点击上方 前端Q,关注公众号
回复加群,加入前端Q技术交流群
想在前端项目里接入 AI 能力,你一定绕不过这三个名字:「Vercel AI SDK」、「LangChain.js」、「OpenAI SDK」。
它们各自占据一个生态位——有的专注流式渲染和 UI 集成,有的擅长 Agent 编排和 RAG 管线,有的就是官方出品、简单直接。选错了不至于做不出来,但大概率要在半路换工具,甚至重构核心逻辑。
今天这篇文章,我把三个 SDK 拉到一起,从「安装上手、流式对话、Tool Calling、框架集成、多模型切换」五个维度做一次实战对比,帮你在动手写代码之前就选对武器。
先说结论
如果你时间紧,直接看这张表:
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
「一句话总结」:
- 「做 AI 聊天界面 / Next.js 项目」
→ Vercel AI SDK - 「做复杂 Agent / RAG / 多步编排」
→ LangChain.js - 「只调 OpenAI 一家、追求极简」
→ OpenAI SDK
三个 SDK 到底是什么
在具体对比之前,先搞清楚它们各自的"出身"和核心定位。
Vercel AI SDK
- 「GitHub」
:github.com/vercel/ai(22k+ Star) - 「npm 包」
: ai(主包)+@ai-sdk/openai、@ai-sdk/anthropic等 Provider 包 - 「当前版本」
:5.x(2026 年初已发布 6.0 预览)
Vercel AI SDK 本质上是一个「前端 AI UI 工具箱」。它的核心卖点是两个东西:
- 「AI SDK Core」
: generateText、streamText、generateObject等函数,封装了与各家大模型的通信协议 - 「AI SDK UI」
: useChat、useCompletion、useAssistant等 React Hook,帮你用几行代码就搞定一个流式聊天界面
它不关心你的 Agent 怎么编排,也不管你的 RAG 管线怎么搭,它只关心一件事:「让前端和大模型的交互体验做到最好」。
LangChain.js
- 「GitHub」
:github.com/langchain-ai/langchainjs(14k+ Star) - 「npm 包」
: langchain+@langchain/core+@langchain/openai等 - 「当前版本」
:0.3.x
LangChain 最早是 Python 生态的 LLM 应用框架,后来出了 JS 版。它的核心定位是 「LLM 应用编排框架」——帮你把模型调用、Tool Calling、记忆管理、文档检索这些零件"串"成一条完整的处理链。
它的模块很多:Chain(处理链)、Agent(自主决策体)、Memory(对话记忆)、Retriever(检索器)、Tool(工具)……每个模块都是可插拔的,自由组合。
「优点是灵活性无敌,缺点是概念多、学习曲线陡」。
OpenAI SDK
- 「GitHub」
:github.com/openai/openai-node(8k+ Star) - 「npm 包」
: openai - 「当前版本」
:4.98.x
这个最简单——就是 OpenAI 官方出的 Node.js / TypeScript 客户端。它不是框架,不是工具箱,就是一个「调接口用的 SDK」。
2025 年底 OpenAI 推出了 Responses API 替代原来的 Chat Completions API,新 SDK 同步支持了这套新接口。功能上,它支持流式输出、Function Calling、文件上传、图片生成等 OpenAI 全量 API。
「最大限制」:只能调 OpenAI 的模型。你想换 Claude 或者 Gemini,这个 SDK 就帮不了你。
实战对比一:最简流式对话
做一个流式 AI 对话,三者的开发体验差距非常大。
「Vercel AI SDK」 的做法是:后端用 streamText() 一行发起流式请求,前端用 useChat() Hook 直接接——消息列表、输入状态、流式拼接、错误处理全部内置。两个文件、不到 30 行代码,一个完整的流式聊天界面就出来了。
「LangChain.js」 和 「OpenAI SDK」 的后端流式调用都不复杂(各自十来行),但它们都「没有前端 Hook」。你需要自己处理 fetch + ReadableStream + TextDecoder,自己管理 SSE 解析、消息拼接和状态更新——这些"胶水代码"加起来,轻松翻倍。
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
useChat
|
|
|
|
|
|
|
|
「如果你做的是带前端界面的 AI 应用」,Vercel AI SDK 在这个环节的优势是碾压级的。
实战对比二:Tool Calling
Tool Calling 是 AI 应用的标配能力——让 AI 自己决定什么时候调用外部工具。三者的核心差异在于「怎么定义工具参数」。
「Vercel AI SDK」 和 「LangChain.js」 都用 「Zod」 定义参数 Schema,类型安全、自带校验。区别在于 LangChain.js 的 Tool 定义后可以通过 bindTools 挂到任意 Agent/Chain 上复用,可组合性更强。
「OpenAI SDK」 用的是原生 JSON Schema——没有 Zod 那么爽,但不依赖任何额外库,直接照着 OpenAI 文档抄就能跑。需要注意的是,OpenAI SDK 拿到 Tool Call 结果后「需要你自己写分发逻辑」去匹配和执行对应函数,而另外两个 SDK 都能在定义时直接绑定执行逻辑。
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
实战对比三:框架集成
Vercel AI SDK 是「唯一一个为前端框架提供官方 Hook 的 AI SDK」——React、Svelte、Vue、Solid.js 全覆盖。一个 useChat 就帮你管了消息列表、输入状态、流式拼接、加载态、错误处理和重新生成,写起来就像"AI 版的 useForm"。
「LangChain.js」 是"后端优先"的框架,不提供任何前端 UI Hook。但好消息是它可以「和 Vercel AI SDK 混着用」——后端跑 LangChain.js 的 Agent 编排,前端用 useChat 做 UI,Vercel AI SDK 官方文档里有专门的集成指南。
「OpenAI SDK」 和前端框架没有任何集成,纯 HTTP 客户端,前端怎么渲染全靠你自己。
实战对比四:多模型支持
你的项目以后会不会需要切换或新增模型?这个问题决定了你今天选谁。
「Vercel AI SDK」 通过 Provider 插件机制支持 「40+」 模型厂商(OpenAI、Anthropic、Google、Azure、DeepSeek……)。每个厂商一个包,但对外 API 完全一致——你的业务代码「只需改一行 model 参数」就能切换模型,其余代码零改动。
「LangChain.js」 支持 「13+」 Provider,所有模型实现了统一的 BaseChatModel 接口,换模型改构造函数即可,而且可以直接插到 Chain 和 Agent 里用,不需要改任何编排逻辑。
「OpenAI SDK」 只对接 OpenAI 自己的 API。想加 Claude 或 Gemini?要么再装一个对应厂商的 SDK,要么换 Vercel AI SDK / LangChain.js。
实战对比五:Agent 编排能力
当你的 AI 应用需要"自己决定调哪些工具、按什么顺序处理",三者的差距就拉开了。
「Vercel AI SDK」(5.0+)通过 maxSteps 参数支持多轮自动 Tool Calling——AI 会循环"思考→调用工具→观察结果"直到完成任务。对简单到中等复杂度的 Agent 场景完全够用,但做不了多 Agent 协作、条件分支、状态图这类复杂编排。
「LangChain.js」 是这个环节的「绝对主场」。配合 「LangGraph.js」,你可以做到:
- 「State Graph」
—— 用图结构定义 Agent 决策流程 - 「Supervisor 模式」
—— 一个"管理者" Agent 协调多个"专家" Agent - 「Memory」
—— 短期记忆(对话上下文)和长期记忆(跨会话) - 「Human-in-the-Loop」
—— 在关键步骤让人类审核后再继续
如果你的产品需要做"AI 自动处理工单"、"AI 辅助数据分析"这类复杂场景,LangChain.js + LangGraph.js 是目前 JS 生态的最优解。
「OpenAI SDK」 本身不提供 Agent 编排能力。OpenAI 推出了 Agents SDK(@openai/agents),但生态远不如 LangChain。
选型决策树
说了这么多,到底该选哪个?我画了一个决策流程图:
整理成文字就是:
「场景一:做 AI 聊天界面 / AI 产品前端」
→ 「Vercel AI SDK」。useChat 一把梭,流式渲染、状态管理、多模型切换全搞定。
「场景二:复杂 Agent 编排 / RAG 知识库 / 多 Agent 协作」
→ 「LangChain.js」(后端)+ 「Vercel AI SDK」(前端)。用 LangChain.js 的 Agent 和 Retriever 做后端逻辑,用 Vercel AI SDK 的 Hook 做前端展示。
「场景三:只调 OpenAI 的模型,功能简单,追求最小依赖」
→ 「OpenAI SDK」。最轻量、最直接、没有任何多余抽象。
「场景四:不确定以后会不会换模型」
→ 「Vercel AI SDK」 或 「LangChain.js」。两者都有良好的多模型抽象,以后换模型成本很低。
「场景五:全栈项目,前后端都有复杂需求」
→ 「LangChain.js + Vercel AI SDK」 混搭方案。这不是非此即彼的选择——两者可以完美配合。
三个 SDK 能混着用吗?
可以,而且很多项目就是这么干的。
最常见的搭配是:「后端用 LangChain.js,前端用 Vercel AI SDK」。后端搭建 Agent 编排管线,通过 SSE 返回流式结果;前端用 useChat Hook 接收并渲染。两者通过标准 HTTP 流协议对接,互不侵入。
甚至你也可以在后端同时用 OpenAI SDK 做简单的直连调用(生成摘要、翻译),同时用 LangChain.js 做复杂的 Agent 任务。「它们不是互斥的。」
避坑指南
几个我实际踩过的坑,提前告诉你:
「1. LangChain.js 的版本混乱」
LangChain.js 的包拆分经历过好几次调整。现在的推荐做法是用 @langchain/core + 具体 Provider 包(如 @langchain/openai),尽量少直接依赖主包 langchain。如果你在网上看到的教程用的是 import { ChatOpenAI } from 'langchain/chat_models/openai' 这种写法,那已经过时了。
「2. Vercel AI SDK 不一定要部署在 Vercel」
虽然名字带 Vercel,但这个 SDK 完全可以跑在任何 Node.js 环境上——Express、Fastify、Hono、AWS Lambda 都行。不要因为名字就把它和 Vercel 平台绑定。
「3. OpenAI SDK 的 Responses API vs Chat Completions API」
OpenAI 2025 年底推出了 Responses API 作为新的推荐接口,但 Chat Completions API 仍然可用。如果你的项目需要兼容其他 OpenAI 兼容接口(比如本地部署的 Ollama),建议继续用 Chat Completions API,因为大部分兼容层还没适配 Responses API。
「4. 包体积要注意」
LangChain.js 的完整安装体积不小(加上各种依赖可以到几十 MB)。如果你只需要其中一小部分功能,考虑只装具体的子包而不是整个 langchain。Vercel AI SDK 和 OpenAI SDK 相对轻量。
总结
三个 SDK 各有所长,没有"绝对最好"的选择,只有"最适合你场景"的选择。
|
|
|
|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
最后一个建议:「不要过早引入 LangChain.js」。如果你的需求就是一个简单的聊天界面 + 基本的 Tool Calling,Vercel AI SDK 一个就够了。等真正需要复杂 Agent 编排、RAG 检索、多 Agent 协作的时候,再把 LangChain.js 引进来做后端——这样你的架构是"渐进增强"的,不会一开始就背上不必要的复杂度。
「选对武器,事半功倍。」
推荐资源:
- 「Vercel AI SDK 文档」
:https://sdk.vercel.ai - 「LangChain.js 文档」
:https://js.langchain.com - 「OpenAI SDK GitHub」
:https://github.com/openai/openai-node - 「LangGraph.js 文档」
:https://langchain-ai.github.io/langgraphjs/
往期推荐
最后
欢迎加我微信,拉你进技术群,长期交流学习...
欢迎关注「前端Q」,认真学前端,做个专业的技术人...
支持我吧

