Phase 14 - Lesson 18

Agno y Mastra: Runtimes de Producción

Agno (Python) y Mastra (TypeScript) son la pareja de runtimes de producción de 2026. Agno se enfoca en la instanciación de agentes en microsegundos y en backends FastAPI stateless. Mastra ofrece agentes, herramientas, flujos de trabajo, enrutamiento unificado de modelos y almacenamiento compuesto sobre el sustrato del Vercel AI SDK.

Type: Learn Languages: Python, TypeScript Prerequisites: Phase 14 · 01 (Agent Loop), Phase 14 · 13 (LangGraph) Time: ~45 minutos

Learning Objectives

• Identificar las metas de rendimiento de Agno y cuándo son importantes.
• Nombrar las tres primitivas de Mastra — Agents, Tools, Workflows — y los adaptadores de servidor compatibles.
• Explicar por qué un backend FastAPI stateless con alcance de sesión es la ruta de producción recomendada para Agno.
• Elegir Agno frente a Mastra para un stack determinado (enfocado en Python frente a enfocado en TypeScript).

The Problem

LangGraph, AutoGen y CrewAI son frameworks pesados. Los equipos que quieren "solo el loop del agente, rápido, en mi runtime" optan por Agno (Python) o Mastra (TypeScript). Ambos cambian algunas de las primitivas controladas por el framework por velocidad bruta y un ajuste más cercano con el stack circundante.

The Concept

Agno

• Runtime de Python, anteriormente Phi-data.
• "Sin grafos, chains o patrones complejos — solo Python puro."
• Metas de rendimiento de su documentación: instanciación de agentes en ~2μs, ~3.75 KiB de memoria por agente, ~23 proveedores de modelos.
• Ruta de producción: backend FastAPI stateless con alcance de sesión. Cada solicitud inicia un agente nuevo; el estado de la sesión reside en una base de datos.
• Multimodal nativo (texto, imagen, audio, video, archivo) y RAG agente.

Las metas de velocidad son importantes cuando se tienen miles de agentes de corta duración por segundo (lectura paralela de chats, pipelines de evaluación). Importan menos cuando un solo agente se ejecuta durante 10 minutos.

Mastra

• TypeScript, construido sobre Vercel AI SDK.
• Tres primitivas: Agents, Tools (tipadas con Zod), Workflows.
• Unified Model Router — más de 3,300 modelos en 94 proveedores (marzo de 2026).
• Almacenamiento compuesto: memoria, flujos de trabajo y observabilidad en diferentes backends; se recomienda ClickHouse para observabilidad a escala.
• Apache 2.0 con directorios ee/ bajo una licencia empresarial de código disponible (source-available).
• Adaptadores de servidor para Express, Hono, Fastify, Koa; integración de primera clase con Next.js y Astro.
• Incluye Mastra Studio (localhost:4111) para depuración.
• Más de 22k estrellas en GitHub, más de 300k descargas semanales en npm en la versión 1.0 (enero de 2026).

Positioning

Ninguno de los dos intenta ser LangGraph. Compiten en:

• Compatibilidad de lenguaje. Agno para equipos enfocados en Python; Mastra para enfocados en TypeScript.
• Ergonomía de runtime. Agno = overhead cercano a cero; Mastra = integrado con el ecosistema de Vercel.
• Observability. Ambos se integran con Langfuse/Phoenix/Opik (Lección 24), pero Mastra Studio es nativo.

When to pick each

• Agno — backend de Python, muchos agentes de corta duración, fuertes requisitos de rendimiento, infraestructura basada en FastAPI.
• Mastra — backend de TypeScript, despliegue en Next.js / Vercel, enrutamiento unificado de modelos multiproveedor, herramientas tipadas con Zod.
• LangGraph (Lesson 13) — cuando el estado duradero y el razonamiento explícito en grafos importan más que la velocidad bruta.
• OpenAI / Claude Agent SDK — cuando se desea el formato empaquetado del proveedor (Lecciones 16–17).

Where this pattern goes wrong

• Rendimiento por el propio rendimiento. Elegir Agno porque "2μs" suena bien cuando la carga de trabajo es una llamada lenta de agente por solicitud. El overhead de inicio no es el cuello de botella.
• Bloqueo de ecosistema (lock-in). La integración de Mastra con estilo Vercel es una ventaja en Vercel, pero una desventaja en otros entornos.
• Confusión con licencias empresariales. Los directorios ee/ de Mastra son de código disponible (source-available), no Apache 2.0. Lea las licencias si planea hacer un fork.

Build It

Esta lección es principalmente comparativa — ningún artefato de código único haría justicia a ambos frameworks. Vea code/main.py para un ejemplo simple comparativo: un flujo mínimo de "ejecutar un agente, transmitir la salida, persistir la sesión" implementado dos veces (una en el formato de Agno, otra en el formato de Mastra).

Ejecútelo:

python3 code/main.py

Dos trazas estructuralmente diferentes pero funcionalmente equivalentes.

Use It

• Agno — backend de Python que necesita velocidad y el formato de FastAPI.
• Mastra — backend de TypeScript con muchos proveedores y primitivas de flujo de trabajo.
• Ambos incluyen ganchos de observabilidad nativos. Ambos se integran con Langfuse.

Ship It

El archivo outputs/skill-runtime-picker.md selecciona Agno, Mastra, LangGraph o el SDK de un proveedor en función del stack, el presupuesto de latencia y el formato operativo.

Exercises

1. Lea la documentación de Agno. Portee el loop ReAct de la stdlib (Lección 01) a Agno. ¿Qué desapareció? ¿Qué se mantuvo?
2. Lea la documentación de Mastra. Portee el mismo loop a Mastra. ¿Qué cambió en la tipografía de herramientas (Zod frente a nada)?
3. Benchmark: mida la latencia de instanciación de agentes en su stack. ¿Importan los 2μs de Agno para su carga de trabajo?
4. Diseñe una migración: si ha estado ejecutando CrewAI en Python, ¿qué se rompe si se cambia a Agno?
5. Lea los términos de la licencia ee/ de Mastra. ¿Qué restricciones afectarían a un fork de código abierto?

Key Terms

Further Reading

• Agno Agent Framework docs — metas de rendimiento, integración con FastAPI
• Mastra docs — primitivas, adaptadores de servidor, Model Router
• LangGraph overview — la alternativa de grafos con estado
• Comet Opik — comparaciones de observabilidad citadas por las integraciones de Mastra