Fábricas de agentes: las herramientas que coordinan agentes de IA
Un solo agente de IA es fácil de entender. Diez agentes son otro problema. ¿Quién hace qué, en qué orden, con qué estado compartido, a qué costo, y quién da el visto bueno antes de que algo salga? Rara vez lo difícil es el agente en sí. Lo difícil es la coordinación.
Existe un conjunto creciente de herramientas para resolver justamente eso. “Fábrica de agentes” no es una categoría formal de producto, así que aquí usamos el término de forma amplia: una herramienta que te ayuda a producir y operar varios agentes en lugar de una sola ventana de chat. Varias van más lejos e intentan operar una fábrica de software completa con agentes. Este artículo hace un mapa de las principales para que sepas para qué sirve cada una.
Tres tipos de herramientas
- Los frameworks son bibliotecas de código. Los usas para definir agentes y los flujos de trabajo que los conectan.
- Las fábricas de software organizan muchos agentes alrededor de la vida de un software: entra el trabajo, los agentes lo construyen, lo revisan y lo entregan, y las personas siguen participando.
- Las capas de control gestionan agentes que ya tienes, como una empresa gestiona a un equipo: roles, presupuestos, aprobaciones y un registro de lo que ocurrió.
Las fronteras se difuminan, y algunas herramientas hacen más de una cosa. Aun así, la distinción ayuda, porque cada tipo responde a una pregunta distinta.
Frameworks: construir los agentes y sus flujos de trabajo
- LangGraph se define como un “Low-level orchestration framework for building stateful agents” (un framework de orquestación de bajo nivel para construir agentes con estado). Su README destaca la ejecución duradera, para que los agentes puedan continuar tras un fallo, la revisión humana del estado del agente, y la memoria de corto y largo plazo.
- CrewAI se apoya en dos ideas. Los Flows son la columna vertebral de una aplicación: definen los pasos, administran el estado y atienden disparadores basados en eventos. Los Crews son equipos de agentes autónomos que colaboran para resolver las tareas específicas que les delega el Flow.
- OpenAI Agents SDK se describe como un framework ligero pero potente para construir flujos de trabajo con varios agentes. Sus conceptos centrales son los agentes, los handoffs (traspasos) entre agentes, los guardrails para validar entradas y salidas, las sesiones para el historial de conversación y el rastreo de las ejecuciones.
- Microsoft Agent Framework es compatible con .NET, Python y Go. Microsoft lo presenta como el sucesor directo de AutoGen y Semantic Kernel, y añade flujos de trabajo basados en grafos que dan control explícito sobre cómo se ejecutan varios agentes.
Las cuatro opciones están a nivel de código. Tú decides cómo razona cada agente, qué herramientas puede llamar y cómo se conectan los pasos.
Fábricas de software: agentes organizados como un equipo de software
El tutorial de Mastra How to Build an AI Software Factory with AI Agents in TypeScript da una definición breve: una fábrica de software es un sistema de desarrollo automatizado donde los agentes de IA toman trabajo real de otras herramientas. En su ejemplo, seis agentes tienen cada uno una sola tarea (triage, generación de código, validación, publicación, documentación y monitoreo), y toman trabajo de GitHub y Sentry.
Las herramientas de abajo se acercan a la misma idea desde direcciones distintas.
Plataformas para operar el trabajo de los agentes
- Factory usa el término en su propio anuncio, “Factory 2.0: From coding agents to software factories” (15 de junio de 2026). Describe agentes autónomos llamados Droids que trabajan a lo largo del ciclo de vida del desarrollo de software, y ejecuciones con varios agentes llamadas Missions que resuelven tareas complejas durante horas o días. También describe un Router que elige un modelo para cada tarea según costo, desempeño, velocidad o una mezcla.
- OpenHands tiene un Agent Canvas, que se describe como el centro de control autoalojado para agentes de programación y automatizaciones. Ejecuta de forma predeterminada el agente de código abierto OpenHands y también puede ejecutar agentes de terceros, como Claude Code, Codex y Gemini CLI. Las automatizaciones pueden correr con un horario o reaccionar a eventos de webhook, con integraciones para Slack, GitHub y Linear. Tiene licencia MIT.
- Orchestrator.inc se describe como una forma de planear, ejecutar y supervisar equipos de agentes desde la tarea hasta el pull request fusionado. Cada agente trabajador recibe su propia rama y su propio git worktree, un orquestador a nivel de proyecto planea y delega, y un tablero Kanban sigue el estado, los pull requests, los resultados de CI y las revisiones. Es compatible con más de 30 agentes de programación y usa la licencia Apache-2.0.
Empresas virtuales nacidas en la investigación
- MetaGPT se presenta como “The Multi-Agent Framework: First AI Software Company” (el primer framework multiagente con forma de empresa de software). Asigna a los agentes roles que imitan una empresa de software, como gerente de producto, arquitecto, gerente de proyecto e ingeniero, y su idea central es “Code = SOP(Team)”: procedimientos operativos estándar convertidos en flujos de trabajo para equipos de LLMs. A partir de un requisito de una sola línea produce resultados como historias de usuario, requisitos y APIs. Tiene licencia MIT.
- ChatDev nació como una “Virtual Software Company” (empresa de software virtual) en la que agentes como un CEO, un CTO y un programador cubren diseño, programación, pruebas y documentación. ChatDev 2.0, publicado el 7 de enero de 2026, se describe como una plataforma multiagente sin código para “Developing Everything” (desarrollar de todo). Tiene licencia Apache-2.0.
Integradas en un agente de programación
- Claude Code agent teams permiten que una sesión actúe como líder de equipo que asigna tareas y sintetiza resultados, mientras los compañeros trabajan en sus propias ventanas de contexto, comparten una lista de tareas y se envían mensajes directamente. La documentación marca la función como experimental y desactivada por defecto, y advierte que los equipos usan significativamente más tokens que una sola sesión.
Paperclip: una capa de control para cualquier agente
Paperclip toma un enfoque distinto al de las herramientas anteriores. Es una capa de control de código abierto y autoalojada, con licencia MIT, construida sobre la idea de “Bring your own agents, assign goals, and track work and costs from one dashboard” (trae tus propios agentes, asigna metas y sigue el trabajo y los costos desde un solo panel). Su README dice sin rodeos que es “Not an agent framework” (no es un framework de agentes), porque “We don’t tell you how to build agents” (no te decimos cómo construir agentes). Según su README y su sitio web, ofrece:
- Un organigrama, con roles, líneas de reporte y descripciones de puesto para cada agente.
- Presupuestos: cada agente recibe un presupuesto mensual y se detiene al alcanzar el límite.
- Gobernanza: la persona actúa como la junta, aprueba contrataciones y estrategia, y puede pausar o terminar agentes.
- Heartbeats (latidos): los agentes despiertan por trabajo asignado, mensajes de seguimiento o horarios configurados.
- Tickets: el trabajo se registra como tickets, con rastreo de llamadas a herramientas y un registro de auditoría de solo adición.
Qué comparar
Cuatro preguntas separan a estas herramientas mejor que cualquier lista de funciones.
- ¿Quién escribe los agentes? Con un framework, tú. Factory y MetaGPT traen sus propios agentes y roles. Paperclip, OpenHands Agent Canvas y Orchestrator.inc están hechos para ejecutar también agentes de otros fabricantes.
- ¿De dónde viene el trabajo? Puede ser un requisito de una línea (MetaGPT), issues de GitHub y alertas de Sentry (el ejemplo de Mastra), un horario o un webhook (las automatizaciones de OpenHands), o un ticket asignado en un organigrama (Paperclip).
- ¿Dónde está la persona? Paperclip pone a la persona en la junta, con aprobaciones y el poder de pausar un agente. El tutorial de Mastra sostiene que la puerta humana correcta no es aprobar cada PR, sino aprobar las instrucciones de los agentes. Son dos respuestas distintas a la misma pregunta.
- ¿Cuánto cuesta? Más agentes significan más gasto. La documentación de Claude Code advierte sobre el uso de tokens, y Paperclip fija un presupuesto mensual por agente.
Cómo elegir
Empieza por la pregunta, no por la herramienta.
- Si necesitas controlar exactamente cómo razona un agente y qué pasos ejecuta, buscas un framework.
- Si quieres un equipo de agentes ya armado para el ciclo de vida del software, mira las fábricas de software y revisa cómo maneja cada una la revisión y la aprobación humana.
- Si ya tienes agentes y necesitas roles, presupuestos, aprobaciones y un registro de auditoría entre ellos, buscas una capa de control.
- Si una función simple puede hacer el trabajo, quizá no necesites un agente. La documentación de Microsoft lo dice sin rodeos: “If you can write a function to handle the task, do that instead of using an AI agent” (si puedes escribir una función que haga la tarea, hazlo en lugar de usar un agente de IA).
Estos tipos de herramientas no son rivales por diseño. Resuelven problemas distintos, y un equipo puede necesitar más de uno.
Cómo se hizo este artículo
Este artículo fue redactado por un agente de IA que trabaja dentro de Paperclip, la capa de control descrita arriba. Una persona de AnuraCode revisó y aprobó el texto antes de publicarlo. Ese flujo es un ejemplo pequeño de por qué la coordinación, y no el agente individual, es la parte que vale la pena diseñar.
Fuentes
Cada descripción de arriba proviene de la documentación o del anuncio del propio proyecto, consultados el 2026-10-20. Estas herramientas cambian rápido, así que revisa los originales antes de decidir. Las fuentes están en inglés.
- Sitio web de Paperclip y README
- README de LangGraph
- Documentación de CrewAI
- README de OpenAI Agents SDK
- Resumen de Microsoft Agent Framework
- Mastra: How to Build an AI Software Factory with AI Agents in TypeScript
- Factory 2.0: From coding agents to software factories
- README de OpenHands
- README de Orchestrator.inc
- README de MetaGPT
- README de ChatDev
- Documentación de Claude Code agent teams