Los 9 mejores agentes de IA de código abierto en 2026

Cómo elegí estos, y las cuatro tareas que en realidad hacen

Fui directo a las fuentes primarias de cada herramienta: el repositorio de GitHub (para la licencia y el conteo real de estrellas), la documentación oficial, la página de precios y los hilos de la comunidad en Hacker News donde la gente cuenta qué se rompió de verdad. Nada de listas de "top 10" de agregadores, porque son los mismos párrafos reciclados que te daría la IA que ya estás usando.

Lo que la mayoría de los repasos se pierde es que estas herramientas no son competidoras en una misma carrera. Son respuestas a cuatro preguntas distintas, y la forma más rápida de malgastar un trimestre es elegir un framework de investigación multiagente cuando lo que necesitabas era un constructor de RAG visual. Este es el mapa que llevo en la cabeza.

Unos cuantos criterios que pesé en cada elemento:

• La licencia, leída al pie de la letra. "Código abierto" se estira mucho. Algunas de estas son MIT o Apache-2.0 de verdad; otras son de código disponible con condiciones comerciales. Señalo cuál es cuál, porque cambia lo que tienes permitido lanzar.
• Quién está realmente detrás, y si sigue en desarrollo activo. Un nombre famoso de esta lista está ahora en modo mantenimiento.
• El modelo de coste real. Licencia gratis, sí, pero cuánto te cuesta de verdad ejecutarlo en producción.
• Para quién es, en una línea honesta. No todo es para todos.

Los mejores agentes de IA de código abierto en 2026 de un vistazo

¿No estás seguro de cuál es tu fila? Este pequeño selector recorre las mismas cuatro preguntas que uso.

1. LangGraph, el mejor para desarrolladores que quieren control de bajo nivel

LangGraph es el framework al que recurro cuando quiero ver y controlar todo lo que hace el agente. Creado por LangChain, modela un agente como un grafo: defines nodos (pasos), aristas (flujo de control) y un objeto de estado compartido que se mueve entre ellos. En vez de una abstracción de "agente" tipo caja negra, obtienes primitivas, que es exactamente lo que quieres cuando un agente tiene que comportarse de forma predecible.

Las funciones que destacan son las que importan en producción: ejecución duradera que se reanuda tras los fallos, interrupciones con humano en el bucle para que puedas inspeccionar y aprobar a mitad de ejecución, y una verdadera capa de persistencia para memoria a corto y largo plazo. Lo usan en producción Klarna, Replit y Elastic, que es una señal tan fuerte como puede dar un framework.

• Licencia: MIT, gratis de verdad. El framework no tiene coste; solo la plataforma alojada opcional (LangSmith Deployment) es de pago.
• Coste real: tus tokens de LLM, más el esfuerzo de autoalojar o una factura de LangSmith para despliegue gestionado.
• A tener en cuenta: es un framework, no un producto. No hay helpdesk, ni interfaz de tickets, ni asistente de base de conocimiento. Escribes Python o JS.

Nuestra opinión: LangGraph es la elección para equipos de ingeniería que quieren el máximo control y están contentos de asumir la construcción. Si eres un desarrollador construyendo algo a medida, empieza aquí. Si eres un responsable de soporte que quería "una IA que responda tickets", esta es la parte honda de la piscina.

2. CrewAI, el mejor para equipos multiagente basados en roles

CrewAI me hizo clic en el momento en que dejé de pensar en "un agente" y empecé a pensar en un equipo. Sus dos primitivas son Crews (agentes basados en roles que se delegan trabajo entre sí, como un investigador más un redactor más un crítico) y Flows (flujos de trabajo controlados y dirigidos por eventos). Fundado por João Moura, ha crecido rápido: ~55,8k estrellas de GitHub y más de 100.000 desarrolladores a través de sus cursos comunitarios.

Más allá del núcleo de código abierto hay un plano de control comercial AMP / Enterprise que añade trazabilidad, RBAC, registros de auditoría y compuertas con humano en el bucle, además de un Studio sin código que puedes exportar a Python. CrewAI afirma que lo usa el 63% de las Fortune 500, lo que tomaría como una cifra de marketing más que una verificada, pero la tracción es real de todos modos.

• Licencia: MIT para el framework; AMP / Enterprise es una capa de pago aparte.
• Coste real: gratis para construir, tokens de LLM encima, y el plano Enterprise es por presupuesto.
• A tener en cuenta: los montajes multiagente pueden volverse charlatanes y caros y, como cada framework aquí, no hay interfaz de ticketing ni de soporte lista para usar.

Nuestra opinión: CrewAI encaja mejor si tu problema se descompone de verdad en roles que se pasan trabajo entre sí. Si tu "equipo de agentes" es en realidad un solo bot respondiendo FAQs, lo estás sobreingenierando.

3. Microsoft AutoGen, el mejor para investigación multiagente (pero lee la nota de estado)

AutoGen de Microsoft Research es el framework que popularizó el patrón de "agente conversable", donde defines agentes que hablan entre sí para resolver una tarea. Nos trajo la orquestación por chat grupal, el AutoGen Studio sin código y el sistema generalista Magentic-One. Con ~59,9k estrellas, fue uno de los frameworks de agentes más influyentes de los últimos dos años.

Aquí está la parte que cualquier otra lista se olvida de contarte: AutoGen está ahora en modo mantenimiento. El README lleva un aviso (añadido en abril de 2026) diciendo que no recibirá nuevas funciones, y Microsoft ahora dirige los proyectos nuevos al Microsoft Agent Framework, que fusiona AutoGen y Semantic Kernel en un único sucesor listo para producción con una guía de migración oficial. Un comentarista de Hacker News resumió bien la época:

"Autogen from ms was an early attempt at this, and it was fun to play with it, but too early (the models themselves kinda crapped out after a few convos). This would work much better today with how long agents can stay on track."

NitpickLawyer, Hacker News

• Licencia: MIT para el código; gratis y autoalojado, pagas solo por el LLM.
• Coste real: tokens de LLM (la cháchara multiagente los quema rápido), más una eventual migración al Agent Framework.
• A tener en cuenta: construir desde cero sobre AutoGen en 2026 significa adoptar un framework congelado.

Nuestra opinión: aprende de los patrones de AutoGen, pero para una construcción nueva, empieza en el Microsoft Agent Framework. Esta entrada está aquí porque dio forma a toda la categoría, no porque empezaría un proyecto nuevo sobre él hoy.

4. AutoGPT, el mejor para automatización de tareas autónoma sin código

AutoGPT fue el "GPT autónomo" viral de 2023, y desde entonces se ha reconstruido en una plataforma completa con una idea muy accesible: describe un resultado en inglés sencillo, y su interfaz AutoPilot construye, ejecuta y depura el agente por ti. Con 186k estrellas de GitHub, es uno de los repositorios de IA con más estrellas que existen.

También hay un constructor visual de bloques, un panel de agentes que rastrea el gasto por ejecución, un marketplace de agentes de la comunidad y más de 45 integraciones incluidas Gmail, Slack, Notion y HubSpot. El README lista atención al cliente ("redactar respuestas, recopilar contexto, marcar escalaciones") como un caso de uso de ejemplo, aunque es algo que podrías construir, no el propósito del producto.

• Licencia: dividida. La Platform moderna es Polyform Shield (gratis para uso interno, no revendible como servicio competidor); el AutoGPT clásico es MIT.
• Coste real: autoalojar es gratis con tus propias claves de modelo; la plataforma alojada es de pago.
• A tener en cuenta: es un constructor de automatización general. El soporte es algo que podrías conectar, no un helpdesk ya entregado.

Nuestra opinión: AutoGPT es la rampa de entrada más amable a los agentes autónomos para quienes no programan. Si quieres automatizar un cajón de sastre de tareas internas, es un sitio genuinamente divertido para empezar.

5. OpenHands, el mejor para tareas de programación autónomas

OpenHands (antes OpenDevin) es el agente de programación autónomo de código abierto, creado por All Hands AI. Escribe código, ejecuta comandos de shell, navega por la web y arregla bugs de principio a fin dentro de un sandbox, e incluso puede dirigir otros agentes (Claude Code, Codex, Gemini) a través de un protocolo común. Con 81,4k estrellas es uno de los proyectos de agente de programación más activos que hay.

En el benchmark que importa para los agentes de programación, el modelo OpenHands LM 32B de All Hands resuelve el 37,4% de SWE-bench Verified; combínalo con un modelo de frontera y las cifras reportadas suben bastante por encima de eso (aunque esas cifras varían según el harness, así que trátalas como orientativas). El fundador es refrescantemente honesto sobre los límites de la autonomía:

"We quickly switched strategies--every PR is owned by a human being. You can still see which commits were done by OpenHands, but your face is on the PR, so you're responsible for it."

Robert Brennan, co-founder, Hacker News

• Licencia: MIT para el núcleo; el directorio enterprise es de código disponible.
• Coste real: gratis para autoalojar con tu propia clave de LLM; OpenHands Cloud tiene un nivel gratuito más una suscripción Pro opcional de 20 $/mes para cómputo gestionado.
• A tener en cuenta: autoalojar significa sandboxing con Docker y endurecimiento de seguridad, y las ejecuciones de alta autonomía sobre modelos de frontera queman tokens deprisa.

Nuestra opinión: si tu problema es código (resolver issues de GitHub, arreglar bugs, descomponer tickets), OpenHands es el mejor agente de código abierto de esta lista. Esa cita del fundador es también la actitud más sana hacia la autonomía de la IA que he visto: el agente redacta, un humano la asume.

6. Dify, el mejor para construir un bot de soporte o RAG de forma visual

Dify es donde esta lista empieza a tocar la atención al cliente directamente. Es una plataforma de apps LLM con un lienzo visual de flujos de trabajo, una verdadera pipeline de RAG / conocimiento y capacidades de agente, y su documentación nombra explícitamente los "chatbots de atención al cliente" fundamentados en tus documentos de producto como caso de uso principal. Es uno de los repositorios de IA con más estrellas de GitHub con ~149,5k estrellas, con logos empresariales como Maersk, Adobe y PayPal.

Una cosa que conviene entender bien: Dify no es Apache-2.0 pura. Se distribuye bajo la Dify Open Source License, una Apache-2.0 modificada con una restricción multiinquilino (no puedes revenderla como tu propio SaaS multiinquilino sin una licencia comercial) y una restricción de logo. Para uso interno como backend o plataforma de desarrollo, está bien; para revender, no.

• Licencia: código disponible (Apache-2.0 más condiciones multiinquilino y de logo).
• Coste real: gratis para autoalojar vía Docker, o Dify Cloud de pago, más tu gasto de modelo.
• A tener en cuenta: sigues montando y alojando el bot tú mismo. No hay integración nativa de helpdesk con Zendesk o Freshdesk, ni desvío de tickets listo para usar ni simulación de tickets históricos.

Nuestra opinión: Dify es el mejor punto de partida de código abierto si específicamente quieres construir un chatbot de soporte o conocimiento y tienes el equipo para operarlo. Si quieres ese mismo resultado sin el montaje, ese es exactamente el hueco que llena un agente de soporte de IA gestionado.

7. Flowise, el mejor para agentes low-code de arrastrar y soltar

Flowise es el constructor visual para quienes quieren el poder de LangChain sin escribir el código de LangChain. Conectas nodos (modelos, herramientas, memoria, retrievers) en un lienzo a través de tres modos: Assistant (principiante), Chatflow (agente único) y Agentflow v2 (orquestación multiagente). Es Apache-2.0, realmente de código abierto, con 54,8k estrellas y más de 100 integraciones, incluido soporte de MCP.

La noticia notable de 2025: Workday adquirió Flowise en agosto. El repositorio principal sigue siendo de código abierto, pero la dirección a largo plazo del proyecto independiente es ahora una pregunta razonable que hacerse antes de apostar por él. Su comunidad siempre ha sido un punto fuerte:

"Flowise currently has the largest active community (based on GitHub data)"

sdesol, Hacker News

• Licencia: Apache-2.0, gratis para autoalojar, incluso aislado de la red.
• Coste real: autoalojar gratis; Flowise Cloud es de pago, pero su página de precios está tras un muro de inicio de sesión, así que presupuesta con cuidado y espera costes de modelo encima.
• A tener en cuenta: el lienzo visual se vuelve complejo rápido para flujos multiagente grandes, y sigue asumiendo un entendimiento real de RAG/LLM pese a la etiqueta de "low-code".

Nuestra opinión: Flowise es la forma más amable de prototipar un agente de manera visual y autoalojarlo gratis. Si valoras una licencia realmente permisiva, aquí le saca ventaja a Dify.

8. n8n, el mejor para conectar agentes a tu stack

n8n es una plataforma de automatización de flujos de trabajo con serias capacidades de agente de IA, y su ventaja es que vive donde ya están todas tus demás apps: más de 500 integraciones, además de la capacidad de meter JavaScript o Python real en cualquier punto de un flujo. Con ~196,6k estrellas y 4,7/5 en G2, es una de las herramientas de automatización más populares que hay.

Las historias de valor son concretas: Vodafone reporta ahorrar 2,2 millones de libras en flujos de trabajo de seguridad, y Huel ahorró 1.000 horas de trabajo manual. Los precios son inusuales y vale la pena entenderlos: n8n factura por ejecuciones completas de flujo, no por paso ni por usuario. Los planes de Cloud van desde Starter a 20 $/mes (2,5k ejecuciones) hasta Business a 800 $/mes, y la Community Edition es gratis para autoalojar.

• Licencia: fair-code (Sustainable Use License), de código disponible más que de código abierto según la OSI. Autoalojar la Community Edition es gratis.
• Coste real: niveles de ejecución de Cloud o autoalojamiento gratuito, más tu gasto de LLM para los nodos de IA.
• A tener en cuenta: es una plataforma de automatización primero, agentes después. Genial para conectar un agente a 500 apps; no un producto conversacional de soporte hecho a propósito.

Nuestra opinión: si el verdadero trabajo de tu agente es tocar muchos otros sistemas (CRM, correo, bases de datos), n8n es la elección. Es el tejido conectivo, no el cerebro.

9. Rasa, el mejor para IA conversacional empresarial y on-premise

Rasa es el veterano aquí, y el construido específicamente para agentes conversacionales en entornos regulados y de alta confianza. Su arquitectura CALM pone tu lógica de negocio (no un LLM en crudo) al mando de lo que hace el agente, por lo que bancos, aseguradoras y telcos, entre los clientes nombrados están BNP Paribas Fortis, N26 y Swisscom, lo ejecutan on-premise o aislado de la red con control total de los datos.

Entiende bien la historia de la licencia, porque la reputación de Rasa va por delante de su modelo actual. El clásico SDK RasaHQ/rasa es Apache-2.0 (21,3k estrellas) pero efectivamente legado. El producto actual, Rasa Pro con CALM más Rasa Studio, es una plataforma comercial de código disponible. La Developer Edition gratuita está limitada a un bot y 1.000 conversaciones externas al mes, lo que la convierte en un nivel de prototipo, no en un nivel de producción gratuito, y todo lo que hay por encima está cerrado por presupuesto.

• Licencia: Apache-2.0 para el SDK legado; Rasa Pro / Studio son comerciales / de código disponible.
• Coste real: Developer Edition gratuita para prototipar; Pro y Enterprise son solo por ventas, sin cifras públicas.
• A tener en cuenta: más esfuerzo de ingeniería que un agente LLM alojado, y la historia de "código abierto" se ha estrechado bastante.

Nuestra opinión: si estás en un sector regulado y necesitas IA conversacional on-premise o aislada de la red con control a nivel de código, Rasa sigue siendo la respuesta seria. Para el resto, el esfuerzo de ingeniería es difícil de justificar frente a un agente alojado.

El coste real de lo "gratis"

Cada herramienta de arriba es "gratis", y cada una sigue costando dinero de operar. Esta es la trampa en la que veo caer a los equipos: ven una licencia de 0 $ y presupuestan 0 $, y un trimestre después están pagando por tokens de LLM, infraestructura en la nube y, sobre todo, las semanas de ingeniería que costó construirlo y el tiempo continuo que cuesta mantenerlo funcionando.

Nada de eso convierte al código abierto en una mala elección. Lo convierte en una elección de construir. Si tienes ingenieros que quieren ser dueños de todo el stack, el coste total vale el control que obtienes. Pero si eres un equipo de soporte u operaciones cuyo objetivo real es "resolver más tickets, más rápido", te estás apuntando a construir y mantener un producto por tu cuenta, y la factura de tokens de las ejecuciones multiagente charlatanas es una partida real de la que nadie te avisa.

Prueba eesel para atención al cliente

Esta es la bifurcación honesta, porque prefiero que elijas la herramienta correcta a la que fabrico yo.

Si quieres control y tienes el apetito de ingeniería, construye sobre uno de los frameworks de arriba. Si tu objetivo real es "resolver tickets de clientes sin levantar y cuidar una plataforma de agentes", para eso es eesel AI. Es un agente de soporte de IA gestionado que instruyes en lenguaje sencillo, conectas a tu conocimiento existente (tickets pasados, documentos, centro de ayuda) y enchufas a Zendesk, Freshdesk o Slack en minutos, no en meses.

El único diferenciador que señalaría, porque es lo que cada framework de arriba te deja a ti: antes de que eesel responda a un solo cliente en vivo, simula el agente contra tus tickets históricos para que veas la tasa de resolución real y el coste antes de entrar en producción. Así fue como Gridwise alcanzó el 73% de resolución de nivel 1 en el primer mes. Los precios son de pago por uso por tarea, sin tarifas por asiento, así que no pagas por una plataforma que primero tienes que construir. Es gratis de probar. ¿Quieres un agente de soporte en producción esta semana en vez del próximo trimestre? Esa es toda la idea.