O Mapa dos SDKs de Agentes em 2026
Do final de 2025 ao primeiro trimestre de 2026, o mercado de SDKs de agentes entrou de uma vez na era dos 5 líderes. Anthropic Agent SDK (suporte a Python/TypeScript, v0.9), Vercel AI SDK 5 (integração de `generateText` + `experimental_agent`), LangGraph Studio (abordagem de máquina de estados da família LangChain), Mastra (framework leve nativo TypeScript) e OpenAI Assistants v2 (versão mais recente integrada à Responses API) — esses cinco representam diferentes filosofias de design.
O que importa é que eles não são simples "wrappers de LLM". São plataformas abrangentes projetadas para tratar loop de agente, chamadas de ferramentas, persistência de estado, observabilidade, subagentes, execução paralela e política de retry em caso de falha. A decisão de implantar em produção passou a depender mais da escolha do SDK do que da qualidade do modelo.
Anthropic Agent SDK: A Implementação Referência do Loop ReAct
O Anthropic Agent SDK é um SDK que extrai o próprio motor interno do Claude Code, tendo o `ClaudeAgentClient` como eixo central e uma API simples que se completa com `agent.run()`. O loop segue o padrão puro ReAct, gerenciando automaticamente a ida e volta de mensagens `tool_use` e `tool_result` internamente. O que merece destaque é que "ferramentas de memória" e "compressão de contexto" são integradas nativamente — em conversas longas que excedem 200K tokens, o resumo e o salvamento são feitos automaticamente.
A versão Python é fornecida via `anthropic.agent.AgentClient`, e a TypeScript via `@anthropic-ai/agent-sdk`. A inicialização de subagentes é feita de forma transparente com `agent.spawn_subagent()`, e o uso de tokens entre pai e filho pode ser medido individualmente. Em produção, é possível atribuir chaves de API independentes por subagente para granularizar a auditoria de custos.
As definições de ferramentas são compatíveis com JSON Schema e registradas com o decorador `@tool` (Python) ou `defineTool()` (TypeScript). Combinado com a funcionalidade Managed Agents, é possível hospedar agentes rodando em serverless no lado da Anthropic, eliminando a necessidade de operar o próprio runtime.
Vercel AI SDK 5: Integração com UI e Otimização de Streaming
O ponto forte do Vercel AI SDK 5 é a refinada integração com frontend. Basta chamar `experimental_agent` a partir do hook `useChat` para declarar de forma declarativa o streaming de UI durante a execução de ferramentas, exibição progressiva de resultados parciais e pausa/retomada. A integração com o Next.js App Router é densa, e o padrão de iniciar agentes via Server Actions se tornou o padrão de facto.
O loop de agente tem viés Plan-and-Execute, e é possível inserir middleware por unidade de `step`. O callback `onStepFinish` inspeciona a saída de cada passo, e quando há violação de guardrail o loop pode ser interrompido. A camada de abstração que permite trocar entre vários provedores (Anthropic, OpenAI, Google, Mistral) também é excelente, e em muitos casos o código do lado da chamada permanece inalterado mesmo ao mudar de modelo.
Por outro lado, para workflows que precisam de máquinas de estado profundas (como fluxos de aprovação com intervenção humana), o SDK fica um pouco aquém, e o uso em conjunto com LangGraph se torna a opção prática.
LangGraph Studio: Agente como Máquina de Estados
O LangGraph radicaliza o mental model de "agente = grafo dirigido". Nós são processamentos, arestas são condições de transição, e o `StateGraph` dirige o loop. Demonstra poder expressivo avassalador em casos que requerem design explícito de fluxo de controle: ramificações condicionais, ciclos, human-in-the-loop e checkpoints.
Na versão 2026, o LangGraph Studio (Web IDE) entrou em GA, e visualização de grafos, execução passo a passo e confirmação de diff de estado ficam completos no navegador. Persistir `Checkpoint` no Postgres permite que o "debug de viagem no tempo" — bifurcar e reexecutar a partir de qualquer estado passado — atinja nível prático mesmo em produção. Porém, o custo de aprendizado é o mais alto entre os cinco.
Para montar agentes do tipo Tree Search (avaliar múltiplas ramificações de exploração e adotar a melhor), o LangGraph é atualmente o mais adequado — a implementação padrão usa a API `Send` para executar nós de ramificação em paralelo e pontuar no nó de convergência.
Mastra e OpenAI Assistants v2
O Mastra é um framework leve nativo TypeScript composto por 3 primitivos: `Agent`, `Workflow` e `RAG`. Ele envolve levemente o Vercel AI SDK 5 e se destaca por oferecer um modelo orientado a eventos compatível com Inngest como engine de workflow. Adequado para startups que precisam de inicialização rápida.
O OpenAI Assistants v2 foi amplamente renovado com a integração à Responses API, consolidando o modelo trabalhoso de `threads` e `runs` em uma única chamada `responses.create()`. File Search, Code Interpreter e Function Calling são de primeira classe, e o sandbox de execução do Code Interpreter em particular é mais maduro que o dos concorrentes neste momento.
Observabilidade: Langfuse, Arize e LangSmith
O que mais faz diferença em operações de produção é a observabilidade. O Langfuse é OSS com possibilidade de self-hosting e, sem o conceito de custo por trace, é incomparavelmente mais barato em operações de larga escala. O Arize Phoenix é forte em avaliação, sendo escolhido pela automação de jobs de avaliação offline. O LangSmith tem a integração mais fluida com LangGraph — a distribuição de latência por nó de grafo pode ser vista com um clique.
Na KGA, usamos Langfuse em produção, Arize no CI de avaliação e LangSmith apenas em projetos LangGraph. Com a entrada em GA no Q1 de 2026 das convenções semânticas do OpenTelemetry (atributo `gen_ai.*`) e a padronização da saída de traces no lado dos SDKs, trocar de backend ficou muito mais fácil do que antes.
Critérios para Escolher Cada SDK
Integração com frontend e prioridade em UX: Vercel AI SDK 5. Produção com modelos Anthropic com máxima velocidade e qualidade: Anthropic Agent SDK. Máquinas de estado complexas e fluxos de aprovação humana: LangGraph. Startups TypeScript: Mastra. Modelos OpenAI + Code Interpreter obrigatório: Assistants v2. Decidir por esses 5 eixos raramente leva a erros grandes.