PyPI 项目实际导入的 AI agent 框架
发布于 2026 年 11 月 14 日 · 数据截至 2026 年 11 月 13 日
本文的脚本和结果见 GitHub
关于 AI agent 框架的排名通常比较的是功能和 GitHub 星标数。我们读过的七个排名靠前的页面中,有两个是 LangChain 自己的。本文统计的是另一回事:有多少已发布的 Python 项目在其代码中导入了各个框架。覆盖了 25 个框架,从 LangChain 和 LangGraph 到 CrewAI、Pydantic AI、LlamaIndex,以及来自 Anthropic、OpenAI、Google 和 AWS 的 agent SDK。
py-code.org 读取了 354,763 个 PyPI 项目最新发布版本的代码,并记录了每一次导入。我们统计了导入各个框架的项目数量。我们排除了框架自身的附加包,例如众多 langchain-* 集成包,因此统计结果展示的是构建于其之上的项目。
简要回答
| 问题 | 回答 | 关键数字 |
|---|---|---|
| 最多项目导入的 agent 框架是哪个? | LangChain,其次是 LangGraph | 6,779 和 2,417 个项目 |
| 紧随其后的 LangChain 替代品有哪些? | Pydantic AI、CrewAI 和 LlamaIndex,彼此接近 | 1,203、1,184 和 1,111 个项目 |
| 模型厂商的 agent SDK 表现如何? | Claude Agent SDK 和 OpenAI Agents SDK 紧随其后,尽管两者都是 2025 年才首次出现在 PyPI 上 | 973 和 840 个项目 |
| 大多数 LLM 项目使用框架吗? | 不。大多数直接调用 OpenAI 或 Anthropic SDK | 14,659 个中有 11,655 个(79.5%)未导入任何框架 |
结论:LangChain 仍是最多 PyPI 项目导入的 agent 框架,且领先幅度很大。但大多数调用 LLM 的项目根本不导入任何框架,而在替代品中,Pydantic AI、CrewAI 和 LlamaIndex 彼此的差距在 92 个项目以内。
按导入项目数排名的 AI agent 框架
下表统计了代码中导入了各个框架的项目数。“Of the top 60,000”统计的是 PyPI 上下载量最高的 60,000 个项目中导入该框架的项目数。下载量一列是该框架包自身在过去一个月的下载量,数据来自 pypistats.org,“First on PyPI”是包名首次上传的月份。
| 框架 | 项目数 | Of the top 60,000 | 过去一个月下载量 | First on PyPI |
|---|---|---|---|---|
| LangChain | 6,779 | 721 | 157M | 2022-10 |
| LangGraph | 2,417 | 288 | 59M | 2024-01 |
| Pydantic AI | 1,203 | 224 | 6.9M | 2024-05 |
| CrewAI | 1,184 | 127 | 2.6M | 2023-11 |
| LlamaIndex | 1,111 | 156 | 5.8M (llama-index-core) | 2023-02 |
| Claude Agent SDK | 973 | 159 | 36M | 2025-09 |
| OpenAI Agents SDK | 840 | 126 | 19M | 2025-03 |
| Google ADK | 546 | 101 | 11M | 2025-03 |
| Haystack | 379 | 82 | 0.6M | 2023-11 |
| DSPy | 310 | 47 | 5.6M | 2024-04 |
| Deep Agents | 309 | 55 | 8.8M | 2025-07 |
| Strands Agents | 276 | 64 | 38M | 2025-05 |
| AutoGen (Microsoft) | 263 | 32 | 0.4M | 2024-08 |
| AG2 and classic AutoGen | 246 | 28 | 0.2M | 2024-11 |
| Agno | 210 | 38 | 2.2M | 2024-12 |
| smolagents | 170 | 39 | 0.7M | 2024-12 |
| Microsoft Agent Framework | 168 | 34 | 0.2M | 2025-10 |
| Semantic Kernel | 109 | 20 | 0.3M | 2023-03 |
| AgentScope | 56 | 9 | 0.3M | 2024-02 |
| Letta | 36 | 4 | 0.01M | 2024-08 |
| CAMEL | 24 | 3 | 0.06M | 2023-12 |
| Burr | 10 | 1 | 0.02M | 2024-02 |
| Griptape | 7 | 4 | 0.06M | 2023-04 |
| Langroid | 5 | 1 | 0.02M | 2023-07 |
| MetaGPT | 4 | 1 | 0.00M | 2023-07 |
如何阅读此表:一个项目对每个框架只计一次,无论有多少文件导入它;一个项目如果导入了三个框架,则对每个框架各计一次。LangChain 统计任何 langchain_* 模块,包括 langchain_core 和 langchain_community。OpenAI Agents SDK 安装为 openai-agents,但导入名为 agents,许多项目用这个名字指代自己的代码,因此我们的统计只包括导入了该 SDK 公开名称(如 Runner 或 function_tool)的项目。
LangChain vs LangGraph:大多数 LangGraph 项目也导入了 LangChain
6,779 个项目导入了 LangChain,2,417 个项目导入了 LangGraph。两者存在重叠:导入 LangGraph 的 2,417 个项目中,有 1,814 个同时导入了某个 LangChain 模块,只有 603 个是在不导入 LangChain 的情况下使用 LangGraph。LangGraph 本身依赖 langchain-core,而自 1.0 版本起,langchain 包依赖 langgraph(langchain on PyPI)。
Deep Agents 是 LangChain 较新的“agent harness”,构建于同一套技术栈之上,并依赖 langchain(deepagents on PyPI)。有 309 个项目导入它,尽管它直到 2025 年 7 月才首次出现在 PyPI 上。
关键点:LangChain 的替代品往往是与 LangChain 一起使用,而不是取代它。导入 LlamaIndex 的 1,111 个项目中,有 820 个同时也导入了 LangChain;导入 CrewAI 的 1,184 个项目中,有 846 个也是如此。
LangChain 替代品:Pydantic AI、CrewAI 和 LlamaIndex
- Pydantic AI(1,203 个项目)是 Pydantic 团队推出的 agent 框架。其用户使用 Pydantic Logfire 进行 trace 的次数多于任何其他 SDK;参见 PyPI 项目导入了哪些可观测性 SDK。
- CrewAI(1,184 个项目)是除 LangChain 之外附加包最多的:有 160 个 crewai-* 项目导入它,且未计入上述数量。
- LlamaIndex(1,111 个项目)常被拿来与 LangChain 比较:据 Semrush 数据,在美国,“llamaindex vs langchain”和“langchain vs llamaindex”每月被搜索约 1,100 次。
LlamaIndex 与 LangChain 对比
导入 LangChain 的项目数量约为 LlamaIndex 的 6 倍:6,779 对 1,111。许多项目两者都用:820 个项目同时从两者导入模块。下载量差距更大:langchain 上月下载量为 1.57 亿次,而 llama-index-core(每次安装 LlamaIndex 都会包含的包)为 580 万次。
模型厂商的 agent SDK:Claude Agent SDK、OpenAI Agents SDK、Google ADK 和 Strands
这四个框架分别来自 Anthropic、OpenAI、Google 和 AWS,且四者都是 2025 年首次出现在 PyPI 上。同样在 2025 年新推出的 Microsoft Agent Framework 将在下文与 AutoGen 一并介绍。
- Claude Agent SDK(973 个项目,上月下载量 3,600 万次)。Anthropic 将其从 Claude Code SDK 更名而来,迁移指南要求把导入从 claude_code_sdk 改为 claude_agent_sdk(Anthropic 文档)。我们统计了这两个名称。
- OpenAI Agents SDK(840 个项目,1,900 万次下载)。安装名为 openai-agents,导入名为 agents(openai-agents on PyPI)。
- Google ADK(546 个项目,1,100 万次下载)。安装名为 google-adk,导入名为 google.adk。
- 来自 AWS 的 Strands Agents(276 个项目,3,800 万次下载)。安装名为 strands-agents,导入名为 strands。
147 个项目同时导入 Claude 和 OpenAI 的 agent SDK,178 个项目同时导入 OpenAI Agents SDK 与 LangGraph。
AutoGen、AG2、Semantic Kernel 和 Microsoft Agent Framework
AutoGen 已分裂为两条产品线,而 Microsoft 现在把 AutoGen 用户引导至第三个框架。导入计数分散在它们之间:
- Microsoft 的 AutoGen(autogen_agentchat、autogen_core、autogen_ext):263 个项目。其仓库已归档,README 称 Microsoft Agent Framework 是“AutoGen 的企业级继任者”(microsoft/autogen)。
- AG2 与经典 AutoGen(ag2,以及较早的 autogen 模块):246 个项目。从 1.0 版本起,ag2 包“不再提供 autogen 这个导入名”,而是以 ag2 导入(ag2ai/ag2)。
- Microsoft Agent Framework(agent_framework):168 个项目。Microsoft 于 2025 年 10 月发布它,并表示它“将 Semantic Kernel 的企业级基础与 AutoGen 的创新编排统一起来”(Microsoft)。
- Semantic Kernel(semantic_kernel):109 个项目。
两条 AutoGen 产品线合计被 449 个项目导入,远少于 CrewAI 的 1,184 个。有 164 个项目同时导入 CrewAI 和 Microsoft 的 AutoGen。
Haystack、DSPy、Agno、smolagents 及其他
在表格更下方,每个框架只有几百个项目或更少:Haystack(379)、DSPy(310)、Agno(210)、smolagents(170)、AgentScope(56)、Letta(36)和 CAMEL(24)。Burr、Griptape、Langroid 和 MetaGPT 各自只有 10 个或更少的项目。MetaGPT 有 4 个,尽管 Semrush 估计在美国“metagpt”的搜索频率与“google adk”相当,每月约 8,100 次。
原因:一个框架的搜索热度和下载量并不能告诉你有多少项目基于它构建。下载量包括作为依赖被拉入的每一次安装,而搜索量包括只是阅读某个框架但没有使用它的人。导入计数显示有多少已发布项目在代码中调用它。
PyPI 上的大多数 LLM 代码不使用框架
14,659 个项目导入了 OpenAI 或 Anthropic SDK。其中 11,655 个(79.5%)没有导入 25 个智能体框架中的任何一个:它们直接调用模型 API。仅 OpenAI SDK 就被 12,215 个项目导入,超过 LangChain,而 Anthropic SDK 被 7,760 个项目导入。
MCP SDK 让程序可以通过 Model Context Protocol 向 AI 助手提供工具,它被 20,056 个项目导入,超过任何框架。其中 11,921 个(59.4%)在名称或摘要中包含“MCP”或“Model Context Protocol”,这表明大多数是 MCP 服务器和客户端,而不是智能体。
提示:要查看像你的项目如何使用某个框架,可以在 py-code.org 上搜索它的模块,例如 langgraph、pydantic_ai 或 crewai。每个结果都会链接到文件和行。
如何检查谁使用了某个框架
- 在 py-code.org 上,搜索一个模块,查看导入它的下载量最高的项目:langchain_core、llama_index、claude_agent_sdk。
- 从终端:uvx py-code-org who-uses crewai 会列出相同的项目。
你可以在索引的 Hugging Face 副本上,在浏览器中或使用 DuckDB 自行统计导入者。下面的查询会统计导入每个纯模块名的所有项目。与表格一样,它排除了每个框架自己的附加包以及 iflow-mcp* 副本,因此大多数计数与表格一致。少数行不同,例如 LlamaIndex 和 Claude Agent SDK,因为表格还会统计它们的其他名称,例如 claude_code_sdk。
在浏览器中,在 Hugging Face 上
数据集的 SQL 控制台在你的浏览器内运行 DuckDB,而且你不需要账户。在控制台中打开这个查询。第一次运行可能会因“Table with name refs does not exist”而停止,因为它在表加载完成之前就开始运行。再次点击 Run Query:控制台随后会加载 refs 并运行查询。要自己输入,请打开数据集查看器,点击 SQL Console,在 Subsets and Splits 下点击 refs 加载它,并使用 refs 作为表名:
SELECT module, count(DISTINCT project) AS projects
FROM (
SELECT project,
CASE WHEN starts_with(module, 'langchain') THEN 'langchain_*' ELSE module END AS module
FROM refs
WHERE starts_with(module, 'langchain')
OR module IN ('langgraph', 'pydantic_ai', 'crewai', 'llama_index', 'claude_agent_sdk',
'strands', 'dspy', 'deepagents', 'agno', 'smolagents', 'openai', 'anthropic')
)
-- leave out each tool's own packages (langchain-*, crewai-*) and the iflow-mcp copies
WHERE NOT starts_with(lower(project), 'iflow-mcp')
AND NOT starts_with(replace(replace(lower(project), '_', '-'), '.', '-') || '-',
replace(replace(module, '_*', ''), '_', '-') || '-')
GROUP BY module
ORDER BY projects DESC;
在我们的测试中,第一次运行大约花了 4 分钟,大部分时间用于将 4,000 万行 refs 加载到浏览器中。之后的查询只需几秒钟。控制台读取的是数据集的最新构建,该构建每周重建。它在 2026 年 11 月 14 日与这篇文章匹配,其计数会在下次重建后发生变化。
使用 DuckDB,在精确快照上
DuckDB 会从 Hugging Face 原地读取相同的 Parquet 文件。每个路径中的 @9d81d70d… 固定到 2026 年 11 月 13 日的构建,因此这个查询始终给出相同的数字:
SELECT module, count(DISTINCT project) AS projects
FROM (
SELECT project,
CASE WHEN starts_with(module, 'langchain') THEN 'langchain_*' ELSE module END AS module
FROM 'hf://datasets/pypi-data/py-code@9d81d70d6519d77f4dee4811b3e3a5d88379c17d/refs.parquet'
WHERE starts_with(module, 'langchain')
OR module IN ('langgraph', 'pydantic_ai', 'crewai', 'llama_index', 'claude_agent_sdk',
'strands', 'dspy', 'deepagents', 'agno', 'smolagents', 'openai', 'anthropic')
)
-- leave out each tool's own packages (langchain-*, crewai-*) and the iflow-mcp copies
WHERE NOT starts_with(lower(project), 'iflow-mcp')
AND NOT starts_with(replace(replace(lower(project), '_', '-'), '.', '-') || '-',
replace(replace(module, '_*', ''), '_', '-') || '-')
GROUP BY module
ORDER BY projects DESC;
它返回了:
┌──────────────────┬──────────┐
│ module │ projects │
│ varchar │ int64 │
├──────────────────┼──────────┤
│ openai │ 12215 │
│ anthropic │ 7760 │
│ langchain_* │ 6779 │
│ langgraph │ 2417 │
│ pydantic_ai │ 1203 │
│ crewai │ 1184 │
│ llama_index │ 1135 │
│ claude_agent_sdk │ 930 │
│ dspy │ 310 │
│ deepagents │ 309 │
│ strands │ 276 │
│ agno │ 210 │
│ smolagents │ 170 │
└──────────────────┴──────────┘
13 rows 2 columns
本文中每个数字背后的脚本,以及每个框架的精确规则,都在 pypi-data/blog 仓库中,并附有结果。
数字是如何统计的
- 哪些项目。该索引包含 354,763 个项目的最新发布版本:在 2025 年 11 月 13 日至 2026 年 11 月 13 日之间发布的每个项目,再加上下载量最高的 60,000 个项目,即使其最新发布版本更早。自 2025 年 11 月 13 日以来没有发布新版本的项目,只有在属于下载量最高的 60,000 个项目时才会出现在索引中,因此一个用户已停止发布新版本的框架会被低估。
- 什么算作使用某个框架。当项目最新发布版本中的代码在任何地方导入了该框架的模块时,该项目就算作使用该框架,包括测试和示例。
- 排除的附加包。名称以框架自身名称开头的项目,例如 langchain-、llama-index- 或 crewai-,不会计入该框架。我们还剔除了 2,144 个 iflow-mcp_ 项目,这些是他人 MCP 服务器的副本,被重新发布在同一个前缀下。新包文章使用相同规则,但只统计去年发布的项目,因此它给出的 LangChain 数量是 6,721,而不是 6,779。
- 下载量和日期。包下载量是过去一个月的,来自 pypistats.org,获取于 2026 年 11 月 14 日。首次发布日期是包名在 PyPI 上的首次上传时间。“前 60,000 名之中”使用的是该索引自己的排名,该排名来自 ClickHouse 的公开 PyPI 数据集。
常见问题
LangChain。有 6,779 个 PyPI 项目导入 LangChain 模块,2,417 个导入 LangGraph。接下来是 Pydantic AI(1,203)、CrewAI(1,184)和 LlamaIndex(1,111)。
按导入它们的 PyPI 项目数量:Pydantic AI(1,203)、CrewAI(1,184)、LlamaIndex(1,111)、Claude Agent SDK(973)和 OpenAI Agents SDK(840)。许多项目将它们与 LangChain 一起使用,而不是取代 LangChain。
LangChain。有 6,779 个项目导入它,而 LlamaIndex 为 1,111 个,且有 820 个项目同时导入两者。
两者都来自 LangChain 公司,并且自 1.0 版起,langchain 包依赖 langgraph。在导入 LangGraph 的 2,417 个项目中,有 1,814 个也导入 LangChain。
CrewAI。有 1,184 个项目导入它,而 Microsoft 的 AutoGen 为 263 个,AG2 和经典的 autogen 模块为 246 个。Microsoft 已归档 AutoGen,并将 Microsoft Agent Framework 指定为其继任者。
PyPI(Python)项目中最常用的 AI agent 框架
大多数调用 LLM 的 PyPI 项目并不使用任何框架:在导入 OpenAI 或 Anthropic SDK 的 14,659 个项目中,有 11,655 个没有导入本文统计的 25 个框架中的任何一个。
来源
- Hugging Face 上的 py-code.org 数据集,修订版 9d81d70d(13 November 2026)
- pypi-data/blog,本文的脚本和结果
- pypistats.org,月下载量(获取于 14 November 2026)
- PyPI 上的 langchain、deepagents 和 openai-agents
- Anthropic:迁移到 Claude Agent SDK
- GitHub 上的 microsoft/autogen 和 ag2ai/ag2
- Microsoft:推出 Microsoft Agent Framework(October 2025)