AG2
AG2AI (originally AutoGen from Microsoft Research) · Programación
AG2 es un framework de agentes de IA en Python de código abierto. Conecta agentes a servidores MCP remotos y locales, agrupa esas herramientas en toolkits reutilizables y hasta convierte a tus propios agentes en servidores MCP.
Acerca de AG2
What Is AG2
AG2 nació como AutoGen, el framework multiagente que Microsoft Research publicó en 2023. Después pasó a manos de su propia comunidad, adoptó el nombre AG2 y conservó el mismo objetivo: construir sistemas donde varios agentes de IA conversan, invocan herramientas y se reparten el trabajo hasta terminar una tarea. El nombre de esta página se refiere a su motor MCP, la parte del framework que habla el Protocolo de Contexto de Modelo.
MCP es el estándar abierto que Anthropic presentó a finales de 2024 para conectar modelos de lenguaje con herramientas y datos externos. Resuelve un problema concreto: antes de que existiera, cada herramienta necesitaba un adaptador a medida para cada modelo. AG2 trata MCP como ciudadano de primera clase. Los agentes pueden leer herramientas de un servidor MCP remoto por HTTP, lanzar uno local como subproceso por entrada y salida estándar, o reenviar la URL del servidor a un proveedor que admita MCP de forma nativa.
La limitación principal es el alcance. AG2 es una biblioteca de Python para desarrolladores, no un producto de un clic. Se instala con pip, se escribe código y cada equipo gestiona sus claves y servidores. Quien busque una interfaz sin código tendrá que mirar en otro sitio, y los usuarios de Windows con Python antiguo pueden chocar con problemas porque el paquete exige la versión 3.10 o superior.
Getting Started
- Instala el framework y el extra de MCP con
pip install ag2[openai,mcp]. Cambiaopenaiporanthropic,gemini,ollamau otro proveedor. - Define la clave del proveedor, por ejemplo
export OPENAI_API_KEY="...". Las claves se leen del entorno, así que nada queda escrito dentro del proyecto. - Apunta un agente a un servidor MCP. Pasa la URL a
MCPToolkitpara un servidor remoto, o unMCPStdioServerConfigpara uno local que corre como subproceso. - Filtra las herramientas con
allowed_tools,blocked_toolsy unaserver_label, de modo que el agente solo vea lo que necesita. - Si quieres, invierte la dirección y expón tu agente terminado como servidor MCP con
ag2 serve my_agent.py --protocol mcp.
Información del producto
Un vistazo rápido a los precios, las plataformas compatibles y el rendimiento de AG2.
Ideal para
Los usuarios, tareas y casos de uso en los que esta herramienta encaja mejor.
Usuarios
- Desarrolladores de Python que crean sistemas de agentes
- Equipos que ya operan servidores MCP
- Investigadores que estudian la colaboración entre agentes
Tareas
- Conectar un agente con herramientas de terceros
- Publicar un agente como herramienta
- Convertir interfaces existentes en herramientas MCP
Casos de uso
- Un flujo que necesita varias fuentes de datos
- Mantener las credenciales dentro de tu propia infraestructura
- Prototipar un asistente de investigación
Funciones clave
Toolkit MCP para conexiones en el cliente
La clase MCPToolkit descubre las herramientas del servidor cuando hacen falta y le entrega cada una al agente como una función normal. Acepta tanto una URL remota con MCPServerConfig como un subproceso local con MCPStdioServerConfig, y al resto del agente le da igual cuál elegiste. Como la ejecución se queda en tu lado, funciona con todos los proveedores y mantiene las credenciales dentro de tu infraestructura.
Paso por MCP del lado del proveedor
Si prefieres que la conexión la gestione el proveedor del modelo, MCPServerTool le envía la URL del servidor y las credenciales, y el proveedor ejecuta las herramientas en su extremo. Esa vía solo sirve con proveedores que admitan el paso de MCP, como Anthropic, y supone que tus credenciales salen de tu red. Elígela si no quieres encargarte tú del ciclo de vida de la conexión.
Gestión dinámica de sesiones con varios servidores
MCPClientSessionManager abre sesiones cuando se necesitan en lugar de mantener una conexión viva durante todo el flujo. Dentro de una función, el agente puede acudir a un servidor distinto según la consulta, mezclar servidores locales de entrada y salida estándar con otros remotos por HTTP, y dejar que cada sesión se cierre sola. Eso encaja con asistentes de investigación y sistemas de enrutado que cambian de fuente a mitad de tarea.
Publica tu agente como servidor MCP
El comando ag2 serve expone un agente terminado mediante uno de tres protocolos. Con --protocol mcp, tu agente se convierte en un servidor MCP que ofrece las herramientas chat y list_agents, así que cualquier cliente compatible con MCP puede usarlo. El mismo comando sirve una API REST o un endpoint A2A, algo que importa si varios tipos de cliente deben poder alcanzar al agente.
Convierte cualquier interfaz en herramientas MCP
ag2 proxy transforma lo que ya tienes en herramientas para el agente. Apúntalo a un comando de CLI y lee la salida de ayuda para generar envoltorios tipados; apúntalo a una especificación OpenAPI para obtener una herramienta por endpoint; apúntalo a un módulo de Python para envoltorios de funciones tipadas. Añadir --serve-mcp se salta la generación de archivos y arranca las herramientas envueltas como servidor MCP en vivo.
Construido sobre el linaje de AutoGen
AG2 conserva el modelo multiagente que hizo popular a AutoGen: agentes que conversan, chats de grupo, swarms y flujos anidados. Encima añade un núcleo asíncrono, contexto persistente y soporte de protocolos tanto MCP como el protocolo A2A. Obtienes los patrones de orquestación probados en investigación más las capas de interoperabilidad para conectar agentes con el mundo exterior.
Ventajas y desventajas
Ventajas
- Código abierto bajo Apache 2.0, sin coste de licencia ni proveedor al que quedarse atado para el framework central.
- Independiente del proveedor: el toolkit del cliente ejecuta las llamadas en local y funciona igual con OpenAI, Anthropic, Google o modelos abiertos.
- Cubre las dos direcciones de MCP, conectarse a servidores y servir agentes como servidores, desde un único código base.
- La gestión de sesiones bajo demanda mantiene ligeros los flujos largos, porque las conexiones solo se abren cuando una herramienta las necesita.
- Documentado con notebooks y una guía de inicio rápido, con el paper de AutoGen como respaldo para quien quiera la teoría.
Desventajas
- Es una biblioteca de Python, no una aplicación alojada, así que los equipos sin desarrolladores no pueden usarla directamente y tienen que construir sus propias interfaces.
- Exige Python 3.10 o superior, lo que deja fuera entornos antiguos y puede dar problemas en montajes de Windows heredados.
- La vía MCP del lado del proveedor solo funciona con proveedores que admitan el paso, así que no la puedes usar con cualquier modelo.
- Unir varios servidores y claves corre de tu cuenta, y no hay panel incluido para vigilar a los agentes en producción.
Preguntas frecuentes
AG2 es un framework de Python para crear agentes de IA que trabajan juntos y usan herramientas externas. Su motor MCP permite que esos agentes se conecten a servidores MCP, agrupen herramientas en toolkits reutilizables y expongan los agentes terminados como servidores MCP para que otros clientes los llamen.
Contenido relacionado
Explora herramientas, habilidades y artículos relacionados con AG2.
Alternativas a AG2
Forefront
Forefront · ProgramaciónForefront es una plataforma web para construir con IA de código abierto. Te deja ajustar los principales modelos de lenguaje de código abierto con tus propios datos, evaluar cómo rinden y ejecutarlos a través de una API o exportarlos para alojarlos tú mismo. Los desarrolladores que quieren la comodidad de una plataforma cerrada pero insisten en ser dueños de sus modelos y sus datos son el público objetivo.
Startkit
StartKit.AI · ProgramaciónStartkit es un boilerplate para crear productos de SaaS con IA y wrappers de IA. Piénsalo como un boilerplate para startups de IA con las partes aburridas ya conectadas: autenticación, pagos con Stripe y Lemon Squeezy, límites de uso, correo transaccional y un kit de inicio de API de IA que habla con OpenAI, Anthropic, Groq o Llama. Clonas el repositorio, pones tu precio y te dedicas a la parte del producto por la que la gente paga de verdad. Está hecho con Next.js sobre React y Tailwind, así que buena parte del código boilerplate ya te resulta familiar.
Testim
Tricentis · ProgramaciónTestim es una plataforma de automatización de pruebas impulsada por IA para crear y ejecutar pruebas de extremo a extremo en aplicaciones web, móviles y Salesforce. Se apoya en el aprendizaje automático para mantener las pruebas estables cuando cambia una interfaz, así que los equipos dedican menos tiempo a reparar selectores rotos. No está nada mal para una herramienta de pruebas automatizadas que puedes empezar a usar hoy mismo. Creas pruebas grabando acciones en un navegador y luego añades JavaScript cuando necesitas más control. Es una opción sólida para equipos de QA con mucho trabajo.