Агентные фреймворки в 2026 году: рейтинг по реальным внедрениям, как устроен каждый и когда писать свой цикл

В самом аккуратном исследовании агентов в эксплуатации, которое вели Беркли и соавторы (ICML 2026), 17 из 20 опрошенных команд написали собственный цикл. Те, кто берёт фреймворк, выбирают из короткого списка, и LangGraph лидирует в нём по названным кейсам и по опросу разработчиков, если считать вместе с LangChain 1.x, который работает поверх него. В этом обзоре десять фреймворков ранжированы по доказательствам, что их используют названные компании. По каждому разобрано, как он устроен внутри, где подводит и когда его брать. В конце — шпаргалка выбора, в том числе с вариантом «без фреймворка», и отдельный раздел о России.

Коротко

• В исследовании под руководством Беркли 17 из 20 команд с агентами в эксплуатации написали свой цикл. В опросе того же исследования 61% внедрённых агентов работали на фреймворке. Обе цифры верны: они описывают разные команды.
• Рейтинг: LangGraph, OpenAI Agents SDK, Google ADK, Vercel AI SDK, Pydantic AI, CrewAI, AWS Strands, DSPy, Mastra, Claude Agent SDK.
• Фреймворки делятся на два семейства: цикл с сессией или граф с чекпоинтами. Устойчивое исполнение почти везде подключается отдельным пакетом.
• Реальный кейс опубликовала сама компания только у двух фреймворков из десяти (LinkedIn и Dropbox). Остальные кейсы — от вендоров.
• Среди 12 публичных российских ИИ-продуктов «Яков и Партнёры» не нашли готовых агентов; четыре лидера — платформы для сборки агентов. Крупные компании строят собственные контуры управления.

01 · Нужен ли фреймворк вообще: два ответа

Источник: Measuring Agents in Production (Беркли и соавторы, ICML 2026); Datadog, State of AI Engineering.

Самые аккуратные данные по вопросу собраны в исследовании Measuring Agents in Production. Его вели Беркли, Стэнфорд, Университет Иллинойса и другие, работа принята на конференцию ICML 2026. В нём две части, и их расхождение полезно.

В интервью авторы говорили с командами, у которых агенты обслуживают реальных пользователей. 17 из 20 написали собственную реализацию на прямых вызовах API. Внешний фреймворк использовали только трое: LangChain или LangGraph и DSPy. Причины — гибкость, интеграция со своей инфраструктурой, требования безопасности. Ещё одну причину, простоту, авторы формулируют так: основной цикл агента проще написать самим и не тащить лишние зависимости. Две команды перешли с фреймворков вроде CrewAI на собственный код, когда выводили агента в эксплуатацию.

В опросе картина другая: 61% внедрённых агентов работали на фреймворке, лидеры — LangChain и LangGraph с 25%. Выборки разные: интервью набирали через профессиональные контакты авторов, опрос шире.

Ещё две цифры задают рамку. Datadog по своей телеметрии видит агентные фреймворки почти у 18% организаций к началу 2026 года, примерно вдвое больше, чем годом раньше. А в опросе Stack Overflow 2026 лидер, LangChain, набирает 30% среди 4 400 разработчиков, ответивших на вопрос об агентных фреймворках, остальные — 24% и меньше.

Рейтинг фреймворков описывает только часть внедрений, хотя эта часть растёт.

02 · Как мы ранжировали: доказательства важнее популярности

Рейтинг отвечает на один вопрос: насколько сильны доказательства, что фреймворк используют в эксплуатации названные компании. «В эксплуатации» здесь значит, что агент обслуживает реальных пользователей или рабочий процесс компании, и это подтверждено публикацией самой компании или кейсом вендора с названной компанией и конкретикой, не раньше октября 2025 года. Пилот без пользователей не считается. На многих страницах кейсов у вендоров нет даты; такие кейсы мы считали более слабым доказательством, и именно поэтому низ рейтинга наименее надёжен.

Оценка складывается из трёх частей:

• Кейсы. Названные компании в этом окне. Публикация самой компании весит больше кейса вендора.
• Независимое использование. Доля разработчиков, которые пользовались фреймворком за последний год, по опросу Stack Overflow 2026.
• Активность. Коммиты и релизы за год, квартал к кварталу. Архивный проект или ушедший в другой продукт теряет балл.

При равенстве выше тот, у кого больше доля в опросе. Фреймворк без единого названного кейса в окне в десятку не попадает, каким бы популярным он ни был.

Источник: наш подсчёт по рейтингу, октябрь 2026.

Читать рейтинг стоит с одной поправкой. Только у двух фреймворков кейс опубликовала сама компания: LinkedIn о LangGraph и Dropbox о DSPy. Кейсы AWS Strands выходят в блоге AWS, часть написана вместе с клиентом. Остальное — страницы кейсов и анонсы вендоров. Эти кейсы настоящие, но отбирал их вендор.

03 · Рейтинг одной таблицей

#	Фреймворк	Язык	Как исполняется	Кейсы внедрения	Stack Overflow 2026	Подвох
1	LangGraph + LangChain 1.x	Python, TypeScript	Граф, чекпоинт на каждом шаге	LinkedIn, Rippling	19% (LangChain 30%)	Узел после паузы перезапускается с начала
2	OpenAI Agents SDK	Python, TypeScript	Цикл с передачами и сессиями	Один отзыв клиента	24%	19 месяцев в версии 0.x
3	Google ADK	Python, TypeScript, Go	Цикл событий; графы с версии 2.0	Comcast, L’Oréal, Geotab	14%	Часть переопределений 1.x в 2.0 не работает
4	Vercel AI SDK	TypeScript	Цикл инструментов; устойчивый агент	Ramp, Searchable, Stably	9%	Три мажорных версии за 11 месяцев
5	Pydantic AI	Python	Типизированный цикл по графу узлов	Tiger Data, Overjoy	9%	V2 вышла через 9,5 месяца после V1
6	CrewAI	Python	Команды агентов и Flows	PwC, DocuSign	5,5%	Прототип часто переписывают
7	AWS Strands Agents	Python, TypeScript	Цикл, которым управляет модель	Verizon Connect, Motorway	4%	Скачивания не сходятся с другими метриками
8	DSPy	Python	Модули, которые настраивают оптимизаторы	Dropbox	3,6%	Скорее оптимизатор, чем рантайм агента
9	Mastra	TypeScript	Цикл агента и графовые процессы	Workday, Salesforce	3%	~78 минорных релизов за 9 месяцев
10	Claude Agent SDK	Python, TypeScript	Подпроцесс Claude Code CLI	Anything, Salesforce	нет в опросе	Выбирая его, выбираете модель

Источник: Stack Overflow Developer Survey 2026, n = 4 400 ответивших на вопрос об агентных фреймворках.

Граница между 9-м и 10-м местом хрупкая: один балл меняет порядок внизу. Если бы LangChain и LangGraph считались двумя позициями, обе получили бы высокий балл, и Claude Agent SDK выпал бы из десятки. Рейтинг измеряет силу доказательств реального использования.

04 · Два семейства под капотом

Все фреймворки из списка крутят один и тот же основной цикл. Модель решает следующий шаг, инструменты выполняются, результат возвращается в контекст. Цикл останавливается, когда модель выдаёт финальный ответ или упирается в лимит. Различия — в трёх местах: где живёт состояние, как человек подтверждает рискованное действие и задаётся ли цикл кодом или графом.

Источник: документация фреймворков, проверено в октябре 2026.

Цикл и сессия. OpenAI Agents SDK, Vercel AI SDK, AWS Strands, Claude Agent SDK и Pydantic AI дают объект агента и цикл запуска. История хранится в сессии, устойчивость к сбоям подключается, когда понадобится.

Граф с чекпоинтами. LangGraph, Google ADK 2.x, CrewAI Flows и рабочие процессы (workflow) в Mastra позволяют описать процесс узлами и рёбрами и сохранять состояние в заданных точках. Так прогон можно поставить на паузу ради решения человека или продолжить после падения.

Устойчивое исполнение, когда прогон переживает перезапуск процесса, почти везде подключается отдельным пакетом или интеграцией. У Vercel это отдельный устойчивый агент, у OpenAI — интеграции с Temporal, Restate и DBOS, у Pydantic AI — восемь движков на выбор, у Mastra — устойчивые агенты в бете. Исключение — LangGraph: чекпоинты лежат в основе его среды исполнения. Подтверждение человеком встроено в девять фреймворков из десяти. В документации DSPy его нет.

05 · №1 LangGraph (+ LangChain 1.x)

Что это. В собственной документации — низкоуровневый фреймворк и среда исполнения (рантайм) для долгоживущих агентов с состоянием («long-running, stateful agents»). Стабильная версия 1.0 вышла в октябре 2025 года, сейчас 1.2.16, лицензия MIT. create_agent из LangChain 1.x работает поверх LangGraph, так что на практике это один стек.

Из чего состоит. Состояние — типизированная схема; редьюсеры решают, как сливаются обновления, например add_messages дописывает сообщения. Узлы — функции, которые читают состояние и возвращают изменения. Рёбра бывают постоянными и условными. Send раздаёт работу параллельно, Command одним шагом меняет состояние и делает переход. Тот же процесс можно описать через Graph API или через Functional API (@entrypoint, @task) обычным процедурным кодом.

Как исполняется. Цикл супершагов в духе Pregel: выбрать узлы, выполнить их параллельно, применить записи. Записи узла видны только на следующем шаге. Чекпоинтер сохраняет состояние на каждом супершаге под thread_id, по умолчанию асинхронно. Отсюда возобновление после сбоя, повтор прогона и подтверждение человеком: interrupt() ставит паузу, Command(resume=...) продолжает. Хостинг вынесен в LangSmith как Agent Server, и даже самостоятельно развёрнутый сервер требует лицензионного ключа LangSmith.

Кто использует. Инженеры LinkedIn рассказали (доклад на QCon London, InfoQ опубликовал его в декабре 2025 года) о рекрутинговом агенте на LangChain и LangGraph. Поверх фреймворка у них слой адаптеров: сегодня он их устраивает, завтра выйдет другой, и переключиться можно относительно дёшево. Rippling, по кейсу LangChain, держит на нём супервизора с субагентами для более чем миллиона пользователей — на Deep Agents, обвязке LangChain поверх LangGraph. В нашей CRM, AgenticCRM, агент работает на TypeScript-версии: мы используем цикл и стриминг, а подтверждения храним в собственной базе. Остальное приложение обращается к агенту через один интерфейс, так что фреймворк можно заменить — почти как слой адаптеров у LinkedIn.

Подвох. После паузы узел перезапускается с начала, и всё, что стояло до interrupt(), выполняется снова: письмо, отправленное там, уйдёт дважды. Если обернуть interrupt() в try/except, пауза потеряется. Command вместе с постоянным ребром запустит оба маршрута. Работающий поток диалога (thread) подхватывает новую версию графа. Чекпоинты — поверхность атаки: в langgraph-checkpoint исправления десериализации выходили вплоть до версии 4.1.1 (атака требует права записи в хранилище чекпоинтов), а в langchain-core была уязвимость с оценкой CVSS 9.3, закрытая в 1.2.5.

Брать для долгих процессов, которые должны пережить сбой, для подтверждения человеком посреди процесса и для множества параллельных потоков. Не брать для нескольких последовательных вызовов модели. Сами авторы пишут, что главный конкурент любого фреймворка — отсутствие фреймворка.

06 · №2 OpenAI Agents SDK

Что это. Лёгкий фреймворк для многоагентных процессов от OpenAI, не привязанный к одному провайдеру моделей, для Python и JavaScript. Python 0.24.0 (15 октября 2026 года), JavaScript 0.21.0 (20 октября).

Из чего состоит. Agent — модель с инструкциями, инструментами, проверками (guardrails) и передачами (handoffs). Runner запускает агента (run, run_sync, run_streamed). Передача для модели выглядит как инструмент: передача агенту возвратов называется transfer_to_refund_agent. Проверки смотрят на вход, выход и вызовы инструментов. Сессии хранят историю в SQLite, Redis, SQLAlchemy, MongoDB или Dapr. Трассировка встроена.

Как исполняется. Цикл вызывает модель. При передаче он меняет текущего агента и идёт по кругу, при вызовах инструментов выполняет их и идёт по кругу. Заканчивается он на типизированном ответе без вызовов инструментов или исключением MaxTurnsExceeded. Состояние прогона сериализуется, подтверждение задаётся через needs_approval, устойчивые прогоны — через Temporal, Restate или DBOS.

Кто использует. Второе место в опросе Stack Overflow с 24%, после LangChain. Названных кейсов в нашем окне мало: один отзыв клиента (Oscar Health, в анонсе SDK от апреля 2026 года), который мы не смогли сверить с исходной страницей. При этом OpenAI сворачивает визуальный конструктор Agent Builder: он закрывается 30 ноября 2026 года.

Подвох. Версия 0.x уже 19 месяцев, и минорные релизы несут шаги миграции: один потребовал organization и project у клиента, другой сменил модель по умолчанию. Проверки по умолчанию работают параллельно с агентом, и документация предупреждает: если проверка сработала, агент мог уже потратить токены и вызвать инструменты. Входные проверки запускаются только для первого агента в цепочке.

Брать для быстрого старта на моделях OpenAI с передачами между агентами-специалистами. Закрепить версию и перевести проверки в блокирующий режим перед инструментами с побочными эффектами.

07 · №3 Google ADK

Что это. Модульный фреймворк, который применяет принципы разработки ПО к созданию агентов. Он оптимизирован под Gemini, но работает с другими моделями, на Python, TypeScript и Go. Python 2.12.0, TypeScript 2.3.0 и Go 2.6.0 вышли 13 октября 2026 года.

Из чего состоит. Agent (или LlmAgent) — самостоятельная единица с инструкциями, инструментами и поведением. С версии 2.0 Workflow — графовый движок с маршрутизацией, параллельными ветками, циклами, повторами и динамическими узлами. Runner управляет всем; SessionService и MemoryService хранят состояние в памяти, в базе или в Vertex AI. Подтверждение человеком дают Tool Confirmation и RequestInput, а релиз 2.12 добавил require_confirmation для узлов workflow.

Как исполняется. Цикл событий: агент работает, пока ему есть что сообщить, выпускает Event и продолжает только после того, как Runner его обработал. Сервисы в памяти теряют всё при перезапуске, поэтому для реальной работы нужна сессия в базе или Vertex AI.

Кто использует. Comcast перестраивает на ADK своего ассистента Xfinity, L’Oréal и Geotab упомянуты в том же анонсе Google — в цитатах, без цифр. Google сообщает, что через ADK проходит больше шести триллионов токенов в месяц; это самоотчёт. 14% в опросе.

Подвох. Две архитектуры за год. В 2.0 BaseAgent стал наследником BaseNode, и в заметках о миграции сказано: переопределения _run_async_impl() и generate_content() теперь игнорируются без ошибки. Подтверждение инструментов пока не работает с сессиями в базе и в Vertex AI, так что подтверждение человеком и постоянные сессии из коробки не сочетаются.

Брать на Google Cloud и Gemini или когда нужен один фреймворк на Python, TypeScript и Go. Перед обновлением с 1.x составить список своих переопределений и проверить каждое.

08 · №4 Vercel AI SDK

Что это. Набор инструментов на TypeScript для ИИ-приложений и агентов на Next.js, React, Svelte, Vue и Node.js, без привязки к провайдеру. Пакет ai 7.0.150 на 22 октября 2026 года.

Из чего состоит. generateText и streamText для одиночных вызовов, tool() с описанием, схемой входа и execute, и ToolLoopAgent, который документация называет рекомендуемым способом строить агентов. Для устойчивых прогонов есть WorkflowAgent: он сам сохраняет состояние, а подтверждения инструментов переживают границы шагов. Седьмая версия добавила экспериментальные пакеты, которые запускают Claude Code, Codex и другие агенты для кода как агентов внутри вашего приложения.

Как исполняется. Цикл инструментов по умолчанию останавливается через 20 шагов — защита от бесконечного цикла и лишних расходов. Между шагами работает prepareStep. Обычный ToolLoopAgent живёт в памяти: если процесс упал, прогресс потерян.

Кто использует. Datadog называет его среди агентных фреймворков в своей телеметрии, в опросе — 9%. Ramp, Searchable и Stably — на страницах кейсов Vercel.

Подвох. Три мажорных версии за 11 месяцев: 5.0 в июле 2025 года, 6.0 в декабре 2025 года, 7.0 в июне 2026 года, у каждой свой скрипт автоматической миграции кода. В стандартной схеме useChat историю сообщений присылает клиент, поэтому, по словам документации, клиент может подделать подтверждение и обойти шаг с человеком. Защита — experimental_toolApprovalSecret, который криптографически привязывает подтверждения к серверу.

Брать для веб-продуктов на TypeScript со стриминговым интерфейсом. Привязать подтверждения к серверу до того, как инструменты смогут тратить деньги или отправлять данные.

09 · №5 Pydantic AI

Что это. Python-SDK для ИИ: типизированный расширяемый цикл агента, где смена модели — замена одной строки. Делает команда Pydantic. Версия 2.60.0 на 23 октября 2026 года.

Из чего состоит. Agent — контейнер для инструкций, инструментов, типа структурированного ответа, типа зависимостей, модели и настроек. Зависимости внедряются в инструменты и валидаторы через RunContext. Типы ответа заставляют модель возвращать проверенные данные. pydantic-graph — отдельный пакет для явных машин состояний.

Как исполняется. Пять способов запуска, от run до iter, который проходит по узлам графа агента. Память — это история сообщений, которую вы храните и передаёте обратно. Сохранение — от собственной базы до снимков StepPersistence и восьми движков устойчивого исполнения. Подтверждение человеком дают отложенные инструменты (deferred tools).

Кто использует. Больше всего названных клиентов среди лёгких фреймворков, все на сайте вендора: Tiger Data, Overjoy и другие. Overjoy перешёл на него с LangChain, который назвал «overly complicated». 9% в опросе.

Подвох. V1 обещала не ломать код до V2. V2 вышла через 9,5 месяца и удалила сохранение состояния графа. Вендор продаёт инструмент наблюдаемости Logfire, который фигурирует в большинстве его кейсов.

Брать для типизированных агентов на Python, где важна валидация. В документации два полезных правила: не брать «гвоздезабивной пистолет», пока не нужен (про графы), и для хранения истории чата хватит колонки jsonb.

10 · №6 CrewAI

Что это. Открытый Python-фреймворк для многоагентных процессов: автономная совместная работа через Crews и управляемые событиями Flows. Версия 1.15.28 от 14 октября 2026 года.

Из чего состоит. Crew — группа агентов с процессом, по умолчанию последовательным, либо иерархическим. У каждого Agent есть роль, цель, предыстория, инструменты и модель. Task — задание для одного агента. Flows добавляют явные шаги через @start, @listen и @router, типизированное состояние, @persist для сохранения между перезапусками и @human_feedback с версии 1.8.0.

Как исполняется. Crew выполняет задачи в заданном порядке: последовательно или иерархически. Каждый агент делает до 20 итераций, после чего обязан выдать лучший ответ.

Кто использует. На страницах CrewAI названы PwC и DocuSign; DocuSign сообщает об ускорении первого контакта с лидами. Сайт заявляет, что фреймворком пользуются 65% компаний Fortune 500. В опросе Stack Overflow — 5,5% разработчиков, а в исследовании Беркли встретились две команды, которые перешли с фреймворков вроде CrewAI на собственный код.

Подвох. Разрыв между маркетинговым охватом и доказательствами реального использования — самый большой в списке. Документация сама советует начинать рабочее приложение с Flow и предупреждает про MCP: подключать агентов только к тем MCP-серверам, которым вы полностью доверяете. Через вывод инструментов обычно и приходит prompt injection — это видно по 15 публичным случаям.

Брать для прототипов многоагентных процессов с ролями. Для реальной работы начинать с Flow, как советует сама документация. Нужны ли задаче несколько агентов вообще — отдельный вопрос, его мы разбирали в статье «Один ИИ-агент или мультиагентная система».

11 · №7 AWS Strands Agents

Что это. Открытый SDK от AWS для агентов на Python и TypeScript, где циклом управляет модель («model-driven approach»). В документации прямо сказано: выбирайте Strands, если иначе писали бы свой цикл агента. Python 1.62.0 и TypeScript 1.22.0 от 21 октября 2026 года.

Из чего состоит. Agent с циклом, которым управляет модель, инструменты (в том числе MCP-серверы, подключённые как инструменты), хуки, менеджеры сессий и шаблоны для нескольких агентов.

Как исполняется. Вызвать модель, проверить, хочет ли она инструмент, выполнить его и снова вызвать модель с результатом. В цикле есть лимиты на запуск, отмена, причины остановки и параллельные запуски. Лимиты проверяются в начале каждой итерации, поэтому один ход может превысить бюджет токенов. Сессии хранятся через SnapshotSessionManager, файловый менеджер или S3; прерывания дают подтверждение человеком.

Кто использует. Verizon Connect масштабировала агента на Strands до более чем 100 000 пользователей, по блогу AWS; кейс Motorway написан вместе с клиентом. 4% в опросе.

Подвох. Скачивания на PyPI — самая странная цифра в категории. Сумма за две недели выросла с 3,0 до 16,5 млн между началом мая и началом июня 2026 года без сопоставимого роста звёзд, коммитов или доли в опросе. Репозиторий на TypeScript заархивирован, код переехал в монорепозиторий harness-sdk.

Брать на AWS и Bedrock или когда нужен небольшой цикл со встроенными ограничителями.

12 · №8 DSPy

Что это. Фреймворк, чтобы программировать языковые модели вместо подбора промптов, от Stanford NLP. Название расшифровывается как Declarative Self-improving Python. Версия 3.4.1 от 12 октября 2026 года.

Из чего состоит. Сигнатуры описывают вход и выход ("question -> answer"). Модули вроде Predict, ChainOfThought и ReAct оборачивают приём промптинга. Оптимизаторы вроде MIPROv2 и GEPA подбирают промпты и веса под вашу метрику.

Как исполняется. Агент — это модуль ReAct с инструментами, по умолчанию 20 итераций. Сессий, памяти агента и подтверждения человеком в документации нет; «состояние» означает оптимизированную программу.

Кто использует. Самый сильный независимый кейс в списке, хотя средой исполнения агента DSPy здесь не служит. Dropbox настроил с его помощью ИИ-судью релевантности. Ошибка упала на 45% (NMSE с 8,83 до 4,86), адаптация к новой модели сократилась с одной-двух недель до одного-двух дней, а невалидных JSON-ответов у небольшой модели стало 9 вместо 358. 3,6% в опросе.

Подвох. Оптимизатор в Dropbox переобучался и копировал в промпты ключевые слова и имена пользователей. Результаты могут меняться между версиями: в 3.4.1 изменилось поведение GEPA по умолчанию, и итоги оптимизации могут отличаться от 3.4.0 даже с тем же начальным значением генератора (seed).

Брать, чтобы промпты переносились между моделями и настраивались под метрику — она всё равно нужна до запуска (как проверить ИИ-агента). Документация советует начинать с одного модуля dspy.ChainOfThought.

13 · №9 Mastra

Что это. Фреймворк на TypeScript для ИИ-агентов и приложений. Версия 1.0 вышла в январе 2026 года, @mastra/core 1.79.0 на 21 октября.

Из чего состоит. Агенты, которые рассуждают о цели и выбирают инструменты; графовые рабочие процессы с .then(), .branch() и .parallel(); память нескольких видов (история сообщений, семантический поиск, рабочая память); хранилища на libSQL, Postgres, MongoDB или Oracle; оценки (evals). A2A встроен в ядро — единственный такой фреймворк в списке.

Как исполняется. Агент работает, пока не выдаст финальный ответ или не сработает условие остановки. Workflow идут на встроенном движке или на раннерах вроде Inngest. Пауза и возобновление плюс requireApproval дают подтверждение человеком; устойчивые агенты в бете.

Кто использует. Workday перевёл агента для разбора алертов безопасности с Amazon Bedrock Agents на Mastra за 31 день и удалил около 3 000 строк кода — в первую очередь ради локального тестирования. Salesforce использует обвязку Mastra для моделей, кроме Claude. Оба кейса — на сайте Mastra. 3% в опросе.

Подвох. Около 78 минорных релизов за девять месяцев. Каталоги ee/ распространяются под отдельной корпоративной лицензией. Сети агентов объявлены устаревшими и будут удалены в одной из следующих мажорных версий.

Брать командам на TypeScript, которым нужны агенты, рабочие процессы и память в одном пакете. Документация проводит полезную границу: агенты — когда шаги заранее неизвестны, рабочие процессы — для заранее заданных процессов с явным управлением.

14 · №10 Claude Agent SDK

Что это. Те же инструменты, цикл агента и управление контекстом, на которых работает Claude Code, с доступом из Python и TypeScript. Python 0.2.173 и TypeScript 0.3.309 на 22 октября 2026 года.

Из чего состоит. query() для разовых сессий, ClaudeSDKClient для многоходовых диалогов, встроенные инструменты для файлов, команд и веб-поиска, свои инструменты через встроенный MCP-сервер, хуки и проверки разрешений (canUseTool) для подтверждения.

Как исполняется. SDK запускает подпроцесс claude CLI со своей оболочкой, рабочей папкой и файлами сессий на диске и следит за ним — один подпроцесс на сессию. max_turns ограничивает число ходов с инструментами, max_budget_usd — расходы. Сессии хранятся в JSONL-файлах или во внешнем SessionStore.

Кто использует. Anything — кейс Anthropic, а Salesforce использует SDK для моделей Claude (по данным сайта Mastra). Среди вариантов опроса Stack Overflow его нет.

Подвох. Выбирая обвязку вендора модели, вы выбираете модель. Документация предупреждает: такой агент хостится иначе, чем обёртка над API без состояния, — каждый работающий агент это долгоживущий процесс с локальным состоянием. Высокие скачивания, вероятно, отчасти объясняются автоматизацией, которая ставит пакет ради запуска бинарника.

Брать для агентов, которые работают как Claude Code: файлы, оболочка, код. Задать бюджет — документация называет это хорошей настройкой по умолчанию для агентов в эксплуатации.

15 · Кто не вошёл в десятку

• Microsoft Agent Framework. Стабильная версия 1.0 вышла в апреле 2026 года, объединила Semantic Kernel и AutoGen, обещана долгая поддержка. Названных клиентских кейсов с тех пор мы не нашли. Вернётся в рейтинг с первым кейсом.
• AutoGen. В README сказано, что проект архивирован и Microsoft больше его не поддерживает.
• Semantic Kernel. Microsoft называет Agent Framework его преемником, хотя релизы продолжаются (1.81.0 вышел 6 октября).
• Haystack. Версия 3.0 в июле 2026 года и сильные кейсы (Bosch, Еврокомиссия), но на страницах кейсов нет дат, а в опросе Stack Overflow его нет среди вариантов. Ближайший к десятке: он прямо на хрупкой границе 10-го места.
• Llama Stack. 17,4% в опросе Stack Overflow, больше, чем у Google ADK, но названных кейсов в окне мы не нашли.
• LlamaIndex. Переориентировался на обработку документов.
• Agno, smolagents, Letta. Названных клиентов не нашли.

16 · Что в России: платформы и собственные контуры

Российского фреймворка в рейтинге нет: независимых данных об их использовании мы не нашли. Ближайший российский аналог — платформы для сборки агентов. По исследованию «Яков и Партнёры» вместе с Яндексом (июль 2026), из 12 публичных российских ИИ-продуктов четыре лидирующих — именно такие платформы, восемь — ассистенты и чат-боты, а готовых агентов «из коробки» среди них нет. Крупные компании строят собственные контуры управления агентами.

• Сбер. По словам Сбера, которые приводят «Ведомости», его собственный контур координирует более 1 300 агентов в промышленной эксплуатации. На ГигаКонфе в октябре 2026 года Рафаэл Тонаканян сказал, что агенты пишут до 90% кода. Это самоотчёт банка без независимой проверки, часть материалов вышла с пометкой «Реклама». GigaCowork предлагает витрину готовых ролей для агентов с запуском по расписанию и событиям; новые функции пока показаны в демо-режиме.
• Яндекс, МТС, Т1, Сбер. По данным ComNews, все четверо разрабатывают контуры, которые ставят действия агента под контроль и при необходимости подключают человека. Спрос на такие механизмы у Т1 за год вырос примерно втрое. Там же сформулирован главный аргумент: языковая модель не может надёжно отличать данные от команд, поэтому контроль выносят за пределы модели.
• GitVerse. Агентный конвейер Сбера раньше был доступен только крупным компаниям внутри их контура, а теперь в режиме раннего доступа открыт частным разработчикам и малым командам в облаке с собственным ключом модели (BYOK).

Что это значит для выбора (мнение автора). В российских внедрениях вопрос «какой фреймворк» часто упирается в другое: где живут данные, кто подтверждает действия агента и как это проходит требования безопасности. Фреймворк из рейтинга закрывает цикл агента, а контур подтверждений и доступа к данным в любом случае остаётся работой команды.

17 · MCP и A2A — протоколы, а фреймворки строятся поверх них

MCP подключает агента к инструментам и данным, A2A связывает агентов между собой. С фреймворками выше они не конкурируют, поэтому в рейтинг не входят. MCP передан в Agentic AI Foundation при Linux Foundation, а ревизия спецификации июля 2026 года сделала протокол без сохранения состояния. A2A дошёл до версии 1.0 в марте 2026 года, его поддерживают более 150 организаций, но в анонсе не названо ни одного внедрения у клиента.

Фреймворк	MCP	A2A
LangGraph	да	в Agent Server (LangSmith), не в открытой библиотеке
OpenAI Agents SDK	да	в документации не нашли
Google ADK	да	доп. пакет (в Python экспериментально)
Vercel AI SDK	да	в документации не нашли
Pydantic AI	да	отдельный пакет fasta2a
CrewAI	да	доп. пакет crewai[a2a]
AWS Strands	да	доп. пакет
DSPy	доп. пакет dspy[mcp]	в документации не нашли
Mastra	да	встроен
Claude Agent SDK	да	в документации не нашли

18 · Почему скачивания не входят в рейтинг

Источник: pypistats API, метаданные PyPI и GitHub API; наш анализ, октябрь 2026.

За скачивания хватаются первыми почти все рейтинги, и в этой категории они вводят в заблуждение тремя способами.

1. Зависимости. Пакет mcp — обязательная зависимость CrewAI, OpenAI Agents SDK, Claude Agent SDK, Strands и Semantic Kernel, Pydantic AI тоже его тянет. langchain тянет langgraph. Каждая установка одного засчитывается остальным.
2. Всплески без причины в коде. Ежедневные скачивания CrewAI на PyPI выросли примерно с 250 тысяч в апреле до 1,5 млн в середине августа, а в неделю вокруг 25 августа 2026 года упали примерно до 83 тысяч и там остались. Активность в коде в те же недели была ровной. Strands вырос больше чем в пять раз за месяц без похожих изменений в других метриках.
3. Пакеты, которые запускают бинарник. Claude Agent SDK — библиотека, запускающая бинарник Claude Code, поэтому её, вероятно, ставят в автоматизации и CI, где агент работает как процесс.

Причину августовского обвала и скачка Strands мы не нашли. Цифра, которая без видимой причины меняется в 18 раз, не годится для рейтинга реального использования.

19 · Какой под какую задачу и когда писать свой цикл

Источник: наше мнение по рейтингу и устройству фреймворков.

Ваша ситуация	Наш выбор	Почему
Короткий цикл на одной модели, несколько инструментов	Свой цикл	Так сделали 17 из 20 команд с работающими агентами; меньше зависимостей, проще отладка
Долгие процессы, подтверждение человеком посреди процесса, возобновление после сбоя	LangGraph	Чекпоинты и interrupt() — основа рантайма
Быстрый старт на моделях OpenAI, передачи между агентами	OpenAI Agents SDK	Самый лёгкий путь; закрепить версию 0.x
Веб-продукт на TypeScript со стриминговым интерфейсом	Vercel AI SDK	Сделан под фронтенд-стек; подтверждения привязать к серверу
Агенты на TypeScript плюс workflow и память в одном пакете	Mastra	Один фреймворк на всё приложение; следить за темпом релизов
Google Cloud и Gemini или Python вместе с Go	Google ADK	Один фреймворк на три языка
AWS и Bedrock	AWS Strands	Небольшой цикл со встроенными ограничителями
Лёгкий типизированный Python с проверкой ответов	Pydantic AI	Типы и внедрение зависимостей без графа
Промпты должны переноситься между моделями	DSPy	Оптимизаторы подстраивают их под вашу метрику
Агент, который работает как Claude Code	Claude Agent SDK	Тот же цикл и инструменты; долгоживущий процесс на сессию
Российские модели и данные внутри контура	Свой цикл или фреймворк поверх совместимого API	Главное — где живут данные и кто подтверждает действия

Аргументы за свой цикл сильнее, чем признают страницы фреймворков, и их приводят сами авторы фреймворков. Anthropic в руководстве по агентам советует начинать с прямых вызовов API: многие шаблоны укладываются в несколько строк кода. В документации Microsoft Agent Framework написано: если задачу можно решить функцией, пишите функцию вместо ИИ-агента. Авторы LangGraph признают, что главный конкурент любого фреймворка — отсутствие фреймворка.

Практическое правило: начинайте со своего цикла и переходите на фреймворк, когда впервые понадобится одно из трёх. Возобновление после сбоя. Подтверждение человеком посреди прогона. Много долгих потоков одновременно. А если берёте фреймворк, делайте как LinkedIn: держите его за адаптером. Тогда переход на следующий фреймворк из этого списка затронет один слой, а остальное приложение останется как есть.

Рейтинг будет меняться, мы будем обновлять его по мере появления новых кейсов, начиная с Microsoft Agent Framework. На чём работает ваш агент в эксплуатации: на одном из этих фреймворков или на своём цикле?

FAQ

Какой фреймворк для ИИ-агентов чаще всего используют в эксплуатации в 2026 году? LangGraph вместе с LangChain 1.x, который работает поверх него. У него самые сильные доказательства: доклад инженеров LinkedIn о рекрутинговом агенте на нём, больше всего пользователей в опросе Stack Overflow 2026 (LangChain 30%, LangGraph 19%) и первое место среди фреймворков в исследовании под руководством Беркли.

Нужен ли ИИ-агенту в эксплуатации фреймворк? Часто нет. В исследовании под руководством Беркли 17 из 20 команд с агентами в эксплуатации написали собственный цикл на прямых вызовах API. В опросе того же исследования 61% внедрённых агентов работают на фреймворке, а Datadog видит фреймворки почти у 18% организаций.

Почему в рейтинге не учитываются звёзды GitHub и скачивания? Скачивания считают установки, включая прогоны CI и зависимости: шесть фреймворков тянут пакет mcp, langchain тянет langgraph, а ежедневные скачивания crewai выросли примерно в шесть раз с апреля по середину августа, а потом за неделю упали примерно в 18 раз при ровной активности в коде. О том, кто использует фреймворк в эксплуатации, это ничего не говорит.

Чем LangGraph отличается от OpenAI Agents SDK? LangGraph — графовая среда исполнения с чекпоинтом на каждом шаге, interrupt() для подтверждения человеком и возобновлением после сбоя. OpenAI Agents SDK — более лёгкий цикл из агентов, инструментов, передач (handoffs) и проверок (guardrails) с памятью сессии; устойчивые прогоны подключаются через Temporal или DBOS, а версия до сих пор 0.x.

Есть ли российские агентные фреймворки? Ближе всего к фреймворкам — российские платформы для сборки агентов: по исследованию «Яков и Партнёры» (июль 2026), четыре лидирующих российских ИИ-решения относятся именно к ним, но готовых агентов среди 12 публичных продуктов авторы не нашли. Крупные компании строят собственные контуры управления агентами: по словам Сбера, его контур координирует более 1 300 агентов, свои решения развивают Яндекс, МТС и Т1. Для малых команд Сбер открыл в раннем доступе агентный конвейер GitVerse с собственным ключом модели.