一个支持智能体在演示中运行良好。然后真实需求来了。超过限额的退款需要有人审批，而那个人两天后才回复。一次部署在运行中途重启了进程。模型提供商在周一早上限流，智能体应当回退到另一家。产品团队希望它出现在 React 应用里，一个月后又希望它在手机上。这些需求在某个框架里只需几行代码，在另一个框架里却是一个项目，而你在第一周选定的框架决定了它属于哪一种。
摘要。 Pydantic AI 是我们的整体首选：一个带类型的 Agent ，可在 30 多家模型提供商上运行，能在八个持久执行引擎（Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask 和 Apache Airflow）上经受崩溃，可在十个沙箱和远程工作区中运行代码，可使用任何 MCP 服务器的工具，可暂停等待人工审批，并通过聊天前端、编辑器和五家语音到语音提供商触达用户，同时支持将 OpenTelemetry 追踪发送到任何后端。如果你的团队已经在使用 LangGraph 和 LangChain 以及 LangSmith，就选它们。如果 OpenAI 是你的模型提供商和追踪平台，就选 OpenAI Agents SDK 。如果你已标准化采用 Google Cloud 和 Gemini，或需要在 Java 或 Go 中使用同一框架，就选 Google ADK 。如果你基于 Azure 和 Microsoft Foundry 构建，或需要在 .NET 中使用同一框架，就选 Microsoft Agent Framework 。如果你基于 AWS 和 Amazon Bedrock 构建，就选 Strands Agents 。如果你更愿意声明角色和任务而不是编写控制流，就选 CrewAI 。如果你想要的是 Claude Code 自身的循环运行在你的产品中、并使用 Claude 模型，就选 Claude Agent SDK 。如果你想要一个现成的服务器和管理界面来管理多个智能体，就选 Agno 。对于语音场景，如果你希望自己掌控传输并组合流水线，就选 LiveKit Agents 或 Pipecat 。
最后更新：2026 年 10 月 29 日。能力、数量和许可证均于该日期从各项目自己的文档和代码库中读取。
选择智能体框架时应关注什么
以下是我们的标准，而且它们带有明确倾向。
- 能否在不重写智能体的情况下更换模型？ 价格、质量和速率限制每月都在变化。围绕单一厂商 API 构建的框架会让其他所有厂商都成为二等路径，通常要通过文档中称为 beta 的适配器。
- 进程在运行中途死亡时会发生什么？ 需要调用工具数分钟、或等待人工数天的智能体，需要持久执行：一份已完成模型调用和工具调用的日志，重启后的运行可以重放它。检查该框架是否能与你公司已经在用的引擎配合，还是只能用它自己的存储。
- 人工如何批准某个操作？ 要寻找一种在进程消失后仍能存续的暂停，而不是阻塞线程的回调。
- 智能体如何触达用户？ 聊天前端、编辑器、另一个智能体、一通电话。检查该框架原生支持哪些协议，以及语音是否由同一个智能体处理，还是另一套独立技术栈。
- 追踪数据是否流向你其他追踪数据所在的地方？ OpenTelemetry 可发送到任何后端，或使用厂商自己的追踪产品。
- 你能拆解到什么程度？ 现成的智能体上手很快。问题在于当它不合适时，你能改变什么。
- 能否为框架本身购买支持？ 一旦智能体进入生产环境，你会希望有一条超越公共问题跟踪器的升级路径。检查商业支持协议是否覆盖开源框架，还是只随你必须一并采用的托管平台或云计划提供。
我们如何比较
对于每个框架，我们都在上述日期阅读了其文档并打开了其许可证文件，记录了它原生运行哪些模型、一次运行如何经受崩溃或长时间等待、人工如何批准操作、支持哪些语音和前端协议、是否支持模型上下文协议（MCP）、发出什么追踪数据、由谁在何种许可证下开发，以及你需要购买什么才能获得其商业支持。凡是能计数的，我们都用框架自己的文档进行了计数。如果框架文档将某项标记为实验性、预览版或 beta，我们会注明。每个条目，包括我们自己的，都有一个缺点。
这里的“智能体框架”指的是用于编写围绕模型的循环的库：调用模型，运行它请求的工具，重复直到完成，并围绕这一过程处理状态、上下文和停止规则。下面有些框架还销售托管平台；我们会在存在时注明，但比较的是开源框架。这一组是人们最常向我们询问的框架，我们为其中每一个都维护着一个详细的 对比页面 ，并随框架变化保持更新；LlamaIndex、smolagents 和 Haystack 被排除在外，因为我们没有为它们维护此类页面。在 Pydantic AI 之后，条目按 AI 搜索答案提及它们的频率排序，而不是按评分排序。“原生”指内置于框架或官方维护的包中，而不是通过 LiteLLM 之类的通用适配器接入。“无文档记载”指我们在该日期于框架自己的文档中未找到相关内容，而不是说它无法实现。
框架每月都在变化，所以这篇文章也是如此。我们每月都会对照各项目自己的文档和发布版本重新核对对比内容，只要其中任何内容发生变化，上方的“最后更新”日期就会改变。如果你维护这些框架之一，而这里的内容有误或已过时，请发邮件至 hello@pydantic.dev ，我们会修正。
2026 年最佳 Python AI 智能体框架
1. Pydantic AI：整体最佳的 Python 智能体框架
Pydantic AI（也就是我们）是 Pydantic 团队打造的开源 Python 智能体框架。一个智能体就是一个带类型的 Agent 对象：给它一个输出类型，每次运行都会返回经过验证的 Pydantic 模型；给它工具，其参数会在你的代码运行前得到验证；更换提供商只需改一个字符串。 Pydantic AI Harness 增加了 80 多项现成能力，从记忆、规划和子智能体到沙箱和完整的编码智能体，因此你可以用零件构建自己的智能体 harness，或从 Coder 这样的成品开始再将其拆解。
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'
为什么它排第一：按照上述标准衡量，它是这里唯一一个在开源库中就能满足全部标准的框架，无需绑定厂商、无需测试版适配器，也无需采用某个运行时。其他框架各自只能很好地满足其中部分标准。支撑这一点的广度，用数字来说：
- 30+ 模型提供商，从 OpenAI、Anthropic 和 Gemini 到 Bedrock、Vertex AI、Azure、Mistral、Groq、xAI、Ollama、vLLM 和 OpenRouter，每一个都通过一个
provider:model字符串来选择，此外还支持任何兼容 OpenAI 的端点，并在某个提供商失败时回退到另一个模型。 - 八个 持久执行 引擎: Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask 和 Apache Airflow，另外还提供用于任何其他引擎的构建器。其中五个（Temporal、DBOS、Prefect、Restate、AWS Lambda）是与引擎自己的团队共同维护的。这里没有其他框架记录超过四个。
- 五个 语音到语音 提供商共用一个 API: OpenAI、Azure OpenAI、Gemini Live、xAI 和 ElevenLabs。语音会话使用相同的
Agent, 工具和依赖，通话会变成普通的消息历史，文本智能体可以接着处理，例如用于结构化输出，而实时会话不会直接产生这种输出。 - 原生支持两种 UI 事件流协议 ，即 AG-UI 和 Vercel AI Data Stream Protocol（因此 Vercel 的
useChat可以渲染 Python 智能体），此外还有终端 CLI、内置网页聊天，以及面向编辑器的 Agent Client Protocol（实验性）：一个智能体， 覆盖所有界面. - 一个本地目录加上十个 沙箱和远程工作区 ，供运行代码的智能体使用：Modal、E2B、Sprites、Daytona、boxd、smolvm、BoxLite、Docker、Bubblewrap 和 SSH。相同的文件和 shell 工具在本次运行所用的任何一个环境中都能工作。
- MCP 同时作为客户端和服务端, 任何 MCP 服务器的工具都可以作为工具集供智能体使用，遵循 GenAI 语义约定的 OpenTelemetry 追踪，以及同一仓库、同一版本中的 Pydantic Evals 和 Pydantic Graph 。
对于人在回路，将工具标记为 requires_approval=True: 运行 以挂起的调用结束, 你像存储任何其他数据一样存储消息历史，之后在任何进程中的运行都会带着该决定从它恢复；持久引擎会在工作流内部做同样的事。多智能体通过委托、程序化交接、Harness 的 SubAgents 能力或类型化图来实现。 Pydantic Logfire 是查看追踪最简单的方式，而且是可选的： 任何 OpenTelemetry 后端都可以工作. Pydantic 提供 针对框架本身的企业支持, 由构建它的团队提供，带有 SLA，且无需购买平台。该框架采用 MIT 许可证.
。 问题在于：它仅支持 Python，而且它是一个库，不是托管平台。智能体在你的基础设施上、你的进程中运行，持久性来自你选择和运维的引擎，而且没有可交给运维团队的管理 UI。LangChain 有更多检索集成：约 80 个, 80 文档加载器 、 向量存储和 90 个 检索器 , 而 Pydantic AI 提供 嵌入 ，并将加载和向量存储留给你已经在使用的库或数据库。对于智能体涉及的其他方面，广度在我们这边：30+ 模型提供商、八个持久执行引擎、十个沙箱和远程工作区，以及任何 MCP 服务器作为工具集。LangChain 的 300+ 工具和工具包 也 LangChainToolset可以接入 Pydantic AI 智能体
，通过
。对于语音，你需要自带音频传输和电话桥接，而级联的语音转文本、LLM 和文本转语音流水线是以托管方式提供的（通过 ElevenLabs Agents 或 Azure AI Voice Live），而不是在你自己的进程中由厂商插件组合而成。
最适合希望智能体在跨模型提供商时保持普通、类型化 Python 的 Python 团队，并且希望一次添加一项持久性、审批、前端和语音，而不是采用某个运行时。 2. LangGraph 和 LangChain：如果你的团队已经在 LangChain 和 LangSmith 上运行 LangGraph create_agent 自称是面向长时间运行、有状态智能体的低层编排框架和运行时。 LangChain 的 是构建在 LangGraph 之上的智能体 harness， langchain-<provider> Deep Agents 是更完整的 harness，用于规划、子智能体和文件系统上下文，而 LangChain 将其集成作为单独的 包发布；其聊天模型列表, 约有 90 个条目。两者都是 MIT 许可（LangChain
LangGraph ），来自 LangChain, Inc.，该公司销售用于追踪、评估和部署的 LangSmith，两者也都有 JavaScript 和 TypeScript 版本。 检查点 内置于图运行时，支持 Postgres、SQLite 和内存检查点。 中断 让人可以批准、编辑或拒绝工具调用，而 多智能体文档 列出了子智能体、交接、路由器和自定义图。
结构化输出 返回经过验证的 Pydantic 模型。问题在于：一个智能体跨越多个层（LangGraph 运行时上的 LangChain harness）。持久性来自 LangGraph 自己的检查点；其文档没有描述外部持久执行引擎。追踪是 LangSmith 的. , 通过 LangSmith 导出 OpenTelemetry MCP 支持 是客户端，并标记为 beta。对于语音，其文档有一个 教程
，让你自己组合语音转文本、智能体和文本转语音服务；没有内置的语音到语音支持。
当你的智能体、检查点和追踪已经位于 LangGraph 和 LangSmith 中并且运行良好时，或者当你依赖某个在其他地方没有等价物的特定 LangChain 集成时，选择它。
3. OpenAI Agents SDK：如果你完全押注 OpenAI OpenAI Agents SDK 是一个小型库，以智能体、智能体之间的交接（或将智能体用作工具）和护栏为中心，外加会话、沙箱智能体、实时语音智能体和追踪。它采用 MIT 许可 ，也提供 TypeScript 版本。
工具接受 needs_approval，并且暂停运行的状态会序列化为 JSON，因此你可以将其存储起来并在之后恢复。其文档列出了 四个持久执行集成：Temporal、DBOS、Restate 和 Dapr。类型化输出通过 output_type传递，它接受任何 Pydantic TypeAdapter 可以包装的内容。 实时智能体 运行在 OpenAI 的实时模型上，包括通过 Azure OpenAI。
问题在于：其默认路径是 OpenAI 的 Responses API，而 其他提供商 则通过 LiteLLM 和 Any-LLM 适配器接入，其文档称这些适配器为尽力而为和 beta 版本。 追踪 默认开启，并上传至 OpenAI 的仪表板；使用非 OpenAI 模型时，你可以将其禁用、为其提供 OpenAI 密钥，或添加第三方追踪处理器。 MCP 是客户端。
适合模型提供商和追踪平台均为 OpenAI，且希望与其实现最紧密契合的团队。
4. Google ADK：如果你已标准化采用 Google Cloud，或需要 Java 或 Go
Google 的 Agent Development Kit （ADK）是一个开源、代码优先的工具包，用于在 Python、TypeScript、Go、Java 和 Kotlin 中构建、评估和部署智能体。ADK 2.0 在 LLM 智能体之外新增了基于图的工作流运行时。它采用 Apache 2.0 许可.
部署路径通向 Google Cloud 的 Agent Runtime （付费服务）、Cloud Run 和 GKE。 追踪 会发送到 OpenTelemetry，并可发往任何 OTel 后端。 MCP 既可作为客户端，也可作为服务端。 可恢复应用 会在重启后从其事件日志中恢复已完成的智能体和工具结果；在调用中途被中断的工具会再次运行（至少一次）。 实时智能体 通过 Gemini Live API 运行语音到语音，或使用文本模型运行级联流水线。
问题在于：Gemini 和其他 Google Cloud 模型是一等公民； Google 生态系统之外的模型 通过 LiteLLM、Ollama 和 vLLM 等连接器接入。其文档未描述任何外部持久执行引擎。将结构化输出与工具结合是 仅在特定模型上原生支持，其他方面则有回退方案。工具确认（ADK 的人工介入功能）被标记为 实验性.
最适合那些模型、部署和支持合同已经采用 Google Cloud 的团队，或者需要在 Python 与 JVM 或 Go 之间使用同一套智能体框架的团队。
5. Microsoft Agent Framework：如果你基于 Azure 和 Microsoft Foundry 构建
Microsoft Agent Framework 它是 AutoGen 和 Semantic Kernel 的继任者，出自同一批团队。它汇集了智能体、一个可配置的、用于长时间多步骤任务的 harness 智能体，以及 基于图的工作流 它通过显式执行路径将智能体与函数连接起来，支持 Python 和 .NET，并提供一个处于公开预览阶段的 Go SDK。它是 MIT 许可，来自 Microsoft。
Python SDK 可在 OpenAI、Azure OpenAI、Microsoft Foundry、Anthropic、Bedrock、Gemini、Ollama 及其他工作流 检查点 其状态，以及 持久扩展 在 Durable Task 基础设施上增加了恢复能力，可运行于 Azure Functions 或自托管工作进程。工具可以 暂停等待审批, 结构化输出 接受 Pydantic 模型或 JSON Schema，并且 追踪 是 OpenTelemetry。智能体通过 A2A作为客户端和主机，以及前端通过 AG-UI. 托管于 Foundry 为其在 Azure 上提供了一条有文档记录的部署路径。
问题在于：微软的 支持政策 仅在统一支持协议下为客户的 Agent Framework 问题提供支持，且仅当问题源自 Azure AI 服务时；其他用途视为开源工具，在 GitHub 上提供支持。持久执行是 Durable Task 扩展；未记录其他引擎。Python SDK 未记录实时语音功能。许多 Foundry 托管的工具（如浏览器自动化）被标记为预览版或实验性，其代码沙箱为 beta 版。Python 与 .NET SDK 之间的能力和发布状态有所不同。
适合那些模型、托管和支持合同已经采用 Azure 和 Microsoft Foundry 的团队，或者正从 Semantic Kernel 或 AutoGen 迁移的团队，或者需要在 Python 和 .NET 上使用同一个智能体框架的团队。
6. Strands Agents：如果你基于 AWS 和 Amazon Bedrock 构建
Strands Agents 是一个开源 SDK，用于围绕模型驱动的循环构建智能体，支持 Python 和 TypeScript。在 SDK 之上， Strands 工具链 是一个完全组装好的智能体：一个 create_harness() 调用即可为你提供默认工具、上下文管理、会话和记忆。它是 采用 Apache 2.0 许可，来自 AWS。
智能体默认使用 Amazon Bedrock，而 模型提供商列表 为 Python 提供了约 20 个更多选项，包括 Anthropic、OpenAI、Gemini、Mistral、Ollama 和 LiteLLM。 中断 从钩子或工具中暂停运行，等待人工批准或输入，以及一个 会话管理器 会持久保存智能体的状态，以便后续请求可以恢复它。 结构化输出 会返回一个经过验证的 Pydantic 模型。多智能体则以 智能体即工具、集群、图和工作流，智能体之间通过 A2A. MCP 是一个客户端， 追踪 可对接任意 OTLP 后端，并且 双向流式传输 可在 Nova Sonic、Gemini Live 或 OpenAI 的实时模型上运行语音智能体。 部署指南 涵盖 Amazon Bedrock AgentCore、Lambda、Fargate、EKS 和 EC2。
问题在于：持久执行来自 Temporal 的 Strands Agents 插件，该插件由 Temporal 维护并标记为公开预览；Strands 的内置会话将状态持久化到本地文件或 S3，其文档未描述其他引擎。语音仅支持 Python。AG-UI 前端通过一个 合作伙伴包 而不是 SDK。文档中没有记录 SDK 本身的商业支持；AWS Support 计划涵盖 AWS 服务。如果 AWS 是你的云平台，而你想要不同的框架，Pydantic AI 可运行于 Bedrock 并让智能体在 AWS Lambda 持久函数，一个集成 AWS 宣布 及其文档中的 持久执行 SDK 指南.
适合那些模型和部署已经位于 AWS 上、使用 Amazon Bedrock 和 AgentCore 的团队，或者希望用一套智能体 SDK 同时覆盖 Python 和 TypeScript、并有一个现成的测试框架可以直接起步的团队。
7. CrewAI：如果你更愿意声明角色和任务，而不是编写控制流
CrewAI 是一个 MIT 许可 用于编排角色扮演、自主智能体的 Python 框架。Crews 是由具有角色和目标的智能体组成的团队，它们协作并委派任务；Flows 是围绕它们管理状态的事件驱动工作流。CrewAI, Inc. 销售 AMP，这是一个用于部署、监控和扩展 crews 的商业平台。
你描述角色、目标和任务，然后由智能体团队来执行它们 顺序执行或由管理器智能体协调执行. Flows 内置持久化（@persist（默认使用 SQLite），以及 检查点机制，因此任务团队和流程可以在失败后恢复运行。 任务 返回 Pydantic 输出（output_pydantic），并配有防护栏和重试机制。 模型支持 其中六个提供商（OpenAI、Anthropic、Gemini、Azure、Bedrock 和 Snowflake Cortex）为原生支持，其余提供商则通过 LiteLLM 接入。
问题在于：那些无法映射到角色和任务上的问题，必须先转换成智能体团队的词汇，或者写成围绕智能体团队的 Flow，这就意味着你要学习两套模型。内置 追踪 会通过 OpenLIT 等集成接入 AMP，并借助 OpenTelemetry 实现可观测性。在开源框架中，Flows 通过一个 @human_feedback 装饰器；基于 webhook 的 人工介入 是一项企业功能。 MCP 是一个客户端，其文档没有描述实时语音功能。
适合那些把工作视为一组角色相互交接任务的团队，并希望由框架来负责这些交接。
8. Claude Agent SDK：如果你想要 Claude Code 自身的循环，在 Claude 上
这个 Claude Agent SDK 为你提供与 Claude Code 相同的工具、智能体循环和上下文管理能力，形式为 Python 或 TypeScript 库。它作为子进程驱动 Claude Code CLI，因此文件编辑、shell 命令、网页搜索、权限、子智能体和会话都已预先接好。Python 包是 MIT 许可；SDK 的使用受 Anthropic 商业服务条款约束。
权限回调 批准、拒绝或修改每个工具调用，而钩子可以推迟决策，使进程退出并在稍后恢复。 子智能体, MCP 服务器 （本地、HTTP 或进程内）以及 结构化输出 并内置了基于 JSON Schema 的校验。
问题在于：只能使用 Claude 模型，且需通过 Anthropic、Bedrock、Vertex AI 或 Microsoft Foundry。其 托管文档 将每个运行中的智能体描述为“一个与本地状态绑定的长生命周期进程”，并将转录内容镜像到 SessionStore 如果它们必须在容器中存活，并建议以每个智能体 1 GiB 内存作为起点。它是一个成品框架，而不是用来搭建框架的零件：你通过钩子和权限来扩展循环，而不是重新组合它。OpenTelemetry 追踪是可选启用的，并标记为 测试版，且未记录任何持久执行引擎集成。对于在其他模型上运行的编码智能体，Harness 的 Coder 由可替换的能力构建而成。
当所需产品就是嵌入式 Claude Code 本身，且可以接受单一模型供应商时，选择它。
9. Agno：如果你想要一个现成的服务器和 UI 来管理多个智能体
Agno 是一个用于构建智能体平台的 Python SDK。除了智能体、团队和工作流之外，AgentOS 还能将你的智能体作为服务运行，内置 API 和 MCP 服务器、Postgres 存储以及持久后台任务。Agno 是 采用 Apache 2.0 许可；运行时免费且可自托管，并且 付费方案 添加一个带基于角色的访问控制的控制平面。
它自带存储、OpenTelemetry 追踪、 工具审批 ， continue_run, 双向 MCP、AG-UI 和 A2A 接口，以及一个大型工具目录。其 SDK 页面 将 30 多家模型提供商统一在一个 API 之后，并使用 Pydantic 输入和输出模式。
问题在于：服务器、存储和管理功能来自采用 AgentOS 及其数据库作为你的服务形态，而继续一个已暂停的运行需要同一个数据库和会话。持久性依赖 Agno 自己的后台任务；文档中没有记录任何外部引擎。AgentOS 追踪 使用 OpenTelemetry 插桩，并存储在 Agno 数据库中。部分管理功能位于付费方案中。
适合那些希望获得现成的服务器、存储和用于管理多个智能体的管理界面，并且乐于在该运行时内进行构建的团队。
一览对比
核对日期为 2026 年 10 月 29 日。计数为各框架自身文档原生列出的内容；“via”表示通过适配器或单独集成实现；“none documented”表示其文档未描述任何此类支持。
| 框架 | 模型提供商 | 持久执行 | 语音到语音 | 前端与接口 | MCP | 可观测性 | 商业支持 | 许可证与制造商 |
|---|---|---|---|---|---|---|---|---|
| Pydantic AI | 30+，以及任何兼容 OpenAI 的端点 | 8 个引擎：Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask、Apache Airflow | 5 家提供商：OpenAI、Azure OpenAI、Gemini Live、xAI、ElevenLabs | AG-UI、Vercel AI、CLI、网页聊天、ACP（实验性） | 客户端与服务器 | OpenTelemetry（GenAI 约定）到任意后端； Logfire 对于框架本身，来自 Pydantic；无需平台方案MIT；PydanticLangGraph / LangChain约 90 个聊天模型集成，作为独立包自有检查点器（Postgres、SQLite、内存）；未记录外部引擎未内置；一个教程组合了 STT、智能体和 TTSLangSmith Agent Server、FleetClient（测试版）LangSmith；通过 LangSmith 实现 OTel需 LangSmith 企业版MIT；LangChain, Inc.（LangSmith）OpenAI Agents SDKOpenAI；其他通过测试版 LiteLLM 和 Any-LLM 适配器4 个集成： | 对于框架本身，来自 Pydantic；无需平台方案 | MIT；Pydantic |
| LangGraph / LangChain | 约 90 个聊天模型集成，以独立包形式提供 | 自有检查点器（Postgres、SQLite、内存）；未记录外部引擎 | 未内置；需通过教程组合 STT、智能体和 TTS | LangSmith Agent Server、Fleet | 客户端（测试版） | LangSmith；通过 LangSmith 实现 OTel | 使用 LangSmith 企业版方案 | MIT；LangChain, Inc.（LangSmith） |
| OpenAI Agents SDK | OpenAI；其他通过测试版 LiteLLM 和 Any-LLM 适配器 | 4 个集成：Temporal、DBOS、Restate、Dapr | OpenAI 实时模型，包括 Azure 上的 | REPL 演示循环 | 客户端 | OpenAI 默认开启追踪；第三方处理器 | SDK 未记录任何方案；OpenAI 的 API 企业版方案涵盖该 API | MIT；OpenAI |
| Google ADK | Gemini 优先；其他通过 LiteLLM、Ollama、vLLM 连接器接入 | 从记录的事件中自行恢复；未记录外部引擎 | Gemini Live | CLI、Web、A2A | 客户端与服务器 | OpenTelemetry 接入任意后端 | ADK 未记录任何方案；Google Cloud 支持计划涵盖 Google Cloud 服务 | Apache 2.0；Google（Agent Runtime） |
| Microsoft Agent Framework | OpenAI、Azure OpenAI、Foundry、Anthropic、Bedrock、Gemini、Ollama 及其他 | 持久任务扩展（Azure Functions 或自托管工作进程）；工作流检查点 | Python 未记录任何方案 | AG-UI、A2A、DevUI 示例应用 | 客户端 | OpenTelemetry | 根据 Microsoft 统一支持协议，针对由 Azure AI 服务引发的问题 | MIT；Microsoft（Foundry） |
| Strands Agents | 默认使用 Bedrock；Python 另有约 20 个，包括 LiteLLM | Temporal 插件（公开预览版，由 Temporal 维护）；会话保存在文件或 S3 中 | 仅支持 Python：Nova Sonic、Gemini Live、OpenAI realtime | A2A、CLI；通过合作伙伴包支持 AG-UI | 客户端 | OpenTelemetry 接入任意后端 | Strands 未记录任何方案；AWS Support 计划涵盖 AWS 服务 | Apache 2.0；AWS（AgentCore） |
| CrewAI | 6 个原生；其他通过 LiteLLM | 自行实现检查点；Flow 持久化（SQLite） | 未记录任何方案 | 企业级 UI、A2A | 客户端 | AMP 追踪；通过集成接入 OTel | 借助 CrewAI 企业平台方案 | MIT；CrewAI, Inc.（AMP） |
| Claude Agent SDK | 仅支持 Claude，覆盖 4 个平台（Anthropic、Bedrock、Vertex AI、Foundry） | 会话保存在磁盘上，或一个 SessionStore；未记录任何引擎集成 |
未记录任何方案 | 命令行界面、GitHub Action | 客户端；为其自有工具提供进程内服务器 | OpenTelemetry，可选加入（测试版） | 未记录任何方案 | MIT，依据 Anthropic 商业条款；Anthropic |
| Agno | 30+ | AgentOS 持久后台任务；Postgres 存储 | 未记录任何方案 | AG-UI、A2A、聊天平台 | 客户端与服务器 | OpenTelemetry 接入，存储在 Agno 数据库中 | Agno 的付费方案：Pro 版提供邮件支持，Enterprise 版提供 SLA | Apache 2.0；Agno（AgentOS 方案） |
如果你正在构建语音智能体
语音智能体对工作的拆分方式不同。难点在于通话本身（音频传输、电话通信、轮次检测、噪声）以及其背后的智能体（工具、数据、通话结束后会发生什么）。有两个框架围绕通话构建，而 Pydantic AI 围绕智能体构建；它们结合使用的情况往往多于相互竞争。
- LiveKit Agents 将 Python 或 Node 程序作为实时参与者加入 LiveKit 的 WebRTC 房间：既可通过各提供商插件构建语音转文本、LLM 和文本转语音的级联流水线，也可使用语音到语音模型，并支持 SIP 电话通信、轮次检测、噪声消除以及通话中智能体之间的交接。它采用 Apache 2.0 许可证，可自托管或在 LiveKit Cloud 上运行。Pipecat 由 Daily 构建和维护，将帧处理器组合成流水线：传输层承载音频，语音转文本、LLM、文本转 将 Python 或 Node 程序作为实时参与者加入 LiveKit 的 WebRTC 房间：一条由语音转文本、LLM 和文本转语音组成的级联流水线，来自 各提供商插件，或语音到语音模型，并支持 SIP 电话通信、轮次检测、噪声消除以及通话中智能体之间的交接。它采用 Apache 2.0 许可证，可自托管或在 LiveKit Cloud 上运行。
- Pipecat由 Daily 构建和维护，将帧处理器组合成流水线：传输层承载音频，而语音转文本、LLM、文本转语音和语音到语音 服务 作为各个阶段接入。 Pipecat Flows 为级联流水线中的结构化对话添加节点图。它采用 BSD-2-Clause 许可证，可自托管或在 Pipecat Cloud 上运行。
| 语音到语音 | 级联式语音转文本、LLM 和文本转语音 | 传输与电话通信 | 工具与 MCP | 通话结束后 | 托管 | 商业支持 | 许可证与维护方 | |
|---|---|---|---|---|---|---|---|---|
| Pydantic AI | 一个 API 背后有 5 家提供商：OpenAI、Azure OpenAI、Gemini Live、xAI、ElevenLabs | 通过 ElevenLabs Agents 或 Azure AI Voice Live 托管；或围绕文本智能体自行组合构建 | 由你提供：浏览器 WebRTC（OpenAI、Azure）或 WebSocket 中继；通过 Twilio 等桥接服务接入电话 | 与文本智能体相同的工具、依赖项和功能；通过工具集接入 MCP | 通话内容即消息历史；将其交给文本智能体以获取结构化输出；OpenTelemetry 追踪 | 你的流程，你的后端 | 就框架本身而言，来自 Pydantic | MIT；Pydantic |
| LiveKit Agents | 是的，实时模型插件 | 是的，来自各提供商插件 | LiveKit WebRTC 房间；SIP 呼入和呼出、DTMF、呼叫转移；Cloud 上的电话号码 | 功能工具；MCP（Python） | 会话历史；文本模式测试与智能体模拟 | 自托管或 LiveKit Cloud | 使用 LiveKit Cloud 套餐；自托管方面未记录任何方案 | Apache 2.0；LiveKit |
| Pipecat | 是的，语音到语音服务 | 是的，主要路径，来自可替换的服务 | Daily、LiveKit、WebRTC 和 WebSocket 传输方式；PSTN 和 SIP 呼入与呼出；Twilio 及其他 | 函数调用；MCP 客户端 | Pipecat Flows 用于结构化对话；Pipecat Evals | 自托管或 Pipecat Cloud | 来自 Daily，适用于 Pipecat 和 Pipecat Cloud | BSD-2-Clause；Daily |
Pydantic AI 的 实时支持 在语音会话上运行同一个类型化智能体。它也可以在托管语音平台上运行：一个 elevenlabs-agents:<agent_id> 模型 在托管的 ElevenLabs 智能体上运行对话ElevenLabs 保留语音管线、轮流发言、知识库和工作流，而你的 Pydantic AI 指令会按每次对话覆盖智能体，你的 Pydantic AI 工具则在你的后端运行。而 LiveKit 通话的历史记录 会转换为 Pydantic AI 消息历史，因此 Pydantic AI 智能体可以生成结构化输出，或生成其后续跟进内容。
当你想拥有并自行托管传输、电话通信以及由可互换语音供应商组成的管线时，选择 LiveKit Agents 或 Pipecat。当智能体本身就是产品、而语音只是其接口之一时，选择 Pydantic AI，包括在 ElevenLabs Agents 等托管平台之上运行的情况。我们的 LiveKit 以及 Pipecat 对比页面逐行展开。
如果你使用 TypeScript 工作
这份列表仅涵盖 Python。在 TypeScript 中，请查看 Mastra一个智能体框架，具备步骤工作流、记忆、评估、本地演练场和托管 Studio，以及 Vercel AI SDK，它为 TypeScript 应用添加模型调用、工具循环和流式聊天。LangChain、OpenAI Agents SDK、Google ADK、Strands Agents 和 Claude Agent SDK 也都有 TypeScript 版本。如果你的前端使用 Vercel AI SDK，而你的智能体用 Python 编写，那么 Pydantic AI 的 Vercel AI 适配器 可以 useChat 保持不变地渲染它。
如何选择
- 你正在开始构建一个 Python 智能体，希望跨模型提供商使用带类型的代码，并在需要时获得持久性、审批、前端和语音能力： Pydantic AI.
- 你的运行必须在崩溃后仍能存活，并且运行在你公司已经在运营的引擎上： Pydantic AI （八个引擎），或者 OpenAI Agents SDK （四）如果你使用的是 OpenAI 的模型。
- 你的智能体、检查点和追踪数据已经存放在 LangGraph 和 LangSmith 中： LangGraph 和 LangChain.
- OpenAI 是你的模型提供商和追踪平台： OpenAI Agents SDK.
- 你在 Google Cloud 上使用 Gemini 部署，或者还需要 Java 或 Go： Google ADK.
- 你在 Azure 和 Microsoft Foundry 上构建，或者也需要 .NET： Microsoft Agent Framework.
- 你在 AWS 和 Amazon Bedrock 上构建： Strands Agents.
- 你想声明一组角色和任务，并让框架来执行交接： CrewAI.
- 你希望将 Claude Code 本身集成到你的产品中，并运行在 Claude 模型上： Claude Agent SDK.
- 你需要一个现成的服务器和管理界面来管理多个智能体： Agno.
- 你正在构建一个语音智能体： Pydantic AI 当智能体本身就是产品，而语音是它的接口之一时； LiveKit Agents ，或者当你想要掌控 WebRTC 传输并自行组合流水线时，选择 Pipecat。 Pipecat 当你想要掌控 WebRTC 传输并自行组合流水线时。
何时应选择其他框架
有四种情况更适合选择其他方案而非 Pydantic AI。
第一种是单一供应商，从头到尾。如果你的模型、追踪和部署全都使用 OpenAI、全都使用 Google Cloud、全都使用 Azure 或全都使用 AWS，那么该供应商的 SDK 通往其自身平台功能的路径最短，而模型可移植性是你不会用到的优势。当你想要的产品就是 Claude Code 本身时，Claude Agent SDK 也是如此。
第二种是你已经拥有的系统。一个在生产环境中使用 LangGraph 智能体、在 Postgres 中设置检查点、在 LangSmith 中记录追踪的团队已经拥有可运行的系统；当今天无法做到的事情的代价超过重写成本时，迁移才值得。
第三种是托管运行时。Pydantic AI 是一个在你的进程中运行的库。如果你希望获得由服务方提供的服务器、存储和管理界面，Agno 的 AgentOS、CrewAI 的 AMP 和 LangSmith 部署正是为此而构建的。
第四种是语音场景，即通话本身就是产品。对于自托管的 WebRTC 房间、电话通信，以及在你自己的进程中运行一条由可互换语音供应商组成的流水线，LiveKit Agents 和 Pipecat 开箱即用的功能更多。
常见问题
构建 AI 智能体最佳的 Python 框架是什么？ 我们的答案是 Pydantic AI：它可在 30 多个模型提供商上运行，并且在本文所比较的框架中，它支持最多种类的持久执行引擎、语音到语音提供商和前端协议，还提供十个沙箱和远程工作区，供运行代码的智能体使用，而这一切都集成在一个带类型的智能体中。例外情况包括：绑定单一供应商的团队（OpenAI Agents SDK、Google ADK、Microsoft Agent Framework、Strands Agents 或 Claude Agent SDK）、已将 LangGraph 投入生产的团队，以及希望使用托管运行时而非库的团队。
哪些 Python 智能体框架支持持久执行？ Pydantic AI 在八个引擎上持久运行智能体：Temporal、DBOS、Prefect、Restate、AWS Lambda、Absurd、pgtask 和 Apache Airflow。OpenAI Agents SDK 记录了 Temporal、DBOS、Restate 和 Dapr 集成。Microsoft Agent Framework 记录了 Durable Task 扩展，Strands Agents 则记录了由 Temporal 维护的 Temporal 插件，目前处于公开预览阶段。LangGraph 内置了检查点功能。Google ADK、CrewAI 和 Agno 在各自的运行时内恢复或设置检查点。Claude Agent SDK 将会话保存在磁盘上，且未记录任何引擎集成。
哪些智能体框架支持的模型提供商最多？ Pydantic AI 支持 30 多个提供商，通过一个字符串选择，并支持任何兼容 OpenAI 的端点。LangChain 列出的聊天模型集成最多，约 90 个，作为单独的包。Agno 列出 30 多个提供商，Strands Agents 为 Python 列出约 20 个，默认使用 Amazon Bedrock，CrewAI 原生支持六个，其余通过 LiteLLM。OpenAI Agents SDK、Google ADK 和 Claude Agent SDK 首先围绕单一供应商的模型构建。
我可以用 Pydantic AI 构建语音智能体吗？ 可以。同一个智能体可在 OpenAI、Azure OpenAI、Gemini Live、xAI 或 ElevenLabs 上通过语音到语音会话运行，并使用相同的工具。它还可以按对话接管托管的 ElevenLabs 智能体。音频传输由你提供；LiveKit Agents 和 Pipecat 可提供一种传输方式，而 LiveKit 通话的历史记录可转换为 Pydantic AI 消息。实时会话不会直接返回结构化输出；为此，请将通话历史记录交给文本智能体处理。
Pydantic AI 是否要求使用 Logfire？ 不。Pydantic AI 会发出遵循 GenAI 语义约定的标准 OpenTelemetry 追踪数据，任何 OpenTelemetry 后端均可使用。Pydantic Logfire 是同一团队提供的可选托管服务。
来源
以下每个来源均于 2026 年 10 月 29 日核查。
- Pydantic AI: 模型与提供商, 持久执行, 工作区和沙箱, 实时, UI 协议, MCP, 延迟工具, Harness，以及我们的 对比页面, 企业支持.
- LangGraph 和 LangChain: LangGraph 概述, 持久执行, 人工介入, MCP, 聊天模型, 可观测性, 语音智能体教程, LangSmith 企业版.
- OpenAI Agents SDK: 概览, 模型, 运行智能体, 人工介入, 追踪, 实时, 仓库, API 定价.
- Google ADK: 概述, 模型, LLM 智能体, 恢复, 工具确认, 追踪, 实时智能体, 仓库, Google Cloud 支持.
- Microsoft Agent Framework: 概述, 模型提供商, 工具, 工具审批, 结构化输出, 工作流, 检查点, 持久扩展, 托管, 可观测性, AG-UI, A2A 托管, 支持政策, 仓库.
- Strands Agents （核查于 2026 年 11 月 2 日）： 概述, Harness, 模型提供商, 中断, 会话管理, 结构化输出, 多智能体模式, A2A, MCP, 追踪, 双向流式传输, 部署, AG-UI, 版本管理与支持, 仓库，以及 Temporal 的 Strands Agents 插件.
- CrewAI: 简介, LLMs, 流程, 检查点, 人工介入, 追踪, 仓库, 定价.
- Claude Agent SDK: 概述, 快速开始, 托管, 可观测性、仓库。Agno：简介、SDK、人工介入、追踪、定价、企业版、仓库。语音：LiveKit Agents、模型、电话与定价；Pipecat 简介、服务、电话与企业支持；ElevenLabs Agents 概述。试用 Pydantic AI，然后按照文档从类型化智能体一路走到持久执行、前端或语音通话。来自其他框架？我们的对比页面逐行比较，迁移技能可将现有应用逐个可运行地移植过来。, 可观测性, 仓库.
- Agno: 简介, SDK, 人工介入, 追踪, 定价, 企业版, 仓库.
- 语音：LiveKit Agents, 模型, 电话 以及 定价；Pipecat 简介, 服务, 电话 以及 企业支持；ElevenLabs Agents 概述.
试用 Pydantic AI
pip install pydantic-ai，然后按照 文档 从类型化智能体到持久执行、前端或语音通话。来自其他框架？我们的 对比页面 逐行比较，而 迁移技能 将现有应用逐个可运行路径地移植过来。
在 Google 搜索中查看更多 Pydantic 相关内容
将 Pydantic 添加为首选来源，以便更轻松地找到我们的最新文章。
将 Pydantic 选为 Google 上的首选来源（在新标签页中打开）准备好看看你的智能体实际在做什么了吗？
免费开始 免费开始 联系我们 联系我们探索我们的开源软件包
