Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés. # Marcos [Foundations of Agentic AI on AWS](https://docs.aws.amazon.com/prescriptive-guidance/latest/agentic-ai-foundations/) examina los patrones y flujos de trabajo principales que permiten un comportamiento autónomo y orientado a objetivos. En el centro de la implementación de estos patrones se encuentra la elección del marco. Un *marco* es la base de software del código preescrito que proporciona un entorno estructurado y una funcionalidad común para crear y gestionar las herramientas y las capacidades de organización necesarias para crear agentes de IA autónomos listos para la producción. Los marcos de inteligencia artificial eficaces proporcionan varias capacidades esenciales que transforman las interacciones sin procesar con modelos de lenguaje extensos (LLM) en sistemas coordinados e inteligentes capaces de razonar, colaborar y actuar: + La **orquestación de agentes** coordina el flujo de información y la toma de decisiones entre uno o varios agentes para lograr objetivos complejos sin intervención humana. + **La integración de herramientas** permite a los agentes interactuar con sistemas, API y fuentes de datos externos para ampliar sus capacidades más allá del procesamiento del lenguaje. Para obtener más información, consulte la [descripción general de las herramientas](https://strandsagents.com/0.1.x/user-guide/concepts/tools/tools_overview/) en la Strands Agents documentación. + La **administración de la memoria** proporciona un estado persistente o basado en sesiones para mantener el contexto en todas las interacciones, algo esencial para las tareas de larga duración o adaptativas. Los marcos más avanzados incorporan memoria a largo plazo para almacenar los resúmenes y las preferencias de los usuarios, lo que permite experiencias de los agentes personalizadas y sensibles al contexto. Para obtener más información, consulte [Cómo pensar en los marcos de agentes](https://blog.langchain.com/how-to-think-about-agent-frameworks/) en el blog. LangChain + **La definición del flujo** de trabajo admite patrones estructurados como las cadenas, el enrutamiento, la paralelización y los bucles de reflexión que permiten un razonamiento autónomo sofisticado. + La **implementación y el monitoreo** facilitan la transición del desarrollo a la producción con la observabilidad de los sistemas autónomos. Para obtener más información, consulte el anuncio de [disponibilidad AgentCore general de Amazon Bedrock](https://aws.amazon.com/blogs/machine-learning/amazon-bedrock-agentcore-is-now-generally-available/). Estas capacidades se implementan con diferentes enfoques y énfasis en todo el panorama estructural, y cada una de ellas ofrece ventajas distintas para los diferentes casos de uso de agentes autónomos y contextos organizacionales. En esta sección, se describen y comparan los principales marcos para crear soluciones de inteligencia artificial basadas en agentes, centrándose en sus puntos fuertes, limitaciones y casos de uso ideales para el funcionamiento autónomo: + [Agentes de Strands](strands-agents.md) + [LangChain y LangGraph](langchain-langgraph.md) + [Crew AI](crewai.md) + [AutoGen](autogen.md) + [LlamaIndex](llamaindex.md) + [Comparación de los marcos de IA de las agencias](comparing-agentic-ai-frameworks.md) **nota** Esta sección cubre los marcos que respaldan específicamente a la agencia de la IA y no cubre las interfaces frontend o la IA generativa sin agencia.