Фреймворки для ИИ-агентов в 2026: LangGraph, CrewAI и другие

Фреймворк для ИИ-агентов в 2026 году выбирают по трём вещам: на каком языке вы пишете, насколько жёстко нужно контролировать шаги агента и какую модель вы сможете подключить. Если нужен точный контроль над ветвлениями и состоянием, берут LangGraph. Если нужно быстро собрать «команду» ролей, берут CrewAI. Если вы уже работаете с моделями OpenAI или Claude, удобнее их собственные SDK. А если писать код не хочется, есть no-code вариант: n8n. Все данные ниже взяты из официальной документации и репозиториев проектов по состоянию на октябрь 2026.

Зачем нужен фреймворк и когда он не нужен

Агент в самом простом виде это цикл: модель получает задачу, решает, какой инструмент вызвать, получает результат и повторяет, пока не закончит. Такой цикл можно написать самому за вечер. Фреймворк нужен, когда появляются «взрослые» требования: сохранять состояние между шагами, возвращаться после сбоя, спрашивать человека перед рискованным действием, разбивать работу между несколькими агентами, видеть трассировку.

Если у вас одна задача и один вызов модели с парой инструментов, фреймворк не нужен: хватит клиентской библиотеки провайдера. Что такое агент и чем он отличается от чат-бота, разобрано в статье «Что такое ИИ-агент простыми словами».

Сводная таблица

Фреймворк	Язык	Для чего	Сложность	Лицензия
LangGraph	Python, JavaScript	Долгие агенты со состоянием, ветвления, человек в цикле	Выше средней	MIT
CrewAI	Python	Команды агентов с ролями, процессы Flows	Низкая–средняя	MIT
OpenAI Agents SDK	Python, JavaScript	Лёгкие агенты, передача задач между агентами, guardrails	Низкая	MIT
Claude Agent SDK	Python, TypeScript	Агент с инструментами Claude Code внутри вашего приложения	Низкая–средняя	Python-пакет MIT; использование по Commercial Terms Anthropic
Microsoft Agent Framework	Python, .NET	Корпоративные мультиагентные системы, MCP и A2A	Средняя	MIT
Google ADK	Python (есть и Java)	Создание, оценка и развёртывание агентов	Средняя	Apache-2.0
PydanticAI	Python	Типизированные агенты, строгие структурированные ответы	Низкая–средняя	MIT
smolagents	Python	Маленькие агенты, которые «думают кодом»	Низкая	Apache-2.0
LlamaIndex	Python	Агенты вокруг ваших документов и данных	Средняя	MIT
n8n	Без кода (визуальный редактор)	Рабочие процессы с узлом AI Agent	Низкая	Смотрите условия на сайте n8n

Лицензии взяты из репозиториев на GitHub (поле License), языки из описаний проектов и документации. Перед коммерческим использованием проверяйте файл LICENSE в нужной версии пакета.

LangGraph

В документации LangChain LangGraph описан как низкоуровневый фреймворк и среда выполнения для долгих агентов со состоянием. Его главная идея: вы собираете граф, где одни шаги жёстко запрограммированы, а другие отдаются модели. Так можно сделать часть логики полностью предсказуемой и проверяемой, а гибкость оставить только там, где она нужна.

Из возможностей в документации выделены устойчивое выполнение (durable execution), потоковая передача, участие человека (human-in-the-loop) и память. Использовать LangChain вместе с ним необязательно, но документация чаще всего показывает именно такую связку. Для новичков авторы сами советуют начинать с готовых агентов LangChain как более высокого уровня.

Минус: порог входа выше, чем у конкурентов. Придётся думать о состоянии, узлах и рёбрах графа.

CrewAI

CrewAI в своей документации называет себя open-source фреймворком для оркестрации автономных агентов. Архитектура состоит из двух частей. Flows задают структуру приложения: события, состояние, порядок шагов. Crews это «команды» агентов с ролями, которые решают конкретную задачу, делегированную из Flow.

Установка требует Python от 3.10 до 3.13 включительно (по странице установки), проект использует менеджер пакетов uv. Для старта достаточно описать агентов (роль, цель), задачи и собрать их в команду. Плюс: быстрый старт и понятная ментальная модель. Минус: чем больше нужно точного контроля, тем чаще вы упираетесь в Flows и детали, которые проще выразить графом.

LangGraph или CrewAI: что выбрать

Запрос «langgraph vs crewai» самый частый в этой теме, поэтому сравним по пунктам.

Критерий	LangGraph	CrewAI
Модель мышления	Граф: узлы, рёбра, общее состояние	Роли и задачи (Crews) внутри потока событий (Flows)
Контроль над шагами	Максимальный, вы сами рисуете переходы	Высокий в Flows, выше уровень абстракции в Crews
Скорость первого прототипа	Медленнее	Быстрее
Долгие процессы и возобновление	Центральная возможность (устойчивое выполнение)	Есть механизмы вроде checkpointing, смотрите документацию
Человек в цикле	Встроено в документацию как отдельная возможность	Есть разделы про human input и HITL workflows
Лицензия	MIT	MIT

Берите LangGraph, если процесс похож на схему с условиями («если проверка не прошла, вернуться на шаг 2»), если он долгий и должен переживать перезапуск, если нужны аудит и воспроизводимость. Берите CrewAI, если задачу естественно описать как работу небольшой команды (исследователь, автор, редактор) и важнее быстро получить рабочий прототип.

Разумный способ решить спор: выберите один реальный кейс, реализуйте его в обоих фреймворках за день и сравните не красоту кода, а то, сколько усилий ушло на отладку и сколько раз результат отличался от ожидаемого. Подробнее про принципы команд агентов: «Мультиагентные системы».

OpenAI Agents SDK

В документации SDK сказано, что у него очень небольшой набор примитивов: агенты (модель с инструкциями и инструментами), передача задач между агентами (agents as tools и handoffs) и guardrails для проверки входа и выхода. В комплекте есть встроенная трассировка, сессии, поддержка MCP, голосовые и realtime-агенты. Установка: pip install openai-agents, по данным PyPI требуется Python 3.10 или новее. Есть и версия для JavaScript.

В документации также перечислены адаптеры для сторонних моделей (LiteLLM и Any-LLM), то есть SDK не привязан намертво к одному провайдеру. Это важно для российского читателя, см. раздел про доступ ниже.

Claude Agent SDK

Это не универсальный фреймворк, а агент Claude Code в виде библиотеки. По документации Anthropic, он даёт те же инструменты, цикл агента и управление контекстом, что и Claude Code: чтение и правка файлов, запуск команд, поиск в вебе, хуки, субагенты, MCP, права, сессии, скиллы. Доступен для Python (pip install claude-agent-sdk) и TypeScript (npm install @anthropic-ai/claude-agent-sdk).

Условия важны. Использование SDK регулируется Commercial Terms of Service Anthropic, а Anthropic не разрешает сторонним разработчикам предлагать вход через claude.ai и лимиты подписки в своих продуктах: нужна аутентификация по API-ключу. Claude и Anthropic официально в России не работают, российские карты не принимаются. Про оплату: «Как оплатить Claude и ChatGPT из России».

Другие фреймворки: что с AutoGen и Semantic Kernel

• AutoGen в README репозитория переведён в режим поддержки: новые функции не добавляются, новичкам предложено начинать с Microsoft Agent Framework. Если вы видели старые рейтинги, где AutoGen на первом месте, делайте на это поправку.
• Semantic Kernel в своём README сообщает, что его преемник это Microsoft Agent Framework.
• Microsoft Agent Framework заявлен как релиз 1.0 со стабильными API, поддержкой Python и .NET, MCP и A2A.
• Google ADK описан как открытый code-first набор для создания, оценки и развёртывания агентов.
• PydanticAI удобен, когда критичны типы и строгая структура ответов.
• smolagents от Hugging Face: небольшая библиотека, где агент пишет действия кодом.
• LlamaIndex сильнее всего там, где агент работает с вашими документами.

Модели и доступ из России

Фреймворк это только каркас, модель вы подключаете отдельно. OpenAI, Anthropic и Google официально в России не работают, поэтому «просто взять SDK и ключ» у российских пользователей нередко упирается в доступ и оплату. Рабочие направления: отечественные модели через соответствующие интеграции (например, для GigaChat существует пакет langchain-gigachat с лицензией MIT, он подключается к LangChain и LangGraph) и открытые модели, запущенные у себя. Обзор ситуации: «ИИ-агенты в России в 2026».

Если писать код не хочется: n8n

Для многих задач фреймворк избыточен. В n8n есть узел AI Agent: вы подключаете модель и инструменты, а агент сам решает, какой инструмент вызвать. Остальное (триггеры, письма, таблицы, мессенджеры) собирается из готовых узлов. Начать можно со статьи «n8n: что это и как начать», а ИИ-часть разобрана в «ИИ-агент в n8n пошагово». Когда упираетесь в потолок визуального редактора, переходите на LangGraph или CrewAI.

Как выбрать за пять шагов

1. Опишите процесс словами: есть ли в нём условия, циклы, ожидание человека. Если да, смотрите на LangGraph.
2. Определите язык команды: Python, TypeScript или .NET.
3. Решите, какая модель доступна вам по закону и оплате, и проверьте, что фреймворк её поддерживает.
4. Соберите прототип на одном реальном случае, а не на демо из документации.
5. Заложите наблюдаемость и подтверждение рискованных действий человеком с первого дня.

Частые вопросы

Какой фреймворк для ИИ-агентов лучший?

Универсального лучшего нет. LangGraph подходит для сложных процессов с состоянием, CrewAI для быстрых команд ролей, SDK от OpenAI и Anthropic для работы с их моделями и инструментами.

LangGraph или CrewAI для новичка?

Обычно проще стартовать с CrewAI или с готовых агентов LangChain. LangGraph имеет смысл, когда вам нужен явный контроль над каждым переходом.

Нужен ли LangChain, чтобы использовать LangGraph?

Нет. В документации LangGraph сказано, что использовать LangChain необязательно, хотя примеры чаще всего на нём.

AutoGen ещё актуален?

Проект находится в режиме поддержки, новые функции не добавляются. Для новых проектов Microsoft предлагает Microsoft Agent Framework.

Что бесплатно, а что платно?

Сами библиотеки открыты (лицензии в таблице выше). Платить вы будете за модели по API и за хостинг. Актуальные цены смотрите на официальных страницах провайдеров.

Можно ли обойтись без программирования?

Да, для типовых сценариев хватает n8n с узлом AI Agent. Для нестандартной логики придётся писать код.

Работают ли эти фреймворки в России?

Сами библиотеки устанавливаются как обычные пакеты. Ограничения касаются моделей: OpenAI, Anthropic и Google официально в России не работают, поэтому планируйте модель заранее.