Construir un prototipo con CrewAI es relativamente sencillo. Desplegarlo en producción de forma robusta, con manejo de errores, control de costes y calidad predecible, es una disciplina diferente. Estas son las lecciones aprendidas tras meses operando pipelines agénticos reales.
La arquitectura que funciona
El patrón más estable que hemos encontrado es el de cadena secuencial con verificación:
- Investigador, recopila información de múltiples fuentes (web, RSS, APIs)
- Redactor, produce el borrador usando el contexto del investigador
- Editor, verifica hechos, coherencia y calidad con un modelo de razonamiento (deepseek-reasoner o similar)
- Humanizador, elimina patrones de escritura IA, ajusta tono y voz
Cada agente tiene una sola responsabilidad. Cuando se intenta combinar roles, la calidad degrada y los errores se amplifican en cascada.
Los errores más comunes en producción
1. Temperatura mal calibrada
El investigador necesita temperatura baja (0.1-0.2) para ser preciso. El humanizador necesita temperatura alta (0.7-0.9) para sonar natural. Usar la misma temperatura para todos los agentes es el error más frecuente.
2. Dependencia de un solo proveedor
Cuando el rate limit de OpenAI se alcanza a las 3am, toda la pipeline se cae. La solución: configurar fallback a DeepSeek o modelos locales (Llama, Mistral via Ollama) como alternativa automática.
3. Sin anti-repetición entre ejecuciones
Sin memoria persistente entre ejecuciones, los agentes tienden a cubrir los mismos temas. La solución que hemos implementado: SQLite con hash de títulos y similaridad de tokens para detectar solapamiento en una ventana de 30 días.
4. Contexto infinito sin filtrar
Pasar el resultado completo del investigador al redactor cuando el investigador ha encontrado 50 artículos es ineficiente y caro. Un paso de ranking y filtrado antes de la generación reduce costes un 40% sin pérdida de calidad.
El stack mínimo viable para producción
# Las dependencias que realmente necesitas
crewai==1.15.1
duckduckgo-search==8.1.1
python-dotenv==1.0.1
requests==2.32.3
beautifulsoup4==4.12.3DeepSeek como modelo principal (10x más barato que GPT-4 con calidad comparable), DuckDuckGo para búsqueda web sin coste de API, y SQLite para persistencia ligera.
Monitorización sin complicar
Un archivo de log rotativo con el formato [timestamp][cabecera][acción] es suficiente para depurar. No es necesario Langsmith ni plataformas de observabilidad complejas en las primeras fases de producción.
Lo que sí es crítico: alertas por WhatsApp o Telegram cuando la pipeline falla. Un digest diario con los artículos generados confirma que el sistema está operativo.
Conclusión
Los agentes en producción son ingeniería, no magia. Los mismos principios que hacen robusto cualquier sistema distribuido aplican aquí: estados explícitos, errores manejables, reintentos con backoff, y monitorización real.