pull down to refresh

🛠️ Tools for Bitcoin Agents: LangChain, LlamaIndex and the New Architecture🛠️ Tools for Bitcoin Agents: LangChain, LlamaIndex and the New Architecture

Investigación personal con datos a abril de 2026. No es asesoría. Realiza tu propia investigación. #DIOR

Recapitulando la serieRecapitulando la serie

  • Pieza 1 — el porqué: Exploring Bitcoin Agents — la intersección entre IA y dinero soberano. Los agentes IA no pueden abrir cuenta en JP Morgan; necesitan un rail permissionless. Bitcoin/Lightning + L402 + macaroons resuelve eso a nivel de protocolo.
  • Pieza 2 (esta) — el con qué: frameworks, SDKs y arquitectura emergente.
  • Pieza 3 — el diseño interno: lógica, memoria, ejecución y seguridad.

El stack que nadie explica juntoEl stack que nadie explica junto

Si la pieza 1 explicó por qué los agentes necesitan Bitcoin, esta explica con qué los están construyendo. Y la respuesta cabe en una línea:

LangChain 1.0 + LangGraph + Claude o GPT-5 + LangChainBitcoin (o lightning-agent-kit) + nodo LND con macaroon scoped.

Cada pieza resuelve un problema distinto. La mayoría de los posts sobre "AI agents" explican LangChain sin tocar wallets, o explican Lightning sin tocar agentes. Esta pieza los junta.


LangChain: el sistema operativo de los agentesLangChain: el sistema operativo de los agentes

Creado por Harrison Chase a finales de 2022, LangChain se convirtió en el framework open source de facto para construir aplicaciones sobre LLMs. No por ser el más elegante, sino por llegar primero con abstracciones útiles y una comunidad que creció más rápido que el propio campo.

Su versión 1.0 —junto a LangGraph 1.0— se lanzó el 22 de octubre de 2025 con compromiso explícito de no breaking changes hasta la 2.0. Los números de adopción hablan solos: 135.000 stars en GitHub, 90 millones de descargas mensuales combinadas, el 35 % de las Fortune 500 usándolo en producción (Uber, LinkedIn, Klarna, Replit, JP Morgan, BlackRock) y una Serie B de 125 M USD a valoración de 1.250 M cerrada ese mismo mes.

La pieza crítica para agentes no es LangChain base sino LangGraph: un runtime de bajo nivel que orquesta el agente como un grafo de estado, con checkpointing durable, human-in-the-loop nativo, streaming de tokens y recuperación tras fallo. La nueva abstracción create_agent() reemplazó al viejo create_react_agent y hoy es la entrada canónica para cualquier agente nuevo:

from langchain.agents import create_agent
from langchain_anthropic import ChatAnthropic

agent = create_agent(
    model=ChatAnthropic(model="claude-opus-4-5"),
    tools=[get_weather, send_lightning_payment],
    system_prompt="You are an agent that can pay for premium APIs in sats.",
)

Lo que importa de este snippet no es el código sino la tool: send_lightning_payment existe, tiene tipo, tiene esquema Pydantic, y el agente puede invocarla igual que llama a cualquier otra función. El wallet se convierte en una herramienta más del loop.


LlamaIndex: el especialista en datosLlamaIndex: el especialista en datos

LlamaIndex (44.600 stars en GitHub, más de 300 integraciones en LlamaHub) es complementario, no competidor. Mientras LangChain orquesta tools y workflows, LlamaIndex se especializa en un problema concreto: hacer que un LLM pueda razonar sobre datos privados o paywalled de forma eficiente.

Su mental model es lineal y directo:

Documents → Nodes → Index → Retriever → Query Engine

El patrón híbrido más común en producción es usar LlamaIndex para retrieval y exponerlo como una Tool dentro de un agente LangGraph. No hay que elegir entre uno y otro —se usan juntos.

Para agentes Bitcoin esto importa en cuanto el agente necesita razonar sobre documentos de pago: papers, datasets financieros, contenido premium detrás de un L402 paywall. El proyecto agent-demo de Fewsats lo demuestra en código real: integra LlamaIndex con FewsatsCLI para gestión de documentos cuyo acceso se paga directamente con Lightning.


LangChainBitcoin: el primer puenteLangChainBitcoin: el primer puente

El proyecto seminal lo lanzó Lightning Labs el 6 de julio de 2023, firmado por Olaoluwa "Roasbeef" Osuntokun y Michael Levin. Dos componentes que siguen siendo el patrón de referencia dos años después.

El primero, LLM Agent BitcoinTools, convierte un nodo LND en un set de tools que el agente puede invocar por function calling: new_address, get_balance, send_payment, decode_invoice. El nodo deja de ser infraestructura del operador para convertirse en una capacidad del agente.

El segundo, L402 HTTP API Traversal, envuelve el APIChain de LangChain para que cualquier llamada que reciba un 402 pague la invoice y reintente de forma transparente. El agente no sabe que hubo un paywall —solo sabe que hizo un request y obtuvo una respuesta.

Roasbeef lo anunció con la frase que resume el giro filosófico de ese momento:

"In 2023, the bots pay you!"

lightning-agent-kit: la evolución 2026lightning-agent-kit: la evolución 2026

En febrero de 2026, Lightning Labs publicó la evolución directa: lightning-agent-kit, junto al CLI lnget. Donde LangChainBitcoin resolvía el problema mínimo viable, este kit lo resuelve de producción.

Organiza siete "skills" composables: ejecutar nodo, aislar claves con remote signer, hornear macaroons con scoping (pay-only, invoice-only, budget-cap), pagar APIs L402, hospedar paid endpoints con Aperture, consultar el nodo vía servidor MCP con 18 tools read-only, y orquestar el loop completo de comercio buyer/seller.

lnget es la pieza más práctica: funciona como wget o curl pero L402-aware. Detecta el 402, paga la invoice contra LND, LNC o un Neutrino embebido, cachea el token y reintenta. Una línea para que un agente atraviese una API premium sin intervención humana:

lnget --max-cost 1000 https://api.example.com/premium-data.json

El flag --max-cost es importante: el agente no pagará más de ese límite por el request. La lógica de gasto está en el comando, no en el prompt.


El stack completo, capa a capaEl stack completo, capa a capa

Un Bitcoin AI agent en producción tiene seis capas bien delimitadas. La tabla las resume; la nota al pie importa tanto como la tabla:

CapaFunciónImplementaciones
LLMRazonamientoClaude Opus 4.x, GPT-5, Llama 3-70B
ToolsAcción tipadaPydantic + function calling / MCP
MemoriaContinuidadCorta: LangGraph state. Larga: ChromaDB, Pinecone, Weaviate
ExecutorLoop ReActLangGraph (durable execution)
WalletCustodia/firmaLND directo, Breez SDK, LDK, Voltage, Alby Hub, Fewsats
PagoLightninglnget (envío), Aperture (cobro)

El patrón de seguridad recomendado por Lightning Labs para la capa de wallet es remote signer architecture: la máquina del signer guarda las claves privadas offline y la máquina del agente corre un nodo watch-only que delega firma vía gRPC. Si comprometen al agente, no hay claves que extraer. Es la separación más importante del stack.


Bitcoin vs EVM: dos stacks paralelosBitcoin vs EVM: dos stacks paralelos

Coinbase publica AgentKit con integración first-class en LangChain (coinbase-agentkit-langchain), action providers para ERC20, WETH, Pyth y CDP, y Smart Wallet API gasless en Base. Las Coinbase Agentic Wallets (febrero de 2026) y el x402 Foundation —fundado en septiembre de 2025 con Cloudflare— rivalizan directamente con el stack Lightning.

Son apuestas distintas, no variantes del mismo producto:

EjeL402 + Lightningx402 + EVM/USDC
Assetsats (BTC)USDC, USDT
Authmacaroons atenuablesEIP-3009 / Permit2
Settlementoff-chain LN, instantáneoon-chain L2, ~0,01 USD
Identitysin KYC, agent-nativesin KYC, smart wallet
IssuerningunoCircle u otro

La diferencia que más importa en contexto agéntico es la última fila: Circle puede freezear una dirección USDC. Un macaroon lo genera el operador del nodo y nadie más puede invalidarlo.


MCP: el estándar que está cosiendo todoMCP: el estándar que está cosiendo todo

El Model Context Protocol que Anthropic anunció en noviembre de 2024 es la pieza menos visible del stack pero probablemente la más estructural a largo plazo. Es un cliente-servidor sobre JSON-RPC 2.0 que reduce el problema clásico de integración —M modelos × N herramientas— a M + N.

Lo adoptaron OpenAI en marzo de 2025 y Google DeepMind poco después. En diciembre de 2025, Anthropic lo donó a la Agentic AI Foundation (Linux Foundation), co-fundada con Block y OpenAI. A principios de 2026 ya había más de 1.000 servidores MCP open source en GitHub.

Para Bitcoin agents, MCP es el adaptador que permite que un mismo agente —Claude Desktop, Cursor, ChatGPT— se conecte indistintamente a wallets de Alby, Breez, ZBD o al propio lightning-agent-kit, sin código de integración específico para cada uno:

claude mcp add --transport http alby https://mcp.getalby.com/mcp \
  --header "Authorization: Bearer nostr+walletconnect://..."

El wallet deja de ser una librería que se importa en el código del agente. Se convierte en un servidor MCP al que el agente se suscribe. Es un cambio de arquitectura pequeño en apariencia y grande en consecuencias: significa que el mismo agente puede cambiar de wallet sin tocar una línea de código.


El diagrama mental del stack 2026El diagrama mental del stack 2026

┌────────────────────────────────────────────────────┐
│ LLM (Claude / GPT-5)                               │
│   ↓                                                │
│ LangGraph (executor + state + checkpoint)          │
│   ↓                                                │
│ Tools tipadas (Pydantic) ── via MCP ──→ servidores │
│   ↓                         (Alby, Breez, ZBD)     │
│ LlamaIndex (RAG sobre docs paywalled)              │
│   ↓                                                │
│ Wallet (LND remote-signer / Breez SDK)             │
│   ↓                                                │
│ Lightning Network ── L402 paywalls ── Aperture     │
└────────────────────────────────────────────────────┘

Cada capa es reemplazable. Lo que las une es macaroons + invoices + MCP.


Qué viene en la pieza 3Qué viene en la pieza 3

Tienes los componentes. Sabes para qué sirve cada uno. Pero un stack no es un agente. El agente nace cuando defines su lógica, su memoria y —sobre todo— sus límites cuando hay sats reales en juego.

En la pieza 3 bajamos al diseño concreto: ReAct vs Plan-and-Execute, los cuatro tipos de memoria, el ciclo perception → reasoning → action → observation → feedback. Y la lección que dejó el caso Freysa: un agente con 47.000 USD en custodia, derrotado en el intento #482 por una inyección semántica. Más tres patrones de producción ya corriendo en 2026: DCA autónomo, agente que se compra su propia infraestructura y agent-to-agent commerce.

Si algo está mal o impreciso: corrígeme públicamente, lo agradezco más que el zap.


RecursosRecursos