Semantic Kernel
SDK de código abierto de Microsoft para integrar grandes modelos de lenguaje en aplicaciones, con soporte para plugins, memoria y planificación.
- Mantenimiento activo
- Bien documentado
- Licencia permisiva
Descripción general
Semantic Kernel permite a los desarrolladores combinar prompts de LLM con funciones de código nativo como "plugins" intercambiables, dando a un LLM la capacidad de llamar a lógica de aplicación real, y proporciona abstracciones de memoria y planificación para construir funciones de IA más autónomas y de varios pasos. Está diseñado para integrarse de forma natural en bases de código .NET, Python o Java existentes en lugar de requerir una reescritura.
Semantic Kernel encaja en equipos que ya trabajan en el ecosistema de Microsoft (especialmente .NET) y quieren un SDK de orquestación de LLM que se sienta nativo en ese entorno, una alternativa a LangChain (también en este catálogo) con soporte multilenguaje de primera clase, incluida una fuerte integración con .NET.
Por qué está en este catálogo
Valoración del catálogo: ★★★☆☆ (3/5)
Microsoft's LLM orchestration SDK, meaningful overlap with LangChain but distinct enterprise/.NET positioning.
- Maduro
- Respaldado por un proveedor
- Categorías
- IA y Machine Learning
- Palabras clave
- llm-frameworkagent-frameworkdotnet
- Lenguajes
- C#, Python
- Licencia
- MIT
Proyectos relacionados
Pydantic AI
MITFramework de agentes con seguridad de tipos del equipo detrás de Pydantic, que lleva los patrones habituales de tipado y validación de Python al desarrollo de aplicaciones LLM.
Mantenimiento activo
- IA y Machine Learning
LlamaIndex
MITFramework de datos para conectar grandes modelos de lenguaje con tus propios datos —documentos, bases de datos, APIs— para aplicaciones de generación aumentada por recuperación.
Mantenimiento activo
- IA y Machine Learning
Haystack
Apache-2.0Framework de código abierto para construir aplicaciones de búsqueda y RAG (generación aumentada por recuperación) listas para producción con LLMs.
Mantenimiento activo
- IA y Machine Learning
Instructor
MITBiblioteca para obtener salidas de datos estructurados y fiables de LLMs usando APIs de function calling y modelos Pydantic para la validación.
Mantenimiento activo
- IA y Machine Learning
¿Encontraste un error? Sugiere una edición en GitHub.