AutoGen en local: lo que funciona y lo que casse

#El modelo de conversación

Mientras que un framework de cadenas exige definir etapas, AutoGen pide definir participantes. Un agente asistente propone; un agente que actúa en tu nombre te representa, puede ejecutar código y devuelve el resultado; una conversación grupal reúne a varios especialistas bajo un gestor que decide quién habla. El comportamiento surge de estos intercambios.

Es realmente potente para tareas abiertas —depurar, iterar sobre un análisis— y es exactamente lo que hace que el costo sea impredecible. Una cadena fija realiza N llamadas al modelo. Una conversación realiza tantas como hagan falta, y es precisamente el modelo del que dudas el que decide cuántas hacen falta.

Este diseño tiene una consecuencia directa en la elección de los roles: cuantos más agentes distintos haya en la conversación, más turnos serán posibles antes de que surja una respuesta final y mayor será el riesgo de deriva. Dos agentes que se responden en bucle sin llegar nunca a una conclusión son el síntoma más frecuente en local, precisamente porque no se estableció ningún límite antes del primer intento. Por tanto, el número de agentes no es solo una elección de arquitectura: es un multiplicador directo del tiempo de cálculo consumido en tu propia tarjeta gráfica.

#AutoGen en modo mantenimiento: lo que ha cambiado

Este es el punto que la mayoría de los tutoriales que siguen en línea omiten. El propio repositorio oficial microsoft/autogen lo anuncia claramente desde el 2 de octubre de 2025: el proyecto está en modo de mantenimiento, ya no recibirá nuevas funcionalidades y será gestionado por la comunidad. Microsoft recomienda que los nuevos proyectos comiencen directamente con Microsoft Agent Framework (MAF), el sucesor que combina los componentes de AutoGen con los de Semantic Kernel en un único kit de desarrollo, que alcanzó la disponibilidad general a principios de abril de 2026.

Los creadores originales de AutoGen, Chi Wang y Qingyun Wu, dejaron Microsoft a finales de 2024 y continuaron el desarrollo bajo el nombre AG2, un fork bajo licencia Apache 2.0, alojado por la organización ag2ai. AG2 se presenta como la continuación activa del proyecto en lugar de como una ruptura: la base histórica sigue disponible bajo el nombre AG2 Classic para quienes no quieren cambiar nada en su código, mientras que AG2 1.0 hace evolucionar la arquitectura hacia un protocolo más explícito entre agentes. Para un proyecto que empieza hoy, AG2 es la opción más coherente si quieres mantenerte cerca de la API original de AutoGen; Microsoft Agent Framework es la opción que debes considerar si ya estás en el ecosistema de Microsoft y la fusión con las herramientas de Semantic Kernel te concierne directamente.

#Conectarlo a un modelo local

1. 01
   Servir el modelo

   En un punto de acceso compatible con OpenAI. Para varios agentes que hablan al mismo tiempo, un servidor diseñado para la concurrencia funciona mucho mejor que uno pensado para un solo equipo.
2. 02
   Configurar el cliente

   Dirección base (por ejemplo http://localhost:11434/v1 para Ollama), nombre exacto del modelo tal como fue recuperado localmente, clave ficticia. Los servidores locales ignoran la clave; la biblioteca cliente suele exigir que exista.
3. 03
   Declarar honestamente las capacidades

   Los frameworks piden que indiques si el modelo admite llamadas a funciones o el modo JSON. Declarar una capacidad inexistente provoca errores incomprensibles más adelante, en lugar de un fallo controlado.
4. 04
   Aumentar la ventana de contexto

   El historial crece con cada turno. Un contexto por defecto trunca silenciosamente el inicio, y los agentes vuelven a hacer un trabajo ya realizado.

#La ejecución de código: debe aislarse

El esquema que hace atractivo a AutoGen —un agente escribe código, un agente delegado lo ejecuta, el error vuelve y el agente lo corrige— es también el que ejecuta código escrito por un modelo en tu máquina. Ese código se ejecuta en un contenedor, sin credenciales, sin red si la tarea no la necesita y nunca sobre tu directorio personal. Y todo contenido recuperado del exterior —un ticket, una página web, un archivo de documentación— debe considerarse potencialmente hostil.

La observabilidad importa tanto como el aislamiento. En una conversación con tres o cuatro agentes, un incidente se diagnostica releyendo el prompt exacto que recibió cada agente en cada turno, no un resumen elaborado a posteriori. Sin un registro completo, nunca se sabe si un agente interpretó mal una instrucción o si simplemente recibió un contexto truncado por falta de memoria. Registrar cada intercambio, incluidas las llamadas a herramientas y sus argumentos exactos, cuesta poco y evita tener que adivinar qué ocurrió una vez que la tarjeta gráfica ha vuelto a quedarse en silencio.

#El tamaño del modelo, una vez más

Prefiere modelos entrenados para realizar llamadas a herramientas y generar salidas estructuradas. Es el mismo límite con el que se encuentran todos los frameworks de agentes locales: la prosa es fácil, pero los formatos estrictos no lo son. El papel de gestor en una conversación de grupo suele merecer el modelo más capaz del que dispongas: es quien decide quién habla después, y cada decisión incorrecta de enrutamiento cuesta un turno entero, un coste que se repite mientras la conversación siga dando vueltas sin converger.

• CrewAI: roles y entregables organizados
• Arquitectura de un agente local
• Crear un agente local en Python con LangChain
• El kit QuelLLM para montar agentes locales
• Repositorio oficial: anuncio del modo de mantenimiento
• AG2: el fork que se desarrolla activamente
• La API oficial de Ollama compatible con OpenAI

#AutoGen, AG2 o CrewAI

Para el código ya escrito con la API histórica de AutoGen, la migración a AG2 suele requerir pocos cambios: el espacio de nombres original autogen.* sigue disponible en una rama dedicada (AG2 Classic), para que puedas hacer la transición a tu ritmo. Empezar desde cero hoy es otra decisión: conviene elegir directamente AG2 o evaluar Microsoft Agent Framework en lugar de aprender una base de código que su propio responsable describe como gestionada por la comunidad.

#¿Cuánto cuesta realmente una conversación?

Con una API de pago, una conversación entre tres agentes que se prolonga durante veinte turnos se nota en la factura. En local, se nota en el ventilador del chasis y en el reloj de pared. Cada turno es una generación completa: si un turno dura de media cinco segundos en tu tarjeta, veinte turnos sin condición de parada representan como mínimo un minuto y cuarenta segundos de cálculo continuo, a menudo mucho más una vez que el contexto ha crecido y cada generación vuelve a leer un historial más largo que en la anterior. Nada te avisa mientras esto ocurre: no hay contador ni umbral, solo una GPU que sigue caliente.

Por eso el límite de turnos no es un detalle de configuración más: es el único mecanismo que convierte un costo potencialmente ilimitado en un costo acotado y previsible, exactamente como lo haría un presupuesto de tokens en una API comercial. Fijar este límite antes de la primera prueba, en lugar de descubrirlo después, marca la diferencia entre una prueba de cinco minutos y una tarjeta gráfica monopolizada durante toda una tarde-noche por una conversación que no llevaba a ninguna parte desde el décimo mensaje. En una máquina compartida con otros usos —una estación de trabajo, no un servidor dedicado—, esta monopolización también tiene un costo de oportunidad concreto: no puedes ejecutar nada más que consuma muchos recursos de GPU mientras una conversación entre varios agentes se ejecuta sin límite en segundo plano.

#FAQ