LangChain y LangGraph, de la prueba de concepto a producción

LangChain es para componer: conecta modelos con datos, herramientas y memoria. LangGraph es para operar: modela el flujo como un grafo con estado durable, con la posibilidad de pausar esperando aprobación humana, reintentar un paso sin repetir los anteriores, sobrevivir a reinicios y reproducir una ejecución completa para depurarla. LangChain ayuda a construirlo; LangGraph permite sostenerlo.

No siempre. Para un flujo lineal de pocos pasos, sin estado ni aprobaciones, código directo es más simple de mantener. El framework empieza a pagar cuando hay ramificación, estado que sobrevive a reinicios, aprobaciones humanas, reintentos parciales o necesidad de reproducir ejecuciones. Meter la abstracción antes de necesitarla encarece el proyecto sin dar nada a cambio.

Sí, y es una parte importante de lo que hacemos. La auditoría revisa el grafo, el manejo de estado, las barreras, los límites de costo, el manejo de fallos y la observabilidad, y entrega hallazgos ordenados por impacto con el arreglo de cada uno. Podemos ejecutar esos arreglos o dejarlos documentados para el equipo interno.

Sí. En el formato de equipo integrado trabajamos dentro del repositorio y los procesos del cliente, en programación conjunta con su gente, con el objetivo explícito de dejar capacidad instalada. Es más lento que hacerlo por fuera y entregar, y a mediano plazo sale mucho más barato.

Es que el flujo guarde en qué punto va, de forma que un reinicio, un fallo de red o una espera de aprobación no obliguen a empezar de cero. Importa porque en un flujo que ya ejecutó acciones —envió un correo, cobró, creó un registro— repetir desde el principio no es solo lento: duplica efectos en el mundo real. Es la razón principal por la que LangGraph existe.

Sí, para trazabilidad y evaluación. Permite ver cada paso de una ejecución con sus entradas y salidas, comparar configuraciones y correr conjuntos de evaluación de forma sistemática. Cuando el cliente prefiere no depender de un servicio externo, montamos trazabilidad equivalente sobre Datadog o herramientas propias.

Conocemos CrewAI, AutoGen y las alternativas ligeras, y en algunos casos son la elección correcta. Nuestro criterio es cuál se puede operar mejor en producción: estado, depuración, control de costo y madurez del ecosistema. Hoy LangGraph gana en la mayoría de los casos empresariales, pero no es una posición ideológica.

Python y TypeScript, según lo que use el equipo del cliente. LangChain y LangGraph tienen implementación en ambos y elegimos la que le permita a su gente mantener el sistema, no la que nos resulte más cómoda.