuGet; понятный статус для новых или существующих проектов.
- Критерии исключения: managed-сервисы вокруг фреймворков, отдельные модули внутри экосистем, а также устаревающие или замороженные подсистемы, если документация уже рекомендует другой путь.
- Способ проверки: сверили официальные docs, changelog/release pages, PyPI/GitHub release streams и pricing pages там, где речь идёт о managed-слое. Собственное нагрузочное тестирование в этот материал не входило.
- Как устроен порядок в списке: это не рейтинг «от первого к последнему». Порядок отражает практические сценарии выбора в 2026: greenfield, stateful runtime, текущий API, data/RAG, role-based orchestration, legacy Microsoft stack, migration/maintenance.
- Партнёрские отношения: в предоставленном source pack не указаны; на состав и порядок списка это не влияло.
Сводная таблица
| Название | Когда выбирать | Текущий статус | Цена | Главное ограничение | Ссылка |
|---|---|---|---|---|---|
| Microsoft Agent Framework | Новый multi-agent проект в Python или .NET, особенно в Microsoft-экосистеме | Microsoft называет его прямым преемником AutoGen и Semantic Kernel; Python changelog показывает 1.13.0 от 2026-07-30 | OSS бесплатно; провайдер моделей и hosting оплачиваются отдельно | Часть языков и интеграций может быть в preview/beta; в docs отдельно оговариваются риски сторонних систем | официальный источник |
| LangGraph | Долгоживущие агенты, контроль состояния, паузы, checkpointing, human-in-the-loop | v1 как stability-focused runtime; PyPI показывает 1.2.9 от 2026-07-10 | OSS бесплатно; managed deployment отдельно | Это более низкоуровневый runtime, чем LangChain | официальный источник |
| LangChain | Быстрый старт в актуальном API LangChain и общий agent-слой поверх современного стека | v1 актуален; стандартный builder — create_agent; PyPI показывает 1.3.14 от 2026-07-16 |
OSS бесплатно; LangSmith и другие managed-слои отдельно | Старые подходы вынесены в langchain-classic; за пределами OSS расходы зависят от сопутствующих сервисов |
официальный источник |
| LlamaIndex | Data- и RAG-centric агенты, structured output, workflow-подход | Актуальны FunctionAgent, ReActAgent, AgentWorkflow; GitHub release — v0.14.22 от 2026-05-14 |
OSS бесплатно; модели и deployment отдельно | QueryPipeline находится в feature-freeze/deprecation, docs рекомендуют Workflows |
официальный источник |
| CrewAI | Role-based collaborative agents и flows в Python-first модели | Активный проект; GitHub release — 1.14.5 от 2026-05-18 | Есть Free Basic; Enterprise — custom | Фокус на Python; enterprise-возможности и deployment-политики отделены от OSS | официальный источник |
| Semantic Kernel | Если у вас уже есть код или архитектура вокруг Semantic Kernel и нужна model-agnostic интеграция | Фреймворк доступен, но для новых agent apps Microsoft направляет к Agent Framework | OSS бесплатно; Azure/провайдер моделей отдельно | Для greenfield-проектов это уже не основной рекомендуемый путь от Microsoft | официальный источник |
| AutoGen | Быстрые прототипы conversational multi-agent систем и проекты с уже существующим AutoGen-кодом | Находится в maintenance mode; README рекомендует новым пользователям начинать с Microsoft Agent Framework; latest release shown — python-v0.7.5 от 2025-09-30 |
OSS бесплатно; модели, compute и опциональные инструменты отдельно | Для новых проектов это уже не рекомендуемая стартовая точка | официальный источник |
Microsoft Agent Framework
Кому подходит: вам нужен новый production-oriented multi-agent стек в Python или .NET, особенно если проект уже живёт рядом с Microsoft-инфраструктурой.
Сильная сторона: в документации стек разделён на три крупные зоны — Agents, Harness и Workflows. Это полезно, когда вам нужно не просто «чат с инструментами», а управляемая оркестрация, тестовый harness и workflow-логика в одном направлении развития продукта.
Ограничение: docs прямо говорят, что это преемник AutoGen и Semantic Kernel для новых agent-приложений, но при этом часть языков и интеграций остаётся не полностью зрелой: в source pack указано, что Go — public preview, а сторонние системы используются на ваш риск. Для команд это не стоп-фактор, но повод внимательно проверить конкретный стек до начала внедрения.
Цена: OSS-фреймворк бесплатен; отдельные расходы зависят от модели, провайдера и hosting-слоя.
Текущий статус: Python changelog показывает 1.13.0 от 2026-07-30.
Ссылка: → Microsoft Agent Framework Overview
LangGraph
Кому подходит: вам нужен runtime для stateful-агентов, где важны паузы, продолжение выполнения, контроль состояния и участие человека в контуре.
Сильная сторона: LangGraph v1 позиционируется как stability-focused runtime с durable execution, checkpointing, persistence, streaming и human-in-the-loop. Это самый ясный выбор из списка, если задача похожа не на «один вызов LLM», а на управляемый процесс с несколькими шагами и восстановлением после ошибок.
Ограничение: это более низкий уровень, чем LangChain. Если вам нужен быстрый высокоуровневый старт, придётся принять больший объём архитектурных решений или использовать сопутствующие managed-слои отдельно от OSS.
Цена: OSS-фреймворк бесплатен; deployment и observability за пределами OSS нужно считать отдельно.
Текущий статус: PyPI показывает 1.2.9, загружен 2026-07-10.
Ссылка: → What’s new in LangGraph v1
Если вы ещё не определились с моделью под такой runtime, полезно отдельно сравнить локальные LLM для среднего GPU: стоимость и способ запуска нередко влияют на выбор фреймворка не меньше, чем API.
LangChain
Кому подходит: вы уже используете экосистему LangChain или хотите войти в актуальный API без погружения сразу в более низкоуровневый runtime.
Сильная сторона: в LangChain v1 стандартным builder для агента стал create_agent. Это важный сигнал: документация теперь предлагает один более ясный вход в agent-слой, а прежний путь через langgraph.prebuilt.create_react_agent обозначен как заменяемый.
Ограничение: старые функции вынесены в langchain-classic, поэтому при миграции старого кода почти наверняка придётся разруливать смешение нового и legacy-слоя. Кроме того, OSS и managed-инструменты вокруг него — разные вещи: если вам нужен LangSmith, это уже отдельный продукт со своим pricing.
Цена: OSS-фреймворк бесплатен. Если нужен LangSmith, проверяйте отдельную pricing page; regions FAQ говорит о поддерживаемых облачных инстансах US, EU и APAC и об одинаковой цене между поддерживаемыми облачными регионами.
Текущий статус: PyPI показывает 1.3.14, загружен 2026-07-16.
Ссылка: → What’s new in LangChain v1
Если ваша конечная цель — не платформа агентов как таковая, а прикладной developer workflow, параллельно посмотрите нашу подборку AI-ассистентов для кода: иногда команде нужен не framework, а готовый помощник внутри IDE.
LlamaIndex
Кому подходит: проекты, где агент тесно связан с данными, retrieval и структурированным выводом.
Сильная сторона: в документации LlamaIndex для агентного слоя явно фигурируют FunctionAgent, ReActAgent и AgentWorkflow. Это делает стек особенно понятным для задач, где агент — не просто orchestration shell, а интерфейс к данным и RAG-пайплайну.
Ограничение: старый QueryPipeline находится в feature-freeze/deprecation phase, и docs рекомендуют переходить на Workflows. Для новых проектов это не критично, но при чтении старых гайдов и примеров легко наткнуться на уже не рекомендуемый путь.
Цена: OSS-фреймворк бесплатен; расходы зависят от модели, векторного слоя и deployment.
Текущий статус: GitHub releases показывают v0.14.22 от 2026-05-14.
Ссылка: → Using structured output
CrewAI
Кому подходит: вам нравится role-based orchestration и модель «агенты + crews + flows», особенно в Python-first среде.
Сильная сторона: docs описывают структуру через agents, crews и flows, а pricing page отдельно показывает варианты deployment: CrewAI cloud, customer VPC или customer infrastructure. Это делает стек интересным для команд, которым важна не только логика агентов, но и понятный контур развёртывания.
Ограничение: фокус выраженно Python-центричный. Репозиторий указывает требование Python >=3.10 <3.14, а enterprise-возможности живут отдельно от OSS и требуют отдельной проверки текущих лимитов и условий.
Цена: есть Free Basic и custom Enterprise; актуальные ограничения бесплатного режима нужно сверять на pricing page.
Текущий статус: GitHub release — 1.14.5 от 2026-05-18.
Ссылка: → CrewAI Documentation
Semantic Kernel
Кому подходит: вы уже находитесь в мире Semantic Kernel или вам нужна model-agnostic интеграция внутри enterprise-приложения, где этот SDK уже присутствует.
Сильная сторона: у Semantic Kernel есть слой agent orchestration, а сам фреймворк давно используется как интеграционный SDK в Microsoft-ориентированных архитектурах. Если кодовая база уже завязана на него, это практический аргумент не делать резкий разворот без причин.
Ограничение: для новых agent apps Microsoft теперь позиционирует Agent Framework как прямого преемника. То есть Semantic Kernel остаётся доступным, но для greenfield-проекта это уже не самый очевидный старт. Дополнительно важно помнить, что версии отличаются по runtime, поэтому перед внедрением нужно сверять именно нужную вам страницу пакета — PyPI или NuGet.
Цена: OSS-фреймворк бесплатен; отдельно оплачиваются модели, Azure и инфраструктура.
Ссылка: → Semantic Kernel Agent Orchestration
AutoGen
Кому подходит: вы поддерживаете существующий AutoGen-код или быстро прототипируете conversational multi-agent сценарии, где уже понятны ограничения.
Сильная сторона: AutoGen по-прежнему узнаваем как framework для multi-agent conversation; в docs сохранены разделы Studio, AgentChat, Core и Extensions. Для команд, которые уже знают эту модель, порог входа в поддержку текущего проекта остаётся низким.
Ограничение: ключевой факт в 2026 — maintenance mode. README прямо говорит новым пользователям начинать с Microsoft Agent Framework. Для AgentChat требуется Python 3.10+, а сам фреймворк разумнее рассматривать как миграционный или legacy-friendly вариант, а не как основной выбор для greenfield.
Цена: OSS-фреймворк бесплатен; расходы на модели, compute и сопутствующие инструменты считаются отдельно.
Текущий статус: latest GitHub release shown — python-v0.7.5 от 2025-09-30.
Ссылка: → AutoGen docs
Как выбрать: по бюджету, опыту и платформе
По бюджету
Если смотреть только на сами open-source фреймворки, все семь вариантов позволяют стартовать без лицензии на ядро. Но в реальном проекте бюджет почти всегда уходит не в framework как таковой, а в модель, compute, хранение состояния, observability и deployment.
- Минимальный бюджет на прототип: LangChain, LangGraph, LlamaIndex, AutoGen, Semantic Kernel и Microsoft Agent Framework можно поднимать как OSS-стек, считая отдельно только модель и инфраструктуру.
- Если нужен managed-слой: у CrewAI pricing page показывает Free Basic и custom Enterprise; у LangChain-экосистемы pricing и регионы для LangSmith вынесены отдельно.
- Если важно избежать ранней SaaS-зависимости: чаще всего смотрят на LangGraph, LlamaIndex, Semantic Kernel или Microsoft Agent Framework как на основу, а observability и deployment выбирают позже.
Если вам вообще не нужен фреймворк и вы ищете готовый сервис, полезнее начать не отсюда, а с нашей подборки бесплатных AI-инструментов.
По опыту и наследию
- Новый проект на Microsoft-стеке: первым кандидатом обычно становится Microsoft Agent Framework, потому что именно его docs называют преемником AutoGen и Semantic Kernel.
- У вас уже есть LangChain-код: логичнее смотреть на LangChain v1 и LangGraph v1, а не держаться за старые паттерны по инерции.
- У вас уже есть AutoGen или Semantic Kernel: не всегда нужно мигрировать немедленно, но стратегически стоит проверить, не упираетесь ли вы в maintenance/legacy-путь.
- Сильный уклон в данные и RAG: LlamaIndex чаще выглядит естественнее, чем более «общие» agent-frameworks.
По платформе и уровню контроля
- Нужен низкоуровневый контроль над выполнением: LangGraph.
- Нужен высокоуровневый старт в текущем LangChain API: LangChain.
- Нужна Python-first role-based модель: CrewAI.
- Нужны Python и .NET в одном семействе: Microsoft Agent Framework или Semantic Kernel.
- Нужны RAG и structured output как центральная часть дизайна: LlamaIndex.
Если ваш сценарий ближе к прикладной автоматизации контента или маркетинга, а не к созданию платформы агентов, вам скорее подойдут готовые сервисы из подборки AI-инструментов для маркетологов, а не низкоуровневый framework.
Кого не включили и почему
Ниже — названия, которые часто всплывают рядом с агентными фреймворками, но не прошли наши критерии именно как самостоятельные актуальные frameworks.
- LangSmith: это важный продукт в экосистеме LangChain, но в рамках этой подборки он не проходит как agent framework. В source pack он фигурирует через pricing и regional FAQ как managed-слой, а не как отдельный OSS framework для оркестрации агентов.
- QueryPipeline (LlamaIndex): docs прямо говорят, что он в feature-freeze/deprecation phase и рекомендуют Workflows. Поэтому мы не считали его отдельным живым кандидатом для нового проекта.
- langchain-classic: это путь для старой функциональности, вынесенной из текущего LangChain v1. Под критерий «актуальный agent-framework путь для новых проектов» он не подходит.
- AutoGen Studio: в документации AutoGen это часть экосистемы рядом с AgentChat, Core и Extensions, а не отдельный самостоятельный framework-кандидат для выбора на равных с остальными.
Как выбрать самостоятельно
- Это новый проект или поддержка существующего? Если новый — первым делом отметьте, не попадает ли ваш стек под рекомендации Microsoft в сторону Agent Framework.
- Вам нужен stateful runtime или достаточно «агента как обёртки над LLM»? Для долгоживущих процессов разница между LangGraph и более высокоуровневыми API становится критичной.
- Где находится центр тяжести системы — orchestration, данные/RAG или enterprise-интеграция? От этого зависит, будет ли естественнее LangGraph, LlamaIndex или Microsoft/Semantic Kernel-путь.
- Насколько вы зависите от Python или .NET? У CrewAI фокус на Python, у Agent Framework и Semantic Kernel сценарий шире в рамках Microsoft-экосистемы.
- Нужен ли вам framework вообще? Если вы не пишете платформу, а выбираете готовый инструмент, сравните прикладные подборки COMRAD404, а не агентные SDK.
Итог для практики: в 2026 выбор стал проще, чем кажется. Для новых проектов чаще всего имеет смысл стартовать с Microsoft Agent Framework, LangGraph/LangChain или LlamaIndex, а AutoGen и Semantic Kernel рассматривать в первую очередь через призму наследия и миграции.
Источники
- What’s new in LangChain v1 – Docs by LangChain
- Changelog – Docs by LangChain
- langchain · PyPI
- What’s new in LangGraph v1 – Docs by LangChain
- langgraph · PyPI
- Regions FAQ – Docs by LangChain
- LangSmith Plans and Pricing
- GitHub – microsoft/autogen: A programming framework for agentic AI
- AutoGen — AutoGen
- Releases · microsoft/autogen · GitHub
- Microsoft Agent Framework Overview | Microsoft Learn
- agent-framework/python/CHANGELOG.md at main · microsoft/agent-framework
- CrewAI Documentation – CrewAI
- GitHub – crewAIInc/crewAI
- Pricing | CrewAI
- Using structured output – LlamaIndex
- Releases · run-llama/llama_index · GitHub
- Query Pipeline – LlamaIndex
- Semantic Kernel Agent Orchestration | Microsoft Learn
- Releases · microsoft/semantic-kernel · GitHub
- NuGet Gallery | Microsoft.SemanticKernel
- semantic-kernel · PyPI
Вопросы и ответы
Какой агентный фреймворк выбрать для нового проекта в 2026?
Универсального «лучшего вообще» нет. Для нового проекта чаще всего стоит сначала проверить три направления: Microsoft Agent Framework — если вы в Microsoft-экосистеме, LangGraph/LangChain — если нужен современный общий agent-стек, и LlamaIndex — если центр тяжести в данных и RAG.
Стоит ли начинать с AutoGen?
Только если у вас есть конкретная причина: существующий код, знакомая архитектура или быстрый prototype под уже понятные ограничения. README AutoGen прямо говорит, что новым пользователям лучше начинать с Microsoft Agent Framework, а сам проект находится в maintenance mode.
Что лучше для долгоживущих агентов с паузами и ручной проверкой?
По источникам из этого материала самый явный выбор — LangGraph. Его v1 позиционируется через durable execution, checkpointing, persistence, streaming и human-in-the-loop.
Что ближе к RAG и structured output?
LlamaIndex. В его текущей документации для агентного слоя показаны FunctionAgent, ReActAgent и AgentWorkflow, а structured output вынесен в отдельные материалы. Для новых проектов лучше опираться на Workflows, а не на QueryPipeline.
Все ли эти фреймворки бесплатны?
Как OSS-ядро — да, но почти всегда отдельно оплачиваются модели, compute, hosting и managed-сервисы вокруг фреймворка. У CrewAI pricing page показывает Free Basic и custom Enterprise, а у LangChain-экосистемы отдельные условия вынесены на страницы LangSmith pricing и regional FAQ.