Totemize
  • Rutas totémicas
  • Precios
  • Quiénes somos
Iniciar sesiónÚnete gratis
Únete gratis
Ctrl+K
Modelo mental
  • Base de conocimiento
  • Cloud
    • Azure
      • Web Apps
        • App Service
        • App Service Plan
        • Configuración
        • Managed Identity
        • Deployment Slots
        • Networking
        • Observabilidad
      • Storage Accounts
        • Blob Storage
        • Containers
        • Azure Files
        • Queue Storage
        • Table Storage
        • Redundancia
        • Access Tiers
        • Lifecycle Management
        • Seguridad y red
  • Frontend
    • React
      • Componentes
      • Props y Estado
      • Hooks
      • Renderizado de listas
  • IA
    • Fundamentos
      • Determinismo y probabilismo
      • LLM
      • Proveedor
      • Modelos fundacionales
      • Plataforma
      • Mapa del ecosistema
      • Entrenamiento y fine-tuning
      • Tokens
      • Ventana de contexto
      • Inferencia y sampling
      • Alucinaciones y límites
    • Interacción con el modelo
      • Prompts e instrucciones
      • Context engineering
      • Salidas estructuradas
      • Validación
      • Evaluaciones
      • Tool calling
    • Economía de uso
      • API pricing
      • Tokens de entrada y salida
      • Tokens en caché
      • Créditos
      • Suscripciones
      • Límites de uso
      • Selección de modelo
    • Recuperación de conocimiento
      • Vectores
      • Embeddings
      • Chunking
      • Bases de datos vectoriales
      • Búsqueda semántica
      • Búsqueda híbrida y reranking
      • Retrieval
      • RAG
      • Citas y grounding
      • LlamaIndex
    • Agentes
      • Workflows
      • Anatomía de un agente
      • Harness
      • Agentic loop
      • Planificación y human-in-the-loop
      • Memory
      • Permisos
      • Verification
      • MCP
      • Orquestación
      • Multiagentes
      • A2A
      • Frameworks de agentes
        • Microsoft Agent Framework
        • OpenAI Agents SDK
        • Google ADK
        • LangGraph
    • Coding agents
      • Skills
      • Spec-Driven Development
      • Claude Code
        • CLAUDE.md
        • Commands
        • Hooks
        • Plugins
        • Permisos
        • Subagents
      • Codex
        • CLI
        • Extensión de IDE
        • Codex app
        • Cloud
        • AGENTS.md
        • Worktrees
      • Cursor
        • Agent mode
        • Rules
        • Models
        • Precio por uso
  • Soporte
  • Comentarios
  1. IA
  2. Agentes
  3. Frameworks
Árbol de habilidades

LangGraph

1 min de lecturaActualizado el 9 jul 2026

LangGraph es un framework y runtime de orquestación de bajo nivel para agentes y workflows con estado. Modela la ejecución como un grafo cuyos nodos transforman estado y cuyas aristas deciden el siguiente paso. Admite ciclos, por lo que puede representar un agentic loop sin ocultarlo.

Su modelo mental

  • State: contrato compartido que evoluciona durante la ejecución.
  • Nodes: funciones o agentes que leen y actualizan ese estado.
  • Edges: transiciones fijas o condicionales.
  • Checkpointer: persiste snapshots por paso y thread.
  • Interrupts: pausan para revisión o input humano.

La persistencia habilita reanudación, memoria conversacional, human-in-the-loop, depuración temporal y recuperación ante fallos. Es una capacidad del runtime, no del LLM.

Qué aporta

  • control explícito de ciclos y ramas;
  • durable execution;
  • streaming de eventos y estado;
  • checkpointing;
  • pausas y reanudación;
  • composición de agentes y funciones;
  • integración con modelos y tools sin imponer una arquitectura única.

LangGraph no intenta resolver por sí mismo prompts, permisos o calidad. Esa capa baja es útil cuando necesitas control, pero exige diseñar el grafo y el estado con cuidado.

Cuándo encaja

  • procesos largos o con reanudación;
  • loops que necesitan límites y estados visibles;
  • approval gates;
  • orquestación no trivial con ramas y paralelismo;
  • necesidad de inspeccionar o reproducir trayectorias.

Cuándo evitarlo

Una llamada con tools o un workflow lineal pequeño puede implementarse con menos abstracción. No conviertas cada función en nodo si no necesitas persistencia, ciclos o control de grafo.

[!NOTE] Consulta el overview oficial de LangGraph  y su modelo de persistencia  antes de elegir runtime y checkpointer.

Temas relacionados

Es una implementación directa de Orquestación, Workflows y Planificación y human-in-the-loop.