Imagen: tookapic / Pixabay
Construir un agente de IA ya no exige programarlo todo desde cero. En 2026 existen frameworks (marcos de desarrollo) que resuelven las piezas repetitivas: conectar el modelo con herramientas, guardar el estado de una tarea larga, coordinar varios agentes y registrar lo que hacen. Esta guía compara los más usados, explica para quién es cada uno y ofrece criterios para elegir. No incluye pruebas de rendimiento propias: se basa en la documentación oficial y en el uso declarado por la comunidad.
Qué hace un framework de agentes
Un agente combina un modelo de lenguaje con un bucle de trabajo: recibe un objetivo, decide qué herramienta usar, observa el resultado y continúa hasta terminar. Los frameworks suelen ofrecer:
- Llamadas a herramientas (buscar en la web, consultar una base de datos, enviar un correo).
- Memoria y estado para tareas que duran minutos u horas.
- Orquestación de varios agentes que se reparten el trabajo o se pasan tareas.
- Controles de seguridad (guardrails) y aprobación humana en pasos sensibles.
- Trazabilidad para revisar qué hizo el agente y por qué.
Un estándar que conviene conocer es el Model Context Protocol (MCP), un protocolo abierto para conectar agentes con herramientas y fuentes de datos. Cada vez más frameworks lo soportan, lo que facilita reutilizar las mismas integraciones con distintos modelos.
Los principales frameworks
LangGraph
Del ecosistema LangChain. Modela el agente como un grafo de pasos con estado explícito, lo que da mucho control sobre flujos largos, reintentos y puntos de aprobación humana. Es una de las opciones más citadas para procesos complejos en producción. Funciona con modelos de distintos proveedores.
OpenAI Agents SDK
Kit oficial de OpenAI, ligero y orientado a lo esencial: agentes, herramientas, traspaso de tareas entre agentes (handoffs), controles de seguridad y trazas. Disponible para Python y TypeScript. Es una buena puerta de entrada si ya trabaja con la API de OpenAI, aunque los flujos muy complejos pueden requerir infraestructura adicional.
Claude Agent SDK (Anthropic)
Kit de Anthropic construido sobre la misma base que Claude Code. Está pensado para agentes que trabajan con archivos, ejecutan comandos y usan herramientas durante tareas largas, con soporte nativo de MCP.
Google Agent Development Kit (ADK)
Marco abierto de Google para construir, evaluar y desplegar agentes. Está optimizado para Gemini y Google Cloud, aunque admite otros modelos. Ofrece versiones para varios lenguajes, entre ellos Python, Java, Go y TypeScript, con funciones que pueden variar según el lenguaje.
Microsoft Agent Framework
Microsoft lo presenta como el sucesor directo de AutoGen y del marco de agentes de Semantic Kernel. Es la opción natural para equipos que trabajan con .NET, Azure y el ecosistema de Microsoft.
CrewAI
Organiza el trabajo como un equipo de agentes con roles (investigador, redactor, revisor). Es fácil de entender para quien empieza y muy usado para prototipos de flujos multiagente.
LlamaIndex
Muy fuerte en agentes que trabajan sobre documentos propios: indexación, búsqueda y recuperación de información (RAG) a partir de PDF, bases de datos o páginas internas.
Tabla comparativa
| Framework | Ideal para | Lenguajes principales | Ecosistema |
|---|---|---|---|
| LangGraph | Flujos largos con control fino | Python, JavaScript | Multiproveedor |
| OpenAI Agents SDK | Agentes ligeros con herramientas | Python, TypeScript | OpenAI (admite otros) |
| Claude Agent SDK | Agentes con archivos y comandos | Python, TypeScript | Anthropic |
| Google ADK | Proyectos con Gemini y Google Cloud | Python, Java, Go, TypeScript | Google (admite otros) |
| Microsoft Agent Framework | Empresas con .NET y Azure | C#, Python | Microsoft |
| CrewAI | Equipos de agentes con roles | Python | Multiproveedor |
| LlamaIndex | Agentes sobre documentos propios | Python, TypeScript | Multiproveedor |
Licencias: qué revisar
La mayoría de estos frameworks se publican con licencias de código abierto permisivas, como MIT o Apache 2.0, que permiten el uso comercial. Sin embargo, las licencias pueden cambiar entre versiones y algunos proyectos ofrecen servicios en la nube de pago aparte del código libre. Antes de usar uno en un producto comercial, revise el archivo de licencia de su repositorio oficial. Recuerde además que el framework es gratuito, pero el uso de los modelos a través de su API tiene coste.
Cómo elegir
- ¿Qué modelo va a usar? Si ya está comprometido con un proveedor, su kit oficial reduce la fricción. Si quiere libertad para cambiar de modelo, prefiera opciones multiproveedor.
- ¿Qué tan complejo es el flujo? Para tareas lineales basta un SDK ligero; para procesos con ramas, reintentos y aprobaciones, conviene un marco con estado explícito como LangGraph.
- ¿Dónde lo va a desplegar? Las integraciones con su nube actual (Google Cloud, Azure, AWS) pueden pesar más que cualquier otra característica.
- ¿Qué sabe su equipo? Un framework en el lenguaje que su equipo domina se mantiene mejor.
- ¿Cómo va a supervisarlo? Priorice herramientas con buen registro de trazas y opciones de aprobación humana.
Ejemplo de arquitectura sencilla
Un caso típico para una pyme: un agente que lee los correos de consultas, clasifica cada mensaje, busca la respuesta en la base de preguntas frecuentes de la empresa y deja un borrador para que una persona lo revise y lo envíe. Necesita tres herramientas (leer correo, buscar en documentos, crear borrador), un paso de aprobación humana y un registro de cada acción. Cualquiera de los frameworks anteriores puede implementarlo; la diferencia está en cuánto control y cuántas integraciones necesita.
Errores comunes
- Dar al agente más permisos de los que necesita.
- No limitar el número de pasos o el gasto por tarea.
- Saltarse la evaluación: probar con pocos ejemplos y pasar directamente a producción.
- Confiar en el contenido externo que el agente lee, sin protección frente a instrucciones maliciosas.
- No registrar las acciones, lo que impide auditar errores.
Para conocer los usos y límites de los agentes en empresas, lea nuestra guía sobre agentes de IA autónomos en 2026. Si su proyecto involucra un sitio WordPress, también puede servirle la guía para integrar herramientas de IA con la API REST de WordPress.
Preguntas frecuentes
¿Cuál es el mejor framework para empezar?
Depende del modelo que use. Los kits oficiales de OpenAI o Anthropic son sencillos para empezar; CrewAI resulta intuitivo para flujos con varios agentes; LangGraph es más exigente, pero ofrece más control.
¿Necesito saber programar?
Sí, estos frameworks están dirigidos a desarrolladores, principalmente en Python o TypeScript. Para usuarios sin experiencia técnica existen agentes listos para usar dentro de las aplicaciones de IA.
¿Son gratuitos?
El código de la mayoría es abierto y gratuito, pero el uso de los modelos de IA a través de sus API se paga según el consumo.
