Archivo
Haystack es un framework de Python de deepset, con licencia Apache 2.0, para construir aplicaciones de IA como pipelines de componentes conectados: recuperadores, generadores y routers. Desde la reescritura de la versión 2.0 admite ciclos, lo que permite añadir un componente Agent que llama a herramientas en bucle. Sirve tanto para RAG como para agentes en producción.
Agno, el framework de Python antes conocido como Phidata, construye agentes de IA con un objetivo claro: rendimiento. Crea cada agente en unos dos microsegundos y ocupa unos 3,75 KiB de memoria, así que escala a miles de agentes concurrentes. Ofrece agentes, equipos y flujos de trabajo, más de veinte proveedores de modelos y el tiempo de ejecución AgentOS.
Mastra es un framework open-source de TypeScript para construir agentes y aplicaciones de IA con un solo paquete: agentes, herramientas, workflows, memoria, RAG y evaluaciones. Lo creó el equipo detrás de Gatsby, alcanzó la versión 1.0 en enero de 2026 y conecta con más de 40 proveedores de modelos desde una única interfaz.
Semantic Kernel es el kit de código abierto de Microsoft para integrar modelos de IA en C#, Python y Java mediante un kernel que orquesta plugins y funciones. En 2026 su relevo es Microsoft Agent Framework, el sucesor que fusiona Semantic Kernel y AutoGen; Semantic Kernel sigue con soporte al menos un año más.
LlamaIndex es un framework de Python centrado en conectar tus datos con un modelo de lenguaje. Desde su módulo AgentWorkflow puedes construir agentes que razonan y llaman a herramientas: FunctionAgent para modelos con function calling y ReActAgent para cualquier modelo. Esta guía muestra cómo convertir un flujo RAG en un agente que actúa sobre tus documentos.
Google ADK (Agent Development Kit) es el framework de código abierto de Google para construir, evaluar y desplegar agentes de IA. Es code-first, funciona con Gemini y con otros modelos vía LiteLLM, y ofrece agentes de flujo, herramientas y memoria. Su versión 2.5.0 llegó en julio de 2026 y despliega directamente en Vertex AI.
smolagents es la biblioteca de agentes de Hugging Face: en menos de mil líneas de código te deja crear un agente que razona escribiendo Python en lugar de rellenar JSON. Su CodeAgent ejecuta esas acciones como código, da alrededor de un 30% menos de pasos que el tool calling clásico y funciona con cualquier modelo, local o de API.
Pydantic AI es el framework de agentes del equipo de Pydantic: construyes agentes en Python donde cada salida del modelo se valida contra un tipo que tú defines. Declaras la respuesta esperada como un modelo Pydantic y el agente garantiza esa estructura, con inyección de dependencias, herramientas y soporte para más de veinte proveedores de modelos.
El OpenAI Agents SDK es un framework de Python ligero para construir agentes y flujos multiagente con pocas primitivas: agentes, herramientas, traspasos (handoffs), barreras de seguridad, sesiones y trazado integrado. Es la evolución lista para producción de Swarm, funciona con la API de OpenAI y con más de 100 LLMs.
Continue es un asistente de código open source para VS Code y JetBrains que reúne chat, autocompletado, edición en línea y un modo agente en un solo panel. Con licencia Apache 2.0, funciona con más de cien modelos, incluidos los que ejecutas de forma local con Ollama, así que tú eliges el modelo y conservas el control de tu código.
Windsurf es el editor de código agéntico creado por Codeium: un fork de VS Code cuyo agente lee tu proyecto, planifica y edita varios archivos con tu aprobación. En julio de 2025 lo compró Cognition, la empresa de Devin, y el 2 de junio de 2026 pasó a llamarse Devin Desktop; su agente Cascade llegó a su fin de vida el 1 de julio de 2026 y lo sustituyó Devin Local.
Gemini CLI es el agente de código de Google para la terminal: open source, con un contexto de un millón de tokens y el modelo Gemini 3. Desde el 18 de junio de 2026 su capa gratuita para particulares se trasladó a Antigravity CLI, pero la herramienta sigue funcionando con una clave de API de AI Studio o una licencia de empresa.
Goose es un agente de IA de código abierto creado en Block que se ejecuta en tu propia máquina como app de escritorio, CLI y API. Lee y escribe archivos, ejecuta comandos y pruebas, y funciona con más de quince proveedores de modelos y con extensiones MCP. Es gratuito, con licencia Apache 2.0, y solo pagas el uso del modelo.
OpenHands, antes OpenDevin, es una plataforma de código abierto que resuelve tareas de programación de principio a fin: recibe un encargo, abre un contenedor sandbox y edita archivos, ejecuta comandos y navega la web hasta terminar. Se ejecuta con Docker en tu propio equipo y funciona con el modelo que elijas.
El Codex CLI es el agente de código de OpenAI que trabaja dentro de tu terminal: le describes una tarea, lee tu repositorio, propone los cambios y ejecuta comandos dentro de un sandbox que tú controlas. Es open source, se instala con npm y funciona con tu cuenta de ChatGPT o con una clave de API.
Roo Code es una extensión de código abierto para VS Code, nacida como fork de Cline, que convierte el editor en un equipo de agentes con modos especializados (Code, Architect, Debug, Ask y Orchestrator). El proyecto se archivó en mayo de 2026 en la versión 3.54.0, pero su continuación comunitaria ZooCode mantiene vivas las mismas funciones.
Cline es una extensión de VS Code que convierte tu editor en un agente de código autónomo: lee tu proyecto, planifica los cambios en el modo Plan y los ejecuta en el modo Act, mostrando cada edición como un diff que tú apruebas. Es open source y funciona con tu propia clave de API o con modelos locales.
Un sistema multiagente reparte una tarea entre varios agentes especializados coordinados por un patrón de diseño. Los tres más habituales son orquestador-trabajadores, en el que un agente líder delega en subagentes paralelos; el jerárquico, con equipos de equipos; y el de red, donde cualquier agente cede el control a otro mediante un traspaso.
ReAct y plan-and-execute son los dos patrones de control de un agente de IA. ReAct decide un paso cada vez, razonando y actuando en bucle; plan-and-execute traza primero un plan completo y luego lo ejecuta paso a paso. El primero se adapta mejor a lo imprevisto; el segundo gasta menos llamadas y planifica tareas largas con más orden.
La ingeniería de contexto es el arte de decidir qué información entra en la ventana de un modelo en cada paso de un agente. Frente a la ingeniería de prompts, gestiona todo el conjunto de tokens: instrucciones, herramientas, memoria e historial. Su meta es el conjunto más pequeño de tokens de alta señal que logre la tarea.
El human-in-the-loop es el patrón que mantiene a una persona en el bucle de decisión de un agente de IA: el agente se detiene en un punto de aprobación antes de una acción irreversible, espera tu confirmación y reanuda con el estado intacto. Frameworks como LangGraph y el Agents SDK de OpenAI lo implementan con interrupciones y aprobación de herramientas.
La memoria es lo que permite a un agente de IA recordar más allá de una sola conversación. La memoria de trabajo es su ventana de contexto, efímera y limitada; la memoria a largo plazo guarda hechos, experiencias y procedimientos en un almacén externo, casi siempre una base de datos vectorial, y los recupera cuando hacen falta.
El patrón de reflexión hace que un agente critique su propia salida y la reescriba antes de darla por buena. Un modelo genera, otro paso evalúa y señala fallos, y un tercero corrige, en un bucle de una o dos rondas. Mejora la calidad en tareas con criterios claros, pero cada ciclo añade llamadas al modelo, tokens y latencia.
La planificación permite a un agente de IA resolver tareas largas: en lugar de improvisar paso a paso, primero descompone el objetivo en una lista de subtareas ordenadas y luego las ejecuta. El patrón planificador-ejecutor separa el pensamiento de la acción, reduce el número de llamadas al modelo y permite replanificar cuando algo falla a mitad del trabajo.
