Frameworks de agentes IA: LangGraph, CrewAI, AutoGen… ¿cuál aprender?

Aprenda LangGraph si su prioridad es controlar los pasos, el estado y las validaciones de un agente; elija CrewAI si su problema encaja de forma natural en tareas asignadas a agentes especializados. Para un proyecto nuevo, conviene reconsiderar AutoGen: su repositorio oficial indica ahora que está archivado y remite a su sucesor. La elección de un framework de agentes IA depende, sobre todo, del proceso que deba ejecutar y de los errores que necesite controlar, más que del número de agentes que aparezcan en una demostración.

Qué aporta un framework a su aplicación

Un framework proporciona componentes para conectar un modelo de lenguaje, herramientas y una lógica de ejecución. Puede organizar los mensajes, conservar un estado, delegar una tarea o suspender el procesamiento. No sustituye las reglas de negocio ni los permisos de su aplicación.

La primera distinción está en quién determina el recorrido. En un flujo de trabajo, su código define los pasos y las bifurcaciones; en un agente, el modelo tiene cierto margen para decidir qué acciones realizar. Una aplicación puede combinar ambos enfoques: comprobar campos mediante código, pedir un análisis al modelo y esperar después una autorización antes de escribir datos.

Esta distinción de arquitectura aparece en Building effective agents. El artículo también explica las ventajas de empezar con una solución sencilla, aunque la propia página advierte de que las herramientas disponibles han cambiado desde su publicación. Aquí sirve como referencia conceptual, no como catálogo actualizado.

Antes de elegir una biblioteca, describa lo que necesita sin recurrir a terminología de agentes. Por ejemplo: recibir un documento, extraer la información, comprobar que esté completa y preparar una respuesta. Si conoce de antemano todo el recorrido, puede bastar con una función que llame a un modelo.

El framework resulta útil cuando debe gestionar bifurcaciones, interrupciones o una coordinación que complicaría demasiado su código. Nuestro artículo sobre los métodos para crear un agente IA sitúa esta opción entre las demás formas de abordar el desarrollo.

Elegir según el trabajo que deba organizar

Empiece por identificar la dificultad principal: un bucle de llamadas a herramientas, un proceso de negocio controlado o un reparto de tareas. La siguiente tabla compara posibles arquitecturas para su aplicación. No es una clasificación de productos.

Arquitectura	¿Quién decide el recorrido?	Estado que debe conservarse	Validación necesaria	Principal dificultad
Llamada al modelo dentro de una función	Su código	Entrada y resultado	Comprobación del resultado	Definir una salida que pueda utilizarse
Agente con herramientas	El modelo, dentro de límites definidos	Mensajes y resultados de las herramientas	Antes de las acciones sensibles	Detener los bucles y gestionar los errores
Flujo de trabajo con pasos basados en agentes	Su código, con decisiones locales del modelo	Avance del caso y decisiones	En las transiciones sensibles	Reanudar tras una interrupción
Equipo de agentes especializados	Una orquestación explícita o delegada	Entregables y traspasos de información	Sobre los entregables y las acciones	Evitar intercambios innecesarios

Esta elección debe preceder a la del framework. Una herramienta centrada en equipos no obliga a multiplicar los participantes; un motor de grafos también puede dirigir un único agente.

Para conocer las diferencias entre productos, consulte las comparativas específicas: CrewAI vs LangGraph, CrewAI vs AutoGen y LangGraph vs AutoGen. Aquí el objetivo es determinar qué conocimientos le conviene adquirir para su proyecto.

Puede consultar las fichas, las licencias y los registros de actividad en el directorio de agentes y frameworks de IA. Estos indicadores ayudan a examinar un proyecto, pero no miden su capacidad para resolver las tareas concretas de su aplicación.

LangGraph: aprender a definir el recorrido de forma explícita

LangGraph encaja en aplicaciones donde necesita explicar por qué un paso sigue a otro. Usted representa las operaciones y sus transiciones, y hace que compartan un estado a lo largo del proceso. Es un enfoque pertinente para un caso que deba pasar por un análisis, una comprobación y una validación humana.

Su documentación oficial lo presenta como una infraestructura de orquestación de bajo nivel para agentes con estado y procesos de larga duración. Destaca, entre otras funciones, la persistencia, las interrupciones para intervención humana y la combinación de pasos deterministas y pasos basados en agentes. También aclara que no es necesario utilizar LangChain, aunque los ejemplos suelen emplear sus componentes.

Por tanto, el aprendizaje se centra en modelar el proceso: definir qué contiene el estado, qué condición permite avanzar y qué ocurre si el usuario rechaza una acción. Estas decisiones pasan a formar parte del programa, en lugar de quedar únicamente como instrucciones para el modelo.

La documentación sobre persistencia distingue entre los puntos de control de una ejecución y el almacenamiento de información compartida entre varias ejecuciones. Esta separación ayuda a diferenciar el avance de un caso de una memoria duradera sobre el usuario.

La dificultad de aprendizaje procede de esas decisiones explícitas. Para un asistente básico, podría terminar construyendo una orquestación que todavía no necesita. De hecho, la documentación recomienda un nivel de abstracción más alto a quienes empiezan y buscan un bucle de agente ya preparado.

Elija LangGraph cuando su principal ejercicio consista en suspender, inspeccionar y reanudar un proceso. La guía de referencia de LangGraph le permite profundizar después en esta arquitectura.

CrewAI: aprender a repartir responsabilidades

CrewAI utiliza un vocabulario basado en agentes, tareas y equipos. Su presentación oficial se articula en torno a dos elementos: las Crews, que reúnen agentes para realizar un trabajo, y los Flows, que organizan la ejecución de la aplicación.

Este vocabulario encaja con problemas cuyas responsabilidades pueden separarse. En un ejercicio de preparación de documentación, podría distinguir la recopilación, la síntesis y la verificación de referencias. Se trata de un ejemplo didáctico, no de una prueba de que varios agentes vayan a producir un resultado mejor.

Para que el aprendizaje sea útil, defina el entregable de cada tarea antes de redactar los roles. La recopilación debe aportar documentos identificados; la síntesis debe distinguir los hechos de las incertidumbres; la verificación debe poder rechazar una afirmación. Asignar nombres de puestos no basta para garantizar estos comportamientos.

No reduzca CrewAI a una conversación entre personajes. Los Flows que documenta el proyecto permiten organizar procesos basados en eventos, gestionar un estado e introducir condiciones o bucles. Proporcionan una estructura para las partes del trabajo que deben comportarse de manera previsible.

La dificultad que debe vigilar es la coordinación. Un traspaso impreciso puede obligar al siguiente agente a reconstruir el contexto o llevarlo a tratar una hipótesis como un hecho. Defina un formato para transmitir la información, una responsabilidad clara y una condición de parada.

CrewAI merece su atención si quiere aprender a descomponer una misión en entregables diferenciados. Empiece, aun así, con el mínimo de roles necesario y añada una especialización solo cuando ayude a corregir un error observado.

AutoGen: comprobar su estado antes de seguir un tutorial

Actualización documental del 24 de octubre de 2026: el repositorio oficial de AutoGen indica que el proyecto está archivado y que Microsoft ya no lo mantiene. Especifica que la empresa ha dejado de proporcionar correcciones, incluidas las de seguridad, y soporte. El repositorio recomienda Microsoft Agent Framework a los nuevos usuarios.

Este último se presenta como su sucesor. Por tanto, no conviene interpretar el cambio como un simple cambio de nombre de la biblioteca: una aplicación existente requiere un proceso de migración y una comprobación de su comportamiento.

La documentación de Microsoft Agent Framework describe agentes, flujos de trabajo e integraciones, con componentes para el estado y las herramientas. Si empieza desde cero en este ecosistema, examine esa documentación actual antes de elegir un curso.

Aprender AutoGen sigue teniendo sentido para comprender o retomar una aplicación existente. En ese caso, empiece por identificar las dependencias que utiliza realmente y los comportamientos que debe conservar. Un ejemplo encontrado en internet puede corresponder a una arquitectura distinta de la de su aplicación.

Antes de migrar, prepare un conjunto de tareas representativas. Conserve las entradas, las herramientas disponibles, los resultados esperados y los errores conocidos. Ejecute después esas mismas tareas en la nueva implementación: conseguir que el programa arranque no demuestra que sus decisiones sigan siendo aceptables.

Para adquirir una base general, dedicar tiempo a una solución que se mantenga activamente evita construir su proyecto alrededor de una transición ya anunciada.

Un recorrido de aprendizaje que le ayude a decidir

Los requisitos previos son prácticos: saber escribir funciones, gestionar errores, llamar a una API y proteger sus credenciales. También debe poder leer los mensajes que se intercambian con el modelo. Sin esa visibilidad, las abstracciones del framework dificultan el diagnóstico.

Utilice un ejercicio acotado: atender una solicitud a partir de documentos proporcionados y preparar una respuesta, sin enviarla automáticamente. Este ejercicio permite observar cómo el sistema decide sus pasos sin encargarle una acción externa.

1. Defina las condiciones de la tarea. Especifique las entradas admitidas, la salida esperada y los motivos de rechazo. Aclare qué debe ocurrir cuando falte información.
2. Construya un recorrido mínimo. Mantenga un único agente o una sola llamada al modelo mientras separar el trabajo no aporte un beneficio identificable.
3. Añada una herramienta controlada. Empiece por leer datos a los que tenga acceso autorizado. Compruebe los argumentos antes de transmitir la solicitud al servicio correspondiente.
4. Provoque una interrupción. Simule un servicio no disponible, una respuesta con formato incorrecto y una validación rechazada. Observe el estado que se conserva y el punto desde el que se reanuda la ejecución.
5. Examine los registros de ejecución. Revise las llamadas al modelo y a las herramientas, los tiempos de espera y las correcciones humanas. Decida después si la arquitectura responde a su necesidad.

Este recorrido sirve para evaluar tanto su comprensión como el framework. Si no puede explicar cómo se reanuda una ejecución o por qué se rechaza una acción, vuelva a una estructura más sencilla.

Antes de continuar, compruebe que su prototipo cumple estas condiciones:

• El resultado esperado está descrito sin depender del framework.
• Los fallos de las herramientas tienen un tratamiento explícito.
• Las acciones sensibles requieren una autorización verificable.
• La ejecución tiene una condición de parada.
• Los registros permiten localizar el origen de un error.

Problemas frecuentes: costo, reanudación y permisos

El prototipo funciona, pero consume demasiado. Separe las llamadas necesarias de los intercambios de coordinación. Mida el costo de una tarea aceptada e incluya los intentos rechazados y las reanudaciones. Que una biblioteca sea de libre acceso no significa que las llamadas al modelo o el alojamiento sean gratuitos.

El agente repite una acción después de un fallo. Guardar un estado no garantiza que un servicio externo no haya ejecutado ya la operación antes de la interrupción. Su aplicación debe poder identificar una operación realizada, por ejemplo, mediante un identificador de solicitud. Pruebe este caso antes de permitir cualquier acción de escritura.

La respuesta parece correcta, pero no se puede verificar. Conserve los documentos utilizados y los resultados de las herramientas. Un texto fluido no permite saber si un dato procede de una fuente o de una suposición.

Un contenido externo influye en los permisos. Trate los documentos, las páginas y los mensajes recibidos como datos. Su aplicación debe hacer cumplir la autorización para enviar, modificar o eliminar información. La misma regla se aplica cuando un agente transmite una solicitud a otro.

El framework estructura la ejecución; su aplicación sigue siendo responsable de los permisos, la autenticación y las reglas de negocio. Evalúe estas responsabilidades por separado de la comodidad que ofrecen las abstracciones.

Qué debe tener presente antes de elegir

• Aprenda LangGraph para modelar un estado, transiciones e interrupciones de forma explícita.
• Aprenda CrewAI cuando la división en tareas y responsabilidades responda a su necesidad.
• En el caso de AutoGen, tenga en cuenta el estado actual del repositorio y la transición hacia Microsoft Agent Framework.
• Base su elección en un ejercicio verificable: resultado aceptado, errores gestionados, costo observado y reanudación controlada.

Preguntas frecuentes

¿Qué framework de agentes IA conviene aprender para empezar?

Aprenda primero a llamar a un modelo y ejecutar una herramienta desde su código. Después, elija un nivel de abstracción adecuado para el proyecto: un bucle predefinido para un asistente sencillo o una orquestación explícita para un proceso con validaciones y reanudaciones.

¿Hay que aprender LangChain antes que LangGraph?

No es un requisito técnico: la documentación indica que LangGraph puede funcionar sin LangChain. Sin embargo, para aprovechar el control que ofrece, necesita comprender los mensajes, las herramientas y los intercambios con el modelo.

¿Sigue siendo AutoGen una buena opción para un proyecto nuevo?

El repositorio oficial consultado para esta actualización indica que el proyecto está archivado y que Microsoft ya no lo mantiene. Recomienda Microsoft Agent Framework a los nuevos usuarios. Conviene tener presente este cambio antes de seguir un tutorial antiguo.

¿Un framework de agentes IA puede funcionar con un modelo local?

Depende del conector disponible y de las capacidades del modelo elegido. Compruebe especialmente las llamadas a herramientas, los formatos de salida esperados y el comportamiento ante errores: establecer la conexión no basta para validar el agente.