Comparación de CrewAI, AutoGen, LangGraph, OpenAI Agents SDK y smolagents
Una comparación realizada por un ingeniero de cinco frameworks de agentes de código abierto en cuanto a orquestación, memoria, herramientas, evaluaciones y capacidad de observabilidad, además de los patrones de fallo recurrentes.
Cualquiera que desarrolle aplicaciones de LLM durante suficiente tiempo se topa con el mismo problema: un solo prompt y un ciclo de llamadas a herramientas no son suficientes. Los sistemas reales requieren varios pasos, ramificaciones, memoria compartida, intentos repetidos, puntos de control humanos y alguna forma de determinar por qué un agente se comportó mal a las 3 a.m. Existen frameworks de agentes para abordar estas necesidades.
A principios de 2026, el ámbito de los proyectos de código abierto ofrece varios competidores serios: CrewAI, AutoGen de Microsoft, LangGraph de LangChain, el Agents SDK de OpenAI y smolagents de Hugging Face. Su marketing suena similar, pero su arquitectura, ergonomía y comportamiento en producción difieren considerablemente. Se trata de una comparación realizada por ingenieros en activo, no de una prueba de rendimiento, ya que aún es difícil crear pruebas fiables para agentes. Los cinco proyectos están siendo mantenidos activamente, tienen documentación pública y se utilizan en entornos de producción reales. Se evalúan según cinco aspectos relacionados con la producción: el modelo de orquestación, la memoria y el estado, la integración de herramientas, la evaluación y las operaciones además de la capacidad de observabilidad. Los valores de latencia se omiten intencionadamente, ya que varían según el proveedor, el tamaño de la instrucción y el número de herramientas utilizadas. Mídalo en su propio trabajo de carga.
Los cinco frameworks
CrewAI
CrewAI presenta las cosas como un equipo de agentes, cada uno con un rol, un objetivo y un trasfondo. Los agentes reciben tareas y herramientas, y el marco gestiona la delegación, las transferencias de responsabilidades y un proceso secuencial o jerárquico.
Es el más fácil de leer en voz alta. Un Crew formado por un investigador, un analista y un escritor es algo que un gerente de producto puede comprender de inmediato. El precio que tiene es una abstracción problemática: cuando la delegación falla, lo que hay que depurar es una conversación entre los agentes, no un grafo determinista. Durante el último año ha incorporado funciones de flujos y memoria, y la CLI crewai run junto con los conectores de telemetría lo hacen más adecuado para entornos de producción que antes. Aun así, el LLM se encarga del razonamiento de orquestación, por lo que el uso de tokens y el carácter no determinista son mayores que en los diseños basados en grafos.
Es adecuado para pipelines de contenido, flujos de trabajo de investigación y cualquier caso en el que varias personas deban reflejar roles organizacionales reales.
AutoGen
AutoGen fue reescrito en gran medida en su versión v0.4, pasando a un modelo de actores basado en eventos con un entorno de ejecución real y un broker de mensajes. Muchas personas todavía se imaginan el estilo del antiguo GroupChat de v0.2, pero la dirección actual se asemeja a un sistema de actores distribuidos, donde los agentes intercambian mensajes y se pueden sustituir diferentes entornos de ejecución.
El resultado es el marco más orientado a los sistemas del grupo, que ofrece un control detallado sobre el enrutamiento de mensajes, las condiciones de finalización y el ciclo de vida de los agentes. La complejidad es el precio a pagar. Incluso un chat sencillo con dos agentes requiere más código genérico que CrewAI, y los conceptos de “eventos, temas y tiempo de ejecución” exigen más del lector que lo que necesita un equipo. Además, cuenta con un sólido historial en patrones de investigación multiagente como el debate, la reflexión y la sociedad de mente, ya que Microsoft Research lo diseñó teniendo en cuenta estos enfoques.
Es adecuado para configuraciones multiagente orientadas a la investigación, enrutamiento personalizado de mensajes y equipos familiarizados con el pensamiento de tipo actor.
LangGraph
LangGraph adopta la postura más estricta respecto al flujo de control, modelando cada flujo de trabajo como un grafo de estados. Los nodos pueden ser funciones simples o llamadas a agentes, las aristas pueden ser fijas o condicionales, y un esquema de estados tipado recorre todo el sistema. La creación de puntos de control es una característica de primer nivel que permite guardar el estado, reproducir ejecuciones e insertar interrupciones manuales de manera sencilla.
Es la opción ideal cuando la corrección y la auditabilidad son más importantes que la velocidad de demostración. El grafo es explícito, lo que significa que se puede probar, representar gráficamente y analizar racionalmente. Las desventajas son: hereda la reputación de LangChain en cuanto a capas de abstracción, los elementos ejecutables profundamente anidados siguen siendo difíciles de depurar incluso con el rastreo de LangSmith, y la curva de aprendizaje es más pronunciada que el enfoque de CrewAI de definir agentes y tareas.
Es la mejor opción para flujos de trabajo de producción que requieren un proceso determinista, puntos de aprobación, posibilidad de reproducir acciones y registros de auditoría, así como para quienes ya forman parte del ecosistema LangChain.
OpenAI Agents SDK
Este paquete de código abierto en Python formaliza los patrones del experimento anterior de OpenAI llamado Swarm. El modelo es ligero: los agentes llevan instrucciones, herramientas y pasajes de control, las medidas de seguridad protegen las entradas y salidas, y la trazabilidad está integrada por defecto.
Se siente menos como un framework. No existe motor de grafos ni entorno de ejecución para actores, solo agentes, herramientas, pasajes de control y un bucle de ejecución. Eso es una ventaja para quienes quieren ver exactamente lo que está sucediendo, pero una limitación para quienes necesitan una gestión de estado compleja. Los valores predeterminados favorecen los modelos de OpenAI, a través de la API Responses y un formato específico de seguimiento, aunque otros proveedores funcionan mediante adaptadores de modelos. El primitivo guardrails es realmente útil, y en otros casos suele aparecer más tarde como un complemento y no como componente fundamental.
Es adecuado para arquitecturas centradas en OpenAI, equipos que desean una capa ligera sobre el bucle del modelo, y diseños en los que los pasajes de control entre agentes especializados son el patrón principal.
smolagents
smolagents de Hugging Face es la excepción en este contexto. En lugar del habitual bucle ReAct de llamar a una herramienta, recibir JSON y analizarlo, utiliza agentes de código: el LLM escribe y ejecuta Python para utilizar herramientas. Este framework es deliberadamente pequeño, con una base de código muy reducida, y ofrece tanto un CodeAgent como un ToolCallingAgent más convencional.
Los agentes de código aportan beneficios reales. No hay fallos en el análisis de JSON, las llamadas a herramientas se combinan de forma natural y el modelo puede escribir bucles y estructuras condicionales directamente. El riesgo evidente es ejecutar código generado por un LLM, riesgo que smolagents atenúa mediante opciones de aislamiento como E2B e intérpretes locales. De los cinco, es el que con mayor probabilidad sorprenderá, ya sea para bien o para mal.
Es una opción adecuada para trabajos de investigación y con datos donde el código es la forma natural de actuar, para implementaciones ligeras, y para equipos que desean una base de código compacta y auditable.
Orquestación implícita versus explícita
La mayor división arquitectónica existe entre la orquestación implícita (CrewAI, GroupChat de AutoGen) y la orquestación explícita (LangGraph, las transferencias en el SDK de OpenAI, el ejecutor smolagents).
Con la orquestación implícita, el LLM elige quién actuará a continuación. Esto es flexible y se ve excelente en una demostración, pero en producción introduce no determinismo: una entrada idéntica puede generar secuencias de agentes diferentes, lo que desestabiliza las evaluaciones, complica la depuración y consume tokens adicionales en conversaciones de coordinación.
La orquestación explícita, a través de grafos, transferencias o código, mantiene el flujo de control inspeccionable. Se puede representar gráficamente, probar y dotar de puntos de control de aprobación en los lugares adecuados. El costo es el esfuerzo de diseño inicial, ya que es necesario planificar bien el grafo antes de lanzar el sistema.
A reasonable rule: for "research and produce a deliverable" workflows, implicit orchestration is acceptable. When a workflow touches money, customer data or irreversible actions, choose explicit orchestration and keep a human in the loop, with no exceptions.
Memory and state
La memoria sigue siendo un punto débil en la mayoría de ellos. CrewAI cuenta con primitivas a corto y largo plazo con backends intercambiables. El modelo de actores de AutoGen mantiene el historial de mensajes y el estado por agente, aunque la memoria a largo plazo entre sesiones queda en gran medida en manos del desarrollador. El sistema de puntos de control de LangGraph es el más sólido, ya que incluye estado serializable, reproducción y depuración con viaje en el tiempo. El SDK de OpenAI Agents se mantiene sencillo, albergando el estado de la sesión en un contexto de ejecución, mientras que la memoria a largo plazo depende del usuario. smolagents lo mantiene intencionadamente mínimo. Más allá de una sola sesión, será necesario proporcionar su propio almacén de vectores o base de datos, ya que la memoria integrada es un punto de partida, no una función completa.
Integración de herramientas
Todos los cinco soportan herramientas para llamar a funciones, y difieren en cuanto a comodidad:
- CrewAI utiliza un decorador,
@tool, que resulta práctico para casos simples. - AutoGen trata las herramientas como funciones tipadas, aunque el modelo de actor añade cierta indirección.
- LangGraph vincula las herramientas a nodos, lo que permite componer herramientas de LangChain o escribir funciones simples.
- El SDK OpenAI Agents cuenta con un decorador
@function_toolque es sencillo de usar e infiere los esquemas de manera eficaz. - Las herramientas de smolagents son objetos de Python a los que los agentes llaman directamente, evitando la serialización en JSON.
Para llamadas estándar REST o en Python, cualquiera de ellos funciona. Con docenas de herramientas y esquemas complejos, LangGraph junto con el ecosistema de herramientas de LangChain ofrece la mayor flexibilidad, con las ventajas y desventajas que eso implica.
Evaluación
La evaluación es el área más decepcionante en general, ya que ninguno de los frameworks ofrece un enfoque sólido. Las opciones son las siguientes:
- LangSmith se integra estrechamente con LangGraph y representa la combinación de seguimiento más avanzada junto con evaluación, aunque es un producto comercial que ofrece una versión gratuita.
- El seguimiento en el OpenAI Agents SDK proporciona información detallada y una tabla de control, útiles para inspeccionar el funcionamiento, pero insuficientes para una herramienta de evaluación completa.
- CrewAI incluye mecanismos de entrenamiento y telemetría, pero se basa en ejecutar el sistema varias veces y observar los resultados, en lugar de en evaluaciones estructuradas.
- AutoGen y smolagents dejan en gran medida la evaluación en manos del desarrollador.
Los proyectos serios requieren crear una herramienta personalizada sobre la base de promptfoo, DeepEval o un sistema propio con un LLM como evaluador, y ejecutarla en entornos de integración continua. Evaluar a los agentes es más complicado que evaluar turnos individuales, ya que tanto el resultado final como los pasos intermedios necesitan ser calificados. Asigne tiempo en tiempo real para esto.
Operaciones y observabilidad
Los agentes en producción necesitan seguimiento, intentos de reintentar, seguimiento de costos y medidas de control. En resumen:
- LangGraph con LangSmith ofrece la mayor capacidad de observabilidad, incluyendo trazas a nivel de paso y funcionalidad de reproducción.
- El SDK de OpenAI Agents considera el seguimiento de actividades y las reglas de control como elementos fundamentales, lo cual es una clara ventaja.
- CrewAI proporciona telemetría e integra con herramientas como AgentOps y Langfuse.
- El entorno de ejecución basado en eventos de AutoGen v0.4 emite eventos estructurados que pueden enviarse a cualquier backend.
- smolagents es mínimo, por lo que tú debes configurar el sistema de registro de datos.
En cuanto a costos, ninguno de estos frameworks evita el gasto excesivo. Los bucles de agentes pueden consumir muchos tokens en intentos de repetición y en comunicaciones entre ellos, por lo que es necesario establecer un límite máximo de iteraciones, un límite de tokens por paso y un techo de costos por ejecución, además de activar alertas para cada uno de ellos. Un equipo mal configurado puede gastar 40 dólares en una sola ejecución si un agente sigue pidiendo a otro que aclare algo.
Patrones de fallo que persisten
- Explosiones de tokens debido a las comunicaciones entre agentes, más graves en frameworks con orquestación implícita. Limitar las iteraciones y los turnos.
- Fallas silenciosas de las herramientas, en las que un agente recibe un error 500 y lo ignora en lugar de reportarlo. Hacer que los errores de las herramientas sean evidentes y permitir intentos de reintentar.
- Ejecuciones que no se pueden reproducir. Sin puntos de control, como en LangGraph, o semillas fijas, la misma entrada genera rastros diferentes, lo que dificulta enormemente la depuración.
- Fallas en las medidas de control. Los equipos suelen añadir la validación de salidas tarde, y la función guardrail del OpenAI Agents SDK es un buen patrón a seguir incluso sin utilizar el SDK.
Elegir
No hay un ganador único, pero una guía aproximada ayuda:
- Si ya se utiliza LangChain y se necesitan registros de auditoría o intervención humana: LangGraph.
- Si se trata de una solución de OpenAI que busca una abstracción mínima: OpenAI Agents SDK.
- Para patrones de investigación con múltiples agentes al estilo actor: AutoGen.
- Para equipos basados en roles y flujos de trabajo de contenido fáciles de entender: CrewAI.
- Para un tamaño reducido, con código como acción y tareas de datos: smolagents.
En la práctica, los sistemas de agentes de producción suelen reducirse a una capa de framework esencial sobre una gran cantidad de código escrito a mano. Ningún framework ofrece de forma gratuita mecanismos de reintentos, evaluaciones, límites de costo, medidas de seguridad ni capacidades de observabilidad. Elija el framework cuyo modelo de orquestación se adapte al problema y luego invierta esfuerzos en la infraestructura menos llamativa que lo rodea, ya que allí es donde realmente tiene lugar la ingeniería de agentes en entornos de producción.