Frameworks 2026 — Claude Agent SDK, LangGraph, AutoGen, CrewAI

TL;DR

O ecossistema de frameworks para agents em 2026 estabilizou em 5 grandes opções: Claude Agent SDK (oficial Anthropic), LangGraph (mais popular para workflows complexos), CrewAI (multi-agent role-based), AutoGen (Microsoft, conversational), Pydantic AI (TypeScript/Python type-safe). Mas o movimento crescente é “sem framework”: SDK raw + 500 linhas de código próprio. Frameworks engessam, mudam frequentemente, são difíceis de debugar. Use framework quando o pain de não ter excede o pain de ter.

O panorama em uma tabela

Framework	Linguagem	Forte em	Quando usar
Claude Agent SDK	Python	Integração nativa Claude, MCP	Comprometido com Claude
LangChain / LangGraph	Python, JS	Ecossistema enorme, workflows complexos	Múltiplas integrações + state graph
CrewAI	Python	Multi-agent role-based	Protótipos multi-agent
AutoGen	Python	Conversational multi-agent	Pesquisa, experimental
Pydantic AI	Python	Type-safe, structured outputs	Times type-first
Vercel AI SDK	TypeScript	Frontend Next.js/React + LLM	SPA/webapp com IA
Sem framework	Qualquer	Controle total, debug fácil	Time experiente, use case estável

Claude Agent SDK

Framework oficial da Anthropic para construir agents com Claude.

from anthropic import Anthropic
# (Claude Agent SDK abstrai o loop, tools, observabilidade)
 
agent = Agent(
    model="claude-sonnet-4-6",
    tools=[search_tool, read_tool],
    max_steps=15,
    observability=langfuse_client
)
 
result = agent.run("Pesquise X e sintetize")

Prós:

• Integração nativa com Claude (tool use otimizado)
• Observabilidade built-in
• Suporte nativo a MCP

Contras:

• Lock-in Anthropic (otimizado para Claude)
• Menos maduro que LangChain

Use quando: comprometido com Claude e quer o melhor do Claude.

LangChain / LangGraph

O framework mais popular para agents em Python/JS.

• LangChain: abstrações de “chain” e “agent”, muitas integrações
• LangGraph: layer para grafos de execução, stateful workflows, cycles, branches

from langgraph.graph import StateGraph
 
class AgentState(TypedDict):
    messages: list
    findings: list
 
graph = StateGraph(AgentState)
graph.add_node("researcher", researcher_fn)
graph.add_node("writer", writer_fn)
graph.add_edge("researcher", "writer")

Prós:

• Ecossistema enorme, integra com tudo
• LangSmith para observabilidade
• StateGraph é poderoso para multi-agent

Contras:

• Abstrações pesadas
• Mudanças frequentes (debugging difícil)
• Curva de aprendizado íngreme

Use quando: projetos que precisam de múltiplas integrações e estão ok com overhead.

CrewAI

Framework especializado em multi-agent orchestration.

from crewai import Crew, Agent, Task
 
researcher = Agent(role="Researcher", goal="Find sources")
writer = Agent(role="Writer", goal="Synthesize findings")
 
task = Task(description="Research X", agent=researcher)
crew = Crew(agents=[researcher, writer], tasks=[task])
crew.kickoff()

Prós:

• Paradigma claro de “crew” (papéis + tarefas)
• Boa para ideação e protótipos

Contras:

• Menos maduro
• Documentação variável

Use quando: protótipos multi-agent, ideação rápida.

AutoGen (Microsoft)

Framework de multi-agent conversational.

Prós:

• Paradigma claro de conversação
• Suporte a human-in-the-loop

Contras:

• Mais acadêmico, menos otimizado para prod
• Output pode ser caro (agents conversam muito)

Use quando: pesquisa, experimentação multi-agent.

Pydantic AI

Framework type-safe focado em structured outputs.

from pydantic_ai import Agent
 
class ResearchResult(BaseModel):
    findings: list[str]
    sources: list[str]
    confidence: float
 
agent = Agent(
    "claude-sonnet-4-6",
    result_type=ResearchResult,
    tools=[search, read]
)
 
result = agent.run_sync("Pesquise X")
print(result.data.findings)  # type-safe

Prós:

• Type-safe (Pydantic validation)
• Structured outputs garantidos
• Bom DX

Contras:

• Menos integrações que LangChain

Use quando: time prefere type-first development.

Vercel AI SDK

Framework para aplicações Next.js/React com LLM.

Prós:

• Excelente DX em frontend
• Streaming nativo, hooks React

Contras:

• Focado em aplicações web
• Não para agents servidor-puros

Use quando: SPA/webapp com IA.

”Sem framework” — o movimento crescente

Em 2026, muita gente está voltando para SDK raw + código próprio. Razões:

Simon Willison e devs senior

“Frameworks são abstrações que engessam. Um agent de 500 linhas em TypeScript raw é mais fácil de debugar, mais fácil de otimizar custo, mais fácil de adaptar.”

Quando “sem framework” vence:

• Time sabe o que está fazendo
• Use case estável (não muda toda semana)
• Custo importa muito
• Debug é prioritário

Quando framework vale:

• Time precisa de muitas integrações
• Velocidade de prototipagem > controle
• Time menos experiente

Heurística de escolha

graph TB
    A["Vou começar agent"] --> B{"Time experiente?"}
    B -->|sim| C{"Use case<br/>estável?"}
    B -->|não| D["LangChain/LangGraph<br/>(ecossistema)"]
    C -->|sim| E["Sem framework<br/>(SDK raw)"]
    C -->|não| F{"Stack?"}
    F -->|"Claude-first"| G["Claude Agent SDK"]
    F -->|"Multi-LLM"| D
    F -->|"Type-safe"| H["Pydantic AI"]
    F -->|"Frontend"| I["Vercel AI SDK"]

A pergunta de teste

“O pain de manter framework excede o pain de manter código próprio?”

Se sim → use framework. Se não → comece sem.

Anti-patterns

• Framework como religião — escolheu LangChain, força em tudo
• Framework para protótipo — overhead em algo que ia mudar
• Sem framework + sem disciplina — código vira spaghetti
• Trocar framework no meio — custo enorme, raramente vale
• Framework cutting-edge em produção — versões mudam, breakages

Métricas para avaliar adoção

Métrica	Alvo
Tempo até primeiro agent funcional	<2 dias
Linhas de código de glue	<500
% de bugs que vêm do framework	<30%
Curva de onboarding novo dev	<1 semana

Veja também

• 01 - O que é um agent
• 02 - O loop ReAct e native tool use
• 06 - Multi-agent — orchestrator e sub-agents
• 10 - OpenCode — o harness open source
• 13 - Devin e agentes autônomos cloud

Referências

• Anthropic — Claude Agent SDK docs (2026)
• LangChain — python.langchain.com (2026)
• CrewAI — docs.crewai.com (2026)
• AutoGen — microsoft.github.io/autogen (2026)
• Pydantic AI — ai.pydantic.dev (2026)
• Vercel AI SDK — sdk.vercel.ai (2026)
• Simon Willison — blog on agents and frameworks (2024-2026)