[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"pack-detail-agent-frameworks-multilang-es":3,"seo:pack:agent-frameworks-multilang:es":68},{"code":4,"message":5,"data":6},200,"操作成功",{"pack":7},{"slug":8,"icon":9,"tone":10,"status":11,"status_label":12,"title":13,"description":14,"items":15,"install_cmd":67},"agent-frameworks-multilang","🌐","#0891B2","stable","Estable","Frameworks de Agentes en Varios Lenguajes","Spring AI para Java, LangChain4j, Candle para Rust, Mastra para TypeScript, FastHTML para Python, Axum para APIs Rust — agentes en cada stack.",[16,28,36,44,51,59],{"id":17,"uuid":18,"slug":19,"title":20,"description":21,"author_name":22,"view_count":23,"vote_count":24,"lang_type":25,"type":26,"type_label":27},326,"98ae1961-8a0b-456f-9ff2-10852b832001","spring-ai-ai-engineering-java-spring-98ae1961","Spring AI — AI Engineering for Java\u002FSpring","Spring AI provides Spring-friendly APIs for AI apps. 8.4K+ stars. Chat, embeddings, RAG, vector DBs, function calling. Major providers. Apache 2.0.","Skill Factory",293,0,"en","skill","Skill",{"id":29,"uuid":30,"slug":31,"title":32,"description":33,"author_name":34,"view_count":35,"vote_count":24,"lang_type":25,"type":26,"type_label":27},327,"f7069ed9-81bd-4e67-a727-44e37eb529e7","langchain4j-llm-integration-java-f7069ed9","LangChain4j — LLM Integration for Java","LangChain4j integrates 20+ LLM providers and 30+ vector stores into Java apps. 11.4K+ stars. Unified API, RAG, MCP, Spring Boot. Apache 2.0.","LangChain",345,{"id":37,"uuid":38,"slug":39,"title":40,"description":41,"author_name":42,"view_count":43,"vote_count":24,"lang_type":25,"type":26,"type_label":27},1302,"b113c394-37db-11f1-9bc6-00163e2b0d79","candle-minimalist-machine-learning-framework-rust-b113c394","Candle — Minimalist Machine Learning Framework for Rust","Candle is a Rust-native ML framework focused on inference performance, small binaries, and serverless deployment. It runs Llama, Whisper, Stable Diffusion, and other PyTorch models in pure Rust — no Python required.","AI Open Source",376,{"id":45,"uuid":46,"slug":47,"title":48,"description":49,"author_name":22,"view_count":50,"vote_count":24,"lang_type":25,"type":26,"type_label":27},739,"143825f7-ee67-49a1-a994-6908bb1df20f","fasthtml-build-ai-web-apps-pure-python-143825f7","FastHTML — Build AI Web Apps in Pure Python","Modern Python web framework that generates HTML from Python functions. No JavaScript, no templates. Perfect for building AI tool dashboards and agent UIs rapidly.",205,{"id":52,"uuid":53,"slug":54,"title":55,"description":56,"author_name":57,"view_count":58,"vote_count":24,"lang_type":25,"type":26,"type_label":27},633,"3e118616-e727-4dc7-a561-db39e91cadcd","mastra-typescript-ai-agent-framework-3e118616","Mastra — TypeScript AI Agent Toolkit","Production TypeScript framework for building AI agents with tool use, workflows, RAG, and memory. First-class MCP support. Deploy anywhere Node.js runs. 9,000+ GitHub stars.","Mastra",325,{"id":60,"uuid":61,"slug":62,"title":63,"description":64,"author_name":65,"view_count":66,"vote_count":24,"lang_type":25,"type":26,"type_label":27},1088,"412ff341-3634-11f1-9bc6-00163e2b0d79","axum-ergonomic-modular-web-framework-rust-412ff341","Axum — Ergonomic Modular Web Framework for Rust","Axum is a web application framework built on Tokio, Tower, and Hyper. Focuses on ergonomics and modularity with a macro-free routing API, seamless Tower middleware integration, and type-safe extractors. The official Tokio team web framework.","Script Depot",328,"tokrepo install pack\u002Fagent-frameworks-multilang",{"pageType":69,"pageKey":8,"locale":70,"title":71,"metaDescription":14,"h1":13,"tldr":72,"bodyMarkdown":73,"faq":74,"schema":90,"internalLinks":100,"citations":113,"wordCount":126,"generatedAt":127},"pack","es","Frameworks Agentes Multi-Lenguaje: Java, Rust, TS, Python","Seis frameworks que hacen las apps con agentes ciudadanos de primera clase en Java, Rust, TypeScript y Python — elige el que coincida con tu stack existente en vez de atornillar Python al lado. Instala con TokRepo CLI.","## Qué incluye este pack\n\nEste pack reúne los **seis frameworks de agente** que permiten a los equipos quedarse en su ecosistema de lenguaje existente en vez de atornillar un servicio Python a un backend Java o Rust solo por features LLM. La lista cubre los cuatro lenguajes donde está pasando trabajo serio de agentes fuera de Python: Java, Rust, TypeScript y Python (con FastHTML para rendering full-stack).\n\n| # | Framework | Lenguaje | Mejor para |\n|---|---|---|---|\n| 1 | Spring AI | Java | apps Spring Boot añadiendo features LLM |\n| 2 | LangChain4j | Java\u002FKotlin | port comunitario de LangChain a JVM |\n| 3 | Candle | Rust | inferencia de modelos local |\n| 4 | Mastra | TypeScript | framework agente + workflow TS full-stack |\n| 5 | FastHTML | Python | UIs Python server-rendered para agentes |\n| 6 | Axum | Rust | APIs de agente alta-throughput |\n\nEl pack refleja la realidad de que las features LLM ahora se envían en cada backend, no solo en Python. Un backend Spring Boot de e-commerce no quiere levantar un servicio FastAPI separado para un chat — Spring AI vive en la misma JVM. Un API gateway Rust no quiere un sidecar Python — Axum + Candle compilan en un binario.\n\n## Por qué importa lo language-native\n\nEl mundo agente Python-first (LangChain, LangGraph, CrewAI) es genial si Python ya es tu stack primario. Si eres una tienda Java, enfrentas tres opciones malas sin este pack:\n1. Correr un servicio Python sidecar (despliegue extra, observabilidad separada, marshalling JSON entre dos procesos).\n2. Usar un gateway LLM SaaS (lock-in de vendor, latencia, tarifas).\n3. Hacer a mano llamadas HTTP a OpenAI dentro de tus controllers Spring (sin abstracciones, sin framework de eval, sin loop de agente).\n\nSpring AI y LangChain4j arreglan esto. Le dan a Java las mismas primitivas — modelos chat, tool calling, plantillas de prompt, vector stores, loops de agente — que LangChain le da a Python, con DSLs idiomáticos Spring o Kotlin. Lo mismo para Rust (Candle para inferencia, Axum para superficie API) y TypeScript (Mastra para el framework).\n\nEl trade-off es lag de features. LangChain envía integración a un nuevo modelo el día uno; Spring AI tarda semanas; LangChain4j a veces alcanza más rápido que Spring AI por ser community-driven. Planifica para \"el modelo se lanzó ayer y solo Python lo tiene\" siendo un escenario real.\n\n## Instala en un comando\n\n```bash\n# Instala el pack — pone proyecto starter para cada framework\ntokrepo install pack\u002Fagent-frameworks-multilang\n\n# O elige por lenguaje\ntokrepo install spring-ai\ntokrepo install langchain4j\ntokrepo install mastra\ntokrepo install candle\n```\n\nEl TokRepo CLI maneja el package manager de cada ecosistema — Maven para Spring AI y LangChain4j, Cargo para Candle y Axum, npm\u002Fpnpm para Mastra, uv para FastHTML. Los proyectos starter incluyen un test que llama a un modelo real para verificar API keys antes de escribir lógica.\n\n## Trampas comunes\n\n- **Spring AI vs LangChain4j no es \"oficial vs no oficial.\"** Spring AI es de VMware\u002FBroadcom; LangChain4j es comunitario. Ambos se usan ampliamente. Elige por paridad de features con el modelo que usas y preferencia ergonómica (Spring DSL vs semántica LangChain).\n- **Mastra es joven.** Está bien mantenido pero la API ha cambiado entre minor releases. Fija una versión específica y lee release notes antes de actualizar. Los usuarios de producción típicamente esperan dos minor releases antes de actualizar.\n- **Candle es para inferencia, no orquestación.** Corre modelos localmente (Llama, Mistral, etc) y te da embeddings — pero no es un framework de agente completo. Empareja con Axum para la capa API si quieres un stack Rust-only.\n- **FastHTML está basado en HTMX.** No es un framework SPA. Si tu equipo espera React o Vue, FastHTML se sentirá ajeno. Es perfecto cuando quieres UIs Python server-rendered cableadas directamente a agentes sin un repo frontend separado.\n- **Los formatos de tool calling difieren.** OpenAI, Anthropic y Gemini todos tienen JSON schemas distintos para tool calls. Cada framework abstrae esto distinto — anotación `@Tool` de Spring AI, `@Tool` con reflection de LangChain4j, `createTool()` tipado de Mastra. No asumas que una definición de tool porta entre frameworks.\n\n## Cuándo este pack solo no es suficiente\n\nEste pack te da el runtime en tu lenguaje. Aún necesitarás:\n- **Un proveedor LLM.** OpenAI, Anthropic, Bedrock, o auto-hospedado via Ollama. Los seis frameworks soportan múltiples proveedores via configuración.\n- **Almacenamiento vector** si haces RAG. Ver el pack Vector DB Showdown — la mayoría de entradas tienen clientes nativos en Java, Rust y TS.\n- **Pipeline de eval.** Promptfoo del pack LLM Eval & Guardrails corre lenguaje-agnóstico — apúntalo a tu endpoint sin importar el backend.\n\nPara stacks Python-only donde multilang no es la pregunta, ver [Frameworks Agentes Python](\u002Fes\u002Fpacks\u002Fpython-agent-frameworks). Para comparación lado-a-lado agnóstica de plataforma sin elegir lenguaje, ver [Frameworks Multi-Agente](\u002Fes\u002Fpacks\u002Fmulti-agent-frameworks).",[75,78,81,84,87],{"q":76,"a":77},"¿Estos frameworks son gratis?","Los seis son Apache 2.0 o MIT open-source — sin costos por asiento del framework. Pagarás por las llamadas API LLM (OpenAI, Anthropic, etc) sin importar el lenguaje. Spring AI es de Broadcom pero gratis; LangChain4j es community-driven y gratis; Mastra tiene VC con open-source gratis más cloud opcional. Candle, Axum, FastHTML son OSS puros.",{"q":79,"a":80},"¿Cómo compara Spring AI con LangChain4j?","Spring AI es la respuesta canónica del equipo Spring — integración estrecha con Spring Boot autoconfig, Spring Data, Spring Security. LangChain4j es comunitario y porta el modelo conceptual de LangChain (chains, agents, callbacks) a Java con cobertura de features más amplia. Spring AI si eres tienda Spring y quieres modismos canónicos; LangChain4j si quieres el modelo mental LangChain en JVM con máxima amplitud de integración.",{"q":82,"a":83},"¿Funcionará alguno con Claude Code o Cursor?","Estos son frameworks runtime, no integraciones de editor. Los frameworks corren dentro de tu servicio (Spring Boot, binario Axum, app Mastra). Tu editor (Claude Code, Cursor) ayuda a escribir código del framework. Cursor y Claude Code tienen soporte decente para Java\u002FRust\u002FTS, con Spring AI obteniendo buen autocomplete del plugin Spring IDE de JetBrains.",{"q":85,"a":86},"¿Diferencia vs el pack Python Agent Frameworks?","Python Agent Frameworks es Python-only — cinco frameworks corriendo en CPython. Este pack es lo opuesto: surface las opciones *no-Python*. Si estás comprometido con Python, ese pack es más denso; si estás en Java\u002FRust\u002FTS o eligiendo lenguaje, este pack es el punto de inicio correcto. Los dos packs son complementarios, no se solapan.",{"q":88,"a":89},"¿Cuál es la trampa operacional con Mastra?","Mastra tiene una opinión fuerte de que los workflows viven junto a los agentes en el mismo proyecto, con tipos compartidos. Esto es genial para un codebase limpio pero acopla apretadamente tu motor de workflow a la versión del framework de agente. Si actualizas Mastra y un workflow se rompe, no puedes rollback el agente sin rollback el workflow. Planea una etapa de testing separada para bumps de versión Mastra.",{"@context":91,"@type":92,"name":93,"description":94,"numberOfItems":95,"publisher":96},"https:\u002F\u002Fschema.org","CollectionPage","Agent Frameworks Across Languages","Spring AI for Java, LangChain4j, Candle for Rust, Mastra for TypeScript, FastHTML for Python, Axum for Rust APIs — agent frameworks beyond Python.",6,{"@type":97,"name":98,"url":99},"Organization","TokRepo","https:\u002F\u002Ftokrepo.com",[101,105,109],{"url":102,"anchor":103,"reason":104},"\u002Fes\u002Fpacks\u002Fpython-agent-frameworks","Frameworks Agentes Python","el pack contrapartida Python-only",{"url":106,"anchor":107,"reason":108},"\u002Fes\u002Fpacks\u002Fmulti-agent-frameworks","Frameworks Multi-Agente","comparación multi-agente agnóstica",{"url":110,"anchor":111,"reason":112},"\u002Fes\u002Fpacks\u002Fpostgres-for-agents","Postgres para Agentes IA","la superficie SQL que todo stack necesita",[114,118,122],{"claim":115,"source_name":116,"source_url":117},"Spring AI official Java framework for AI integration","spring-projects\u002Fspring-ai","https:\u002F\u002Fgithub.com\u002Fspring-projects\u002Fspring-ai",{"claim":119,"source_name":120,"source_url":121},"LangChain4j community port to JVM","langchain4j\u002Flangchain4j","https:\u002F\u002Fgithub.com\u002Flangchain4j\u002Flangchain4j",{"claim":123,"source_name":124,"source_url":125},"Mastra TypeScript-first agent framework","mastra-ai\u002Fmastra","https:\u002F\u002Fgithub.com\u002Fmastra-ai\u002Fmastra",810,"2026-05-02T15:00:00Z"]