El estado es donde más divergen los frameworks de agentes. El modelo de estado decide qué workflows puedes construir — y la mayoría de equipos elige un framework sin pensar en el estado hasta que es demasiado tarde.
El estado es la parte de un framework de agentes más difícil de cambiar después. Un framework con el modelo de estado equivocado para tu workflow te va a pelear en cada paso, y cuando lo notes, ya estás comprometido.
El árbol de problemas: cómo maneja cada uno el estado
- CrewAI. Basado en tareas y roles; el estado fluye a través de tareas. Simple, menos explícito; pierde en estado complejo.
- Agno. Basado en componentes; estado en sesiones. Flexible, performante; gestionas más de él.
- LangGraph. Estado explícito del grafo, tipado, checkpointable. Más control; más complejidad.
- OpenAI Agents SDK. Mínimo, estado de conversación; simple, menos explícito.
La pregunta de diseño
La pregunta de diseño es qué estado necesita tu workflow: un flujo lineal simple (cualquier framework), un flujo con ramas y estado compartido (LangGraph o Agno), o un workflow de larga duración checkpointable (LangGraph). El framework cuyo modelo de estado matchea la forma de tu workflow es el que no te va a pelear.
- Lineal: cualquier framework.
- Con ramas, compartido: LangGraph o Agno.
- Larga duración, checkpointable: LangGraph.
Qué se rompe cuando el estado es wrong
- Un workflow que no puede representar su propio estado, así que se fuga a variables ad-hoc.
- Un workflow de larga duración que no puede hacer checkpoint, así que no puede resumir.
- Un modelo de estado que no escala más allá de una sola sesión.
Cómo elegir por estado
Elige por estado primero, antes que la ergonomía. Prototypea el estado de tu workflow en dos frameworks y mira cuál lo representa limpio. El framework que hace tu estado explícito y tipado es el que escala; el que lo esconde es el que se rompe bajo complejidad.
Conclusión
El estado es donde más divergen los frameworks de agentes. Elige por el modelo de estado primero — explícito, tipado, checkpointable para workflows complejos; simple para los lineales — y el framework no te va a pelear en cada paso.
Sobre FACTA
FACTA ayuda a startups y equipos en etapa de crecimiento a convertir la IA en sistemas de producción que siguen funcionando — no demos que impresionan una vez.
Diseñamos la arquitectura alrededor de las partes que realmente fallan bajo uso real: herramientas que tú controlas, credenciales que tú gestionas, failover, controles de costo, observabilidad. La infraestructura aburrida que mantiene vivo un sistema después del lanzamiento.
Liderado por Matías Baglieri y Carolina Fogliato, nos enfocamos en una sola cosa:
Liderazgo de IA que construye. No solo asesora.
Cuéntanos el estado de tu workflow.
Te decimos qué modelo de estado de framework encaja. Ve la comparación de frameworks para la decisión más amplia.
Explora la automatización de IA