QueryMT frente a frameworks LLM alternativos

Nenhum framework é o melhor para tudo. Veja como o QueryMT se compara e quando escolher cada opção.

RecursoQueryMTLiteLLMLangChainCrewAIOllama
LinguagemRustPythonPython/JSPythonGo
Quantidade de provedores17+100+~40~10~5 (local)
Modelo de pluginsWASM/native desde OCIPython packagesPip packagesPip packagesBuilt-in
Provedores em sandbox————
Agentes definidos por config————
Quorum multiagente———
Rede mesh————
Compartilhamento sem credenciais————
Desktop MCP (dados do dispositivo)————
Agentes agendados————
Conhecimento persistente——
Inferência GPU local——✓
Avaliação paralela✓✓———
Suporte MCP✓—✓——
Saída estruturada✓✓✓——
Extensão do VS Code✓————

Quando usar QueryMT

  • Você quer agentes guiados por config, não por código
  • Você precisa de rede mesh ou compartilhamento de provedores sem credenciais
  • Você quer acesso a dados do dispositivo via MCP
  • Você precisa de agentes agendados e autônomos
  • Você se importa com provedores em sandbox obtidos via OCI

Quando usar outra coisa

  • LiteLLM: Você precisa de 100+ integrações de provedores e Python serve para você
  • LangChain: Você quer um grande ecossistema de chains, retrievers e suporte JS
  • CrewAI: Você quer multiagentes simples baseados em papéis em Python
  • Ollama: Você só quer executar um modelo local rapidamente