Bibliotheken, die 2025 in Python im Fokus standen

• 2025 war das Jahr, in dem Large Language Models (LLMs) und Agenten-Frameworks explosionsartig gewachsen sind und die Innovation im gesamten Python-Ökosystem beschleunigt haben
• Trotz des LLM-zentrierten Trends wurde eine Top-10-Liste von Bibliotheken ausgewählt, die allgemeine Entwicklung und AI/ML/Data ausgewogen abdeckt
• Der ultraschnelle, in Rust entwickelte Type-Checker ty, das Tool zur Analyse der Codekomplexität complexipy und das Dokumentenverarbeitungs-Framework Kreuzberg repräsentieren den Bereich allgemeiner Bibliotheken
• Im Bereich AI/ML treiben MCP Python SDK, TOON, Deep Agents, smolagents und LlamaIndex Workflows die Innovation bei LLM-Integration und Agentenentwicklung voran
• Diese Liste zeigt, dass sich Python bei Datenverarbeitung, Performance und Developer Experience weiterhin übergreifend weiterentwickelt

---

Überblick

• Tryolabs wählt jedes Jahr wichtige Bibliotheken des Python-Ökosystems aus; dies ist die 11. jährliche Liste
• 2025 nahm die Zahl der Tools rund um LLMs und Agenten stark zu, doch das Auswahlteam vermied bewusst eine einseitige Fokussierung auf LLMs und spiegelte stattdessen die breite Weiterentwicklung von Python wider
• Entsprechend besteht die Auswahl aus den Kategorien Top 10 für allgemeine Entwicklung, Top 10 für AI/ML/Data, Runners-up und Long tail

Top 10 Bibliotheken für allgemeine Entwicklung

• ty — ultraschneller Python-Type-Checker, geschrieben in Rust

  • Automatische Erkennung der Projektstruktur, .venv-Erkennung, Unterstützung für pyproject.toml
  • Inkrementelle Analyse auf Funktionsebene auf Basis von Salsa verbessert die Reaktionsfähigkeit in der IDE
  • Ein weiterer Versuch zur Modernisierung des Toolings durch das Astral-Team nach Ruff und uv

• complexipy — Tool zur Messung der kognitiven Komplexität (cognitive complexity) von Code

  • Basierend auf Forschung von SonarSource quantifiziert es Strukturen, die für Menschen schwer verständlich sind
  • Dank Rust-Implementierung auch bei großen Codebasen schnelle Analyse
  • Unterstützt CLI, Python API, VS-Code-Erweiterung und CI/CD-Integration

• Kreuzberg — mehrsprachiges Framework für Document Intelligence

  • Unterstützt mehr als 50 Dateiformate wie PDF, Office, Bilder und HTML
  • Bietet Sprach-Bindings für Python, TypeScript, Go und weitere Sprachen
  • Verschiedene Bereitstellungsformen wie CLI, REST API, Docker und MCP-Server

• throttled-py — Request-Rate-Limiting auf Basis von fünf Algorithmen (Fixed/Sliding Window, Token/Leaky Bucket, GCRA)

  • Unterstützt In-Memory- und Redis-Storage und ist mit synchronem wie asynchronem Code kompatibel
  • Bietet 2,5- bis 4,5-fach höhere Performance und eine kompakte Konfiguration

• httptap — detaillierte Timing-Analyse und Visualisierung von HTTP-Anfragen

  • Misst DNS, TCP, TLS, Server-Wartezeit und Antwortübertragung Schritt für Schritt
  • Unterstützt Terminal-Waterfall-Ansicht, JSON-/Metrik-Ausgabe und Redirect-Tracking

• fastapi-guard — integrierte Security-Middleware-Lösung für FastAPI

  • IP-Whitelist/Blacklist, Rate Limiting, Erkennung von XSS und SQLi sowie geografische Filterung
  • Unterstützung verteilter Umgebungen durch Redis-Integration, automatische Konfiguration von OWASP-Headern

• modshim — Erweiterung bestehender Bibliotheken über ein Modul-Overlay-Modell

  • Zusätzliche Funktionen ohne Änderung des Quellcodes, als Alternative zu Monkey-Patching
  • Erzeugt virtuell zusammengeführte Module durch Hooking des Import-Systems

• Spec Kit — GitHubs Tool für Spec-Driven Development

  • Wandelt Spezifikationen in ausführbare Blueprints um, die von AI-Agenten implementiert werden
  • Kompatibel mit verschiedenen AI-Tools wie Copilot und Claude Code

• skylos — Tool zur Erkennung von Dead Code und Analyse von Sicherheitslücken

  • Erkennt ungenutzte Funktionen, Klassen und Imports und prüft auf riskante Muster wie SQLi
  • Liefert Ergebnisse auf Basis eines Vertrauenswerts (0–100), Integration in VS Code und CI/CD

• FastOpenAPI — automatische Generierung von OpenAPI-Dokumentation für alle Web-Frameworks

  • Unterstützt acht Frameworks, darunter Flask, Django und Tornado
  • Bietet FastAPI-ähnliches Decorator-Routing und Validierung mit Pydantic v2

Top 10 Bibliotheken für AI/ML/Data

• MCP Python SDK & FastMCP — Implementierung des Model Context Protocol, um LLMs mit externen Daten zu verbinden

  • Das offizielle SDK von Anthropic und FastMCP 2.0 von Prefect ergänzen sich gegenseitig
  • Unterstützung für OAuth 2.1, Enterprise-Authentifizierung und OpenAPI-/FastAPI-Integration

• TOON (Token-Oriented Object Notation) — komprimiertes JSON-Ersatzformat für LLMs

  • YAML-artige Einrückung und CSV-artige Array-Struktur ermöglichen 40–60 % Token-Einsparung
  • Vollständig kompatibel mit JSON, Implementierungen in mehreren Sprachen sind in Arbeit

• Deep Agents — auf LangChain basierendes LLM-Agenten-Framework für langfristige Aufgaben

  • Integrierte Funktionen für Planung, Dateisystemzugriff und Delegation an Sub-Agenten
  • Unterstützt Streaming und persistente Speicherfunktionen durch LangGraph-Integration

• smolagents — leichtgewichtiges Framework für codeausführende Agenten von Hugging Face

  • Einfache Struktur mit rund 1.000 Zeilen, führt Aktionen über Python-Code aus
  • Bietet sichere Ausführungsumgebungen wie E2B-, Docker- und WASM-Sandboxes

• LlamaIndex Workflows — eventbasiertes AI-Workflow-Framework

  • Asynchrone Struktur mit @step und Event, unterstützt parallele Ausführung
  • Statusverwaltung und Wiederherstellung von Checkpoints über ein Context-Objekt

• Batchata — einheitliche Batch-Processing-API für OpenAI, Anthropic und Gemini

  • Unterstützt Kostenlimits, Retries, Wiederaufnahme nach Unterbrechung und strukturierte Ausgabe auf Basis von Pydantic

• MarkItDown — Microsofts Konverter von Dokumenten nach Markdown

  • Unterstützt zahlreiche Formate wie PDF, Word, PPT, Excel, Bilder und Audio
  • Bewahrt eine LLM-freundliche Struktur und integriert Azure Document Intelligence

• Data Formulator — AI-basiertes Tool für Datenvisualisierung von Microsoft Research

  • Kombiniert visuelle Oberfläche mit natürlicher Sprache und erzeugt automatisch Code zur Datentransformation
  • Vega-Lite-basierte Visualisierung, transparente Offenlegung von pandas-/SQL-Code

• LangExtract — Googles Bibliothek zur präzisen Extraktion von Textstrukturen

  • Mapping auf Zeichenpositionen im Originaltext macht die Grundlage der Extraktion visualisierbar
  • Unterstützt zahlreiche Modelle wie Gemini, OpenAI und Ollama und ist für parallele Verarbeitung optimiert

• GeoAI — integriertes Analyse-Framework für AI und Geoinformation von OpenGeos

  • Integriert PyTorch, Transformers und Leafmap und unterstützt Training und Visualisierung von Satellitenbildern
  • Vereinfacht zentrale Geodatenaufgaben wie Landbedeckungsklassifikation und Change Detection

Wichtige Beispiele aus den Runners-up

• AuthTuna — Framework für Authentifizierung und Autorisierung in asynchronem Python
• FastRTC — wandelt Python-Funktionen in Echtzeit-Audio- und Video-Streams um
• hexora — Static-Analysis-Tool zur Erkennung von Malware-Mustern
• opentemplate — Projekt-Template mit aktuellen Einstellungen für Entwicklung, Sicherheit und CI/CD
• Pyrefly — performanter Type-Checker auf Rust-Basis von Meta

Überblick über den Long Tail

• Hunderte Nischenbibliotheken sind nach Themenbereichen sortiert
• Fein unterteilt in AI-Agenten, asynchrone Verarbeitung, Datenpipelines, Webentwicklung, Tests und mehr
• Zeigt die breite Experimentierfreude und den Generationswechsel im Python-Ökosystem

Fazit

• Im Python-Ökosystem 2025 zeichnen sich Performance-Steigerungen auf Rust-Basis, LLM-Integration, Agenten-Automatisierung sowie stärkere Sicherheit und Wartbarkeit als zentrale Trends ab
• Die Liste von Tryolabs belegt, dass Python weiterhin an der Schnittstelle von AI-Innovation und allgemeiner Softwareentwicklung steht