¿Qué es Guardrails AI?
Guardrails es una biblioteca de Python que envuelve las llamadas a modelos en Guards: cadenas de validadores que comprueban entradas y salidas en busca de problemas como datos personales (PII), lenguaje tóxico, menciones de competidores o estructuras mal formadas, y después bloquean, corrigen o vuelven a preguntar. También ayuda a obtener datos estructurados de un LLM.
El proyecto se está apagando. Harvey, la empresa de IA jurídica, compró Guardrails AI el 9 de septiembre de 2026 y los fundadores se incorporaron al equipo de producto de Harvey. Dos semanas antes, el 25 de agosto de 2026, se cerraron el instalador de Guardrails Hub, el registro privado de validadores y los servidores de inferencia alojados gratuitos; los validadores son ahora paquetes guardrails-ai-<name> separados en PyPI, y los que necesitan un modelo deben ejecutarlo en local o en tu propio endpoint. El último commit en la rama principal fue el 26 de agosto de 2026 y la última versión, la 0.11.0, el 14 de agosto de 2026.
En mayo de 2026 un atacante publicó en PyPI una versión maliciosa guardrails-ai 0.10.1; se puso en cuarentena en unas dos horas, y a quien la instaló se le indica que trate la máquina como comprometida.
¿Merece la pena Guardrails AI?
Guardrails AI es difícil de recomendar para un proyecto nuevo. La biblioteca sigue funcionando y es Apache 2.0, pero las partes que la hacían cómoda han desaparecido. El instalador del Hub y la inferencia alojada gratuita cerraron el 25 de agosto de 2026, Harvey compró la empresa dos semanas después y su anuncio no dice nada sobre el futuro de la biblioteca. Desde el 26 de agosto no se ha integrado nada en main; las correcciones de la comunidad para los fallos al volver a preguntar y los presupuestos de reintento a cero, y las pull requests de bots de seguridad para pyjwt y urllib3, siguen abiertas o se cerraron sin integrar.
La idea sigue siendo buena. Los validadores son comprobaciones pequeñas y comprobables que se apilan alrededor de una llamada al modelo, Harvey dice que el framework se descarga más de 250.000 veces al mes y, para comprobaciones deterministas como patrones regex, esquemas JSON o límites de longitud, sigue cumpliendo sin ninguna dependencia de red.
La cadena de suministro requiere atención. Una 0.10.1 maliciosa llegó a PyPI el 11 de mayo de 2026 y se puso en cuarentena unas dos horas después; los mantenedores aconsejaron rotar todas las credenciales de cualquier máquina que la instalara. Los validadores llegan ahora como decenas de paquetes separados en PyPI, cada uno una dependencia que fijar y auditar, y el paquete activa además por defecto métricas de uso anónimas, enviadas por OpenTelemetry a un endpoint de AWS, hasta que ejecutas guardrails configure --disable-metrics.
Los validadores basados en modelos son donde más duele el cierre. Las comprobaciones de PII, toxicidad y competidores que se ejecutaban en los servidores de Guardrails necesitan ahora use_local=True o tu propio endpoint de inferencia, y a esas alturas llamar directamente a un clasificador dedicado como Llama Prompt Guard 2, o pasarse a NeMo Guardrails, que sigue en desarrollo activo, supone menos código que mantener.
Dónde se gana su sitio
Un ingeniero backend que ya usa Guardrails en un servicio de extracción de reclamaciones
Mantener las comprobaciones de regex y esquema JSON tras el cierre del Hub
Fijar guardrails-ai==0.11.0, cambiar guardrails hub install por pip install guardrails-ai-<name>, pasar las importaciones al espacio de nombres guardrails_ai y desactivar las métricas. Los validadores deterministas funcionan entonces sin llamadas de red; el riesgo es que las correcciones futuras te tocan a ti.
Una ingeniera de ML en una fintech de 50 personas que dependía de la detección de PII alojada
Sustituir el validador de PII que dejó de funcionar el 25 de agosto
Definir use_local=True para que el modelo se descargue y se ejecute en tu propio hardware, o apuntar validation_endpoint a un servicio autoalojado. En ambos casos pagas ahora el cómputo que antes regalaba Guardrails.
Un responsable de seguridad que audita el árbol de dependencias de un producto de IA
Decidir si Guardrails puede seguir en producción
Comprobar que ninguna compilación descargó nunca la 0.10.1, rotar las credenciales si alguna lo hizo y sopesar una dependencia sin mantenimiento con decenas de paquetes de validadores frente a llevar las comprobaciones a NeMo Guardrails o a llamadas directas a clasificadores.
Antes de decidirte
- Puesta en marcha
- pip install guardrails-ai con Python 3.10 a 3.13 (3.14 no está soportado) y después pip install de cada validador como guardrails-ai-<name>. Hay un servidor guardrails start basado en Flask para ejecutar Guards como servicio.
- Integraciones
- Envuelve llamadas a modelos de OpenAI y de los soportados por LiteLLM, modelos de Pydantic para la salida estructurada y un modo de servidor compatible con OpenAI; las trazas pueden exportarse por OpenTelemetry.
- Datos y privacidad
- Las métricas de uso anónimas están activadas por defecto y se envían a un endpoint OTLP alojado en AWS; guardrails configure --disable-metrics las desactiva. Los validadores basados en modelos no envían nada una vez ejecutados en local. Un aviso crítico: la versión maliciosa 0.10.1 publicada en PyPI el 11 de mayo de 2026.
- Coste a escala
- La biblioteca es gratuita y ya no hay edición de pago. Los validadores basados en modelos necesitan ahora tu propia CPU o GPU, o un endpoint de inferencia que alojes tú.
- Límites
- Sin integraciones en main desde el 26 de agosto de 2026; 65 incidencias y pull requests abiertas, entre ellas un fallo al volver a preguntar en validadores de salida completa. Cuando se anunció el cambio del Hub, 50 de 64 validadores se habían trasladado a PyPI.
Lo bueno
- Modelo sencillo de Guards y validadores
- Licencia Apache 2.0
- Los validadores deterministas funcionan totalmente sin conexión
Lo malo
- El Hub y la inferencia alojada cerraron el 25 de agosto de 2026
- Nada integrado en main desde el 26 de agosto de 2026
- Una 0.10.1 maliciosa se publicó en PyPI en mayo de 2026
- Métricas de uso anónimas activadas por defecto
Ideal para
Usuarios actuales con validadores deterministas que pueden fijar versiones y parchearla ellos mismos.
Alternativas a Guardrails AI
Guardrails AI: preguntas frecuentes
- ¿Merece la pena Guardrails AI?
- Una buena idea que se ha quedado sin dueño: el código Apache 2.0 sigue funcionando, pero nadie integra correcciones y las piezas alojadas han desaparecido. Le damos un 3.2 sobre 5.
- ¿Cuánto cuesta Guardrails AI?
- Gratuito y de código abierto bajo Apache 2.0. El registro alojado del Hub y la inferencia remota gratuita cerraron el 25 de agosto de 2026.
- ¿Qué inconvenientes tiene Guardrails AI?
- El Hub y la inferencia alojada cerraron el 25 de agosto de 2026; nada integrado en main desde el 26 de agosto de 2026; una 0.10.1 maliciosa se publicó en PyPI en mayo de 2026; métricas de uso anónimas activadas por defecto.
- ¿Para quién es Guardrails AI?
- Usuarios actuales con validadores deterministas que pueden fijar versiones y parchearla ellos mismos.
- ¿Cuánto cuesta Guardrails AI para un equipo o en producción?
- La biblioteca es gratuita y ya no hay edición de pago. Los validadores basados en modelos necesitan ahora tu propia CPU o GPU, o un endpoint de inferencia que alojes tú.
- ¿Es Guardrails AI seguro para los datos de la empresa?
- Las métricas de uso anónimas están activadas por defecto y se envían a un endpoint OTLP alojado en AWS; guardrails configure --disable-metrics las desactiva. Los validadores basados en modelos no envían nada una vez ejecutados en local. Un aviso crítico: la versión maliciosa 0.10.1 publicada en PyPI el 11 de mayo de 2026.
- ¿Cuáles son las mejores alternativas a Guardrails AI?
- Las alternativas más cercanas que hemos analizado son NVIDIA NeMo Guardrails y promptfoo.
Respuestas comprobadas el 26 oct 2026.