LangChain frente a LlamaIndex: ¿cómo continúa un agente de conocimiento después de una aprobación humana?
Un agente de conocimiento interno debe buscar información y escribir en sistemas de negocio tras la aprobación. Si el punto de reanudación y el historial son las principales restricciones de diseño, evalúe primero LangGraph. Con datos y herramientas LlamaIndex existentes, puede mantener Workflows, pero debe aclarar quién gestiona las instantáneas y la recuperación. Ninguno sustituye la deduplicación de acciones de negocio.
Cuando un asistente de conocimiento interno, además de responder preguntas sobre políticas, crea un ticket a partir de la respuesta, el riesgo ya no es solo si respondió correctamente: también importa qué aprobó la persona y si un reinicio creará otro ticket. Para equipos que desarrollan estas aplicaciones de agente único, LangChain y LlamaIndex permiten conectar herramientas, guardar estado y esperar entrada humana. La clave es cómo se incorpora la recuperación al servicio propio.
Si el equipo quiere unificar puntos de pausa, historial de estado y recuperación tras reinicios en un mecanismo de ejecución, evalúe primero LangGraph dentro del ecosistema LangChain. Si ya ha construido recuperación de información y herramientas alrededor de LlamaIndex y acepta gestionar eventos y persistencia, hay buenas razones para mantener Workflows. Este análisis se basa en la documentación oficial de Python; no es una prueba de ejecución ni garantiza la recuperación ante fallos.
Definir primero qué capa se compara
La descripción oficial de LangChain distingue varias capas: create_agent proporciona un bucle de agente componible; LangGraph es el framework de orquestación subyacente; Deep Agents añade un framework de agentes más completo; LangSmith aporta funciones de plataforma como seguimiento, depuración y evaluación. Aquí se trata el control de ejecución de agentes propios. Comprar LangSmith o adoptar Deep Agents no equivale a configurar la persistencia de LangGraph.
El framework LlamaIndex también incluye desde hace tiempo agentes y Workflows basados en eventos. La recuperación de información es solo una clase de herramienta que puede utilizar un agente. Debe evaluarse por separado de los servicios documentales LlamaCloud; las páginas oficiales actuales también presentan capacidades alojadas de análisis e indexación bajo la plataforma LlamaParse. Conectar esos servicios no significa que el proceso del agente ya pueda recuperarse.
El mismo punto de aprobación, dos formas de expresarlo
Supongamos que el asistente encuentra la política de reparación de equipos y prepara un ticket. La interfaz de aprobación debe mostrar el equipo previsto, la descripción del problema y la cola destinataria, y vincular el consentimiento a esa versión de parámetros. Es el escenario de diseño de este artículo, no un caso de cliente de un proveedor.
LangGraph pausa mediante interrupt y utiliza Command para aportar entrada humana al reanudar. La aplicación debe configurar un checkpointer y recuperar el estado con el mismo thread_id. Permite dividir «buscar, preparar la acción pendiente de aprobación, ejecutar la escritura» en nodos explícitos, facilitando comprobar qué se guarda en cada fase.
El ejemplo de participación humana de LlamaIndex hace que una herramienta espere eventos: InputRequiredEvent solicita entrada, HumanResponseEvent devuelve la respuesta y wait_for_event gestiona la espera. Un equipo con servicios consumidores de eventos puede conectar la interfaz de aprobación mediante esas interfaces. La identidad del aprobador, la versión de parámetros y el tratamiento del rechazo siguen siendo responsabilidad de la aplicación.
Ambos permiten integrar entrada humana en la ejecución. Pero el botón de aprobar no es un sistema de permisos: no permita que cualquier cliente reanude los tickets de otras personas enviando únicamente un «acepto».
Guardar el contexto también exige hacerlo en el momento adecuado
El checkpointer de LangGraph guarda el estado del grafo por super-step y organiza los puntos de control por thread. En un runtime propio sigue siendo necesario elegir el backend persistente y la estrategia de escritura. Un ejemplo en memoria no equivale a recuperación entre procesos. Su valor es ofrecer un modelo uniforme de puntos de control, no eliminar la operación de bases de datos.
El Context de LlamaIndex puede reutilizarse entre ejecuciones y serializarse para guardarlo en una base de datos o archivo. Cuando el equipo ya dispone de almacenamiento fiable y código de procesamiento de eventos, este enfoque encaja fácilmente con los límites de sus servicios. Pero guardar solo al finalizar toda la ejecución no conserva el progreso más reciente antes de un fallo intermedio.
La documentación de workflows duraderos describe cómo capturar cambios de estado durante la ejecución, escribir instantáneas y restaurar Context. La ejecución predeterminada dentro del proceso exige gestionar ese bucle de puntos de control. La documentación también presenta plugins de runtime, como DBOS, que pueden asumir persistencia y recuperación. Por tanto, no debe decirse que LlamaIndex carece de recuperación ni tratar un Context serializable como almacenamiento fiable ya configurado por defecto.
La aprobación no impide repetir la ejecución
Reanudar no significa continuar en una línea exacta de código. El nodo que contiene la interrupción de LangGraph se ejecuta desde el principio. La documentación de LlamaIndex también aclara que los pasos aún activos al capturar la instantánea vuelven a empezar, con semántica de ejecución al menos una vez. Ambos diseños exigen tratar cuidadosamente los efectos secundarios.
Por ejemplo, el sistema de tickets ya ha creado correctamente uno, pero el agente falla antes de guardar el resultado. Colocar la escritura después de la aprobación solo limita cuándo se permite ejecutar; no evita un envío repetido tras recuperar. Guarde un identificador de operación estable para esa versión de la acción aprobada y haga que el sistema receptor lo utilice para deduplicar. Si no admite solicitudes idempotentes, consulte primero el resultado de la ejecución o derive a comprobación humana, sin reintentar a ciegas.
Guardar parámetros aprobados, aprobador, identificador de operación y número de ticket externo resulta más útil que conservar únicamente el chat. Si cambia el equipo objetivo o la descripción después de aprobar, debe repetirse la aprobación según las reglas de negocio. Son recomendaciones de diseño de la aplicación, no garantías transaccionales que un framework proporcione automáticamente.
Elegir según los límites de fallo
Valide 3 situaciones con el mismo proceso de reparación: reiniciar mientras espera aprobación; reanudar después de rechazar; e interrumpir cuando el ticket ya existe pero todavía no se ha guardado el resultado. Compruebe si se recupera la acción original, se conserva el rechazo y el sistema externo contiene solo el ticket esperado. Son verificaciones previas a producción, no resultados de pruebas realizadas en este artículo.
Los equipos que necesiten gestionar uniformemente el proceso mediante puntos de control y límites de nodos pueden probar primero LangGraph, incluyendo backend de estado y herramientas idempotentes en el proyecto. Los que ya tengan recuperación de información y workflows de eventos en LlamaIndex pueden validar primero instantáneas de Context o un runtime duradero adecuado. No hace falta reescribir la capa de datos solo para «admitir agentes».
Si la aplicación siempre es de solo lectura y resulta aceptable responder desde el principio tras un fallo, quizá no compense introducir inmediatamente la recuperación prolongada de ninguna de las dos opciones. El momento de invertir llega cuando el asistente empieza a esperar aprobaciones y modificar sistemas externos. Entonces, demostrar que la misma aprobación no produce acciones de negocio duplicadas determina la viabilidad más que el nombre del framework.
Nota sobre el contenido:Este artículo se basa en información pública y sirve como referencia para comparar y elegir herramientas. Las funciones, los precios y las políticas relacionadas pueden cambiar en cualquier momento; consulta la información oficial más reciente.
Fuente original:docs.langchain.com