Lenguajes & Frameworks

OpenTelemetry se está convirtiendo rápidamente en el estándar de la industria para la observabilidad. El lanzamiento de la especificación del protocolo OpenTelemetry (OTLP) estableció una forma estandarizada de gestionar trazas, métricas y registros, reduciendo la necesidad de múltiples integraciones o grandes reescrituras a medida que aumentan los requisitos de interoperabilidad y las soluciones de monitorización distribuidas. A medida que OpenTelemetry se expande para admitir registros y perfiles, OTLP garantiza un formato de transporte consistente en todos los datos de telemetría, simplificando la instrumentación y haciendo que la observabilidad full-stack sea más accesible y escalable para las arquitecturas de microservicios. Adoptado por proveedores como Datadog, New Relic y Grafana, OTLP permite a las organizaciones crear conjuntos de datos de observabilidad flexibles e independientes de cada proveedor, sin depender de soluciones patentadas o privadas. Admite compresión gzip y zstd, reduciendo el tamaño de los datos de telemetría y el uso de ancho de banda — una ventaja clave para entornos que gestionan grandes volúmenes de datos de telemetría. Diseñado para el crecimiento a largo plazo, OTLP garantiza que OpenTelemetry siga siendo un estándar robusto y preparado para el futuro, consolidando su posición como la opción predilecta para el transporte de telemetría.

Hemos identificado React Hook Form como una alternativa a Formik. Al utilizar componentes no controlados por defecto, ofrece un rendimiento considerablemente superior sin configuración adicional, especialmente para formularios de gran tamaño. React Hook Form está bien integrado con varias librerías de validación basadas en esquemas, incluyendo Yup, Zod y más. Adicionalmente, React Hook Form ofrece mucha flexibilidad, facilitando la integración con código fuentes existentes y otras librerías. Puedes usar React Hook Form con librerías de componentes controlados externas como shadcn o AntD. Con un rendimiento sólido, una integración fluida y un desarrollo activo, es una opción confiable para la creación de aplicaciones con formularios extensos o con una gran cantidad de los mismos.

Effect es una potente librería de TypeScript para construir complejos programas síncronos y asíncronos. El desarrollo de aplicaciones web a menudo requiere código repetitivo para tareas relacionadas con asincronía, concurrencia, gestión de estados y manejo de errores. Effect-TS agiliza estos procesos utilizando un enfoque de programación funcional. Aprovechando el sistema de tipos de TypeScript, Effect ayuda a encontrar problemas difíciles de detectar en tiempo de compilación. Nuestro equipo utilizaba anteriormente fp-ts para la programación funcional, pero descubrió que Effect-TS proporciona abstracciones que se ajustan más a las tareas diarias. También facilita la combinación y comprobación del código. Mientras que los enfoques tradicionales como Promise/try-catch o async/await pueden manejar estos escenarios, después de usar Effect, nuestro equipo no encontró ninguna razón para volver atrás.

El motor GraphQL de Hasura es una capa universal de acceso a datos que simplifica la creación, ejecución y gestión de APIs de alta calidad en diferentes fuentes de datos. Proporciona APIs GraphQL instantáneas sobre varias bases de datos (incluyendo PostgreSQL, MongoDB y ClickHouse) y fuentes de datos, permitiendo a los desarrolladores obtener sólo los datos que necesitan de forma rápida y segura. Encontramos que Hasura es un GraphQL fácil de implementar en la agregación de recursos del lado del servidor y lo hemos aplicado en múltiples proyectos de productos de datos. Sin embargo, seguimos siendo cautos con respecto a su potente gestión de consultas federadas y esquemas unificados. Una adición reciente destacable es la función PromptQL de Hasura, que permite a los desarrolladores aprovechar LLMs para lograr interacciones de datos más naturales e intuitivas.

LangGraph es un framework de orquestación diseñado para construir aplicaciones multiagente con estados utilizando modelos LLM. Esta tecnología proporciona un conjunto de primitivas de bajo nivel como aristas y vértices en lugar de las abstracciones de alto nivel de LangChain, lo que permite a los desarrolladores un control más detallado sobre los flujos de trabajo de los agentes, la gestión de memoria y la persistencia del estado. Este enfoque basado en grafos garantiza flujos de trabajo predecibles y personalizables, facilitando la depuración, el escalado y el mantenimiento de aplicaciones en producción. Aunque presenta una curva de aprendizaje más pronunciada, su diseño ligero y modular lo convierte en un framework potente para la creación de aplicaciones con agentes autónomos.

MarkItDown convierte varios formatos (PDF, HTML, PowerPoint, Word) en Markdown, mejorando la legibilidad del texto y manteniendo el contexto. Ya que los grandes modelos de lenguaje derivan el contexto de formatting cues como los encabezados y secciones, Markdown ayuda a preservar la estructura para una mejor comprensión. En las aplicaciones basadas en RAG , nuestros equipos usaron MarkItDown para preprocesar documentos a Markdown, asegurándose que los marcadores lógicos (encabezados, subsecciones) quedaran intactos. Antes de incorporar la generación, la fragmentación consciente de la estructura ayudaba a mantener el contexto de la sección lo cual mejoraba la claridad de las respuestas a las consultas especialmente para documentos complejos. Markdown es ampliamente utilizado para documentación y también convierte la CLI de MarkItDown en una valiosa herramienta de productividad para desarrolladores.

Module Federation permite la especificación de módulos compartidos y la deduplicación de dependencias en micro frontends. Con la versión 2.0, ha evolucionado para funcionar de forma independiente de webpack. Esta actualización introduce características clave, incluyendo un tiempo de ejecución de federación, una nueva API de plugins y soporte para frameworks populares como React y Angular, así como otros empaquetadores populares como Rspack y Vite. Al adoptar Module Federation, las aplicaciones web de gran tamaño pueden dividirse en micro frontends más pequeños y manejables, lo que permite que diferentes equipos desarrollen, desplieguen y escalen de forma independiente, a la vez que comparten dependencias y componentes de manera eficiente.

Prisma ORM es una herramienta de código abierto para bases de datos que simplifica el trabajo con éstas en aplicaciones de Node.js y TypeScript. Ofrece un enfoque moderno y de tipado seguro para acceder a bases de datos, automatiza las migraciones de esquemas de bases de datos y proporciona una API de consulta intuitiva. A diferencia de los ORM tradicionales, Prisma ORM utiliza objetos de JavaScript estándar para definir los tipos de base de datos, sin necesidad de decoradores ni clases. Nuestra experiencia con Prisma ORM ha sido positiva; consideramos que no solo se alinea mejor con el ecosistema de desarrollo en TypeScript, sino que también se integra impecablemente con el paradigma de programación funcional.

.NET Aspire está diseñado para simplificar la orquestación de aplicaciones distribuidas en la máquina local de un desarrollador. Aspire permite orquestar múltiples servicios en un entorno de desarrollo local; incluyendo múltiples proyectos .NET, bases de datos dependientes y contenedores Docker, todo con un solo comando. Además, Aspire proporciona herramientas de observabilidad; incluyendo logs, trazabilidad y paneles de métricas, para el desarrollo local, desacopladas de las herramientas utilizadas en entornos de pruebas o producción. Esto mejora significativamente la experiencia del desarrollador al crear, ajustar y depurar los aspectos de observabilidad de cualquier sistema en el que esté trabajando.

Google, en colaboración con Samsung y Qualcomm presentó Android XR, un nuevo sistema operativo diseñado para visores XR. El soporte ha sido planificado para gafas y otros dispositivos. La mayoría de las aplicaciones Android son compatibles con pocos o ningún cambio, pero la idea es construir nuevas aplicaciones espaciales desde cero o “espacializar” las aplicaciones existentes. El nuevo Android XR SDK se posiciona como el SDK de referencia para este tipo de proyectos y Google proporciona una guía sobre cómo escoger herramientas y tecnologías que forman parte del SDK. Actualmente está disponible una versión en vista previa para desarrolladores.

Browser Use Es una biblioteca de código abierto que permite a los agentes de IA basados en LLM, usar navegadores web para acceder a aplicaciones web. Puede controlar el navegador y realizar acciones que incluyen navegaciones, entrada y extracción de textos. Con la capacidad de manejar múltiples pestañas, puede orquestar acciones coordinadas a través de múltiples aplicaciones web. Es útil en escenarios donde los agentes basados en LLM necesitan acceso a contenido web, realizar acciones en él y obtener los resultados. La biblioteca puede trabajar con una variedad de LLMs. Utiliza Playwright para controlar el navegador web, combinando la comprensión visual con la extracción de estructura HTML para mejorar la interacción web. Esta biblioteca está ganando terreno en entornos multiagente, permitiendo a los agentes colaborar en flujos de trabajo complejos que involucran interacciones web.

CrewAI es una plataforma diseñada para ayudarte a construir y gestionar agentes de IA que pueden trabajar juntos para llevar a cabo tareas complejas. Piénsalo como una forma de crear una tripulación de trabajadores de IA, cada uno con sus propias habilidades especiales, que pueden colaborar para alcanzar un objetivo común. Hemos mencionado anteriormente en el Radar bajo agentes autónomos impulsados por LLM. Además de la biblioteca de Python de código abierto, CrewAI ahora cuenta con una solución empresarial para que las organizaciones puedan crear aplicaciones basadas en agentes para casos de negocio reales, ejecutarlas en su infraestructura en la nube y conectarlas a fuentes de datos existentes, como Sharepoint o JIRA. Hemos utilizado CrewAI en múltiples ocasiones para abordar desafíos de producción, desde la validación automatizada de códigos promocionales hasta la investigación de fallas en transacciones y consultas de soporte al cliente. Mientras el panorama de los agentes de IA sigue evolucionando rápidamente, estamos seguros de ubicar a CrewAI en Assess.

ElysiaJS es un framework web con seguridad de tipos de extremo a extremo para TypeScript, diseñado principalmente para Bun pero también compatible con otros entornos de ejecución de JavaScript. A diferencia de alternativas como tRPC, que impone estructuras específicas de interfaz de API, ElysiaJS no impone ninguna estructura de interfaz de API. Esto permite a los desarrolladores crear APIs que sigan prácticas establecidas en la industria, como RESTful, JSON: API u OpenAPI, y también proporciona seguridad de tipos de extremo a extremo. ElysiaJS ofrece un alto rendimiento cuando se utiliza con el entorno de ejecución de Bun, llegando a ser comparable a frameworks web de Java o Go en algunos benchmarks. ElysiaJS es una opción que vale la pena considerar, especialmente al crear un backend-for-frontend (BFF).

FastGraphRAG es una implementación de código abierto de GraphRAG diseñada para ofrecer gran precisión y alto rendimiento en la recuperación de información. Emplea Personalized PageRank para limitar la navegación del grafo únicamente a los nodos más relevantes, mejorando así la precisión de la recuperación y la calidad de las respuestas del LLM. También proporciona una representación visual del grafo, ayudando a los usuarios a comprender mejor las relaciones entre nodos y el proceso de búsqueda. Con compatibilidad para actualizaciones incrementales, se adapta muy bien a conjuntos de datos dinámicos y en constante evolución. Optimizado para casos de uso de GraphRAG a gran escala, FastGraphRAG mejora el rendimiento al tiempo que minimiza el consumo de recursos.

Erlang/OTP es una plataforma potente para construir sistemas distribuidos altamente concurrentes, escalables y tolerantes a fallos. Tradicionalmente, sus lenguajes han sido de tipado dinámico, pero Gleam introduce seguridad de tipos a nivel de lenguaje. Construido sobre BEAM, Gleam combina la expresividad de la programación funcional con la seguridad de tipos en tiempo de compilación, reduciendo errores en tiempo de ejecución y mejorando la mantenibilidad. Con una sintaxis moderna, se integra bien con el ecosistema OTP, aprovechando las fortalezas de Erlang y Elixir al mismo tiempo que garantiza una interoperabilidad sólida. La comunidad de Gleam es activa y acogedora, y esperamos con interés su desarrollo continuo.

GoFr es un framework para construir microservicios en Golang, diseñado para simplificar el desarrollo al abstraer el código repetitivo de funcionalidades comunes de microservicios, como el registro de logs, trazabilidad, métricas, gestión de configuración y documentación de API con Swagger. Soporta múltiples bases de datos, gestiona migraciones y facilita la comunicación pub/sub con brokers como Kafka y NATs. Además, GoFr incluye la programación de tareas con cron jobs. Reduce la complejidad de crear y mantener microservicios, y permite a los desarrolladores centrarse en escribir la lógica de negocio en lugar de preocuparse por la infraestructura. Aunque existen otras librerías populares de Go para construir APIs web, GoFr está ganando reconocimiento y vale la pena explorarlo para microservicios basados en Golang.

La criptografía asimétrica, que hace seguras la mayoría de las comunicaciones modernas, está basada en la resolución de un problema matemáticamente difícil. Sin embargo, el problema utilizado en los algoritmos actuales será fácil de resolver con computadoras cuánticas, lo que impulsa la investigación en alternativas. La criptografía basada en retículos es actualmente la candidata más prometedora. Aunque a las computadoras cuánticas les faltan años para ser criptográficamente relevantes, vale la pena considerar la criptografía postcuántica para aplicaciones que deben permanecer seguras durante décadas. También existe el riesgo de que datos cifrados estén siendo recolectados ahora mismo para ser descifrados una vez que se pueda hacer uso de las computadoras cuánticas.

La criptografía postcuántica en Java dará sus primeros pasos en JDK 24, que estará disponible de forma general a finales de marzo. Esta versión de lanzamiento incluye JEP 496 y JEP 497, que implementan un mecanismo de encapsulación de claves y un algoritmo de firma digital, ambos basados en estándares y diseñados para ser resistentes a futuros ataques de computación cuántica. Aunque liboqs, parte del proyecto Open Quantum Safe, proporciona implementaciones en C con un contenedor JNI, es grato también ver emerger una implementación nativa en Java.

Presidio es un SDK de protección de datos para identificar y anonimizar datos sensibles en texto estructurado y no estructurado. Presidio detecta información de identificación personal (PII) como números de tarjetas de crédito, nombres y ubicaciones, usando reconocimiento de nombres, expresiones regulares y lógica basada en reglas. Presidio admite reconocimiento de entidades de PII personalizable, lo que permite a las empresas adaptarlo a sus requisitos específicos de privacidad. A pesar de que, Presidio automatiza la identificación de información sensible, no es infalible y puede perder o identificar erróneamente los datos. Tenga cuidado al confiar en sus resultados.

A medida que las tecnologías para construir aplicaciones y agentes basados en LLM continúan evolucionando rápidamente, los frameworks para construir y orquestar tales aplicaciones a menudo luchan por mantenerse actualizados o encontrar las abstracciones correctas y eternas. PydanticAI es el último participante en este espacio, con el objetivo de simplificar las implementaciones mientras se evita complejidad innecesaria. Desarrollado por los creadores del popular Pydantic, se basa en las lecciones aprendidas de marcos anteriores, muchos de los cuales ya dependen de Pydantic. En lugar de intentar ser aplicable para toda situación, PydanticAI ofrece un enfoque ligero pero poderoso. Se integra con todas las principales APIs de modelos e incluye herramientas integradas de salida estructurada de LLMs e introduce una abstracción basada en grafos para gestionar flujos de trabajo complejos de agentes.

Desde el lanzamiento de Swift 6.0, el lenguaje ha expandido su alcance más allá del ecosistema de Apple con un soporte mejorado para los principales sistemas operativos, lo que hace que sea más viable usar Swift para aplicaciones con recursos limitados. Tradicionalmente, este espacio ha sido dominado por C, C++ y, más recientemente, Rust, debido a su control de bajo nivel, alto rendimiento y disponibilidad de compiladores y bibliotecas certificadas que cumplen con los estándares como MISRA, ISO 26262 y ASIL. Mientras Rust ha comenzado a obtener certificaciones similares, Swift aún no ha iniciado este proceso, lo que limita su uso en aplicaciones críticas para la seguridad.

La creciente adopción de Swift se debe a su equilibrio entre rendimiento y características de seguridad, que incluyen una robusta seguridad de tipos y el recuento automático de referencias para la gestión de memoria. Mientras el modelo de propiedad de Rust ofrece garantías más fuertes de seguridad de memoria, Swift ofrece un enfoque diferente que algunos desarrolladores encuentran más accesible. Tanto Swift como Rust comparten el backend del compilador LLVM/Clang, lo que permite que los avances en uno beneficien al otro. Con su capacidad para compilar código de máquina optimizado, su desarrollo de código abierto y su creciente soporte multiplataforma, Swift está emergiendo como un contendiente para una gama más amplia de aplicaciones — mucho más allá de sus raíces en iOS.

Tamagui es una biblioteca para compartir estilos de manera eficiente entre React web y React Native. Ofrece un sistema de diseño con componentes reutilizables, tanto con estilos como sin ellos, que se renderizan perfectamente en diversas plataformas. Su compilador optimizador opcional mejora el rendimiento al convertir los componentes con estilo en CSS atómico con divs en la web y objetos de estilo elevados en vistas nativas.

torchtune es una librería de PyTorch para la autoría, post-entrenamiento y experimentación con LLMs. Soporta configuraciones individuales y multi-GPU y habilita entrenamiento distribuído con FSDP2. La librería provee de recipes basadas en YAML para tareas como ajustes finos, inferencia, evaluación y entrenamiento consciente de la cuantización. Cada receta ofrece un set de características enfocado, evitando configuraciones complejas basadas en flags. Prioriza simpleza, favoreciendo la caridad del código por sobre abstracciones excesivas. Además incluye un CLI para descargar modelos, administrando recetas y ejecutando experimentos de forma eficiente.

Hace unos años, observamos una sobrecarga de Node : Node.js se utilizaba a menudo por razones cuestionables o sin tener en cuenta otra alternativa. Aunque entendemos que algunos equipos prefieren un stack de un solo lenguaje, a pesar de las desventajas, seguimos defendiendo la programación políglota. En aquel momento, señalamos que Node.js tenía una merecida reputación de eficiencia en cargas de trabajo con uso intensivo de E/S, pero mencionamos que otros frameworks se habían puesto al día y ofrecían mejores APIs y un rendimiento general superior. También advertimos que Node.js nunca fue adecuado para cargas de trabajo de cómputo intensivo, una limitación que sigue siendo un desafío significativo. Ahora, con el auge de las cargas de trabajo con uso intensivo de datos, también vemos a los equipos tener dificultades con estas.