Necesita un agente IA para ordenar sus correos, responder a las solicitudes de presupuesto o preparar sus informes, y no le apetece confiar los datos de sus clientes a un servicio en la nube cuya ubicación de servidores y uso exacto desconoce. Ahí es donde entran en juego los marcos de código abierto: el código es público, usted puede leerlo, y puede ejecutarlo en sus propias máquinas. Aun así, hay que saber qué hacen realmente estas herramientas, qué cuestan, y qué no significa «código abierto».
Puntos clave
- Tres marcos dominan: LangGraph (control y flujos de trabajo empresariales), CrewAI (sencillez) y Microsoft Agent Framework, el sucesor de AutoGen disponible desde abril de 2026 bajo licencia MIT.
- Gartner prevé que el 40 % de las aplicaciones empresariales integrará agentes IA dedicados a finales de 2026, frente a menos del 5 % en 2025.
- Código abierto no significa gratis: usted siempre paga el modelo, ya sea mediante una API en la nube o mediante el hardware para ejecutarlo en local.
- Código abierto no significa sin código: son herramientas para desarrolladores. La capa no-code viene de una herramienta visual o de un socio.
- El criterio decisivo para una pyme no es el marco de trabajo, es el lugar donde se ejecuta el modelo.
Por qué el código abierto le concierne
Un marco de trabajo de agentes IA es la caja de herramientas que ensambla un modelo de lenguaje, unas instrucciones y unas herramientas externas para ejecutar una tarea. La versión de código abierto publica ese código bajo una licencia libre, casi siempre MIT o Apache. Dos consecuencias le conciernen, incluso si usted no escribe una línea de código.
La primera es el control. Nadie puede apagar su agente, cambiar sus condiciones de uso ni subir sus precios de la noche a la mañana. Usted depende de una comunidad y de su propia infraestructura, no de un proveedor.
La segunda es la confidencialidad. Un código público puede auditarse, y sobre todo puede ejecutarse en sus máquinas. Sus datos se quedan en su casa. Para las profesiones liberales sujetas al secreto profesional, este es el punto que lo cambia todo. Hemos detallado esta arquitectura en nuestro artículo sobre la IA local y el cálculo compartido.
El panorama en 2026
Tres marcos destacan, a los que se suma una familia de herramientas visuales.
LangGraph: la opción del control
LangGraph, del ecosistema LangChain, modela un agente como un grafo: cada etapa es un nodo, cada decisión una arista. Este desglose da un control fino sobre el estado, la memoria y los puntos donde un humano debe validar antes de que el agente continúe. Es el marco de los flujos de trabajo largos y las aplicaciones empresariales. Muestra unas 34 000 estrellas en GitHub a principios de 2026. La contrapartida: la curva de aprendizaje es la más pronunciada del trío.
CrewAI: la opción de la sencillez
CrewAI organiza los agentes como un equipo: cada uno recibe un rol, un objetivo y unas herramientas. La configuración pasa por ficheros YAML legibles, lo que lo hace accesible a un desarrollador que descubre los agentes. Ha superado las 50 000 estrellas en GitHub a principios de 2026. La contrapartida: superado cierto nivel de complejidad, las capas de abstracción se vuelven opacas y la depuración se complica.
Microsoft Agent Framework: el sucesor de AutoGen
AutoGen, lanzado por Microsoft Research en 2023, fue durante mucho tiempo la referencia de los sistemas multiagente. En octubre de 2025, Microsoft lo fusionó con Semantic Kernel en un marco único, el Microsoft Agent Framework, disponible en versión estable desde abril de 2026 bajo licencia MIT, con un compromiso de soporte a largo plazo. AutoGen sigue en mantenimiento: solo correcciones de seguridad. Si empieza un proyecto nuevo, opte por el marco nuevo.
Las herramientas visuales: n8n y Dify
Los tres marcos anteriores exigen código Python. Dos herramientas proponen un enfoque visual. n8n encadena las etapas mediante arrastrar y soltar, sin escribir código (vea nuestro tutorial para crear un agente con n8n). Dify añade una interfaz completa para construir asistentes, con soporte para cientos de modelos. Son las puertas de entrada cuando el código no es una opción.
| Marco | Origen | Enfoque | Para quién |
|---|---|---|---|
| LangGraph | LangChain | Grafo de estados | Flujos de trabajo empresariales, control fino |
| CrewAI | Independiente | Roles y YAML | Primeros proyectos multiagente |
| Microsoft Agent Framework | Microsoft | Multiagente, .NET y Python | Entornos Microsoft |
| n8n | Comunidad | No-code visual | Automatización sin desarrollador |
| Dify | Comunidad | Interfaz visual | Asistentes a medida |
Lo que «código abierto» no significa
Circulan dos malentendidos, y salen caros a quienes no los ven venir.
El primero: código abierto no significa gratis. El código es gratuito, pero el agente se apoya en un modelo de lenguaje, y es este el que factura. Dos opciones: llamar a un modelo vía API y pagar por token, o ejecutar un modelo local como Llama o Mistral en su hardware, al precio de un servidor equipado con GPU. Los modelos de código abierto solo representan alrededor del 11 % del mercado de modelos, según el informe anual de Menlo Ventures (2025). La mayoría de las empresas siguen alquilando modelos propietarios, pese a los avances de los modelos libres.
El segundo: código abierto no significa sin código. Estos marcos se dirigen a desarrolladores. Una pyme que quiere un agente sin contratar un perfil técnico pasa por una herramienta visual como n8n o Dify, o confía la construcción a un socio que domine estas piezas. Es el papel de nuestro servicio de agentes IA a medida: ensamblar los componentes de código abierto correctos y luego ejecutar el agente en el entorno del cliente. También formamos a los equipos para que se vuelvan autónomos con estas herramientas (nuestra formación en automatización).
La confidencialidad, el verdadero motivo
Hay una razón más seria que el precio para elegir el código abierto: sus datos. Un despacho de abogados, un asesor contable o una consulta médica no puede enviar expedientes de clientes a un servicio en la nube sin riesgo. Con un marco de código abierto y un modelo local, nada sale de la infraestructura del despacho.
Ojo con un matiz. Algunos kits de desarrollo presentados como código abierto (OpenAI Agents SDK, Claude Agent SDK, Google ADK) publican su código, pero siempre envían sus solicitudes a la API del proveedor. El código está abierto, sus datos no. Para una profesión regulada, la verdadera pregunta no es «¿el marco es de código abierto?» sino «¿dónde se ejecuta el modelo?».
Tres preguntas antes de elegir
- ¿Qué nivel de competencia interna? Sin desarrollador, opte por n8n o Dify, o pase por un proveedor. Con un equipo técnico, elija LangGraph o CrewAI según la complejidad.
- ¿Dónde deben permanecer los datos? Si el secreto profesional lo exige, se impone un modelo local, sea cual sea el marco.
- ¿Quién mantiene el conjunto? Un marco de código abierto evoluciona rápido: las versiones se suceden, y un proyecto puede pasar a mantenimiento, como AutoGen. Hace falta alguien que siga las actualizaciones y corrija los fallos. Una auditoría de sus procesos ayuda a tomar estas decisiones sobre casos de uso reales, no sobre hipótesis. Para comparar las herramientas sin equipo técnico, un taller práctico sobre agentes IA hace la criba con sus propios casos.
Preguntas frecuentes
¿Qué diferencia hay entre un marco de código abierto y un kit como el de OpenAI?
El marco orquesta el agente (etapas, memoria, herramientas) y permanece independiente del proveedor de modelo. Un kit de desarrollo suele estar ligado a la API de un proveedor: el código es público, pero las solicitudes van a sus servidores. Verifique siempre dónde se ejecuta el modelo.
¿Basta un marco de código abierto para una pyme sin desarrollador?
No. Estas herramientas exigen código. Para una pyme sin equipo técnico, el camino realista pasa por una herramienta no-code como n8n o Dify, o por un socio que construya y mantenga el agente.
¿Se puede ejecutar un agente de código abierto en los propios servidores?
Sí, y es el interés principal para los datos sensibles. Hace falta un servidor correctamente dimensionado y competencias para instalarlo y mantenerlo.
¿Ha muerto AutoGen?
No ha muerto, pero está en mantenimiento. Microsoft anunció la fusión con Semantic Kernel en octubre de 2025, y el Microsoft Agent Framework es estable desde abril de 2026. Los proyectos AutoGen existentes siguen funcionando, pero un proyecto nuevo debería partir del marco nuevo.
¿Cuánto cuesta un agente construido sobre estos marcos?
El marco es gratuito. El coste viene del modelo (API o hardware local) y del tiempo de construcción. Para una pyme, la inversión se cuenta en miles de euros, pero varía mucho según la complejidad del caso de uso.
Conclusión
Elegir un marco de código abierto equivale a resolver tres preguntas: el nivel de control que quiere, el lugar donde deben permanecer sus datos, y las competencias de las que dispone. LangGraph para el control, CrewAI para la sencillez, el Microsoft Agent Framework para los entornos Microsoft, y las herramientas visuales cuando el código no es una opción.
Para una pyme o una profesión liberal francesa, el código abierto no es una moda: a menudo es la única forma de usar un agente IA sin ceder el control de sus datos. El marco es solo un componente. Lo que cuenta es el conjunto: un modelo que se ejecuta en el lugar correcto, unas herramientas bien conectadas, y un mantenimiento que sigue el ritmo.
Es el trabajo que NexeAI hace para sus clientes. Si quiere un agente IA construido sobre piezas de código abierto, alojado donde sus datos lo exijan, hablemos de su proyecto.
