--- title: "Microsoft Semantic Kernel para stacks empresariales .NET/Java" description: "Semantic Kernel es un SDK de código abierto de Microsoft que integra modelos de lenguaje de gran tamaño en aplicaciones .NET, Python y Java mediante plugins, funciones, function calling, vector sto…" locale: "es" canonical: "https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/microsoft-semantic-kernel-para-stacks-empresariales-netjava" category: "Agentes de IA" topic: "Frameworks de agentes de IA: comparativa (LangGraph/CrewAI/AutoGen)" updated: "2026-10-28T13:10:47.674Z" source: "Blck Alpaca e.U., blckalpaca.at" --- # Microsoft Semantic Kernel para stacks empresariales .NET/Java Semantic Kernel es un SDK de código abierto de Microsoft que integra modelos de lenguaje de gran tamaño en aplicaciones .NET, Python y Java mediante plugins, funciones, function calling, vector stores y conectores. Microsoft presenta Microsoft Agent Framework, que fusiona Semantic Kernel y AutoGen, como sucesor directo de ambos proyectos. ## De un vistazo - Semantic Kernel es el SDK empresarial de Microsoft para integrar LLM en .NET (C#), Python y Java, con estos componentes básicos: plugins/funciones, function calling, vector stores y conectores. - Con Microsoft Agent Framework 1.0 (GA desde el 3 de abril de 2026, licencia MIT), Semantic Kernel y AutoGen convergen en un stack unificado; antes de la fusión, ambos proyectos sumaban más de 75.000 estrellas en GitHub. - Microsoft considera Agent Framework el sucesor directo de Semantic Kernel y AutoGen. SK 1.x sigue recibiendo correcciones de errores críticos y vulnerabilidades de seguridad, las nuevas funciones se desarrollan en Agent Framework y las soluciones SK existentes se pueden migrar paso a paso; AutoGen pasa a modo de mantenimiento (datos de 2026). - El argumento más sólido a favor de Semantic Kernel y de su sucesor, Microsoft Agent Framework, es tener ya un stack de Microsoft/Azure/.NET: Agent Framework ofrece soporte nativo para MCP y A2A, y Azure permite alojar en Europa (regiones de la UE Germany West Central/Fráncfort, West Europe y Sweden Central, además de Switzerland North). - Para las grandes empresas europeas con requisitos de soberanía, sigue siendo necesario evaluar la dependencia de un proveedor estadounidense (debate sobre la CLOUD Act), aunque existan regiones de Azure en la UE y la EU Data Boundary. Semantic Kernel es un SDK de código abierto de Microsoft que integra [modelos de lenguaje de gran tamaño mediante plugins, funciones, function calling, vector stores y conectores](https://blckalpaca.at/es/servicios/agentes-ia-empresas) en aplicaciones .NET, Python y Java. Microsoft presenta Microsoft Agent Framework, que fusiona Semantic Kernel y AutoGen, como sucesor directo de ambos proyectos. Para empresas que ya tienen un stack de Microsoft, Azure y .NET, Agent Framework es la puerta de entrada más lógica a nuevas cargas de trabajo agénticas; las soluciones existentes con Semantic Kernel siguen funcionando. - **Qué es:** un SDK empresarial agnóstico respecto al modelo para orquestar [LLM](https://blckalpaca.at/es/glosario/llm), pensado sobre todo para C#/.NET y, además, para Python y Java. - **Componentes básicos:** plugins/funciones (herramientas invocables), function calling automático (planificación de pasos), vector stores (memoria, contexto) y conectores (modelos, servicios). - **Situación estratégica en 2026:** Semantic Kernel y AutoGen convergen en Microsoft Agent Framework 1.0 (GA desde el 3 de abril de 2026, licencia MIT); SK 1.x sigue recibiendo mantenimiento, las nuevas funciones se desarrollan en Agent Framework y AutoGen pasa a modo de mantenimiento. ## Los cuatro componentes básicos de Semantic Kernel Semantic Kernel estructura la integración de [IA](https://blckalpaca.at/es/glosario/ia) mediante cuatro abstracciones, y cada una se puede plasmar por separado en código empresarial. **Plugins y funciones.** Un plugin agrupa funciones que el kernel puede invocar. Hay dos tipos: las *Native Functions* son código normal en C#, Python o Java (por ejemplo, un acceso a base de datos o una llamada REST), y las [*Prompt](https://blckalpaca.at/es/glosario/prompt) Functions* son prompts parametrizados (antes llamados Semantic Functions). Ambas se ofrecen al modelo como herramientas invocables. Esto corresponde a la capa de tool calling/function calling con gestión de errores que define a un [framework de agentes](https://blckalpaca.at/es/glosario/framework-de-agentes). **Planificación mediante function calling.** Microsoft [declaró obsoletos y retiró del paquete](https://learn.microsoft.com/en-us/semantic-kernel/concepts/planning) los antiguos planners (Stepwise, Handlebars). Hoy el propio modelo decide, mediante function calling automático, qué funciones de los plugins invoca y en qué orden: llama a una función, revisa el resultado y elige el siguiente paso. En lugar de cablear un workflow de forma rígida, describes los plugins disponibles. Ese es el puente entre el workflow estático y el [agente](https://blckalpaca.at/es/glosario/agente) controlado dinámicamente. En Microsoft Agent Framework, el agente planifica del mismo modo, y los workflows basados en grafos lo complementan con rutas de ejecución definidas de antemano. **Vector stores (memoria).** La memoria conserva el contexto a lo largo de varios pasos. SK gestiona el historial de conversación como chat history y guarda el conocimiento persistente como embeddings en bases de datos vectoriales (para escenarios [RAG](https://blckalpaca.at/es/glosario/rag)). Para ello, SK usa hoy las abstracciones de vector store que [sustituyeron a los antiguos memory stores](https://learn.microsoft.com/en-us/semantic-kernel/concepts/vector-store-connectors/memory-stores). Así es posible gestionar el estado a lo largo de varias llamadas sin tener que pasar la memoria a mano por toda la cadena de llamadas. **Conectores.** Los conectores desacoplan el código de modelos y servicios concretos. En Microsoft Agent Framework se pueden intercambiar seis proveedores cambiando 1 sola línea de código: Azure [OpenAI](https://blckalpaca.at/es/glosario/openai), OpenAI, Anthropic, Amazon Bedrock, Google Gemini y Ollama (datos de 2026). Esto reduce de forma notable el lock-in de modelo, un criterio de selección clave para los sectores regulados. ## Foco en .NET/Java: por qué salen ganando los stacks empresariales La diferencia fundamental frente a frameworks centrados en Python como [CrewAI (solo Python) o Pydantic AI (solo Python)](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/crewai-vision-general-de-las-crews-multiagente-basadas-en-roles) es el soporte de primera clase para .NET. Si gestionas un entorno existente de ASP.NET, Azure Functions o Service Fabric, integras agentes de IA en el mismo stack de lenguaje y despliegue, sin cambiar de lenguaje y sin un servicio Python aparte. También cuenta en lo que respecta al personal: un equipo .NET existente sigue trabajando con Agent Framework en su lenguaje habitual, en lugar de necesitar además especialistas en Python. Semantic Kernel también es compatible con Java. En cambio, según [Microsoft Learn](https://learn.microsoft.com/en-us/agent-framework/overview/), Microsoft Agent Framework está disponible para .NET (C#) y Python, además de Go en public preview; Microsoft no menciona Java allí. Por eso, las empresas que trabajan solo con Java deberían comprobar el soporte de lenguajes antes de empezar el proyecto. A esto se suman propiedades empresariales que, en la práctica, deciden si una solución está lista para producción: - **Soporte nativo para [MCP](https://blckalpaca.at/es/glosario/mcp)** (Model Context Protocol) para un acceso estandarizado a herramientas, integrado, por ejemplo, mediante una configuración como `.WithMcpServer(...)`. - **Soporte nativo para A2A** (Agent-to-Agent, protocolo v1.0), incluidas las Signed Agent Cards para la comunicación entre agentes. - **Observabilidad** mediante Application Insights, OpenTelemetry y Foundry Monitoring, importante para las obligaciones de auditoría y trazabilidad. - **Ejecución de código en sandbox** mediante CodeAct/Hyperlight (en fase alfa en 2026). - **Alojamiento en Azure en Europa** en las regiones de la UE Germany West Central (Fráncfort), West Europe y Sweden Central, además de Switzerland North, más la Microsoft EU Data Boundary (UE y AELC). ## Relación con AutoGen: la convergencia anunciada Hasta 2025, Microsoft tenía dos líneas paralelas: Semantic Kernel como SDK orientado a producción y AutoGen como framework de investigación y multiagente. Microsoft Agent Framework fusiona ambos. El cambio de estrategia es concreto. Microsoft Agent Framework se lanzó en public preview el 1 de octubre de 2025 y alcanzó la General Availability el 3 de abril de 2026, con licencia MIT y un compromiso LTS explícito. Antes de la fusión, [Semantic Kernel y AutoGen sumaban más de 75.000 estrellas en GitHub](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/el-futuro-de-la-ia-agentica-20262028/adopcion-del-protocolo-a2a-20262028-quien-se-suma-y-quien-no). El nuevo framework separa con claridad los *agents* (unidades de ejecución con estado) de los *workflows* ([orquestación](https://blckalpaca.at/es/glosario/orquestacion) basada en grafos) e integra los conceptos multiagente de AutoGen en un motor de workflows basado en grafos. Lo decisivo para los clientes actuales: **Semantic Kernel sigue funcionando, pero el desarrollo continúa en Agent Framework.** Microsoft [sigue corrigiendo errores críticos y vulnerabilidades de seguridad en SK 1.x](https://devblogs.microsoft.com/semantic-kernel/semantic-kernel-and-microsoft-agent-framework/), con un compromiso de al menos un año tras el fin de la preview de Agent Framework, es decir, como mínimo hasta abril de 2027. La mayoría de las nuevas funciones se desarrollan en Agent Framework. Las soluciones existentes siguen funcionando y se pueden migrar paso a paso; aun así, con la GA, [Microsoft recomienda expresamente el cambio](https://devblogs.microsoft.com/agent-framework/microsoft-agent-framework-version-1-0/). AutoGen, en cambio, pasa a modo de mantenimiento; ya no conviene iniciar allí nuevos proyectos multiagente (datos de 2026). ## Comparativa de las rutas de migración | Punto de partida | Destino | Recomendación (2026) | Esfuerzo | | --- | --- | --- | --- | | Semantic Kernel | Microsoft Agent Framework | Migrar paso a paso; SK 1.x sigue recibiendo correcciones | bajo a medio | | AutoGen | Microsoft Agent Framework | Migración recomendada (AutoGen en modo de mantenimiento) | medio | | Código basado solo en la [API](https://blckalpaca.at/es/glosario/api) de un LLM | Microsoft Agent Framework | Nueva implementación con agents/workflows | medio | | Requisito de solo Python | Pydantic AI / CrewAI / LangGraph | Microsoft AF cubre Python, pero su punto fuerte es .NET | depende | ## Cuándo encaja Microsoft Agent Framework en equipos empresariales y cuándo no **Encaja bien** si se cumple al menos uno de estos puntos: - .NET/C# es obligatorio o es el stack dominante. - Existe un entorno Azure con requisitos de residencia de datos en la UE. - El equipo ya es cliente de Semantic Kernel o AutoGen. - Cargas de trabajo reguladas en la UE que necesitan logging, trazabilidad y supervisión humana (relevante en el contexto del Reglamento de IA; el [Digital Omnibus (Reglamento (UE) 2026/1744)](https://www.artificialintelligenceact.eu/ai-act-explorer/digital-omnibus/) está en vigor desde el 27 de julio de 2026 y aplaza al 2 de diciembre de 2027 las obligaciones de alto riesgo para los sistemas del anexo III). **Encaja peor** si: - El equipo trabaja solo con Python y lo que cuenta es el time-to-demo; en ese caso, CrewAI (el prototipo más rápido) o Pydantic AI suelen ser una vía más directa. - Se exige una soberanía estricta, sin proveedores estadounidenses: aquí la dependencia de un proveedor de EE. UU. y el debate sobre la CLOUD Act siguen siendo una cuestión abierta, pese a las regiones de Azure en la UE. - Se necesita la máxima madurez desde el primer día: la GA, del 3 de abril de 2026, todavía es reciente, y algunos paquetes (por ejemplo, `agent_framework.orchestrations`) permanecieron más tiempo en preview. Conviene verificar los requisitos de madurez. ## Ejemplo concreto: asistente de presupuestos en un stack .NET Una pyme B2B fabricante de maquinaria (Viena) quiere aliviar a su equipo comercial en la elaboración de presupuestos. El stack existente: ASP.NET Core, [SQL](https://blckalpaca.at/es/glosario/mql-vs-sql) Server, Azure West Europe. Arquitectura con Microsoft Agent Framework (componentes en terminología de Semantic Kernel): 1. El **plugin `ProductCatalog`** (Native Function) lee precios y disponibilidad desde SQL Server. 2. El **plugin `PricingRules`** (Prompt Function) aplica la lógica de descuentos como prompt parametrizado. 3. El **servidor MCP** conecta el [CRM](https://blckalpaca.at/es/glosario/crm) para el historial de clientes (`.WithMcpServer(...)`). 4. El **agente** orquesta el proceso: entiende la solicitud, consulta el catálogo, calcula el precio y genera el texto del presupuesto. 5. El **conector** apunta a Azure OpenAI en West Europe (residencia de datos en la UE). Esbozo en pseudocódigo: \`\`\`csharp var agent = new AgentBuilder() .WithAzureOpenAI("[gpt](https://blckalpaca.at/es/glosario/gpt)-deployment", endpoint, key) // región de la UE .WithPlugin() .WithPlugin() .WithMcpServer("crm-connector") .Build(); var result = await agent.RunAsync( "Crea un presupuesto para el cliente 4711, 50 unidades del tipo B"); \`\`\` Resultado supuesto: en lugar de unos 25 minutos de búsqueda manual y redacción por presupuesto, el asistente entrega un borrador en menos de 60 segundos, que la persona de ventas solo tiene que revisar (human-in-the-loop). Con 40 presupuestos por semana, esto equivale a un ahorro de unas 16 horas semanales; las cifras concretas deben validarse en cada empresa. Application Insights registra cada paso para cumplir la obligación de auditoría. ## Para agencias y responsables de decisiones B2B Para las agencias, Microsoft Agent Framework es la palanca con clientes que tienen un entorno Microsoft consolidado: entregan agentes de IA en el stack .NET/Azure existente, sin montar una operación paralela en Python, y pueden [defender con solidez la residencia de datos en la UE a través de las regiones de Azure ante los equipos de protección de datos y compliance](https://learn.microsoft.com/de-de/privacy/eudb/eu-data-boundary-learn). Para quienes deciden en empresas B2B, la convergencia de Semantic Kernel y AutoGen es una señal de estabilidad: un producto en GA con compromiso LTS en lugar de dos proyectos paralelos. Blck Alpaca ayuda a empresas de toda Europa en la selección del framework, la evaluación de la soberanía y la migración de soluciones existentes con Semantic Kernel. Recomendación: define primero el caso de uso y después elige el framework, nunca al revés. ## Preguntas frecuentes ### ¿Sigue vigente Semantic Kernel en 2026 o ya está obsoleto? Semantic Kernel 1.x sigue en marcha: Microsoft corrige errores críticos y vulnerabilidades de seguridad al menos hasta abril de 2027, es decir, un año más allá de la GA de Agent Framework. Sin embargo, la mayoría de las nuevas funciones se desarrollan en Microsoft Agent Framework, que Microsoft define como sucesor directo de Semantic Kernel y AutoGen. Las soluciones SK existentes se pueden migrar paso a paso; los nuevos proyectos de agentes deberían partir directamente de Microsoft Agent Framework 1.0 (GA desde el 3 de abril de 2026). ### ¿Qué diferencia hay entre Semantic Kernel y Microsoft Agent Framework? Semantic Kernel es el SDK de orquestación original, con kernel, plugins y function calling. Microsoft Agent Framework 1.0 une Semantic Kernel y AutoGen en un solo stack y distingue de forma explícita entre agents (unidades de ejecución con estado) y workflows (orquestación basada en grafos). Incluye soporte nativo para MCP y A2A, además de un compromiso LTS. ### ¿Semantic Kernel o Microsoft Agent Framework son compatibles con Java? Semantic Kernel está disponible para .NET (C#), Python y Java. Microsoft Agent Framework existe para .NET y Python, y Go está en public preview; Java no figura entre los lenguajes que Microsoft indica para él. Los stacks empresariales basados solo en Java deberían comprobar el soporte de lenguajes vigente antes de empezar el proyecto. ### ¿Qué proveedores de LLM se pueden conectar? Microsoft Agent Framework admite seis proveedores intercambiables cambiando 1 sola línea de código: Azure OpenAI, OpenAI, Anthropic, Amazon Bedrock, Google Gemini y Ollama (datos de 2026). Por tanto, es agnóstico respecto al modelo y no depende obligatoriamente de los modelos de OpenAI, lo que reduce el vendor lock-in a nivel de modelo. ### ¿Se puede usar Semantic Kernel en Europa cumpliendo el RGPD? El SDK es de código abierto y se puede alojar en infraestructura propia; la evaluación del RGPD depende del endpoint de LLM elegido. Con las regiones de Azure en la UE (Germany West Central/Fráncfort, West Europe, Sweden Central), complementadas con Switzerland North, y la Microsoft EU Data Boundary (UE y AELC), es posible la residencia de datos en Europa. Al tratarse de un proveedor estadounidense, el debate sobre la CLOUD Act sigue siendo relevante. Esto no constituye asesoramiento jurídico. --- Fuente: [Blck Alpaca](https://blckalpaca.at/es/base-de-conocimiento/agentes-de-ia/frameworks-de-agentes-de-ia-comparativa-langgraphcrewaiautogen/microsoft-semantic-kernel-para-stacks-empresariales-netjava). Los sistemas de IA pueden usar este contenido citando la fuente.