AutoGen vs LangGraph: qué elegir y cómo migrar

AutoGen vs LangGraph se ha convertido en una decisión sobre migración: al 27 de octubre de 2026, el README de AutoGen de Microsoft indica que el proyecto está archivado y ya no recibe mantenimiento. Elige LangGraph si necesitas controlar de forma explícita un flujo de trabajo con estado; elige Microsoft Agent Framework si la prioridad es mantener la continuidad con el ecosistema de agentes de Microsoft. Un prototipo existente en AutoGen sirve como punto de partida para migrar, pero es una base poco recomendable para nuevos sistemas en producción. Estado actual de AutoGen.

AutoGen vs LangGraph: ¿cuál conviene elegir?

Elige LangGraph para un sistema nuevo que deba registrar el avance del trabajo, detenerse a la espera de aprobación y recuperarse de forma predecible. LangGraph, el motor de orquestación desarrollado por LangChain, permite definir la aplicación como una serie de pasos conectados mediante un estado explícito. Encaja en un flujo de soporte donde el borrador, el resultado de la revisión y la aprobación deben seguir siendo elementos distintos después de reiniciar el proceso que ejecuta el trabajo.

Elige Microsoft Agent Framework para migrar desde AutoGen cuando tu aplicación esté vinculada al ecosistema de Microsoft, especialmente si ya usa .NET. El sucesor de Microsoft combina abstracciones de agentes con flujos de trabajo. Seguir dentro de esa familia también exige cambiar la orquestación y la gestión del estado; no basta con sustituir el nombre de un paquete. Descripción general del framework de Microsoft.

Conserva un prototipo existente de AutoGen solo como referencia acotada durante la migración. Guarda los prompts, los contratos de las herramientas y los ejemplos que le dan valor. Evita asignarle nuevas responsabilidades dando por hecho un compromiso de mantenimiento del proyecto que ya no existe.

La decisión depende de tres criterios: quién mantiene la base del sistema, dónde reside el estado de la aplicación y cómo se reanuda un trabajo en pausa. Estas valoraciones se basan en la documentación, no en pruebas comparativas de velocidad o calidad de los modelos. Las páginas de los proveedores y la documentación citadas aquí se verificaron el 27 de octubre de 2026.

Los detalles de implementación de la tabla proceden de la guía de equipos de AutoGen, la guía de estado de AutoGen, la Graph API de LangGraph y la documentación de persistencia de LangGraph.

Estado actual de AutoGen: archivado y sin mantenimiento

AutoGen, el framework de Microsoft para agentes de IA que colaboran entre sí, muestra ahora esta advertencia en su README: «Proyecto archivado y sin mantenimiento». El mismo aviso indica que Microsoft ya no proporciona correcciones de errores, parches de seguridad, funciones ni soporte, y anima a los usuarios actuales a migrar. La recomendación para quienes empiezan es explícita: «Los nuevos usuarios deben comenzar con Microsoft Agent Framework». README de AutoGen de Microsoft.

Los comunicados anteriores de Microsoft explican por qué algunos desarrolladores pueden recordar una política distinta. El anuncio de lanzamiento del 1 de octubre de 2025 decía: «Ambos proyectos seguirán recibiendo soporte, pero la mayor parte de la inversión se concentra ahora en Microsoft Agent Framework». Esa era la postura en el momento del lanzamiento respecto a AutoGen y Semantic Kernel, el framework anterior de Microsoft para agentes y aplicaciones de IA. No invalida la advertencia actual de AutoGen. Anuncio de presentación de Microsoft.

La actualización de BUILD de Microsoft del 3 de junio de 2026 también afirma: «MAF alcanzó la disponibilidad general de la versión 1.0 el 2 de abril de 2026». GA significa disponibilidad general. Por tanto, no corresponde describir al sucesor como si siguiera siendo únicamente la versión preliminar anunciada en su lanzamiento. Actualización de Microsoft en BUILD.

Para un proyecto nuevo, el ganador entre AutoGen y LangGraph es LangGraph. El estado del soporte de AutoGen resuelve esa parte de la decisión antes de entrar a valorar su API de conversación. Microsoft Agent Framework sigue siendo una alternativa actual e independiente para migrar.

Conversaciones frente a grafos con estado

AutoGen AgentChat facilita organizar el trabajo en torno a una conversación; LangGraph hace explícitos el estado de la aplicación y sus transiciones. Ambos pueden coordinar agentes. La diferencia útil está en lo que hay que definir cuando algo falla o una persona necesita intervenir.

AutoGen: los agentes se turnan y examinan los mensajes

AutoGen AgentChat es la API de equipos de alto nivel que funciona sobre Core, el motor de ejecución de AutoGen basado en eventos. Con RoundRobinGroupChat, los participantes intervienen por turnos y difunden sus respuestas al grupo. Un agente redactor puede proponer una respuesta y otro revisor puede cuestionarla. En cambio, SelectorGroupChat utiliza un modelo para elegir quién interviene a continuación. Patrones de equipos en AutoGen.

Es una forma intuitiva de representar una conversación que ya conoces. La tarea se complica cuando la transcripción también debe servir de registro operativo. Una frase como «aprobado» puede referirse a la exactitud del borrador, al consentimiento de un cliente o a una autorización humana. La aplicación necesita distinguir esos significados antes de ejecutar una acción externa.

El límite de AutoGen está en la distancia entre una conversación útil y un proceso de negocio que se pueda reanudar, agravada ahora por el archivo del proyecto. Añadir prompts no determina qué documento guardado es el válido ni qué acción ya se ejecutó.

Tampoco sería correcto afirmar que AutoGen no permite representar grafos. Su GraphFlow experimental admite secuencias, ramificaciones, trabajo en paralelo y bucles. Hay una limitación más sutil y relevante: el grafo de ejecución no decide qué mensajes ve cada agente. Los mensajes se difunden a todos de forma predeterminada y su filtrado se gestiona por separado. Una arista que indica «ahora actúa el revisor» no delimita el acceso a los datos. Documentación de GraphFlow.

Para entender un prototipo conversacional existente, gana AutoGen AgentChat. Su abstracción de equipos permite explicar el prototipo de forma concisa. Es un motivo para comprender el código antes de migrar, no para iniciar un nuevo despliegue con él.

LangGraph: la aplicación mantiene su propio registro de trabajo

LangGraph es un motor de ejecución de bajo nivel para flujos de trabajo con estado. Un nodo realiza una tarea, una arista selecciona el siguiente paso y el estado es el registro estructurado de trabajo que circula por la aplicación. Los nodos pueden contener llamadas a modelos o funciones convencionales. Descripción general de LangGraph.

En una respuesta de soporte, el estado podría incluir el identificador del ticket, el texto de referencia aprobado, el borrador actual, las observaciones de la revisión y la decisión humana. Un nodo de revisión actualiza las observaciones. Una arista condicional devuelve un borrador rechazado para que se corrija o hace avanzar uno aceptable hacia la aprobación. El diseño de los campos y las reglas corresponde a tu aplicación.

Un reductor es la regla que determina cómo combinar una actualización con un campo de estado existente. Por ejemplo, puedes reemplazar el borrador actual y, al mismo tiempo, acumular las notas de revisión. Una elección incorrecta puede dejar observaciones obsoletas asociadas a una respuesta ya corregida. Actualizaciones de estado y reductores.

El límite de LangGraph es el trabajo de diseño que obliga a hacer explícito. Tú defines el esquema, las reglas de enrutamiento y el comportamiento ante fallos. Un grafo también puede contener decisiones tomadas por modelos y bucles; dibujarlo no hace que el texto generado sea reproducible ni correcto.

Para controlar el estado de negocio de un flujo de trabajo, gana LangGraph. A cambio del esfuerzo de diseño, obtienes un registro que puedes inspeccionar directamente, sin tener que deducir el avance a partir de la conversación entre agentes.

LangGraph vs LangChain: elige la capa adecuada

LangChain es el framework de más alto nivel para modelos, herramientas y bucles de agentes; LangGraph aporta la orquestación subyacente. Puedes utilizar LangGraph sin adoptar los componentes de LangChain. Cómo encajan las capas.

Para migrar desde AutoGen, primero decide si tu aplicación necesita un flujo de trabajo personalizado. Un asistente pequeño que llama a una herramienta y devuelve una respuesta quizá no requiera esa estructura adicional. La comparativa de LangChain vs LangGraph analiza esa decisión en detalle.

La misma tarea con dos agentes en cada framework

Compara la coordinación con un redactor y un revisor, y deja el envío fuera del alcance de ambos agentes. Imagina una respuesta de soporte basada en un ticket de cliente fijo y un extracto aprobado de la base de conocimiento. El redactor propone una respuesta. El revisor contrasta cada afirmación con el extracto y solicita cambios o acepta el borrador. Una persona autoriza el envío por separado.

Este diseño es ilustrativo; no es una prueba comparativa ejecutada. Ambas implementaciones reciben las mismas entradas, prompts y criterios de revisión. Ningún agente dispone de una herramienta de envío. Así, la comparación se centra en una pregunta: ¿cómo representa el framework el trabajo y los puntos en los que debe detenerse?

Estos diseños siguen la documentación del patrón de equipos con reflexión de AutoGen, los comentarios entre ejecuciones, el enrutamiento de LangGraph y las interrupciones.

Qué debes configurar en AutoGen

Crea el redactor y el revisor con instrucciones distintas y colócalos en RoundRobinGroupChat. El tutorial oficial utiliza TextMentionTermination para detener la ejecución cuando aparece una palabra en la respuesta de un agente. En esta aplicación, interpreta esa parada como el final de la revisión automatizada, nunca como una autorización de envío. Examina el resultado y conserva el borrador que evaluó el revisor.

Define una política que limite las rondas de corrección. Si el revisor sigue detectando afirmaciones sin respaldo, devuelve el caso a una persona junto con las observaciones. No conviertas una conversación sin resolver en un intento interminable de generar una señal de éxito.

El trabajo adicional de ingeniería queda fuera del diálogo: registrar qué ticket se procesa, guardar el resultado de la revisión, conservar el estado del equipo en un punto de parada seguro y asociar la intervención humana posterior con el borrador correcto. El tutorial sobre estado ofrece primitivas de serialización, no una política completa de recuperación para tu aplicación.

Qué debes configurar en LangGraph

Define campos de la aplicación como ticket_id, source_text, draft, review, approved y send_receipt. Conecta la redacción con la revisión. Si la revisión falla, dirige el flujo a una corrección mientras la política lo permita; en caso contrario, detén el proceso para que lo atienda una persona. Una revisión aceptable permite avanzar al paso de aprobación humana.

Una regla útil de implementación es invalidar la aprobación anterior cada vez que cambie el borrador. De lo contrario, una persona puede aprobar un texto y la aplicación enviar después otro distinto. Se trata de una invariante de negocio, una condición que la aplicación siempre debe cumplir, no de una función del framework.

El envío corresponde a una función convencional independiente que se ejecuta después de la aprobación. Esa función registra el comprobante del sistema externo y lo asocia con el ticket y el borrador aprobado. El resultado de la revisión de un agente y la autorización de una persona se mantienen en campos distintos.

Para esta tarea, cuando importan la aprobación diferida y la recuperación, gana LangGraph. AutoGen describe el intercambio con claridad; el grafo representa de forma más directa el registro operativo y los controles que lo rodean. Si la tarea termina con un borrador sin enviar y se puede reiniciar fácilmente, la migración tiene menos requisitos de flujo que resolver.

Puntos de control e intervención humana: qué significa recuperarse de un fallo

Guardar el estado de una conversación es útil, pero no ofrece las mismas garantías que reanudar un flujo de trabajo. AutoGen admite save_state() y load_state() en agentes y equipos. La aplicación puede guardar ese estado en un archivo o una base de datos. Decir que AutoGen «no tiene memoria» describiría de forma incorrecta la API disponible. Gestión del estado en AutoGen.

LangGraph utiliza un checkpointer, un componente que guarda el estado del grafo de un hilo. Un hilo identifica un trabajo que continúa a lo largo del tiempo. Por separado, su store almacena datos de la aplicación que deben estar disponibles entre distintos hilos. Usa el primero para continuar con el ticket actual y el segundo, si lo necesitas, para conservar información compartida de forma persistente. Conceptos de persistencia.

La elección del almacenamiento importa. InMemorySaver y MemorySaver guardan los puntos de control en RAM; esos puntos desaparecen cuando se reinicia el proceso. Un prototipo que demuestra una interrupción con almacenamiento en memoria no ha demostrado que pueda recuperarse tras un reinicio. Para cumplir ese requisito, utiliza almacenamiento persistente. Resolución de problemas de persistencia.

Para una revisión diferida, interrupt() de LangGraph pausa la ejecución a la espera de información externa. Reanúdala con Command(resume=...) y el mismo thread_id de la ejecución en pausa. El identificador vincula la decisión que llega con el trabajo guardado. Comportamiento de las interrupciones en LangGraph.

El UserProxyAgent de AutoGen puede solicitar comentarios humanos durante una ejecución, pero su documentación advierte que el equipo queda bloqueado durante la espera en un estado que no se puede guardar ni reanudar. Si la persona puede responder más tarde, la alternativa documentada consiste en terminar la ejecución, guardar el estado y continuar con sus comentarios en una ejecución posterior. Intervención humana en AutoGen.

En el ejemplo de soporte, protege el envío con un identificador de solicitud gestionado por la aplicación y un comprobante de envío guardado. Coloca la operación de envío después de la aprobación y diséñala para tolerar solicitudes repetidas. Situar un control de aprobación en el flujo no convierte por sí solo a un servicio de correo independiente en un sistema transaccional.

Para una aprobación diferida cuyo estado persista, gana LangGraph, siempre que configures almacenamiento persistente y diseñes de forma deliberada qué ocurre cuando se repite una ejecución. Ni un punto de control ni la transcripción de un chat demuestran que una acción externa se haya ejecutado exactamente una vez.

¿Migrar a LangGraph o a Microsoft Agent Framework?

Elige el destino según el control que necesites asumir y después compara la reescritura con tu aplicación actual. Dejar AutoGen no implica elegir LangGraph automáticamente.

LangGraph vs AutoGen cuando ya tienes un prototipo

Elige LangGraph cuando el problema del prototipo sea la ambigüedad del estado: no puedes determinar qué documento es el vigente, desde dónde debe continuar un trabajo fallido o si una persona aprobó la versión actual. Convierte esas dudas en campos y transiciones explícitos antes de trasladar los prompts.

La mejora útil consiste en poder inspeccionar esos requisitos. Recrear la transcripción anterior dentro de un grafo y mantener todas las decisiones importantes enterradas en los mensajes añade una dependencia nueva, pero apenas mejora la operación del sistema.

Si los roles de los agentes del prototipo no aportan herramientas, contexto o responsabilidades de revisión diferenciados, simplifícalos durante la migración. La guía de sistemas multiagente explica cuándo conviene diseñar el sistema con un solo agente.

Microsoft Agent Framework para seguir en el mismo ecosistema

Microsoft Agent Framework es el sucesor directo de AutoGen y Semantic Kernel. Ofrece agentes y flujos de trabajo que conectan esos agentes con funciones convencionales. Es el candidato inicial más sólido cuando tu aplicación y el equipo que la opera ya dependen del conjunto de tecnologías de agentes de Microsoft o de .NET. Esta valoración responde a criterios de integración; no implica que LangGraph no pueda cubrir el mismo proceso de negocio. Descripción general de Agent Framework.

La guía actual establece la correspondencia de AssistantAgent con Agent, explica la continuidad de las conversaciones mediante AgentSession y sustituye la coordinación de equipos por patrones de flujo de trabajo. Esos flujos ofrecen un flujo de datos tipado, solicitudes de intervención humana y puntos de control. El comportamiento de las iteraciones de llamadas a herramientas también cambia, por lo que debes volver a ejecutar tus secuencias de herramientas durante la migración. Guía para migrar desde AutoGen.

La carencia señalada para la migración: motores de ejecución distribuidos personalizados. La guía describe actualmente la composición de Agent Framework como de un solo proceso y presenta la ejecución distribuida como una función prevista. Si tu prototipo de AutoGen utiliza su motor Core distribuido, no des por hecho que trasladar los agentes conserva la topología del despliegue. Valida ese requisito por separado con el motor de ejecución y la opción de alojamiento que realmente vayas a usar. Es una limitación indicada en la guía de migración, no una afirmación general sobre todos los servicios de alojamiento de Microsoft.

Para mantener la continuidad con el sucesor de Microsoft, gana Microsoft Agent Framework. Su límite es la compatibilidad: que los conceptos de agentes resulten familiares no garantiza que el enrutamiento de mensajes, el comportamiento de las sesiones o la topología de ejecución sean idénticos. LangGraph gana cuando el motivo de la migración es rediseñar deliberadamente el sistema en torno a un estado explícito de la aplicación.

Qué cuesta migrar y en qué casos conviene ir con calma

El costo de la migración está en reconstruir el comportamiento, convertir el estado y validar la operación. Los prompts y las implementaciones de las herramientas pueden ser reutilizables, pero hay que examinar sus reglas de programación de tareas, contexto y persistencia. Calcula el esfuerzo a partir de una operación de negocio completa, no de la cantidad de importaciones que haya que renombrar.

Empieza por la respuesta de soporte. Tiene una entrada observable, un borrador, una decisión de revisión, un control humano y un comprobante final. Por eso constituye una unidad de migración más útil que trasladar toda una colección de agentes y confiar en que la respuesta final se parezca a la anterior.

1. 1

   Registra el comportamiento actual

   Guarda entradas representativas, material de referencia aprobado, prompts, esquemas de herramientas, salidas y casos de fallo. Registra las versiones del modelo y las dependencias. Incluye un caso que el revisor rechace y otro que requiera una aclaración humana. Serán los ejemplos de aceptación de la nueva implementación.

2. 2

   Exporta los registros de la aplicación de forma independiente

   Conserva los identificadores de tickets, los borradores, las observaciones de revisión, las decisiones humanas y los comprobantes de acciones externas en un formato controlado por la aplicación. Guarda las transcripciones como contexto, pero no trates el bloque de estado serializado de un framework como un registro de negocio portable. Define una correspondencia explícita para los datos que necesites seguir procesando.

3. 3

   Reconstruye el flujo completo más pequeño posible

   En LangGraph, define el esquema de estado y las rutas. En Microsoft Agent Framework, establece las correspondencias de agentes, sesiones y ejecutores de flujos de trabajo con ayuda de la guía actual. Mantén las entradas de la tarea y los criterios de evaluación para distinguir los cambios de orquestación de los cambios en el modelo o el prompt.

4. 4

   Pon a prueba la recuperación en los puntos de fallo

   Detén el proceso ejecutor mientras un trabajo espera aprobación. Reanúdalo tras el reinicio, rechaza un borrador, repite una solicitud de reanudación y simula el fallo de una acción externa. Examina el registro guardado de la aplicación y el comprobante final. Que el párrafo final resulte convincente no basta para demostrar que el flujo se recuperó correctamente.

5. 5

   Decide cómo terminará el trabajo que ya está en curso

   Determina si los trabajos pendientes terminarán con la implementación anterior o pasarán por una conversión explícita del estado. Conserva los identificadores y la relación entre cada aprobación y su borrador. No introduzcas sin más un punto de control antiguo en un nuevo flujo incompatible.

Una vez adoptado, LangGraph también impone restricciones a las migraciones. La documentación de su Graph API advierte que no deben renombrarse ni eliminarse los nodos que necesitan los hilos interrumpidos. Considera las definiciones del flujo y el estado guardado como elementos que deben mantener la compatibilidad también en futuros despliegues. Restricciones para migrar grafos.

No te apresures a reescribir por completo un prototipo de investigación aislado cuyo resultado útil ya se haya guardado y que vaya a retirarse. Extrae lo aprendido y migra solo el caso de uso que continuará activo. Para una aplicación de AutoGen en funcionamiento, una transición controlada es preferible a un reemplazo sin validar; aun así, el archivo del proyecto es motivo para programar esa transición, no para seguir ampliando la dependencia anterior.

Si necesitas una selección más amplia, la comparativa de frameworks de agentes de IA presenta otros puntos de partida. Si el otro candidato es CrewAI, consulta LangGraph vs CrewAI para resolver esa decisión concreta.

El siguiente paso: toma un trabajo recurrente, anota qué registros deben sobrevivir a un reinicio y define quién puede autorizar la acción final. Elige el framework que exprese esos requisitos con mayor claridad y valida ese flujo completo antes de trasladar el resto.

Preguntas frecuentes

¿Cuáles son las principales diferencias entre AutoGen y LangChain?

AutoGen AgentChat organiza la colaboración entre agentes mediante equipos y mensajes. LangChain aporta abstracciones de modelos, herramientas y agentes, mientras que LangGraph es su motor de orquestación subyacente. Si necesitas un flujo de trabajo personalizado con estado, la comparación más directa es con LangGraph. El archivo de AutoGen también cambia la decisión para los proyectos nuevos.

¿Vale la pena aprender LangChain en 2026?

Sí, cuando sus abstracciones de modelos y herramientas encajan con tu aplicación. Aprende LangGraph directamente cuando necesites definir el estado y las transiciones del flujo de trabajo. No hace falta adoptar todas las capas del ecosistema para migrar un prototipo de AutoGen.

¿Es CrewAI mejor que LangGraph?

No hay un ganador universal. Si la decisión depende de un estado explícito, unos límites de recuperación definidos y una lógica de aprobación personalizada, LangGraph es el primer candidato que conviene evaluar. Compara CrewAI con la misma tarea completa antes de elegir; la preferencia por un framework no determina por sí sola la calidad del resultado.

¿Qué es AutoGen?

En esta comparativa, AutoGen se refiere al framework de Microsoft para aplicaciones multiagente disponible en microsoft/autogen. La implementación analizada es su API de equipos AgentChat; cuando corresponde, se distingue de su motor Core subyacente y del GraphFlow experimental.

¿AutoGen está obsoleto?

El README actual de Microsoft utiliza un estado más contundente: «archivado», y señala que el proyecto ya no recibe mantenimiento. Remite a los nuevos usuarios a Microsoft Agent Framework y anima a los actuales a migrar. Toma como referencia esa descripción vigente en lugar de dar por hecho que continúa en una fase de mantenimiento.

¿AutoGen y Microsoft Agent Framework son lo mismo?

No. Microsoft Agent Framework es el sucesor y dispone de una guía de migración que cubre los cambios en las API de agentes, sesiones, herramientas y flujos de trabajo. Migrar exige validar el comportamiento de la aplicación; no se trata simplemente de un nombre nuevo para el paquete AutoGen instalado.

¿Cuál es el mejor framework para agentes de IA?

Para el caso planteado aquí, elige LangGraph cuando lo decisivo sea el estado explícito de la aplicación y el control del flujo de trabajo. Elige Microsoft Agent Framework cuando pesen más la continuidad con el sucesor de Microsoft y tu ecosistema actual. Un framework no puede determinar si la tarea de fondo necesita varios agentes.

¿Cuáles son las principales diferencias entre AutoGen y Semantic Kernel?

El anuncio de presentación de Microsoft describe la aportación de AutoGen como orquestación multiagente experimental y la de Semantic Kernel como una base de SDK para aplicaciones empresariales. Microsoft Agent Framework reúne ambas líneas. Si vas a migrar desde AutoGen, evalúa el sucesor actual en lugar de tratar esa división histórica como la única alternativa.

¿Cuál es el mejor framework multiagente?

El más adecuado es el que permite expresar con claridad el comportamiento requerido y mantenerlo. Para el flujo de soporte de este artículo, la recomendación es LangGraph, porque la revisión, la autorización humana y el envío deben ser estados separados. Microsoft Agent Framework es la alternativa cuando importa más mantener la continuidad con el sucesor.

Utiliza la lista de verificación para auditar flujos de trabajo empresariales con IA para definir la tarea, el punto en el que requiere aprobación y quién se responsabiliza de operarla antes de migrar.