En junio de 2026, seis SDK dominan los despliegues de agentes en producción: LangGraph, CrewAI, OpenAI Agents SDK, Claude Agent SDK, Google ADK y Microsoft Semantic Kernel. El mercado que en 2024 era un laboratorio de experimentos se convirtió en 2026 en una disputa de arquitecturas con consecuencias medibles — la elección del framework puede alterar el rendimiento de un agente en hasta 30 puntos porcentuales en modelos y tareas idénticos.

El dato que lo cambia todo

Los datos del benchmark HAL de Princeton muestran que Claude Opus 4 alcanza el 64,9% en GAIA dentro de un scaffold de orquestración y el 57,6% dentro de otro — una diferencia mayor que la mejora entre muchos lanzamientos de modelos de frontera.

Traducción para el ejecutivo: el modelo que elijas importa menos que la forma en que lo orquestas. El framework dejó de ser un detalle de implementación.

Los tres modelos mentales que definen el campo

OpenAI Agents SDK trata a los agentes como cadenas imperativas de handoff. LangGraph los modela como máquinas de estado explícitas sobre un grafo. CrewAI los compone como equipos con roles y tareas declarativas. Cada modelo mental cae en cascada en cada decisión de diseño posterior — y migrar definiciones de herramientas, esquemas de memoria e instrumentación de observabilidad entre frameworks consume rutinariamente a un ingeniero durante un trimestre.

Lo que cada uno hace mejor

LangGraph es el estándar de producción para flujos de trabajo complejos y auditables. Klarna ejecuta un agente de atención al cliente en LangGraph que atiende a 85 millones de usuarios, con una reducción del 80% en el tiempo de resolución. Los benchmarks muestran un 47% menos de costo en tokens que CrewAI debido a las transiciones de borde explícitas en lugar del enrutamiento de tareas guiado por LLM.

CrewAI domina la velocidad de prototipado. Es el camino más rápido desde una idea hasta un prototipo multi-agente funcional, en 2 a 4 horas. Tiene soporte nativo de primera clase para MCP a través del campo mcps en los agentes — conectarse a una base de datos PostgreSQL o a un espacio de trabajo de Slack es cuestión de unas pocas líneas de configuración YAML.

OpenAI Agents SDK es el camino más directo para quienes operan en el ecosistema GPT. Patrones de handoff y guardrails en menos de 100 líneas de código, con soporte para más de 100 modelos a través de LiteLLM.

La advertencia que el mercado aún no ha escuchado bien

Anthropic recomienda "encontrar la solución más simple posible" y señala que para muchas aplicaciones "llamadas únicas de LLM" con recuperación y ejemplos son suficientes. Shopify fue más directa: "Evite las arquitecturas multi-agente al principio." El MIT fue aún más duro: las etapas añadidas solo ayudan cuando añaden nuevas señales exógenas, preservan información relevante para la decisión o proporcionan una revisión no redundante.

Todo sistema de colaboración que sobrevivió en 2026 tiene phase gates, artefactos compartidos o un supervisor final. La malla abierta es lo que estudiaban los papers de taxonomía de fallos.

El protocolo que se convirtió en criterio de selección

MCP — Model Context Protocol, estándar abierto de Anthropic para la conectividad de herramientas — se convirtió en 2026 en un criterio real para la elección de frameworks. CrewAI superó las 44.600 estrellas en GitHub y lanzó la v1.10.1 con soporte nativo para MCP y A2A. OpenAI Agents SDK tiene soporte nativo para MCP con cinco opciones de transporte: Hosted, Streamable HTTP, SSE, Stdio y MCP Server Manager.

La regla práctica de 2026

No existe el mejor framework multi-agente universal en 2026. La elección correcta depende del nivel de riesgo del flujo de trabajo, los requisitos de estado, la profundidad de integración y la necesidad de supervisión humana. LangGraph es adecuado para flujos de trabajo controlados y con estado; CrewAI para la colaboración basada en roles; Microsoft Agent Framework para empresas centradas en Azure; y OpenAI Agents SDK para pilotos nativos de OpenAI.