🤖 Python библиотеки для AI-агентов — что изучать

Если вы хотите разрабатывать AI-агентов на Python, важно понимать порядок изучения библиотек.
Начните с LangChain, CrewAI или SmolAgents — они позволяют быстро собрать простых агентов, подключить инструменты и протестировать идеи.
Следующий уровень — LangGraph, LlamaIndex и Semantic Kernel. Эти инструменты уже используются для production-систем: RAG, orchestration и сложные workflow.
Самый сложный уровень — AutoGen, DSPy и A2A. Они нужны для автономных мультиагентных систем и оптимизации LLM-пайплайнов.
LangChain — простые агенты, инструменты и память  
github.com/langchain-ai/langchain
CrewAI — мультиагентные системы с ролями  
github.com/joaomdmoura/crewAI
SmolAgents — лёгкие агенты для быстрых экспериментов  
github.com/huggingface/smolagents
LangGraph — orchestration и stateful workflow  
github.com/langchain-ai/langgraph
LlamaIndex — RAG и knowledge-агенты  
github.com/run-llama/llama_index
Semantic Kernel — AI workflow и плагины  
github.com/microsoft/semantic-kernel
AutoGen — автономные мультиагентные системы  
github.com/microsoft/autogen
DSPy — оптимизация LLM-пайплайнов  
github.com/stanfordnlp/dspy
A2A — протокол взаимодействия между агентами  
github.com/a2aproject/A2A