5 contenedores Docker para desarrolladores de agentes de AI: los levantas y te pones a trabajar

Poner en marcha un agente de AI requiere varios servicios a la vez: un modelo de lenguaje, una base vectorial para la memoria, un orquestador de tareas, herramientas de observabilidad. Antes, cada uno de ellos implicaba horas de configuración. Docker cambia la ecuación: el conjunto adecuado de contenedores se levanta en minutos y queda listo para trabajar de inmediato.

Ollama: LLM locales sin nube

Ollama es un contenedor Docker que ejecuta modelos de lenguaje abiertos en hardware local. Por dentro hay un servidor REST con API compatible con OpenAI: cambias un endpoint en el código del agente y, en lugar de GPT-4, pasa a funcionar Llama 3.1 en tu GPU. Sin tocar el resto del código.

Qué soporta de serie:

• Llama 3.1, Mistral 0.3, Gemma 2, Qwen2.5, Phi-3 y más de 50 modelos
• Aceleración por GPU mediante nvidia-container-toolkit (CUDA)
• Descarga automática y caché de los pesos del modelo
• Solicitudes en paralelo con cola interna

Para desarrollo, esto significa coste cero de API, cero rate limits y control total sobre el modelo, sin riesgo de fuga de datos a la nube.

Qdrant: vectores para la memoria del agente

Los agentes necesitan memoria a largo plazo: guardar resultados de herramientas, indexar documentos, encontrar contenido semánticamente similar. Qdrant es una de las bases vectoriales más rápidas, con REST y gRPC API, filtrado por metadatos integrado y una interfaz web lista para usar.

Cuando el agente no encuentra el documento adecuado, la inspección visual de los puntos ahorra horas de debugging: en la interfaz se ven tanto los vectores como el payload a su lado. Qdrant escala bien: partiendo de un prototipo en localhost, se puede pasar a un clúster con replicación sin cambiar el código del cliente.

Las alternativas son ChromaDB (más sencilla para empezar) y Weaviate (más rica en funcionalidades). Qdrant suele ganar en velocidad cuando las colecciones pasan de varios millones de vectores.

n8n: orquestación visual-first

n8n es una plataforma de automatización self-hosted que los desarrolladores de agentes usan como orquestador de workflow. Más de 400 integraciones integradas, nodos para OpenAI y Anthropic, triggers HTTP, webhooks y gestión de errores incorporada con retries.

“El diagrama visual del flujo de datos no solo es comprensible para

los desarrolladores: los equipos de producto y QA ven enseguida qué está haciendo el agente”, es un argumento típico a favor de n8n en la comunidad de desarrolladores.

Resulta útil para sistemas multiagente en los que varios agentes intercambian resultados: cada paso queda registrado, es visible en la interfaz y puede reiniciarse desde el punto necesario sin recalcular todo el pipeline.

Flowise: drag-and-drop para cadenas de agentes

Flowise se construye sobre LangChain y LlamaIndex y ofrece un visual builder para cadenas de agentes, pipelines de RAG y sistemas multiagente. Cada flow recibe automáticamente un REST API endpoint: basta con añadir una sola llamada HTTP a la aplicación.

Conjunto de capacidades:

• Nodos AgentExecutor, Tool Use, Memory y ReAct
• Conexión con Ollama, OpenAI, Anthropic, Hugging Face y Bedrock
• Soporte para funciones JavaScript personalizadas dentro de los nodos
• Exportación de la configuración del flow a JSON para reproducibilidad

Flowise es especialmente valioso en la fase de prototipado, cuando hace falta comprobar una hipótesis rápido sin enterrarse en boilerplate code ni en la configuración manual de LangChain.

Open WebUI: prueba de prompts sin scripts

Open WebUI es una interfaz de chat completa que se conecta a Ollama o a cualquier backend compatible con OpenAI. Funciona junto con Ollama mediante docker-compose y permite subir documentos directamente al chat para comprobar RAG con rapidez.

Para el desarrollador, es una herramienta de pruebas cómoda y sin código extra: cambiar el prompt de sistema, conectar otro modelo, subir un documento y comparar los resultados, todo en unos pocos clics. Soporta varios usuarios y guarda el historial de conversaciones.

Qué significa esto

Cinco contenedores — Ollama, Qdrant, n8n, Flowise, Open WebUI — cubren el stack básico del desarrollo de agentes: LLM, memoria vectorial, orquestación, visual builder y una UI para pruebas. Docker ha bajado la barrera de entrada hasta el punto en que pasar de una idea a un prototipo funcional es cuestión de un solo `docker-compose up`.