Vercel AI SDK vs LangChain JS vs LlamaIndex JS: pilih yang tidak menyesal

TL;DR

• Vercel AI SDK: Recommended sebagai default untuk chat, streaming, dan fitur AI standar.
• LangChain JS: Conditional — worth it hanya untuk orchestration kompleks dan multi-agent.
• LlamaIndex JS: Recommended untuk RAG spesifik (document query, knowledge base).

Konteks: kenapa ini penting di 2026

Setahun lalu hampir semua tutorial AI di YouTube pakai LangChain. Sekarang ekosistemnya sudah lebih fragmentasi — Vercel AI SDK naik karena DX-nya, LlamaIndex naik karena RAG use case meledak, dan LangChain masih bertahan karena momentum dan ekosistem plugin.

Masalahnya: banyak dev Indonesia yang pakai LangChain JS karena tutorial lama, bukan karena memang butuh. Hasilnya: boilerplate berlebihan, debugging chain yang tidak transparan, dan maintenance yang berat untuk team 2-3 orang.

Artikel ini ditulis dari sudut pandang Node/TypeScript developer yang peduli pada total cost of ownership — bukan hanya DX hari pertama.

Perbandingan cepat

Kriteria	Vercel AI SDK	LangChain JS	LlamaIndex JS
Bundle size	~45 KB	~2.5 MB (core)	~1.2 MB
Setup time (hello world)	10 menit	25-40 menit	20-30 menit
TypeScript support	Excellent	Good (improving)	Good
Streaming	Native, out of the box	Manual setup	Manual setup
RAG capability	Basic (manual)	Advanced	Excellent (opinionated)
Multi-agent	Terbatas	Excellent	Moderate
Dokumentasi	Sangat baik	Baik, tapi scattered	Baik untuk RAG
Latensi ke Jakarta	Depends on deploy	Depends on deploy	Depends on deploy
Biaya SDK	Gratis	Gratis	Gratis
Lock-in vendor	Tidak	Tidak	Tidak

Vercel AI SDK

Vercel AI SDK adalah pilihan yang paling “tidak menyesal” untuk mayoritas use case. API-nya dirancang untuk developer yang ingin fitur AI berjalan cepat tanpa belajar abstraksi baru.

Streaming adalah highlight utama. streamText dan streamObject works out of the box dengan React, Next.js, Svelte, bahkan vanilla Node. Tidak perlu setup WebSocket manual atau implementasi SSE sendiri. Untuk dev yang baru mulai dengan AI, ini signifikan — salah satu friction terbesar di LangChain adalah setup streaming yang tidak trivial.

import { streamText } from 'ai';
import { anthropic } from '@ai-sdk/anthropic';

const result = streamText({
  model: anthropic('claude-3-5-haiku-20241022'),
  prompt: 'Jelaskan cara kerja JWT dalam bahasa sederhana.',
});

for await (const chunk of result.textStream) {
  process.stdout.write(chunk);
}

Kelemahannya: Vercel AI SDK bukan untuk orchestration kompleks. Kalau Anda butuh chain yang melibatkan 5+ langkah dengan kondisional, memory management antar session, atau integrasi dengan 20 tool berbeda, Vercel AI SDK mulai terasa terbatas. Tool calling ada, tapi orchestration pattern-nya jauh lebih sederhana dari LangChain.

Satu catatan untuk dev Indonesia yang deploy di luar Vercel: SDK ini bisa dipakai di environment mana pun. Nama “Vercel” di depannya tidak berarti harus deploy ke Vercel. Railway, Fly.io Singapore region, atau VPS Biznet/Niagahoster semua works.

LangChain JS

LangChain adalah pilihan yang tepat kalau Anda memang butuh fitur-fiturnya. Masalahnya, banyak dev yang pakai LangChain tanpa benar-benar butuh.

Kelebihan nyata LangChain: ekosistem integrasi terbesar. Lebih dari 100 LLM provider, 50+ vector store, dan ratusan community tool. Kalau proyek Anda perlu integrate dengan infrastruktur yang sudah ada — Elasticsearch, MongoDB Atlas, Pinecone — LangChain probably sudah punya connector-nya. Multi-agent workflow dengan LangGraph (bagian dari ekosistem LangChain) adalah yang paling mature di JavaScript.

import { ChatAnthropic } from '@langchain/anthropic';
import { HumanMessage, SystemMessage } from '@langchain/core/messages';

const model = new ChatAnthropic({ model: 'claude-3-5-haiku-20241022' });

const response = await model.invoke([
  new SystemMessage('Kamu adalah assistant teknis.'),
  new HumanMessage('Apa perbedaan REST dan GraphQL?'),
]);

Kelemahannya terasa di dua area. Pertama, bundle size — 2.5 MB untuk core saja, belum integration. Untuk edge function atau serverless yang size-sensitive, ini pain. Kedua, abstraksi yang berlapis kadang membuat debugging menjadi tidak intuitif. Ketika chain gagal di step ke-3 dari 6, error message tidak selalu jelas. Ini nyata cost di production.

Untuk team Indonesia yang biasanya kecil (2-5 dev), maintenance LangChain project yang kompleks bisa jadi beban. Sebelum pilih LangChain, tanya: apakah saya benar-benar butuh fitur yang tidak ada di opsi lebih simpel?

LlamaIndex JS

LlamaIndex adalah toolkit spesialis. Kalau use case Anda adalah RAG — query dokumen internal, knowledge base, atau data perusahaan — LlamaIndex adalah pilihan terbaik dari ketiganya.

Abstraksinya opinionated untuk RAG: VectorStoreIndex, QueryEngine, RetrieverQueryEngine. Anda tidak perlu buat retrieval pipeline dari nol. Dibanding LangChain yang bisa RAG tapi Anda harus wiring banyak komponen, LlamaIndex punya defaults yang reasonable untuk document query.

import { Document, VectorStoreIndex } from 'llamaindex';

const documents = [
  new Document({ text: 'Konten dokumen internal perusahaan...' }),
];

const index = await VectorStoreIndex.fromDocuments(documents);
const queryEngine = index.asQueryEngine();

const response = await queryEngine.query({
  query: 'Apa kebijakan cuti tahunan?',
});

console.log(response.toString());

Kelemahannya: di luar RAG, LlamaIndex kurang fleksibel. Untuk simple chat tanpa document context, Vercel AI SDK lebih simpel. Untuk multi-agent yang tidak melibatkan dokumen, LangChain lebih capable. LlamaIndex paling worth ketika use case Anda jelas: “chatbot yang query dokumen perusahaan” atau “search knowledge base internal”.

Satu hal yang perlu diperhatikan untuk konteks Indonesia: kalau dokumen Anda dalam Bahasa Indonesia, perlu tes ekstra untuk chunking dan retrieval. Default tokenizer LlamaIndex dioptimasi untuk English. Untuk teks Bahasa Indonesia panjang, eksperimen dengan chunk size dan overlap lebih besar dari default.

Verdict

Pakai Vercel AI SDK kalau:

• Anda baru mulai dengan AI feature di Node/TypeScript project
• Use case Anda adalah chat, completion, atau streaming response
• Tim kecil, tidak ingin maintain abstraksi kompleks
• Deploy di Next.js, Astro, atau framework modern

Pakai LangChain JS kalau:

• Proyek butuh multi-agent atau LangGraph workflow
• Butuh integrasi dengan tool/vector store yang sudah ada (Elasticsearch, Pinecone, dll)
• Team sudah familiar dan ada existing LangChain codebase
• Complex orchestration adalah inti produk, bukan fitur tambahan

Pakai LlamaIndex JS kalau:

• Core feature adalah query dokumen atau knowledge base
• Butuh advanced retrieval (hybrid search, re-ranking) tanpa build dari nol
• RAG adalah primary use case, bukan secondary

Default untuk 2026: Vercel AI SDK. Baru switch ke LangChain atau LlamaIndex kalau ada kebutuhan spesifik yang tidak bisa dicapai dengan lebih simpel. Jangan over-engineer dari awal — AI feature yang berjalan di production lebih berharga dari arsitektur yang sempurna di whiteboard.

Untuk developer Indonesia yang budget-conscious: ketiga SDK ini gratis. Biaya Anda ada di model provider. Claude 3.5 Haiku atau Gemini Flash adalah pilihan cost-efficient untuk volume tinggi — jauh lebih hemat dari GPT-4o kalau Anda hitung per bulan.