Frameworks de Agentes

Frameworks de Agentes: Las herramientas para construir autónomos

Si quieres construir agentes (no solo usarlos como usuario), necesitas un framework. Aquí están los principales.

Comparativa general

Framework	Lenguaje	Complejidad	Mejor para	Gratis?
LangChain	Python/JS	Media-Alta	Apps RAG, pipelines complejos	Sí
CrewAI	Python	Baja-Media	Multi-agentes colaborativos	Sí
AutoGen	Python	Media	Investigación, multi-agentes	Sí
OpenAI Agents SDK	Python	Baja	Agentes con tools de OpenAI	Sí
Anthropic SDK	Python/TS	Baja	Agentes con Claude	Sí
PydanticAI	Python	Baja	Agentes tipados y validados	Sí

LangChain

El framework más popular y completo. como el “Django de los agentes de IA”.

Pros

• Ecosistema más grande (plugins, integraciones, templates)
• Documentación extensa
• Soporta cualquier LLM
• LangSmith para observabilidad

Contras

• Puede ser over-engineering para tareas simples
• La abstracción a veces complica en vez de ayudar
• Cambios de API frecuentes (v1 → v2 fue doloroso)

Ejemplo mínimo

from langchain.chat_models import ChatOpenAI
from langchain.agents import AgentExecutor, create_tool_calling_agent
from langchain.tools import tool

@tool
def get_weather(location: str) -> str:
    """Get weather for a location."""
    return f"Sunny in {location}, 25°C"

tools = [get_weather]
llm = ChatOpenAI(model="gpt-4o-mini")
agent = create_tool_calling_agent(llm, tools)
executor = AgentExecutor(agent=agent, tools=tools)

result = executor.invoke({"input": "What's the weather in Mexico City?"})
print(result["output"])  # "Sunny in Mexico City, 25°C"

Cuándo usar LangChain

• Proyectos RAG complejos
• Cuando necesitas muchas integraciones (vectores, APIs, tools)
• Equipos que quieren observabilidad con LangSmith

CrewAI

Framework para crear equipos de agentes que colaboran. Como un equipo de trabajoreal.

Pros

• Interfaz simple y pythonic
• Multi-agentes por diseño
• Roles y tareas claras
• Fácil de aprender

Contras

• Menos integraciones que LangChain
• Menos flexible para casos no estándar
• Comunidad más pequeña

Ejemplo mínimo

from crewai import Agent, Task, Crew

researcher = Agent(
    role="Researcher",
    goal="Find information about {topic}",
    backstory="You are a senior researcher",
    llm="gpt-4o-mini"
)

writer = Agent(
    role="Writer",
    goal="Write an article about {topic}",
    backstory="You are a skilled writer",
    llm="gpt-4o-mini"
)

research_task = Task(
    description="Research {topic} thoroughly",
    agent=researcher
)

write_task = Task(
    description="Write an article based on research",
    agent=writer
)

crew = Crew(agents=[researcher, writer], tasks=[research_task, write_task])
result = crew.run(inputs={"topic": "IA generativa"})

Cuándo usar CrewAI

• Multi-agentes con roles especializados
• Workflows de pipeline (investigador → escritor → editor)
• Prototipos rápidos de sistemas multi-agente

AutoGen (Microsoft)

Framework de Microsoft para conversaciones multi-agente.

Pros

• Agentes que conversan entre sí
• Ejecución de código integrada
• Buena para investigación
• Backing de Microsoft

Contras

• Más complejo que CrewAI
• Documentación puede ser confusa
• Menos intuitivo para tareas simples

Ejemplo mínimo

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent("assistant", llm_config={"model": "gpt-4o-mini"})
user_proxy = UserProxyAgent("user", code_execution_config={"work_dir": "coding"})

user_proxy.initiate_chat(
    assistant,
    message="Write a Python script that sorts a list using merge sort"
)

Cuándo usar AutoGen

• Investigación de multi-agentes
• Cuando los agentes necesitan ejecutar código
• Prototipos where agents talk to each other

OpenAI Agents SDK

El SDK oficial de OpenAI para construir agentes con tools, handoffs y guardrails.

Pros

• Oficial de OpenAI (mejor integración con GPT)
• Simple y bien documentado
• Handoffs entre agentes
• Guardrails de seguridad

Contras

• Solo funciona bien con OpenAI
• Menos flexibles que alternativas open source
• Require OpenAI API key

Ejemplo

from openai import Agent, Runner

agent = Agent(
    name="Assistant",
    instructions="You are a helpful assistant that speaks Spanish.",
    model="gpt-4o-mini"
)

result = Runner.run_sync(agent, "Hola, ¿cómo estás?")
print(result.final_output)

Anthropic SDK (Computer Use)

Anthropic’s SDK para agents que pueden usar computadoras.

Pros

• Integración nativa con Claude
• Computer use (manejar mouse y teclado)
• Tool use robusto
• Buen manejo de context largo

Contras

• Atado al ecosistema Anthropic
• Computer use aún en beta
• Requiere API key de Anthropic

Recomendación por perfil

Si eres…	Usa…	Porque…
Principiante	CrewAI	Más fácil de aprender
Desarrollador Python	LangChain	Más integraciones y comunidad
Investigador	AutoGen	Conversaciones multi-agente
Ya usas OpenAI	OpenAI Agents SDK	Integración nativa
Ya usas Claude	Anthropic SDK	Integración nativa
Quieres algo simple	PydanticAI	Tipado y validación sin overhead

[!TIP] Para most personas que empiezan: CrewAI es el más accessible. Para proyectos serios de producción: LangChain tiene el ecosistema más maduro. Para usar agents directamente sin construir: Hermes Agent o OpenCode (ver capítulos siguientes).

En los siguientes capítulos veremos agentes listos para usar que no requieren programar un framework.