Frameworks de Agentes IA
Qué cubre este artículo
- Qué frameworks de agentes IA existen y para qué sirven.
- Cuál es el framework adecuado para cada caso de uso.
- Cuáles se ejecutan localmente y cuáles requieren APIs en la nube.
- Enlaces a todos los artículos de frameworks con instrucciones de instalación y ejemplos.
Por qué esta página de frameworks IA
Cada día surgen frameworks de IA modificados y es cada vez más difícil tener una visión clara de qué frameworks de agentes necesitas o deberías probar. Probamos frameworks a diario para creación de contenido, producción de imágenes y videos, y programación.
Quien quiera trabajar con agentes de forma local o basada en la nube encontrará aquí guías prácticas, instrucciones de instalación y comparativas de los frameworks más comunes en el panorama actual de agentes IA.
Por qué necesito un framework
Un modelo de lenguaje por sí solo solo puede generar texto. Para perseguir objetivos, utilizar herramientas y planificar varios pasos, necesitas un framework. Se encarga del ciclo de observar, planificar y ejecutar. Sin un framework, tendrías que programar esta lógica tú mismo.
Un ejemplo: quieres que un agente recopile noticias actuales, las resuma y las escriba en un archivo. Con un framework como LangGraph o CrewAI defines el objetivo y las herramientas. El framework gestiona el ciclo, invoca las herramientas y almacena resultados intermedios. Sin un framework tendrías que codificar cada API, cada paso del ciclo y cada manejo de errores por tu cuenta.
Para quién es esta sección
- Quieres construir agentes IA y buscas el framework adecuado.
- Ya has leído los fundamentos sobre agentes y tool-calling y quieres empezar a practicar.
- Necesitas conocimientos básicos de Python para la mayoría de frameworks. Para Dify y Langflow a menudo es suficiente low-code.
- Puedes trabajar localmente con Ollama o usar APIs en la nube como OpenAI.
Nuestros artículos de frameworks de un vistazo
| Framework | Enfoque | Curva de aprendizaje | Especialmente indicado para |
|---|---|---|---|
| LangGraph | Estados y grafos de decisión | Intermedia | Workflows complejos |
| CrewAI | Roles y tareas | Fácil | Equipos basados en roles |
| AutoGen | Conversaciones y programación | Intermedia | Programación, debugging |
| OpenAI Agents SDK | SDK oficial de OpenAI | Fácil | Prototipos rápidos con API de OpenAI |
| Dify | Plataforma visual de workflows | Fácil | Agentes low-code y RAG |
| Langflow | Interfaz visual de LangChain | Fácil | Prototipos drag-and-drop |
| OpenHands | Agente de programación para repositorios | Intermedia | Edición de código, refactoring |
| AgentVerse | Simulación multi-agentes | Avanzada | Investigación y experimentos |
| Camel AI | Conversaciones basadas en roles | Intermedia | Negociaciones y juegos de rol |
| Codebase Memory | Conocimiento del código | Intermedia | Saber de código para agentes |
| OpenClaw | Control de agentes | Intermedia | Workflows autónomos |
| Agentic AI | Agentes empresariales | Fácil | Automatización de procesos empresariales |
Cuándo usar cada framework
- LangGraph cuando necesites workflows con bucles, condiciones y estados.
- CrewAI cuando quieras construir agentes con roles y tareas claramente delimitadas.
- AutoGen cuando necesites escribir, verificar o explicar código.
- OpenAI Agents SDK cuando quieras experimentar rápidamente con el SDK oficial.
- Dify cuando prefieras hacer clic a escribir código y usar self-hosting.
- Langflow cuando quieras conectar visualmente componentes de LangChain.
- OpenHands cuando necesites editar repositorios reales de forma automatizada.
- AgentVerse cuando quieras explorar escenarios multi-agentes y comportamiento emergente.
- Camel AI cuando necesites simular conversaciones basadas en roles y negociaciones.
- Codebase Memory cuando quieras construir memoria a largo plazo para agentes de código.
- OpenClaw cuando quieras probar workflows autónomos y seguimiento de objetivos.
- Agentic AI cuando necesites implementar agentes IA en procesos empresariales.
Lo más destacado de cada framework
LangGraph, CrewAI y AutoGen
Estos tres frameworks son nuestra puerta de entrada a agentes IA locales. Se ejecutan con Ollama y cubren la mayoría de casos de uso:
- LangGraph - Workflows basados en estado con aristas de decisión.
- CrewAI - Equipos de agentes con roles y tareas.
- AutoGen - Programación y conversaciones multi-turno.
Opciones visuales y low-code
Quien prefiera trabajar con una interfaz encontrará en Dify y Langflow herramientas adecuadas. Ambas se pueden instalar localmente y conectar con Ollama:
Frameworks especializados y experimentales
Para casos de uso avanzados o específicos estos frameworks resultan útiles:
- OpenHands - Edita repositorios reales y ejecuta código.
- AgentVerse - Simula escenarios multi-agentes.
- Camel AI - Conversaciones basadas en roles.
- Codebase Memory - Construcción de conocimiento desde código.
- OpenClaw - Control abierto de workflows autónomos.
- Agentic AI - Enfoque empresarial para procesos empresariales.
Fundamentos antes del framework
Quien comience con agentes IA debe entender primero cómo funciona el tool-calling y en qué se diferencian los agentes de los chatbots.
FAQ - Preguntas frecuentes
¿Cuál es el mejor framework para principiantes?
CrewAI es muy amigable para principiantes. Quien prefiera algo más técnico y basado en estados, comienza con LangGraph. Para interfaces gráficas, Dify o Langflow son opciones adecuadas.
¿Se ejecutan todos los frameworks localmente?
Muchos frameworks de código abierto como LangGraph, CrewAI, AutoGen, Dify, Langflow, OpenHands y Camel AI se pueden ejecutar localmente con Ollama. OpenAI Agents SDK, Agentic AI y algunas opciones empresariales suelen usar APIs en la nube.
¿Qué necesito para empezar?
Conocimientos básicos de Python, un modelo local vía Ollama o LM Studio, paciencia y, según el framework, Docker.
¿Cuándo vale la pena usar OpenHands?
OpenHands es ideal cuando necesites cambiar código en un repositorio, ejecutar pruebas o preparar pull requests.
¿Cuál es la diferencia entre LangGraph y CrewAI?
LangGraph modela agentes como grafos con estados y aristas de decisión. CrewAI trabaja con roles y tareas que los agentes asumen. LangGraph es más flexible, CrewAI es más fácil para comenzar.
¿Cuál es la diferencia entre Dify y Langflow?
Ambas son plataformas visuales. Dify es una plataforma integral para chatbots, RAG y agentes con infraestructura propia. Langflow es una interfaz drag-and-drop para componentes de LangChain. Dify es más todo-en-uno, Langflow más modular.
¿Necesito una GPU para agentes IA?
No necesariamente. Si usas APIs en la nube, un ordenador normal es suficiente. Para modelos locales vía Ollama, una GPU acelera significativamente la inferencia. Los agentes suelen consumir muchos tokens, por eso se recomienda una GPU.
¿Qué modelo necesito para agentes IA?
Para tool-calling y workflows de varios pasos necesitas un modelo potente. Llama 3.1 8B es un buen comienzo. Para agentes más complejos se recomiendan modelos de 13B o superiores. En la nube, GPT-4o o Claude son opciones adecuadas.
¿Puedo usar múltiples frameworks simultáneamente?
Sí. Por ejemplo, puedes usar CrewAI para workflows basados en roles y LangGraph para workflows basados en estados en paralelo. Asegúrate de que ambos puedan acceder a la misma instancia de Ollama.
¿Qué es multi-agentes?
Multi-agentes significa que varios agentes con diferentes roles colaboran. CrewAI y AutoGen son ejemplos. Un agente escribe código, otro lo verifica, un tercero lo documenta.
¿Cuánto cuesta operar un framework?
Los frameworks de código abierto son gratuitos. Los costos provienen de hardware, electricidad y opcionalmente APIs en la nube. Con Ollama y modelos locales, los costos operativos son solo electricidad.
¿Puedo ejecutar frameworks en Docker?
Sí. Dify, Langflow, OpenHands y muchos otros frameworks ofrecen imágenes Docker oficiales. Esto es especialmente útil si quieres ejecutar múltiples servicios aislados.
¿Dónde encuentro los fundamentos de agentes IA?
En la sección Fundamentos de agentes IA encontrarás artículos sobre Qué es un agente IA, Chatbot vs. Agente IA y Tool-Calling.