Em junho de 2026, seis SDKs dominam os deployments de agentes em produção: LangGraph, CrewAI, OpenAI Agents SDK, Claude Agent SDK, Google ADK e Microsoft Semantic Kernel. O mercado que em 2024 era um laboratório de experimentos tornou-se em 2026 uma disputa de arquiteturas com consequências mensuráveis — a escolha do framework pode alterar a performance de um agente em até 30 pontos percentuais em modelos e tarefas idênticos.

O dado que muda tudo

Dados do benchmark HAL de Princeton mostram que o Claude Opus 4 atinge 64,9% no GAIA dentro de um scaffold de orquestração e 57,6% dentro de outro — uma diferença maior do que a melhoria entre muitos lançamentos de modelos de fronteira.

Traduzindo para o executivo: o modelo que você escolhe importa menos do que a forma como você o orquestra. O framework deixou de ser detalhe de implementação.

Os três modelos mentais que definem o campo

OpenAI Agents SDK trata agentes como cadeias imperativas de handoff. LangGraph os modela como máquinas de estado explícitas sobre um grafo. CrewAI os compõe como equipes com papéis e tarefas declarativas. Cada modelo mental cascateia em cada decisão de design posterior — e migrar definições de ferramentas, esquemas de memória e instrumentação de observabilidade entre frameworks consome rotineiramente um engenheiro por um trimestre.

O que cada um faz melhor

LangGraph é o padrão de produção para workflows complexos e auditáveis. A Klarna roda um agente de atendimento ao cliente no LangGraph que serve 85 milhões de usuários, com redução de 80% no tempo de resolução de chamados. Benchmarks mostram 47% menos custo em tokens do que o CrewAI devido às transições de borda explícitas em vez do roteamento de tarefas guiado por LLM.

CrewAI domina velocidade de prototipagem. É o caminho mais rápido de uma ideia a um protótipo multi-agente funcional — em 2 a 4 horas. Tem suporte nativo de primeira classe ao MCP via campo mcps nos agentes — conectar a um banco PostgreSQL ou workspace do Slack é questão de poucas linhas de configuração YAML.

OpenAI Agents SDK é o caminho mais direto para quem opera no ecossistema GPT. Handoff patterns e guardrails em menos de 100 linhas de código, com suporte a mais de 100 modelos via LiteLLM.

O aviso que o mercado ainda não ouviu direito

A Anthropic recomenda "encontrar a solução mais simples possível" e observa que para muitas aplicações "chamadas únicas de LLM" com recuperação e exemplos são suficientes. A Shopify foi mais direta: "Evite arquiteturas multi-agente no início." O MIT foi mais duro ainda: estágios adicionados ajudam apenas quando adicionam novos sinais exógenos, preservam informações relevantes para decisão, ou fornecem revisão não redundante.

Todo sistema de colaboração que sobreviveu em 2026 tem phase gates, artefatos compartilhados ou um supervisor final. A malha aberta é o que os papers de taxonomia de falhas estavam estudando.

O protocolo que virou critério de seleção

MCP — Model Context Protocol, padrão aberto da Anthropic para conectividade de ferramentas — tornou-se em 2026 um critério real de escolha de framework. O CrewAI cruzou 44.600 estrelas no GitHub e lançou a v1.10.1 com suporte nativo a MCP e A2A. O OpenAI Agents SDK tem suporte nativo a MCP com cinco opções de transporte: Hosted, Streamable HTTP, SSE, Stdio e MCP Server Manager.

A regra prática de 2026

Não existe o melhor framework multi-agente universal em 2026. A escolha certa depende do nível de risco do workflow, requisitos de estado, profundidade de integração e necessidade de supervisão humana. LangGraph é adequado para workflows controlados e com estado; CrewAI para colaboração baseada em papéis; Microsoft Agent Framework para empresas centradas em Azure; e OpenAI Agents SDK para pilotos nativos OpenAI.