AG2 1.0 sustituye al gestor LLM por canales Network y fija un límite de 8 llamadas a herramientas
En el antiguo AutoGen, el orden de los turnos lo elegía un «gestor» LLM que a menudo entraba en bucles y perdía el contexto. En AG2 1.0 lo reemplaza Network: el escritor publica un Draft, el crítico está suscrito a Draft como a una cola de mensajes y el orden queda definido en el código. El parámetro max_tool_iterations=8 impide que un agente llame a herramientas sin fin y queme tokens. Así, un escenario multiagente se monta como un pipeline predecible.
Procesado por IA desde Habr AI; editado por Hamidun News
Imagine que construye un servicio que escribe artículos: un agente redacta el borrador, otro lo critica y un tercero corrige el texto final. En el antiguo AutoGen, el orden de los turnos entre ellos lo decidía un modelo aparte, un «gestor» basado en LLM. Con frecuencia entraba en bucle o perdía el contexto, y el desarrollador no podía predecir quién hablaría a continuación.
En AG2 versión 1.0 han sustituido a ese gestor por Network: un hub con canales tipados donde el orden lo fija el código. Otro parámetro, max_tool_iterations (por ejemplo, 8), limita el número de llamadas a herramientas para que el agente no queme tokens en un bucle infinito.
A continuación explicamos de dónde sale AG2 y qué conviene llevarse a producción.
De dónde viene AG2 y por qué hay dos forks
En 2023, Microsoft Research publicó el artículo «AutoGen: Enabling Next-Gen LLM Applications» y lanzó la biblioteca del mismo nombre. La idea despegó gracias a ConversableAgent: los agentes conversan entre sí mediante initiate_chat. El framework se convirtió en el estándar de facto para experimentos multiagente, y la versión 0.2 aún aparece en tutoriales y en proyectos legacy ajenos.
Después, dentro de Microsoft decidieron reescribirlo todo desde cero. AutoGen 0.4 incorporó una arquitectura basada en eventos, tipado y una capa de actores, pero la compatibilidad de la API se rompió casi por completo. Por discrepancias sobre la dirección del desarrollo, en noviembre de 2024 Chi Wang se marchó con parte del equipo y creó un fork bajo la organización ag2ai. Se llama «AG2 (formerly AutoGen)» y se presenta como la continuación directa. Microsoft siguió con su propia línea y después concentró sus esfuerzos en Microsoft Agent Framework. La conclusión práctica: antes de copiar código de un tutorial, compruebe para qué rama está escrito.
Qué cambia en la versión 1.0
Con el lanzamiento de la versión 1.0 en 2026, AG2 dejó de ser un simple envoltorio de las API de modelos de lenguaje. El núcleo es ahora async-first: el ciclo del agente, las llamadas a herramientas y las peticiones al modelo no bloquean el hilo, y el streaming viene activado por defecto. El núcleo es pequeño y predecible, y el resto se conecta según haga falta: subagentes, memoria persistente, telemetría e integraciones con MCP y A2A. Para el frontend se admite el protocolo AG-UI.
La base de la API consta de Agent, el método ask y el objeto Reply. Reply contiene el texto de la respuesta, la lista de herramientas invocadas y el consumo de tokens. Una herramienta es una función Python corriente, con docstring y anotaciones de tipos, marcada con el decorador @tool. A partir de ahí, la biblioteca se encarga de la rutina: analiza los argumentos, ejecuta la función, devuelve el resultado al modelo y repite el ciclo hasta resolver la tarea. Si la función lanza una excepción, el modelo recibe el texto del error y, por lo general, corrige los argumentos. Aun así, el autor de la reseña aconseja validar los datos uno mismo y devolver mensajes claros.
El cambio principal afecta a la orquestación. En lugar de GroupChat con un gestor LLM, AG2 v1.x incorpora Network. Cada agente declara qué mensajes publica (publishes) y a cuáles está suscrito (subscribes). Por ejemplo, el escritor publica Draft, el crítico está suscrito a Draft y el editor está suscrito a Review, es decir, al veredicto del crítico con el indicador approved y una lista de observaciones. Se parece a un broker de mensajes, no a un chat compartido.
Control y seguridad
Para las acciones de riesgo existe human-in-the-loop. Si el agente invoca context.input(), la ejecución se detiene hasta que una persona responda, confirme la acción o aporte los datos que faltan. Por ejemplo, antes de enviar una factura por un importe determinado, se puede preguntar «¿Enviar la factura? [sí/no]» y cancelar la operación. Hay hooks listos para CLI, interfaz web y colas de mensajes.
Si una herramienta ejecuta código, es mejor hacerlo en un sandbox. Para ello, AG2 ofrece SandboxCodeTool y SandboxShellTool con backends E2B y boxd: el agente escribe y ejecuta código dentro de una microVM aislada. Mediante middleware, por analogía con los frameworks web, se puede añadir al pipeline el registro de cada llamada a una herramienta. También hay structured outputs: el agente devuelve la respuesta según un esquema Pydantic, por ejemplo un plan con los campos steps y estimate_hours.
Empezar es sencillo: hacen falta Python 3.11 o posterior, un entorno virtual y los comandos uv init y uv add ag2. Se pueden usar modelos locales (ollama, vLLM), gratis y en privado, pero se necesitará GPU. La alternativa es conectarse a través de una pasarela en la nube con un endpoint compatible con OpenAI: solo cambian base_url y el token.
El material sigue siendo una reseña con ejemplos de código, no un benchmark. No incluye comparaciones de velocidad, precio o calidad con otros frameworks. Si necesita un sistema multiagente sin un «gestor LLM» impredecible, pruebe AG2 con un escenario de tres agentes. Defina desde el principio los mensajes tipados y el límite max_tool_iterations.
- 19 nov 202621 herramientas open source gratuitas para montar un stack de agentes de IA
- 18 nov 2026El nuevo modelo Jev responde en 150 ms frente a los 1,89 s de GPT-6 Astra
- 18 nov 2026Willison lanza tres sandboxes externas: el código de los agentes no tocará tu portátil
- 18 nov 2026Los ingresos de Nvidia por centros de datos suben un 110% hasta los $107,6 mil millones: la pausa de la IA no ha hecho mella
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre De dónde viene AG2 y por qué hay dos forks?
En 2023, Microsoft Research publicó el artículo «AutoGen: Enabling Next-Gen LLM Applications» y lanzó la biblioteca del mismo nombre. La idea despegó gracias a ConversableAgent: los agentes conversan entre sí mediante initiate_chat. El framework se convirtió en el estándar de facto para experimentos multiagente, y la versión 0.2 aún aparece en tutoriales y en proyectos legacy ajenos. Después, dentro de Microsoft decidieron reescribirlo todo desde cero.
¿Qué se sabe sobre Qué cambia en la versión 1.0?
Con el lanzamiento de la versión 1.0 en 2026, AG2 dejó de ser un simple envoltorio de las API de modelos de lenguaje. El núcleo es ahora async-first: el ciclo del agente, las llamadas a herramientas y las peticiones al modelo no bloquean el hilo, y el streaming viene activado por defecto. El núcleo es pequeño y predecible, y el resto se conecta según haga falta: subagentes, memoria persistente, telemetría e integraciones con MCP y A2A. Para el frontend se admite el protocolo AG-UI.
¿Qué se sabe sobre Control y seguridad?
Para las acciones de riesgo existe human-in-the-loop. Si el agente invoca context.input(), la ejecución se detiene hasta que una persona responda, confirme la acción o aporte los datos que faltan. Por ejemplo, antes de enviar una factura por un importe determinado, se puede preguntar «¿Enviar la factura? [sí/no]» y cancelar la operación. Hay hooks listos para CLI, interfaz web y colas de mensajes. Si una herramienta ejecuta código, es mejor hacerlo en un sandbox.
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.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.