Inicia 23 novCohorte 3 en vivo de Vibe Coding y Agentes IA: 3 semanas, 9 clases en directoCohorte 3 (23.11) →
LanzamientoCódigo / SDK · Listo para usarX: @replay_0x→ original

21 herramientas open source gratuitas para montar un stack de agentes de IA

El autor del canal @replay_0x ha reunido 21 repositorios abiertos con los que se puede montar un stack completo para agentes de IA, desde la orquestación hasta las comprobaciones previas al lanzamiento. La lista sigue la cadena de trabajo: orquestación, herramientas, navegador, memoria, observabilidad y ejecución segura de código. Entre los elementos figuran LangGraph, CrewAI, MCP, browser-use, mem0, Langfuse y E2B. Para los equipos, esto supone un mapa listo para usar: un candidato por cada capa, en lugar de empezar la búsqueda desde cero.

Procesado por IA desde X: @replay_0x; editado por Hamidun News
21 herramientas open source gratuitas para montar un stack de agentes de IA
Fuente: X: @replay_0x. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalX: @replay_0x ↗
Editor jefe
OrquestaciónLangGraph, CrewAI, AutoGen, OpenAI Agents SDK, Mastra
Memoriamem0, Letta y Graphiti, grafos de conocimiento con noción del tiempo
Antes del lanzamientopromptfoo para las pruebas, Langfuse para las trazas

Cuando un equipo decide «vamos a hacer un agente», la primera semana suele ir menos al producto que a elegir herramientas: qué gestiona los pasos, cómo conectar los servicios, dónde guardar la memoria y cómo averiguar por qué el agente ha respondido de pronto una tontería. La selección de 21 repositorios abiertos que ha publicado el autor del canal @replay_0x intenta resolver ese problema. Está montada como una cadena: plantear la tarea, organizar el trabajo de los agentes, conectar herramientas, darles un navegador, añadir memoria y llevarlo a producción. No es un ranking ni un benchmark, sino un mapa de capas, pero sirve para empezar.

Capa 1.

Orquestación: quién hace cada paso y en qué orden

Hay ocho elementos, y muchos de ellos compiten entre sí.

Claude Agent SDK es el armazón sobre el que funciona Claude Code, presentado como biblioteca. LangGraph describe al agente como un grafo con estado: cada paso es un nodo y las transiciones entre ellos se definen de forma explícita. CrewAI construye un «equipo» de agentes, cada uno con su rol, como los empleados de un departamento pequeño.

AutoGen, de Microsoft, apuesta por agentes que se comunican entre sí mediante mensajes. OpenAI Agents SDK se centra en el traspaso de una tarea de un agente a otro. Mastra ofrece lo mismo para quienes escriben en TypeScript.

Pydantic AI exige al agente una respuesta tipada y validada: en vez de texto libre, se obtiene una estructura que se puede pasar directamente al código. smolagents, de Hugging Face, propone agentes que razonan directamente con código.

Capa 2.

Herramientas, navegador y memoria

Para que un agente haga algo útil, necesita manos. MCP Servers es un conjunto de servidores listos para usar con el protocolo Model Context Protocol: la idea es conectar cualquier herramienta a cualquier agente de la misma manera. FastMCP permite escribir en pocos minutos un servidor MCP propio para un servicio interno.

Si la tarea no tiene API, queda el navegador. browser-use permite a los agentes hacer clic en sitios web reales. Stagehand reduce el trabajo con una página a los comandos act() y extract(): ejecutar una acción y extraer datos. Playwright MCP controla el navegador a través del mismo protocolo MCP.

La memoria resuelve un problema cotidiano: el agente no debería tener que conocerte de nuevo cada vez. mem0 guarda memoria a largo plazo. Letta construye agentes con estado que recuerdan sesiones anteriores. Graphiti almacena el conocimiento en forma de grafo y registra el tiempo, es decir, entiende que la dirección de un cliente en marzo y en noviembre puede ser distinta.

Capa 3.

Ensamblaje, observación y seguridad

El último grupo sirve para llevar el prototipo hasta el lanzamiento. n8n es una herramienta de automatización con más de 400 integraciones, cómoda cuando el agente está integrado en procesos de negocio habituales. Dify permite crear aplicaciones LLM sin código, una vía rápida para equipos de producto y prototipos. Langfuse muestra trazas y el coste de las peticiones, y ayuda a depurar cadenas. promptfoo ejecuta evaluaciones de calidad y ataques de red team antes de la publicación. E2B ofrece sandboxes aisladas donde se puede ejecutar el código generado por el agente sin arriesgar el propio servidor.

Qué hacer con la lista y dónde está el truco

Una forma práctica de usar la lista es elegir una herramienta por capa y no adoptarlo todo a la vez. Por ejemplo, para un agente interno típico bastan un orquestador como LangGraph, un par de servidores MCP, Langfuse para la observación y promptfoo para las comprobaciones previas a la publicación.

Hay también limitaciones que conviene reconocer. La primera: «100% gratis» se refiere al código. Los tokens de los modelos, el alojamiento, las sesiones de navegador y las sandboxes cuestan dinero. La segunda: los orquestadores se solapan. LangGraph, CrewAI, AutoGen y OpenAI Agents SDK resuelven tareas parecidas, y no tiene sentido instalarlos juntos. La tercera: una selección en una red social no dice nada sobre la madurez de los proyectos, sus licencias ni la calidad del soporte, y eso hay que comprobarlo por cuenta propia antes de adoptarlos. Por último, no hay datos sobre cómo funcionan estas herramientas combinadas: las integraciones habrá que probarlas con las tareas propias.

Aun así, como lista de verificación de arquitectura, la selección es buena: recuerda que un agente no es solo el modelo. Sin memoria, observabilidad, pruebas y aislamiento del código, se queda en una demo. Si en tu proyecto no tienes al menos los tres últimos elementos, conviene empezar por ellos.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Capa 1. Orquestación: quién hace cada paso y en qué orden?

Hay ocho elementos, y muchos de ellos compiten entre sí. Claude Agent SDK es el armazón sobre el que funciona Claude Code, presentado como biblioteca. LangGraph describe al agente como un grafo con estado: cada paso es un nodo y las transiciones entre ellos se definen de forma explícita. CrewAI construye un «equipo» de agentes, cada uno con su rol, como los empleados de un departamento pequeño. AutoGen, de Microsoft, apuesta por agentes que se comunican entre sí mediante mensajes.

¿Qué se sabe sobre Capa 2. Herramientas, navegador y memoria?

Para que un agente haga algo útil, necesita manos. MCP Servers es un conjunto de servidores listos para usar con el protocolo Model Context Protocol: la idea es conectar cualquier herramienta a cualquier agente de la misma manera. FastMCP permite escribir en pocos minutos un servidor MCP propio para un servicio interno. Si la tarea no tiene API, queda el navegador. browser-use permite a los agentes hacer clic en sitios web reales.

¿Qué se sabe sobre Capa 3. Ensamblaje, observación y seguridad?

El último grupo sirve para llevar el prototipo hasta el lanzamiento. n8n es una herramienta de automatización con más de 400 integraciones, cómoda cuando el agente está integrado en procesos de negocio habituales. Dify permite crear aplicaciones LLM sin código, una vía rápida para equipos de producto y prototipos. Langfuse muestra trazas y el coste de las peticiones, y ayuda a depurar cadenas. promptfoo ejecuta evaluaciones de calidad y ataques de red team antes de la publicación.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
¿Qué te parece?
Cargando comentarios…