Comparativa de frameworks de agentes IA: LangGraph, CrewAI y más

Montar un agente que llame a un par de herramientas cabe en cincuenta líneas de código. Ponerlo en producción, con varios agentes coordinados, estado persistente, reintentos, aprobaciones humanas y trazas para depurar, es otra historia. Para eso existen los frameworks de agentes u orquestadores, y en 2026 hay cinco nombres que aparecen una y otra vez: LangGraph, CrewAI, Microsoft Agent Framework, el OpenAI Agents SDK y el Claude Agent SDK.

No hay un ganador absoluto: cada uno parte de una filosofía distinta. En esta comparativa explicamos qué ofrece cada uno, cómo se instala y en qué escenarios encaja mejor.

¿Qué es un framework de agentes y para qué sirve?

Un framework de agentes resuelve lo que rodea al modelo de lenguaje: el bucle de razonamiento y llamada a herramientas, la memoria a corto y largo plazo, la coordinación entre varios agentes, la persistencia del estado si algo falla, los puntos de aprobación humana y la observabilidad. La diferencia entre ellos está en cuánto control te dan frente a cuánto te resuelven de serie.

LangGraph: control total con grafos de estado

LangGraph es el framework de bajo nivel del ecosistema LangChain, aunque se puede usar sin LangChain. Modela la aplicación como un grafo: nodos que pueden ser código escrito a mano o llamadas a un modelo, unidos por aristas, con un estado compartido. Alcanzó la versión 1.0 en octubre de 2025 con el compromiso de no introducir cambios incompatibles hasta la 2.0.

Sus puntos fuertes, según la documentación oficial, son la ejecución duradera (el agente sobrevive a fallos y retoma donde lo dejó), la intervención humana en cualquier punto del flujo, la memoria a corto y largo plazo y la depuración visual con LangSmith. Lo usan, entre otras, Klarna, Uber y J.P. Morgan.

pip install -U langgraph

from langgraph.graph import StateGraph, MessagesState, START, END
def responder(state: MessagesState):
return {"messages": [{"role": "ai", "content": "hola"}]}
grafo = StateGraph(MessagesState)
grafo.add_node(responder)
grafo.add_edge(START, "responder")
grafo.add_edge("responder", END)
app = grafo.compile()

Encaja si necesitas flujos largos, deterministas en parte y auditables, y tu equipo está cómodo con Python o TypeScript. No encaja si buscas un prototipo en una tarde: la curva de aprendizaje es la más pronunciada de la lista.

CrewAI: equipos de agentes con roles

CrewAI es un framework de Python independiente, con primitivas propias para agentes, tareas, crews, flows y herramientas. Su idea central combina dos conceptos: las Crews, equipos de agentes con roles que colaboran de forma autónoma, y los Flows, flujos orientados a eventos con estado explícito, ramas y control de la ejecución. La recomendación del propio proyecto para producción es empezar por un Flow y delegar en una Crew solo los pasos que de verdad necesitan un equipo de agentes.

uv tool install crewai
crewai create crew mi_proyecto

Requiere Python 3.10 o superior, por debajo de 3.14. Por encima del núcleo abierto, CrewAI vende una capa comercial (AMP) con despliegue gestionado, observabilidad y gobierno, en la nube o en local.

Lee también: MCP y A2A, juntos en la Agentic AI Foundation: qué son y para qué sirven

Encaja si el problema se describe bien como «un equipo de especialistas» (investigador, redactor, revisor) y quieres resultados rápidos. Ojo con la autonomía: sin Flows que acoten el proceso, los resultados son menos predecibles.

Microsoft Agent Framework: el sucesor de AutoGen y Semantic Kernel

Microsoft unificó sus dos proyectos de agentes en uno. Agent Framework combina las bases empresariales de Semantic Kernel con los patrones de orquestación de AutoGen. Su versión 1.0 llegó el 3 de abril de 2026 para .NET y Python, con APIs estables y compromiso de soporte a largo plazo, y Microsoft publica guías de migración desde ambos proyectos anteriores.

Ofrece flujos de trabajo basados en grafos con patrones secuencial, concurrente, traspaso (handoff) y colaboración en grupo; checkpointing, streaming, intervención humana y «viaje en el tiempo» para depurar; middleware, observabilidad con OpenTelemetry y agentes declarativos en YAML.

pip install agent-framework
dotnet add package Microsoft.Agents.AI

Encaja si tu empresa trabaja en .NET o en Azure, o si vienes de AutoGen o Semantic Kernel. Es la opción más natural para equipos con requisitos corporativos de gobierno y trazabilidad.

OpenAI Agents SDK: minimalista y directo

El SDK de agentes de OpenAI apuesta por pocas primitivas: agentes (un modelo con instrucciones y herramientas), traspasos o agentes usados como herramientas, guardrails que validan entradas y salidas en paralelo, sesiones para la memoria y trazas integradas.

pip install openai-agents

from agents import Agent, Runner
agente = Agent(name="Asistente", instructions="Responde en español")
resultado = Runner.run_sync(agente, "Resume qué es un orquestador")
print(resultado.final_output)

Encaja si quieres algo ligero, fácil de leer y con buen sistema de trazas. Es Python primero, así que no es la mejor opción si tu equipo es de .NET.

Claude Agent SDK: el motor de Claude Code como librería

Anthropic expone como librería, para Python y TypeScript, el mismo bucle de agente, herramientas y gestión de contexto que usa Claude Code. Trae de serie herramientas para leer, editar y ejecutar comandos, hooks en el ciclo de vida, subagentes, conexión a servidores MCP, sesiones y un sistema de permisos que define qué herramientas se aprueban solas y cuáles requieren confirmación.

pip install claude-agent-sdk
npm install @anthropic-ai/claude-agent-sdk

Encaja si tu agente trabaja sobre ficheros, código o la terminal y quieres partir de un arnés ya probado. Está ligado a los modelos de Claude, a diferencia de LangGraph, CrewAI o Agent Framework, que son agnósticos del proveedor.

¿Qué framework de agentes elegir?

• Flujos complejos y críticos, con estado y auditoría: LangGraph o Microsoft Agent Framework.
• Stack .NET o ecosistema Azure: Microsoft Agent Framework.
• Prototipo rápido de un equipo de agentes con roles: CrewAI.
• Agente sencillo con pocas piezas y buenas trazas: OpenAI Agents SDK.
• Agente que opera sobre código, ficheros o la terminal: Claude Agent SDK.
• Automatización de negocio sin programar: probablemente no necesitas un framework, sino una herramienta visual como n8n.

Dos consejos que aplican a todos. Primero, apuesta por los estándares: MCP para conectar herramientas y A2A para que agentes de distintos frameworks se deleguen tareas reducen el coste de cambiar de framework más adelante. Segundo, diseña la seguridad desde el principio: permisos mínimos por herramienta, aprobación humana en las acciones irreversibles y ejecución aislada para el código que genere el modelo. Ningún framework te protege si das a un agente acceso total a producción.