Genkit

Genkit es un framework de aplicaciones de IA de código abierto creado y mantenido por el equipo de Firebase de Google. Lanzado en versión preliminar en el Google I/O de mayo de 2024 y alcanzando la versión estable 1.0 en febrero de 2025 para Node.js y en septiembre de 2025 para Go, ofrece a los desarrolladores una API única y coherente para crear funciones impulsadas por IA: generación de texto, generación de imágenes, chat multiturno, llamadas a herramientas, generación aumentada por recuperación (RAG) y flujos de trabajo multiagente. Está licenciado bajo Apache 2.0, su uso es gratuito y se despliega en Firebase, Cloud Run o cualquier entorno de Node.js, Go o Python.

Las abstracciones principales del framework son los flujos (unidades de lógica de IA tipadas y observables), los prompts (plantillas de Handlebars versionadas con validación de esquemas), los recuperadores (conectores RAG para búsqueda vectorial) y los evaluadores (entornos de prueba para medir la calidad de los resultados). Es compatible con una amplia gama de proveedores de modelos, incluyendo Google Gemini, Vertex AI, OpenAI, Anthropic, xAI Grok, DeepSeek y Ollama para inferencia local. Su Developer UI local, una interfaz interactiva basada en el navegador para ejecutar flujos, inspeccionar trazas e iterar prompts, se ha convertido en la característica más elogiada del framework entre los desarrolladores que han evaluado múltiples alternativas.

Lo que Genkit realmente hace en mayo de 2026

La arquitectura de Genkit se centra en el concepto de "flujo": una función de TypeScript, Go o Python que envuelve la lógica de IA con un tipado estricto de entrada/salida, soporte para streaming e instrumentación automática. Cada llamada a un flujo genera una traza que registra las entradas, salidas, latencia, uso de tokens y estimación de costes de cada paso. Estas trazas se pueden ver en la Developer UI local durante el desarrollo y en los paneles de Firebase Console en producción.

El framework proporciona abstracciones integradas para cuatro patrones comunes de IA. Para las tareas de generación, una API unificada generate() maneja texto, imágenes y respuestas multimodales en cualquier proveedor compatible. Para las funciones conversacionales, una API de Chat gestiona el estado de la sesión multiturno. Para la recuperación de conocimientos, la interfaz de recuperador de Genkit se conecta a bases de datos vectoriales como Firestore, Pinecone y pgvector. Para el comportamiento de agentes, las llamadas a herramientas permiten que los flujos invoquen funciones externas, y la coordinación multiagente (aún en fase beta a mediados de 2026) permite que los flujos deleguen en subagentes especializados.

El SDK de Go alcanzó la versión 1.0 GA el 10 de septiembre de 2025, con una promesa formal de compatibilidad: los programas escritos para Genkit 1.x se compilarán y ejecutarán correctamente en todas las futuras versiones 1.x. El SDK de TypeScript se graduó a la versión 1.0 el 12 de febrero de 2025. Python alcanzó la v1.0 a principios de 2026 con una reescritura completa orientada a la asincronía (async-first). El soporte para Dart está en versión preliminar para los desarrolladores de Flutter. A partir de abril de 2026, el SDK de Go se encuentra en la versión 1.7.0.

Vale la pena destacar la conexión con Google AI Studio: Genkit utiliza las mismas API de modelos Gemini subyacentes que AI Studio, pero las envuelve en una estructura de nivel de producción. La versión de septiembre de 2025 también introdujo genkit init:ai-tools, un comando que configura automáticamente el servidor MCP de Genkit para que funcione con Firebase Studio, Claude Code, Gemini CLI y Cursor. Esto permite a los asistentes de programación de IA consultar definiciones de flujos, ejecutar flujos y obtener trazas de ejecución directamente desde sus ventanas de contexto.

Dónde se sitúa Genkit frente a LangChain y Vercel AI SDK

LangChain es el punto de comparación dominante. La biblioteca de Python tiene más de 90.000 estrellas en GitHub frente a las 5.900 de Genkit. El paquete npm de LangChain recibe aproximadamente 1,6 millones de descargas por semana; el plugin de Firebase de Genkit recibe unas 218.000. La diferencia en el ecosistema es real: LangChain cuenta con más de 200 integraciones, una plataforma de observabilidad comercial (LangSmith) y una capa de orquestación de grafos en LangGraph. Mecánicamente, LangChain utiliza un patrón de matriz de mensajes OOP donde se componen objetos SystemMessage y HumanMessage; Genkit utiliza flujos tipados con validación de esquemas Zod integrada. El paquete JavaScript de LangChain pesa 101,2 kB comprimido (gzipped) y bloquea el despliegue en entornos edge runtime; Genkit es más ligero. Para los equipos de Python fuera del ecosistema de Google Cloud, la ventaja de la comunidad de LangChain es decisiva. Para los equipos de TypeScript que desean flujos y agentes sin la verbosidad de la OOP, Genkit compite muy bien.

El Vercel AI SDK se dirige a un nicho diferente: desarrolladores de React y Next.js que crean interfaces de usuario con streaming. Es una biblioteca de nivel más bajo: ofrece primitivas de generación y abstracción de proveedores, pero no tiene un concepto de flujo o pipeline, ni trazabilidad integrada, ni Developer UI. Vercel AI SDK cuenta con integración nativa de React Server Components y soporte para edge runtime que Genkit no proporciona. En palabras de una comparativa de frameworks de abril de 2026: "En comparación con Genkit, el Vercel AI SDK opera a un nivel de abstracción más bajo". Las dos herramientas resuelven problemas adyacentes pero distintos. Los equipos que construyen interfaces de chat en Next.js suelen preferir Vercel AI SDK por su diseño centrado en el streaming. Los equipos que desarrollan funciones de IA del lado del servidor con necesidades complejas de lógica, evaluación y observabilidad se inclinan por Genkit.

Para los equipos interesados en la orquestación de agentes basada en grafos, LangGraph y DSPy cubren un terreno que el soporte multiagente de Genkit (aún en beta) todavía no iguala. Genkit es un framework generalista; no se especializa en bucles de agentes autónomos de la misma manera que lo hacen esas herramientas.

"La Developer UI de Genkit es, francamente, la característica estrella. Ningún otro framework en esta comparativa se le acerca". Xavier Portilla Edo, xavidop.me, abril de 2026

Cómo es realmente el ciclo de desarrollo

Se comienza definiendo un flujo. En TypeScript, esto significa llamar a ai.defineFlow() con esquemas de entrada y salida utilizando Zod, y luego escribir el cuerpo de la función que llama a ai.generate() con un modelo, un prompt y una lista opcional de herramientas. Al ejecutar genkit start, se inicia la Developer UI local en localhost:4000. Desde allí, se puede ejecutar el flujo, inspeccionar la traza de cada paso, ajustar el texto del prompt y volver a ejecutar sin reiniciar el servidor. Este ciclo de iteración (cambiar el prompt, ejecutar, inspeccionar la traza, repetir) es el flujo de trabajo principal que distingue a Genkit de los frameworks que carecen de una interfaz de usuario integrada.

Para los casos de uso de RAG, se define un recuperador que envuelve una búsqueda vectorial (Firestore vector, Pinecone, pgvector) y se encadena en el flujo. La API del evaluador permite definir un conjunto de datos de prueba y ejecutarlo contra múltiples variantes de prompts, comparando las puntuaciones de calidad de los resultados. Para el despliegue en producción, los flujos de Genkit son manejadores estándar de Firebase Cloud Functions o Cloud Run; la integración de monitorización informa sobre la latencia, el uso de tokens y las tasas de fallo a la Firebase Console.

Los desarrolladores de Go obtienen la misma Developer UI a través de un binario CLI independiente. La seguridad de tipos en Go es particularmente sólida: las entradas y salidas de los flujos son structs de Go con validación de esquemas JSON, lo que permite detectar desajustes de esquemas en el momento de la invocación del flujo en lugar de en el momento de la respuesta del modelo.

Para quién está diseñado Genkit

Genkit encaja mejor en tres escenarios. Primero, desarrolladores de Firebase que añaden funciones de IA a aplicaciones existentes: la integración con Firestore, la ruta de despliegue en Cloud Functions y la monitorización en Firebase Console hacen que el stack sea coherente sin herramientas adicionales. Segundo, equipos de TypeScript que desean algo más que una biblioteca de generación, pero menos que una plataforma completa de agentes: los tres niveles de abstracción de Genkit (generación en bruto, flujos tipados, coordinación multiagente) cubren la mayoría de los requisitos de las funciones de IA en producción. Tercero, equipos de backend en Go, donde Genkit es el único framework de IA maduro y respaldado por Google con la estabilidad de Go 1.0 y una promesa de compatibilidad.

El framework también es adecuado para equipos que necesitan portabilidad de modelos. Cambiar de Gemini a OpenAI o a un modelo Ollama autoalojado requiere cambiar una línea de configuración, no reescribir la lógica de la aplicación. La arquitectura de plugins estandariza el comportamiento de los proveedores para que la salida estructurada, las llamadas a herramientas y el streaming funcionen de la misma manera independientemente del modelo que se esté utilizando.

Lo que Genkit no es

Genkit no es la opción adecuada para las interfaces de streaming de React/Next.js. La integración nativa de RSC (React Server Components) del Vercel AI SDK, el soporte para edge runtime y los hooks de streaming están diseñados específicamente para ese caso de uso de una manera que Genkit no puede igualar.

No es un reemplazo de LangChain para equipos fuertemente orientados a Python fuera de Google Cloud. Con una comunidad de Python que todavía se está poniendo al día desde su período alfa, y con el ecosistema de más de 90.000 estrellas de LangChain que ya ha resuelto los patrones de RAG y agentes en Python, los desarrolladores de Python que no construyan para Firebase o Vertex AI encontrarán que los recursos de la comunidad de LangChain son considerablemente más ricos.

Genkit no proporciona una orquestación de grafos multiagente con opiniones (opinionated) al nivel de LangGraph. Su soporte multiagente está en fase beta y se basa en el propio modelo de delegación de flujos de Genkit en lugar de un grafo explícito con ciclos, ramificación condicional y puntos de control con intervención humana (human-in-the-loop).

Por último, el adaptador de Anthropic (modelos Claude) es un plugin de terceros mantenido por la comunidad, no una integración oficial de Google. Esto crea un riesgo real de retraso: cuando Anthropic lanza una nueva versión de un modelo, el soporte en Genkit puede retrasarse semanas o meses. Los equipos que utilizan Claude como su modelo principal deberían tener esto en cuenta.

"Genkit no se siente totalmente agnóstico en cuanto a proveedores, el adaptador de Claude es de terceros y se queda atrás". Konstantin Komelin, komelin.com, 2025

Donde Genkit se gana su lugar es en el punto intermedio: aplicaciones de producción en TypeScript y Go que necesitan una lógica de IA estructurada y observable sin el peso de las abstracciones OOP de LangChain ni el coste de construir la observabilidad desde cero. La licencia Apache 2.0, la Developer UI y su encaje en el ecosistema de Firebase lo convierten en una opción sólida para los equipos que ya están en la órbita de Google o que buscan un framework de IA que incluya trazabilidad de serie.