QueryMT frente a frameworks LLM alternativos

Ningún framework es el mejor para todo. Así se compara QueryMT y cuándo elegir cada opción.

FunciónQueryMTLiteLLMLangChainCrewAIOllama
LenguajeRustPythonPython/JSPythonGo
Cantidad de proveedores17+100+~40~10~5 (local)
Modelo de pluginsWASM/native desde OCIPython packagesPip packagesPip packagesBuilt-in
Proveedores en sandbox————
Agentes definidos por config————
Quórum multiagente———
Red mesh————
Uso compartido sin credenciales————
Desktop MCP (datos del dispositivo)————
Agentes planificados————
Conocimiento persistente——
Inferencia GPU local——✓
Evaluación paralela✓✓———
Soporte MCP✓—✓——
Salida estructurada✓✓✓——
Extensión de VS Code✓————

Cuándo usar QueryMT

  • Quieres agentes guiados por config, no por código
  • Necesitas red mesh o compartir proveedores sin credenciales
  • Quieres acceso a datos del dispositivo vía MCP
  • Necesitas agentes programados y autónomos
  • Te importan los proveedores en sandbox traídos desde OCI

Cuándo usar otra cosa

  • LiteLLM: Necesitas 100+ integraciones de proveedores y te sirve Python
  • LangChain: Quieres un gran ecosistema de chains, retrievers y soporte JS
  • CrewAI: Quieres multiagentes simples basados en roles en Python
  • Ollama: Solo quieres ejecutar un modelo local rápidamente