用 Go 写后端、CLI 或运维工具时，要把大模型能力接进去，第一个问题往往是：Go 里该用哪个 SDK？生态够不够用？ 和 Python/Node 相比，Go 的 AI 生态更「散」，但近几年已有不少可用方案。本文按云端大模型、MCP、本地模型、RAG 四类场景盘点主流库，并给出选型建议。

一、调用云端大模型：OpenAI 与兼容 API

场景：调用 OpenAI、国产大模型或兼容 OpenAI 协议的 API。

首选：openai-go（github.com/openai/openai-go），OpenAI 官方维护的 Go 库，覆盖 Chat 补全、流式输出、Function Calling、Embeddings、语音与图像等能力，与官方 REST API 保持一致，后续迭代有保障。

备选：sashabaranov/go-openai 是社区里使用多年的老牌库，接口风格偏传统，很多存量项目仍在用。若是新项目，更建议直接上 openai-go，便于跟进官方 API 变更。对接国产或兼容 OpenAI 协议的 API 时，两者一般都只需配置 BaseURL 和 API Key 即可复用。

二、接 MCP：让 AI 用上你的工具与数据

场景：在 Cursor、Claude Desktop 等中接入自建工具或内部 API，需实现 MCP 服务端。

首选：modelcontextprotocol/go-sdk（github.com/modelcontextprotocol/go-sdk），由 MCP 组织与 Google 等合作维护，支持 Tools、Resources、Prompts 三大能力，传输层支持 stdio、HTTP、SSE，与当前 MCP 规范同步，写出的服务可直接被 Cursor、Claude Desktop 等客户端发现和调用。

备选：若希望更少的样板代码或更贴合某种调用方式，可以再看 MCP-Go 等社区封装，它们多基于或兼容官方协议。做 MCP 服务端时，优先选 官方 go-sdk 更稳妥。

三、本地模型：Ollama 与推理服务

场景：本地跑 Ollama 或自建推理服务，用 Go 做调用端。

首选：Ollama 本身用 Go 开发，其仓库 ollama/ollama 中的 api 包（github.com/ollama/ollama/api）就是官方客户端，支持 Chat、Generate、Embed 等操作，通过环境变量 OLLAMA_HOST 即可配置本机或内网地址，接入成本低。

其他推理服务：若对接的是 vLLM、TGI 等自建推理服务，多数提供兼容 OpenAI 的 HTTP 接口，用标准库 net/http 或 go-openai 按相同协议封装一层、改一下 BaseURL 即可，一般无需单独找「官方 Go SDK」。

四、RAG 与 Agent：langchaingo 与自建链路

场景：做 RAG（检索增强生成）、链式调用或简单 Agent，需要文档切块、向量化、检索与 LLM 编排。

一站式方案：langchaingo（github.com/tmc/langchaingo）就是 Go 版的 LangChain，提供 LLM 抽象、chains、agents、embeddings、vectorstores、documentloaders、memory 等模块，用一套库即可完成「文档加载 → 切块 → 向量化 → 检索 → 调 LLM」的 RAG 流程，也支持接入 OpenAI、Ollama、Gemini 等多种模型。若你熟悉 Python 的 LangChain 或希望少写编排代码，可以优先考虑 langchaingo。

自建链路：若不想引入整套框架，也可以自己串：Embedding 用 openai-go 调 API，向量库用 Qdrant、Milvus、Weaviate、Pgvector 等的 Go 客户端，编排层手写「切块 → 向量化 → 检索 → 拼 prompt → 调 LLM」。Google 官方博客与示例仓库中有 Google AI Go SDK + Weaviate 的 RAG 示例，可作参考。选型时可按需求在「langchaingo 一站式」与「轻量自串」之间取舍。

五、选型速查与建议

建议：新项目用 openai-go + MCP 官方 go-sdk + Ollama api；做 RAG 或 Agent 时可选用 langchaingo 一站式搞定，或继续用 openai-go 配向量库自建链路。老项目若已用 go-openai 且稳定可保留，新功能再考虑官方 SDK。依赖建议定期更新并做安全扫描。

写在最后

Go 的 AI 生态在补齐：云端有 openai-go，MCP 有 官方 go-sdk，本地有 Ollama api，RAG 与链式调用则有 langchaingo（Go 版 LangChain）可选，也可用「SDK + 向量库 + 自写流程」轻量实现。按场景选对库，用 Go 做 AI 应用可以少踩坑、快速落地。