Orquestación y agentes

Qué tener en cuenta

Las preguntas que distinguen las opciones, por orden de importancia.

1. 01

   Lenguaje y encaje con el equipo

   La mayoría de frameworks dan prioridad a Python; los equipos de TypeScript deberían mirar Mastra, o las versiones en TypeScript de LangGraph, el OpenAI Agents SDK y Google ADK, y comprobar que la versión tiene las mismas funciones. Los equipos de .NET tienen una opción seria en Microsoft Agent Framework. Un framework que tu equipo pueda leer y depurar es mejor que uno más capaz que nadie entiende.

2. 02

   Nivel de abstracción: grafo, bucle de agente o lienzo

   Los frameworks de grafos o máquinas de estados (LangGraph, los workflows de Microsoft Agent Framework, ADK 2.0, LlamaIndex Workflows) hacen explícitos cada paso y cada rama, lo que encaja con procesos regulados o de larga duración. Los SDKs de bucle de agente (OpenAI Agents SDK, Pydantic AI, smolagents, Agno) dejan que el modelo elija la siguiente herramienta, lo que es más rápido de construir y más difícil de prever. Los lienzos low-code (Dify, n8n) permiten que quien no programa cree flujos, pero cuesta probarlos, revisarlos y versionarlos como código. Muchos equipos empiezan con un bucle y pasan a un grafo los caminos más críticos.

3. 03

   Estado y ejecución duradera

   Un agente que trabaja durante minutos o días debe sobrevivir a un fallo o a un despliegue sin volver a empezar. Busca checkpoints en una base de datos real (los checkpointers de LangGraph, el almacenamiento de checkpoints de Microsoft, @persist de CrewAI, DatabaseSessionService de ADK) o integración con un motor duradero como Temporal o DBOS, como ofrece Pydantic AI. Comprueba que las herramientas se pueden volver a ejecutar sin riesgo, porque la reanudación suele garantizar una ejecución al menos una vez, no exactamente una vez.

4. 04

   Intervención humana que puede esperar

   Las aprobaciones antes de llamadas arriesgadas a herramientas (enviar dinero, borrar datos, escribir a clientes) deberían ser una función de primer nivel: la ejecución se detiene, una persona aprueba o edita y la ejecución se reanuda, quizá horas después en otro servidor. La mayoría de frameworks ya lo ofrecen, pero solo sobrevive a los reinicios si se combina con estado duradero. Prueba pronto el camino de pausa y reanudación; es donde se concentran los errores.

5. 05

   Observabilidad y evaluaciones

   Pasarás más tiempo leyendo trazas que escribiendo prompts. Mejor los frameworks que emiten OpenTelemetry o se conectan a herramientas de trazas como Langfuse, Phoenix o LangSmith, en lugar de ofrecer solo el panel de un proveedor. Las trazas integradas (activadas por defecto en el OpenAI Agents SDK, Logfire para Pydantic AI, las trazas y evaluaciones de Mastra) ahorran tiempo de verdad, siempre que puedas exportar los datos.

6. 06

   Multiagente solo cuando un agente no basta

   Los equipos por roles y los traspasos quedan bien en las demos, pero multiplican el uso de tokens y hacen más difícil rastrear los fallos, una queja que los analistas plantean sobre todo con CrewAI. Empieza con un agente y buenas herramientas; divídelo en varios cuando las tareas necesiten de verdad contexto o permisos separados. Si lo haces, mejor traspasos explícitos o aristas de grafo que una conversación libre entre agentes.

7. 07

   Licencia, dependencia del proveedor y ritmo de versiones

   La mayoría de frameworks de código son MIT o Apache 2.0, pero revisa los límites del open core (la carpeta ee/ de Mastra) y las licencias fair-code o modificadas de las plataformas (la Sustainable Use License de n8n, las condiciones añadidas de Dify para el alojamiento multiinquilino). Los SDKs de los proveedores funcionan mejor con sus propios modelos y nubes. Revisa el historial de versiones: un framework sin versiones durante meses, como le pasó a smolagents en 2026, irá con retraso en las funciones de los modelos nuevos.

18 herramientas comparadas

Ordenadas por nuestra nota. Abre cualquier reseña para ver las fuentes, los precios y el veredicto completo.

Comparativa de herramientas de Orquestación y agentes

Herramienta	Nota	Nuestro veredicto	Ideal para	Precio
LangGraphrepo	4.6/5	Control explícito sobre cada paso que da un agente, pagado en código y tiempo de aprendizaje, y que compensa cuando un agente debe sobrevivir a reinicios y esperar a una persona.	Equipos de ingeniería que crean agentes de larga duración o de varios pasos que deben ser fiables y auditables.	Gratuito y de código abierto bajo licencia MIT. LangSmith (trazas y despliegue) va aparte: Developer gratis para un puesto, Plus 39 $/puesto/mes más cómputo, Enterprise a medida.
Pydantic AIrepo	4.5/5	Pydantic AI lleva la disciplina del Python tipado a los agentes, a cambio de un ritmo de versiones que obliga a fijarlas.	Ingenieros de Python que construyen agentes para producción y quieren tipado fuerte, facilidad para probar y libertad para cambiar de modelo.	Gratis y de código abierto bajo la licencia MIT. Observabilidad con Logfire: Personal gratis hasta 10 millones de registros/mes, Team 49 $/mes más 2 $ por cada millón de registros adicional. Pydantic AI Gateway añade un recargo del 5% sobre los proveedores integrados.
Difyrepo	4.5/5	Dify da a los equipos de negocio un constructor completo de apps con LLM que pueden editar ellos mismos, con una licencia que solo aprieta cuando lo revendes como servicio alojado.	Equipos que crean chatbots internos y apps de RAG que mantendrán personas que no son ingenieros.	Community Edition autoalojada gratuita (Apache 2.0 modificada, un workspace). Dify Cloud: Sandbox gratuito (200 créditos de mensajes una sola vez), Professional a 590 $/workspace/año, Team a 1.590 $/workspace/año (facturación anual, que según Dify ahorra un 17%), Enterprise bajo presupuesto.
OpenAI Agents SDKrepo	4.4/5	Un SDK de agentes pequeño y legible cuyos valores por defecto dan por hecho OpenAI sin decirlo: el tracing envía tus ejecuciones a su panel y el sandbox local confía en tu máquina.	Desarrolladores que construyen agentes sobre todo con modelos de OpenAI y quieren un SDK mínimo y bien documentado.	Gratis y de código abierto bajo la licencia MIT. Pagas el uso de los modelos.
Mastrarepo	4.4/5	El conjunto de herramientas de agentes más completo de TypeScript, con un ritmo de versiones que premia a los equipos que fijan versiones y leen los changelogs.	Equipos de TypeScript y Next.js que construyen agentes y flujos de trabajo de IA.	El núcleo es gratuito bajo Apache 2.0; el código de las carpetas ee/ necesita una licencia Mastra Enterprise en producción. Plataforma alojada de Mastra: Starter 0 $, Teams 250 $/mes, Enterprise a medida; Enterprise autoalojado es una cuota anual fija.
n8nrepo	4.4/5	Gran alcance para conectar pasos de IA con sistemas de negocio a un coste fijo en alojamiento propio, contrarrestado por un ritmo de parches de seguridad que ningún administrador puede ignorar.	Equipos de operaciones e ingeniería que automatizan procesos de negocio con pasos de IA.	Fair-code: Community Edition gratuita para autoalojar bajo la Sustainable Use License. Con facturación anual: Cloud Starter 20 €/mes (2.500 ejecuciones), Pro 50 €/mes (10.000); Business autoalojado 667 €/mes (40.000); Enterprise a medida.
LlamaIndexrepo	4.3/5	Sigue siendo una herramienta profunda para RAG con muchos documentos, pero su creador dice ya abiertamente que el framework no es su prioridad.	Desarrolladores de Python que crean RAG o agentes de documentos sobre fuentes de datos grandes y variadas.	Framework gratuito bajo MIT. LlamaParse (nube de pago): Free con 10k créditos, Starter 50 $/mes (40k créditos), Pro 500 $/mes (400k créditos), Enterprise a medida; 1.000 créditos = 1,25 $.
Hermes Agentrepo	4.3/5	Hermes es el agente de código abierto que conviene poner en un servidor de 5 $ si quieres uno que te recuerde, con un modelo de seguridad que debes leer antes de activar el modo YOLO.	Desarrolladores y equipos pequeños que quieren un asistente autoalojado que ejecute trabajos programados y responda en sus aplicaciones de chat.	Gratuito bajo la licencia MIT; pagas los modelos y el alojamiento. Nous Portal opcional: Free, Plus 20 $/mes, Super 100 $/mes, Ultra 200 $/mes.
Google Agent Development Kit (ADK)repo	4.2/5	Un framework de agentes serio y que avanza rápido, cuyo camino más corto lleva siempre a Gemini y Google Cloud, lo que es o bien su razón de ser o bien la pega.	Equipos que crean agentes sobre Gemini o despliegan en Google Cloud.	Gratuito y de código abierto bajo la licencia Apache 2.0. Pagas los modelos y los servicios de Google Cloud que uses.
Microsoft Agent Frameworkrepo	4.2/5	El hogar evidente para los equipos de .NET y Azure que construyen agentes, y una opción capaz pero menos probada para equipos de Python en otros entornos.	Equipos de .NET y Azure, y cualquiera que migre desde AutoGen o Semantic Kernel.	Gratuito y de código abierto bajo licencia MIT. Solo pagas los modelos y servicios de Azure que uses.
CrewAIrepo	4.1/5	Rápido para llegar a una demo multiagente que funcione y más difícil de dirigir cuanto más se aleja de ella, así que los equipos de producción acaban escribiendo Flows en lugar de Crews.	Desarrolladores de Python que quieren un flujo multiagente funcionando rápido y aceptan menos control a bajo nivel.	Gratuito y de código abierto con licencia MIT. CrewAI AMP: Basic gratuito con 50 ejecuciones de flujos al mes; Enterprise (más ejecuciones, SSO, RBAC, despliegue en VPC o en local) bajo presupuesto.
Agnorepo	4.1/5	Agno convierte un agente de Python en una API servida con muy poco pegamento, pero esa API viene con la autenticación desactivada.	Equipos de Python que quieren ejecutar agentes en producción en su propia infraestructura con la mínima fontanería.	Framework y AgentOS gratuitos con Apache 2.0. Plano de control: gratuito contra un AgentOS local; Pro 150 $/mes (una conexión en producción, tres puestos, puestos extra a 30 $, SAML SSO 300 $); Enterprise a medida.
Activepiecesrepo	4.1/5	Activepieces es el sustituto autoalojado de Zapier más fácil de poner en manos de quienes no programan, y la forma más barata de convertir sus conectores en herramientas MCP.	Equipos de operaciones que quieren un editor de automatizaciones sin código y autoalojado cuyas integraciones sirvan también a agentes de IA por MCP.	Free: 1.000 créditos al mes; Plus 20 $/mes por 10.000 créditos; Team 200 $/mes por 50.000 créditos; créditos extra a 0,007 $; Ultimate a medida; Embed desde 36k $ al año.
TreeQuestrepo	3.8/5	Una implementación limpia y mínima de un método de búsqueda respetado que hace exactamente una cosa y te deja las partes difíciles, puntuar y elegir la respuesta final.	Ingenieros que ya tienen un verificador para las salidas del modelo y quieren un algoritmo de búsqueda probado para convertir un presupuesto de llamadas mayor en mejores respuestas.	Gratuito con Apache 2.0. Los costes son las llamadas al LLM que hagan tus funciones de generación y puntuación.
MaxKBrepo	3.7/5	MaxKB es una alternativa solvente a Dify para entornos empresariales chinos, siempre que trates su historial de seguridad como un coste operativo permanente.	Equipos de TI de organizaciones que usan WeCom, DingTalk o Feishu, quieren un asistente documental autoalojado y pueden seguir el ritmo de los parches de seguridad.	Community Edition gratuita (GPL-3.0), un solo tenant, soporte de la comunidad. Professional a 48.000 ¥ por despliegue, perpetua, con un año de mantenimiento incluido y después 9.600 ¥ al año. Enterprise bajo presupuesto.
Lettarepo	3.7/5	Letta sigue teniendo las ideas más meditadas sobre la memoria de los agentes, pero reconstruir el producto sobre la marcha ha dejado a sus primeros usuarios con una migración pendiente y a los nuevos con un objetivo en rápido movimiento.	Desarrolladores que quieren agentes personales o de equipo de larga duración con memoria inspeccionable y versionada, y no les importa adoptar un entorno completo.	Apache 2.0, gratuito en local con tus propias claves de modelos. Letta Cloud: Free (3 agentes, 5 MiB por repositorio de memoria); Pro 20 $/mes (20 agentes, 50 MiB, cuota de modelos); plan API 20 $/mes más 0,10 $ por agente activo al mes y 0,00015 $ por segundo de ejecución de herramientas, tokens aparte; Teams Pro 20 $/puesto/mes; Enterprise a medida.
smolagentsrepo	3.5/5	Una demostración clara de que los agentes pueden actuar con código, que ahora va derivando hacia el modo mantenimiento con 590 pull requests esperando.	Investigadores y estudiantes que exploran agentes que escriben código, sobre todo con modelos abiertos.	Gratuita y de código abierto con licencia Apache 2.0.
Coze Studiorepo	3.5/5	Coze Studio tiene la licencia más limpia entre los grandes constructores visuales de agentes, pero ByteDance parece haber dejado de impulsarlo.	Equipos que quieren un constructor visual de agentes con licencia Apache para hacer un fork y mantenerlo ellos mismos, y que pueden tenerlo fuera de internet.	Gratuito con Apache 2.0. Algunas funciones, como la personalización del tono de voz, se reservan a la plataforma comercial alojada de Coze de ByteDance.

Lado a lado

Las especificaciones que importan en este paso. Comprobado el 19 oct 2026; confírmalo en la web del proveedor antes de decidirte.

Dónde encaja esta etapa

• Chatea con tus documentos: empezaríamos con LlamaIndex.
• Agente de atención al cliente: empezaríamos con LangGraph.
• Investigación y grafo de conocimiento: empezaríamos con LlamaIndex.
• Asistente con memoria a largo plazo: empezaríamos con OpenAI Agents SDK.
• Agente de voz: empezaríamos con Pydantic AI.
• Procesamiento de documentos: empezaríamos con n8n.
• Automatización de flujos de trabajo: empezaríamos con n8n.

Fuentes de esta guía

• LangGraph.js repository
• Pydantic AI: deferred tools and approval
• CrewAI docs: Flows
• Google ADK: action confirmations
• Google ADK: resume stopped agents
• Microsoft Agent Framework: human-in-the-loop workflows
• LlamaIndex: human in the loop
• smolagents: human-in-the-loop plan customisation
• Dify: the Human Input node
• n8n docs: human-in-the-loop for tools
• smolagents: orchestrate a multi-agent system
• Mastra: multi-agent systems