AutoGen, MAF y AG2: el ecosistema multi-agente de Microsoft

El otro día, escribiendo el post de MarkItDown, mencioné AutoGen de pasada. Está en la descripción del proyecto: “creada por el equipo de AutoGen de Microsoft”. Lo cité sin darle más vueltas. Pero luego pensé: nunca lo he usado. Sé lo que es en teoría, pero no lo he tocado.

Así que me dio por investigar.

Y lo que encontré es un ecosistema más enrevesado de lo que parece. No hay un solo AutoGen. Hay tres cosas distintas con el mismo apellido, y según cuándo llegues, te va a tocar una u otra.

¿Qué es AutoGen?

AutoGen nació en Microsoft Research en 2023 como un framework para construir aplicaciones donde múltiples agentes de Inteligencia Artificial colaboran entre sí. En lugar de tener un solo modelo haciendo de todo, defines agentes especializados —uno que investiga, otro que escribe código, otro que revisa— y el framework se encarga de orquestar la comunicación entre ellos.

Al principio fue un proyecto de investigación más. Pero pegó fuerte. En GitHub acumuló más de 58.000 estrellas y se convirtió en el framework de referencia para sistemas multi-agente. La gente hacía cosas muy chulas con él: equipos de agentes que resolvían problemas complejos, agentes que se pasaban el turno, debates entre modelos, humanos en el bucle. Todo eso que ahora parece normal, AutoGen lo popularizó.

El concepto clave es la conversación entre agentes. No es un pipeline secuencial donde el agente A hace X y pasa a B. Es más parecido a un chat de grupo donde cada agente tiene un rol, habla cuando toca y puede responder a lo que dicen los demás. El framework gestiona el enrutamiento de mensajes, el historial y las condiciones de terminación.

En 2025 llegó la versión 0.4, que fue una reescritura completa. Cambió la arquitectura a un modelo basado en eventos, asíncrono, con tres capas bien diferenciadas: Core (el motor), AgentChat (la API de alto nivel para prototipado) y Extensions (conectores con OpenAI, Azure, Docker, MCP, etc.). También presentó AutoGen Studio, una interfaz visual para montar flujos multi-agente sin escribir código.

El proyecto soporta Python y .NET, funciona con cualquier proveedor de modelos (OpenAI, Anthropic, Google, Azure, Ollama) y tiene una comunidad activa con más de 3.700 contribuciones y 4.100 proyectos que dependen de él.

En teoría, es exactamente lo que necesitas si quieres montar un sistema donde varios agentes colaboran.

Pero hay un pero grande.

AutoGen en GitHub →

La unificación: nace Microsoft Agent Framework

A principios de 2026, Microsoft tomó una decisión que cambió el ecosistema: unificó AutoGen con Semantic Kernel en un solo producto llamado Microsoft Agent Framework (MAF).

La idea tenía sentido. Hasta entonces había dos frameworks dentro de Microsoft compitiendo por la misma audiencia: AutoGen (investigación, multi-agente, conversacional) y Semantic Kernel (empresa, plugins, telemetría, seguridad). Los desarrolladores preguntaban constantemente cuál usar. La respuesta oficial era “depende”. Que no es respuesta.

MAF unifica ambos enfoques. Tiene la potencia de AutoGen para orquestación multi-agente y la solidez empresarial de Semantic Kernel. Soporta gráficos de flujo de trabajo con checkpointing, herramientas MCP, comunicación entre agentes con protocolo A2A, y human-in-the-loop. Llegó a Release Candidate en febrero de 2026 y la versión GA se lanzó a finales de Q1 2026.

Esto tiene una consecuencia directa: el repositorio original de AutoGen está ahora en modo mantenimiento. No recibe nuevas funcionalidades ni mejoras. Es comunidad-managed. Microsoft recomienda explícitamente a los nuevos usuarios empezar con MAF.

Microsoft Agent Framework en GitHub →

AG2: el fork que mantiene vivo el legado

Cuando Microsoft anunció el fin del desarrollo activo de AutoGen, parte de la comunidad no quiso migrar. El resultado es AG2 (anteriormente AutoGen 2), un fork comunitario mantenido por developers que prefieren el enfoque original.

AG2 mantiene compatibilidad hacia atrás con el estilo v0.2 de GroupChat, soporta los mismos proveedores de modelos, añade mejoras propias (step-through execution, cost tracking, AWS Bedrock) y tiene su propio roadmap. Es software libre sin tutela de Microsoft. Si quieres el ecosistema original sin depender de la dirección que tome Microsoft, AG2 es tu opción.

El fork ha crecido lo suficiente como para tener su propia documentación, su Discord y su roadmap público para 2026. No es un proyecto muerto. Pero tampoco tiene el respaldo de Microsoft.

AG2 en GitHub →

¿Qué dice la gente que lo ha usado?

Aquí entra lo que he encontrado en reseñas, foros y análisis. Repito: no lo he usado. Esto es lo que he recopilado de quien sí lo ha hecho.

AutoGen puntúa entre 4.2 y 4.7 sobre 5 en las plataformas de reseñas que he consultado. Los puntos fuertes son unánimes: solidez técnica, respaldo de Microsoft, flexibilidad para montar arquitecturas complejas, y el mérito de haber sido pionero. La gente valora especialmente el modelo de agentes conversacionales y la capacidad de meter humanos en el bucle.

Los puntos débiles también se repiten:

Curva de aprendizaje empinada. No es un framework para empezar a jugar un sábado por la tarde. Requiere entender la arquitectura de agentes, los patrones de comunicación y cómo funciona el event-driven. La documentación oficial es densa, y aunque ha mejorado con v0.4, sigue siendo un obstáculo para recién llegados.

Coste de tokens. Cuando tienes varios agentes conversando entre sí, cada interacción consume tokens no solo del modelo, sino del tráfico entre agentes. He leído reseñas que hablan de multiplicar el gasto por 3x o 5x comparado con un solo agente secuencial que haga el mismo trabajo. Es algo a tener muy en cuenta antes de lanzarse a montar un equipo de diez agentes para una tarea que igual resuelve un solo modelo bien afinado.

Fragmentación. Hasta la llegada de MAF, la pregunta de “¿AutoGen o Semantic Kernel?” era un dolor de cabeza recurrente. Ahora esa fragmentación está resuelta, pero ha dejado un rastro de forks, repositorios en modo mantenimiento y guías de migración que pueden liar al que llega nuevo.

La pregunta del millón: ¿cuál uso?

Si empiezas de cero hoy, la respuesta oficial es clara: Microsoft Agent Framework. Es el producto soportado, recibe actualizaciones, tiene APIs estables y un equipo dedicado detrás. Además incorpora todo lo bueno de AutoGen y Semantic Kernel sin la fragmentación.

Si ya tienes proyectos montados con AutoGen, puedes seguir usándolo. El repositorio no desaparece, el código sigue funcionando y la comunidad mantiene AG2 si necesitas evolucionar. Pero no esperes nuevas funcionalidades de Microsoft.

Si prefieres un proyecto comunitario sin dependencia corporativa, AG2 es tu opción. Tiene su propio ritmo y no está sujeto a los cambios de dirección de Microsoft.

¿Y yo? Pues no lo uso. No he tenido la necesidad de montar un sistema multi-agente tan complejo como para necesitar un framework de orquestación. Mis flujos con Inteligencia Artificial son más sencillos: un modelo, bien configurado, con las instrucciones adecuadas y alguna herramienta externa. Hasta ahora me ha bastado.

Pero me alegro de haber investigado. Porque el ecosistema ha cambiado bastante en los últimos meses, y si algún día necesito dar el salto a multi-agente, sé por dónde empezar.

Y si lo que tienes entre manos es montar algo multi-agente serio en tu empresa y no sabes por dónde tirar, puedo echarte una mano.

Fragmentación y consolidación

Si hay algo que me llevo de esta investigación es que el ecosistema de frameworks de agentes en 2026 está en plena consolidación. Lo que hace dos años era una explosión de opciones (LangChain, CrewAI, AutoGen, Semantic Kernel, LangGraph, OpenAI Swarm…), ahora empieza a converger.

Microsoft ha consolidado. LangChain y LangGraph se han ido comiendo terreno. CrewAI mantiene su nicho. Aparecen opciones nuevas constantemente. Y el que quiere montar algo serio se encuentra con el mismo dilema de siempre: elegir un framework que dentro de seis meses puede estar en modo mantenimiento.

No tengo una respuesta mágica. Pero si me preguntas, prioriza ecosistemas con respaldo, APIs estables y comunidades activas. Lo demás es ruido.

Las fuentes que he usado para este post son las que enlazo: el repositorio de AutoGen, el de MAF, el de AG2, las reseñas de ShipSquad, Comparateur y artículos como el de sanj.dev sobre el estado del ecosistema.

Compártelo si te ha resultado útil.

¿Has usado AutoGen, MAF o AG2? ¿O andas como yo, investigando antes de dar el salto a multi-agente? Cuéntame.

Y… el ecosistema sigue moviéndose.