Frameworks de agentes: ¿construir directo o adoptar uno?
Un framework es un kit de código ya hecho sobre el que construyes. Los frameworks de agentes como LangGraph y el Agents SDK de OpenAI traen el bucle, el estado guardado y los traspasos entre agentes ya construidos — pero añaden una capa entre tú y el modelo. El consejo de siempre: empieza con llamadas directas a la API y adopta un framework solo cuando tu agente las supere.
El corazón de un agente es un bucle pequeño — unos cientos de líneas de código. Los frameworks venden todo lo que lo rodea. También ponen una capa extra entre tú y lo que el modelo ve en realidad.
Primero, la palabra misma. Un framework es un kit de código ya hecho sobre el que construyes, para no escribirlo todo desde cero. ¿Qué te dan los serios? LangGraph, un framework de agentes muy conocido, te deja trazar flujos de varios pasos como un grafo, pausar para que intervenga una persona, conservar el estado entre sesiones y transmitir los resultados según llegan [1]. El Agents SDK de OpenAI, el framework de la propia OpenAI, se apoya en tres piezas — agentes, handoffs (un agente le pasa el trabajo a otro) y guardarraíles (controles de seguridad) — más sesiones y trazas, un registro de lo que hizo el agente [2]. Son funciones reales. Construirlas bien por tu cuenta lleva tiempo de verdad.
El costo es la capa misma. Esto es lo que significa abstracción: el framework oculta detalles para facilitar las cosas, y ese ocultamiento puede estorbarte. La guía de ingeniería de Anthropic es directa: los frameworks facilitan el arranque, pero pueden esconder los prompts y las respuestas reales, y eso hace más difícil encontrar los problemas. Así que empieza llamando a la API del modelo directamente — muchos patrones son solo unas líneas de código. Si adoptas un framework, asegúrate de entender qué hace por debajo [3].
Adopta un framework cuando tu agente supere unos cientos de líneas — no antes.
Cuándo un framework se gana su lugar
Un framework empieza a rendir cuando tus necesidades coinciden con lo que trae: varios agentes trabajando juntos con enrutamiento real (guía 07), memoria que dura entre sesiones, paradas de aprobación humana en flujos de trabajo largos, o un equipo que quiere una sola forma compartida de construir. La prueba para elegir es simple: escoge el kit más pequeño que cubra esas necesidades y comprueba que aún puedes leer el prompt final que recibe el modelo. Cuando el agente se porta mal, ese prompt es donde empieza la depuración.
Fuentes
- LangChain — LangGraph (langchain.com/langgraph)
- OpenAI — Agents SDK documentation (openai.github.io/openai-agents-python)
- Anthropic — Building effective agents, 19 Dec 2024 (frameworks y abstracción)
Preguntas frecuentes
¿Necesito un framework para construir un agente de IA?
No. El bucle central — un modelo, algunas herramientas, actuar-observar-repetir — son unos cientos de líneas de código contra la API de un modelo, y el consejo de Anthropic es empezar justo ahí. Un framework se gana su lugar más tarde, cuando el estado guardado, las revisiones humanas y la coordinación entre agentes superan al código escrito a mano.
¿Qué ofrecen realmente los frameworks de agentes?
Fontanería lista para usar: formas de repartir el trabajo entre agentes, estado que sobrevive entre sesiones, ganchos de guardarraíles (controles de seguridad), pausas para aprobación humana, streaming y trazas. LangGraph y el Agents SDK de OpenAI son dos ejemplos — formas distintas, el mismo tipo de fontanería.
¿Qué framework de agentes debería elegir?
Elige el más pequeño que cubra tus necesidades reales, en tu lenguaje, y asegúrate de que aún puedes leer los prompts finales que recibe el modelo. Si no puedes ver lo que vio el modelo, no puedes arreglar el agente — eso importa más que una larga lista de funciones.