Tutorial y proyecto modular de Agentic RAG con LangGraph, con indexación jerárquica, memoria conversacional y aclaración de consultas.
FareedKhan-dev/all-agentic-architectures
Biblioteca de Python y libro interactivo de Jupyter con 35 arquitecturas de IA agéntica ejecutables, desde Reflexion y ReAct hasta MemGPT y BrowserAgent, basadas en LangGraph.
- Estrellas
- 4,616
- Forks
- 793
- Issues abiertos
- 13
- Último commit
- hace 4 meses
¿Qué es?
Este proyecto reúne una amplia variedad de patrones de IA agéntica de la literatura de investigación, como Reflexion, Tree of Thoughts, LATS, GraphRAG, MemGPT, Voyager y STORM, en clases Architecture ejecutables. Todas las clases ofrecen la misma interfaz run(task) y devuelven resultados con el mismo formato, por lo que cambiar un patrón por otro no requiere modificar el código que los invoca.
La biblioteca funciona con varios proveedores de LLM, entre ellos OpenAI, Anthropic, Groq, Ollama y Google, y permite alternar entre ellos mediante una variable de entorno. Cada arquitectura incluye un notebook de Jupyter con ejecuciones realizadas, y el repositorio incorpora un benchmark de 17 tareas que compara las arquitecturas entre sí.
Es útil para desarrolladores que quieran aprender en qué se diferencian estos patrones en la práctica o contar con una base probada para crear sus propios flujos de trabajo de agentes con LangGraph.
Funciones clave
- 01Implementa 35 patrones agénticos con una interfaz uniforme run(task).
- 02Admite nueve proveedores de LLM, seleccionables mediante una variable de entorno.
- 03Cada arquitectura incluye un notebook de Jupyter ejecutable con ejecuciones realizadas.
- 04Incluye un benchmark de 17 tareas que compara las arquitecturas con las mismas tareas.
- 05Está basado en máquinas de estados de LangGraph.
- 06Incluye un BrowserAgent que controla un navegador real de Playwright con un mecanismo de seguridad.
Casos de uso
- Aprender en qué se diferencian en la práctica los patrones de reflexión, búsqueda, RAG y multiagente.
- Crear un prototipo de flujo de trabajo de agentes y comparar distintas arquitecturas antes de decidirse por una.
- Cambiar de proveedor de LLM sin reescribir el código del agente.
- Añadir un nuevo patrón de agente a una interfaz compartida y probada.
Inicio rápido
- 1
Instala la biblioteca con extras
pip install "agentic-architectures[nebius,faiss,tavily]" - 2
Ejecuta una arquitectura Reflection en una tarea usando get_llm
Antes de usarlo
- Los ejemplos predeterminados requieren una clave de API de un proveedor de LLM de pago, como Nebius, OpenAI o Anthropic.
- Los resultados del benchmark proceden de una sola ejecución del modelo y muestran solo un 78 % de aciertos en total.
- La suite completa de pruebas y la configuración del proveedor requieren un virtualenv y un archivo .env con las claves.
Temas
Preguntas frecuentes
- ¿Qué es all-agentic-architectures?
- Biblioteca de Python y libro interactivo de Jupyter con 35 arquitecturas de IA agéntica ejecutables, desde Reflexion y ReAct hasta MemGPT y BrowserAgent, basadas en LangGraph. Este proyecto reúne una amplia variedad de patrones de IA agéntica de la literatura de investigación, como Reflexion, Tree of Thoughts, LATS, GraphRAG, MemGPT, Voyager y STORM, en clases Architecture ejecutables. Todas las clases ofrecen la misma interfaz run(task) y devuelven resultados con el mismo formato, por lo que cambiar un patrón por otro no requiere modificar el código que los invoca.
- ¿all-agentic-architectures es gratuito? ¿Qué licencia tiene?
- all-agentic-architectures es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿all-agentic-architectures sigue mantenido?
- Actualizado en los últimos 6 meses. El último commit de all-agentic-architectures fue el 22 jun 2026.
- ¿Para qué puedo usar all-agentic-architectures?
- Aprender en qué se diferencian en la práctica los patrones de reflexión, búsqueda, RAG y multiagente. Crear un prototipo de flujo de trabajo de agentes y comparar distintas arquitecturas antes de decidirse por una. Cambiar de proveedor de LLM sin reescribir el código del agente. Añadir un nuevo patrón de agente a una interfaz compartida y probada.
- ¿Cómo se instala all-agentic-architectures?
- Instala la biblioteca con extras: pip install "agentic-architectures[nebius,faiss,tavily]" Ejecuta una arquitectura Reflection en una tarea usando get_llm
- ¿Dónde consigo all-agentic-architectures?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/FareedKhan-dev/all-agentic-architectures
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Un espacio de aprendizaje con IA autoalojable y nativo para agentes, para tutorías personalizadas, preguntas y respuestas, cuestionarios, investigación y visualización, basado en Python y Next.js.
Runtime de agentes de código abierto y TUI de terminal para investigación de larga duración y trabajo con archivos, con modos ReAct y Agent Team en paralelo.
Tutorial gratuito, paso a paso, para crear un agente de IA en Python con LangChain y LangGraph usando los modelos gratuitos de Groq y Gemini.
AutoGPT es una plataforma de código abierto para crear, ejecutar y programar agentes de IA que completan flujos de trabajo de varios pasos a partir de descripciones en lenguaje natural o de un editor visual.
Aplicación autoalojada de Node.js y React para coordinar equipos de agentes de IA, con organigramas, seguimiento de tareas, presupuestos y gobernanza.