Què és un framework d’agents?

Un framework és el “kit de muntatge” de l’agent. Proporciona l’estructura que connecta el model, les eines, la memòria i la interfície sense que tu hagis de programar-ho des de zero.

Sense framework, muntar un agent requereix escriure centenars o milers de línies de codi: gestionar l’API del model, implementar el cicle d’eines, construir la memòria, connectar Telegram… Amb un framework, tot això ve fet i tu només configures.

Hi ha molts frameworks al mercat, cadascun amb la seva filosofia. Vegem els principals.

OpenClaw: simplicitat per a tothom

OpenClaw és un framework de codi obert dissenyat per ser simple i directe. La seva filosofia és que qualsevol persona amb coneixements bàsics d’informàtica pugui tenir un agent funcional en minuts.

Punts forts:

  • Instal·lació ràpida (un sol paquet npm)
  • Configuració per fitxer JSON — no cal programar
  • Suport natiu per Telegram
  • Skills instal·lables des de Clawhub
  • Memòria amb embeddings locals
  • Cron jobs integrats per a automatitzacions
  • Comunitat activa i creixent

Ideal per a: Usuaris que volen un agent personal funcional sense complicar-se. Sysadmins, entusiastes de la tecnologia, gent que vol automatitzar el seu dia a dia.

Limitació: No està dissenyat per a desplegaments empresarials masssius ni per a fluxos d’agent molt complexos amb branching i loops sofisticats.

LangChain: el navaja suís

LangChain és probablement el framework més conegut i amb més funcionalitats. Ofereix una quantitat enorme de components: cadenes de prompts, agents, memòria, integració amb centenars de serveis, parsing de documents…

Punts forts:

  • Ecosistema enorme amb centenars d’integracions
  • Documentació extensa
  • Suporta fluxos d’agent complexos
  • LangSmith per a monitorització i debugging
  • Comunitat molt gran

Ideal per a: Desenvolupadors que necessiten control total i fluxos complexos.

Limitació: La corba d’aprenentatge és pronunciada. La quantitat d’opcions pot ser aclaparadora per a principiants. Requereix saber programar en Python o JavaScript.

CrewAI: agents que col·laboren

CrewAI se centra en sistemes multi-agent: diversos agents que treballen junts, cadascun amb un rol específic, coordinant-se per completar tasques complexes.

Per exemple, pots tenir un agent “investigador” que busca informació, un agent “escriptor” que redacta el contingut, i un agent “editor” que revisa la qualitat. CrewAI coordina la col·laboració entre ells.

Ideal per a: Fluxos de treball complexos que es beneficien de la divisió de tasques entre agents especialitzats.

Limitació: Més complex de configurar que un agent individual. Consumeix més tokens (múltiples models treballant).

AutoGen (Microsoft): converses entre agents

AutoGen és el framework de Microsoft per a sistemes multi-agent. La seva idea central és que els agents es comuniquin entre ells en forma de conversa — un agent proposa, l’altre revisa, un tercer executa.

Ideal per a: Investigació, fluxos d’aprovació, i tasques que es beneficien de “discussió” entre agents.

Altres opcions

Semantic Kernel (Microsoft): Framework més empresarial, integrat amb l’ecosistema Azure.

Haystack: Especialitzat en RAG i cerca. Molt bo per a agents que treballen amb grans volums de documents.

Pydantic AI: Framework lleuger i tipat per a Python, dissenyat per a aplicacions en producció.

Com triar?

La decisió depèn del teu perfil:

Si no saps programar i vols un agent personal → OpenClaw. Configuració per fitxer, instal·lació senzilla, Telegram natiu.

Si saps Python i vols un agent amb més control → LangChain o Pydantic AI.

Si necessites múltiples agents coordinats → CrewAI o AutoGen.

Si ets una empresa amb necessitats complexes → LangChain o Semantic Kernel.

Per a aquest curs, treballarem amb OpenClaw perquè és el que millor s’adapta al perfil d’algú que comença: funcional, directe, i sense necessitat de programar.

Tots comparteixen els mateixos fonaments

Independentment del framework que triïs, tots funcionen amb els mateixos principis que has après en aquest curs:

  • Usen un LLM com a cervell
  • Es connecten a providers via API
  • Donen eines/skills al model
  • Gestionen memòria (de diverses maneres)
  • Reben input per interfícies (Telegram, web, etc.)

Si entens els fonaments, canviar de framework és qüestió d’adaptar-se a la seva configuració — no d’aprendre conceptes nous.

Conceptes clau d’avui

  • Framework: Kit de muntatge que connecta model + eines + memòria + interfície
  • OpenClaw: Simple, configurable, ideal per a no-programadors
  • LangChain: Potent, versàtil, requereix programació
  • CrewAI / AutoGen: Multi-agent, per a fluxos complexos
  • Tots usen els mateixos fonaments: LLM + Provider + Tools + Memòria

Propera lliçó: Comencem la Setmana 5 — Què és OpenClaw i per què l’hem triat.