Frameworks de agentes de IA: comparativa (LangGraph/CrewAI/AutoGen)

¿Qué es un framework de agentes?

Un framework de agentes es una biblioteca de software o un entorno de ejecución que va más allá de las simples llamadas a la API de un LLM. Según el criterio de Blck Alpaca, reúne al menos cuatro de los seis componentes siguientes: una abstracción de agente (instrucción, herramientas y modelo como unidad componible), una capa de tool calling / function calling con gestión de errores, gestión de estado a lo largo de varios pasos, orquestación para flujos de varios pasos o multiagente, observabilidad/tracing para depuración y auditoría, y hooks de producción como human-in-the-loop, guardrails y streaming.

Los fabricantes ponen el acento en aspectos distintos: en «Building Effective Agents» (diciembre de 2024), Anthropic distingue los workflows (rutas de código predefinidas) de los agentes, que dirigen sus propios pasos de forma dinámica. LangChain describe LangGraph como «low-level orchestration framework […] for long-running, stateful agents». Microsoft habla de un «unified agent framework» con una base pensada para la empresa. Esta página ofrece una visión general, neutral respecto a los fabricantes, de los frameworks más importantes para responsables de decisiones y tech leads de toda Europa.

Los tres clásicos: LangGraph, CrewAI, AutoGen

LangGraph (LangChain Inc., EE. UU.) modela los agentes como un grafo de nodos y aristas y está diseñado para producción con estado y procesos de larga duración. La versión actual es la 1.2.0 (12.05.2026). Sus puntos fuertes son el control de bajo nivel, la durable execution, el human-in-the-loop, una observabilidad madura con LangSmith y la cadena de herramientas más amplia gracias al ecosistema LangChain (más de 750 herramientas). Sus puntos débiles son la curva de aprendizaje que impone el modelo mental de grafos, cierta verbosidad (según análisis de terceros, 120 líneas de código en lugar de 40 para un agente ReAct) y el árbol de dependencias de LangChain. Según el repositorio de LangChain, Klarna, Replit, Uber, LinkedIn y Elastic, entre otros, usan LangGraph en producción.

CrewAI (crewAI Inc., EE. UU.; v1.10.1, Q1 2026) sigue un modelo mental basado en roles con Crews y Flows orientados a eventos. Está limitado a Python, se concibió como solución independiente (sin herencia de LangChain) y admite MCP y A2A de forma nativa. Su punto fuerte es el prototipo multiagente más rápido; sus puntos débiles, una abstracción que se vuelve opaca con más de cinco agentes y, según análisis de terceros, un sobrecoste de tokens de alrededor del 18 % en configuraciones de 3 agentes. En el comunicado de prensa sobre su 2026 State of Agentic AI Survey (Business Wire, 11.02.2026), CrewAI afirma en su perfil corporativo que su plataforma la utiliza el 60 % de las empresas estadounidenses de la Fortune 500. La cifra no es un resultado de la encuesta (500 directivos de nivel C y alta dirección de empresas con al menos 100 millones de USD de facturación y 5.000 empleados, siete regiones). Es una afirmación del fabricante que no ha sido auditada de forma independiente.

AutoGen queda absorbido por su sucesor: según la hoja de ruta de Microsoft, AutoGen está en modo de mantenimiento y el foco estratégico está en Microsoft Agent Framework, que integra los conceptos de AutoGen en un nuevo motor de workflows basado en grafos (techcommunity.microsoft.com, abril de 2026). Si hoy empiezas un proyecto nuevo con AutoGen, planifica desde el principio la ruta de migración a Microsoft Agent Framework.

Los SDK de los proveedores: OpenAI, Anthropic, Microsoft

OpenAI Agents SDK (lanzamiento: 11.03.2025) es un framework ligero, Python-first, con abstracciones mínimas. La actualización «The next evolution of the Agents SDK» (15.04.2026) añadió ejecución nativa en sandbox y un harness nativo del modelo para tareas de larga duración. Sus puntos fuertes son el menor tiempo hasta la primera demo, el constructor visual AgentKit y el soporte de primer nivel para MCP y AGENTS.md. Sus puntos débiles son la atracción hacia los modelos de OpenAI y una API que sigue en v0.x. OpenAI desactivó el 26 de agosto de 2026 la antigua Assistants API; según OpenAI, las nuevas integraciones pasan por la Responses API.

Claude Agent SDK surgió el 29.09.2025 a partir del Claude Code SDK y ofrece un harness de agentes de alta calidad con subagentes, sesiones, hooks y permisos y sandbox integrados. MCP es compatible de forma nativa. Un punto importante para evaluar la licencia: el código está bajo Apache 2.0, pero el uso se rige por los Anthropic Commercial Terms, así que no es un modelo puramente open source. El SDK está ligado a los modelos Claude y sigue en fase v0.x, con breaking changes.

Microsoft Agent Framework tiene disponibilidad general (GA) desde el 03.04.2026 (Public Preview desde el 01.10.2025), se publica bajo licencia MIT y viene con un compromiso explícito de LTS. Unifica Semantic Kernel y AutoGen (cuyos proyectos predecesores sumaban más de 75.000 estrellas en GitHub), ofrece soporte de primer nivel para .NET además de Python, soporte nativo de A2A y MCP, y seis proveedores intercambiables con una sola línea (Azure OpenAI, OpenAI, Anthropic, Bedrock, Gemini, Ollama). Sus puntos débiles son la juventud de la versión GA y la sospecha de lock-in por su integración con Azure AI Foundry.

Conviene tener en cuenta otros dos frameworks: Pydantic AI (v1.95.0, 13.05.2026, MIT) apuesta por la seguridad de tipos, la independencia del proveedor y la observabilidad nativa con Logfire en una región de la UE. n8n (n8n GmbH, Berlín) es la única solución desarrollada en la región DACH (Alemania, Austria y Suiza) con nodos de agente nativos basados en LangChain y licencia fair-code.

Tabla comparativa

Datos a 13 de mayo de 2026. Las versiones y el número de estrellas reflejan solo un momento concreto.

Criterios de selección: ¿qué framework y cuándo?

La elección sigue una ruta de decisión. Primero, la pregunta de Anthropic: ¿Necesito realmente un framework? Con solo una o dos herramientas sin estado suele bastar la llamada directa a la API del LLM. A partir de unas tres herramientas con estado, un framework compensa.

• ¿Necesitas .NET/C# sí o sí? → Microsoft Agent Framework.
• ¿Ya tienes LangChain/LangSmith en el stack, o necesitas auditoría y workflows de larga duración? → LangGraph.
• ¿Solo GPT y la ruta más rápida hacia la demo? → OpenAI Agents SDK.
• ¿Modelos de Anthropic como apuesta estratégica, agentes de programación o de larga duración? → Claude Agent SDK.
• ¿Prototipado multiagente lo más rápido posible con un modelo de roles/crews? → CrewAI.
• ¿Seguridad de tipos y disciplina de ingeniería por encima del time-to-demo? → Pydantic AI.
• ¿Low-code, citizen developers o soberanía europea estricta? → n8n.

Un antipatrón frecuente es elegir el framework antes de definir el caso de uso. Igual de arriesgados son el vendor lock-in por una gestión de estado propietaria, ignorar las capas de protocolo MCP y A2A y subestimar la observabilidad. Mantén los prompts, las herramientas y las suites de evaluación lo más independientes posible del framework para facilitar un cambio.

Los protocolos desacoplan la elección: MCP y A2A

Desde la donación del Model Context Protocol (MCP) a la Agentic AI Foundation de la Linux Foundation (09.12.2025) y la GA de A2A v1.0 (09.04.2026, con más de 150 organizaciones participantes, más de 22.000 estrellas en GitHub y SDK en cinco lenguajes), la elección del framework puede desacoplarse. MCP estandariza el acceso a herramientas (más de 110 millones de descargas mensuales del SDK y más de 10.000 servidores activos, datos de abril de 2026); A2A estandariza la comunicación entre agentes.

CrewAI, OpenAI Agents SDK, Microsoft Agent Framework, Claude Agent SDK, Pydantic AI y n8n, que trae nodos propios como cliente MCP y servidor MCP, ofrecen soporte nativo de MCP; LangGraph recurre a adaptadores. A2A nativo lo incorporan Microsoft Agent Framework, CrewAI y Pydantic AI. Si quieres evitar el lock-in, prioriza frameworks que cumplan los protocolos.

Contexto europeo: soberanía, hosting y Reglamento de IA de la UE

Nota: las siguientes afirmaciones son informativas y no constituyen asesoramiento jurídico. La conformidad con el RGPD y con el Reglamento de IA de la UE depende de cada caso y debe acordarse con los equipos de protección de datos y compliance y con juristas especializados.

Los frameworks open source totalmente autoalojables (LangGraph, CrewAI Core, Pydantic AI, n8n) pueden operarse en proveedores de hosting europeos como STACKIT (Schwarz), IONOS Cloud u OVHcloud y ofrecen así un alto grado de soberanía. n8n, al ser un proveedor con sede en Berlín, aporta además soberanía respecto al proveedor. Los SDK vinculados de forma propietaria a proveedores de LLM estadounidenses (OpenAI Agents SDK, Claude Agent SDK) solo alcanzan una residencia de datos estricta en la UE a través de vías como Azure OpenAI (UE) o AWS Bedrock (UE). Microsoft Agent Framework funciona en regiones de Azure en la UE (Fráncfort, West Europe, Switzerland North, Sweden Central) bajo el Microsoft EU Data Boundary; sin embargo, el debate sobre la CLOUD Act sigue abierto.

Sobre el Reglamento de IA de la UE: el marco está en vigor desde agosto de 2024. Las obligaciones para sistemas de alto riesgo debían aplicarse inicialmente a partir del 2 de agosto de 2026 (anexo III) y del 2 de agosto de 2027 (anexo I). El Reglamento Ómnibus Digital (UE) 2026/1744 está en vigor desde el 27 de julio de 2026 y aplaza ambas fechas: para los sistemas de alto riesgo del anexo III, las obligaciones se aplican a partir del 2 de diciembre de 2027; para la IA en productos regulados del anexo I, a partir del 2 de agosto de 2028. Para despliegues de alto riesgo con requisitos de logging, trazabilidad y supervisión humana, LangGraph con LangSmith, Microsoft Agent Framework con Application Insights y Pydantic AI con Logfire ofrecen rutas de tracing compatibles con OTel.

Perspectivas y recomendación práctica

El mercado se consolida en torno a protocolos abiertos en lugar de ecosistemas cerrados: MCP y A2A se convierten en el idioma común, AutoGen se integra en Microsoft Agent Framework y los SDK de los proveedores maduran hacia el sandbox y la durable execution. En la práctica conviene un modelo mixto en lugar de un monocultivo; por ejemplo, n8n para la automatización de workflows, LangGraph o CrewAI autoalojados para agentes code-first y Pydantic AI con Logfire en región UE para producción Python con tipado seguro. Empieza por el caso de uso y una prueba de concepto ligera, mantén los prompts y las herramientas independientes del framework y vuelve a comprobar las versiones, el número de estrellas y el estado del Reglamento de IA de la UE justo antes de cada decisión.