Alternativas a Vanna para agentes text-to-SQL (2026)

¿Qué significa el archivo de Vanna?

Cuando comprobamos el repositorio en octubre de 2026, GitHub lo mostraba como archivo público: de solo lectura, con 227 issues abiertos y 62 pull requests abiertos sobre los que nadie puede actuar, licencia MIT y unas 23.800 estrellas. Como la licencia es MIT, cualquiera es libre de hacer un fork y seguir.

Lo que el archivo no te dice es que la empresa haya desaparecido. Un artículo independiente publicado a finales de agosto de 2026 informaba de que el sitio web de Vanna y sus planes hospedados de pago seguían activos. Nosotros no lo hemos verificado, así que comprueba el propio sitio de Vanna para su estado y precios actuales.

En la práctica, un proyecto archivado no deja de funcionar. Deja de adaptarse. Los drivers de base de datos sacan versiones nuevas, los proveedores de modelos cambian sus SDKs y retiran modelos antiguos, y las versiones de Python avanzan. Con un proyecto mantenido, otro se ocupa de eso. Con uno archivado, pasa a ser tu trabajo. Y como las respuestas de un agente text-to-SQL dependen de un modelo que no controlas, el código que fijaste puede empezar a responder de forma distinta cuando el modelo cambia, sin un error que te avise.

¿Qué ofrece Vanna, para saber qué sustituir?

Según su README, Vanna 2.0 es un framework Python con agentes conscientes del usuario: seguridad a nivel de fila, logs de auditoría y límites de tasa por usuario. Funciona con muchos modelos de lenguaje y bases de datos, e incluye un componente de chat listo para páginas web. Cualquier alternativa cubrirá algunas de estas cosas y no otras, así que empieza por decidir cuáles usabas de verdad.

Alternativas a Vanna de un vistazo

¿Cuáles son las alternativas a Vanna con más detalle?

1. Conservar Vanna y poseer un fork

Si Vanna ya te funciona, esta es a menudo la respuesta correcta más barata. Fija tus versiones, haz un fork del repositorio en tu organización y planifica tiempo para actualizaciones de dependencias. El código no cambia, así que el esfuerzo va a todo lo que lo rodea: drivers, SDKs, versiones de Python y, de forma menos visible, cómo se comporta tu modelo con el tiempo. Vuelve a ejecutar tus preguntas de prueba siempre que cambie tu modelo o su versión (consulta nuestra guía para probar un agente text-to-SQL: /blog/how-to-test-a-text-to-sql-agent).

Te encaja si quieres leer y cambiar cada línea, ejecutar modelos locales o mantenerlo todo dentro de tu propia infraestructura.

2. Producto hospedado de Vanna

Te encaja si te gustó cómo se comporta Vanna y no necesitabas poseer el código. Sigues en la tecnología del mismo equipo, pero como servicio. Compara los planes actuales, los límites diarios de preguntas y las condiciones en su sitio antes de decidir, y confirma adónde van tus datos y tu clave de modelo.

3. Wren AI

Wren AI toma un enfoque distinto. En lugar de recuperar ejemplos y documentación para guiar al modelo, defines primero tus términos de negocio (ingresos, churn, cliente activo) en una capa semántica, y el SQL se genera a partir de esas definiciones. Una comparación de septiembre de 2026 de Querio, un proveedor del mismo espacio, lo describió como aún mantenido activamente como open source, y listó Postgres entre las bases de datos que soporta.

Esa comparación también señaló el coste principal: alguien tiene que construir y mantener el modelo semántico. El mismo texto describió los modos de fallo típicos como distintos. Wren AI falla cuando un concepto no está definido en el modelo, mientras que Vanna falla cuando su material de entrenamiento se queda obsoleto. Es una forma útil de pensar ambos.

Te encaja si necesitas métricas coherentes para analistas y estás dispuesto a hacer el trabajo de modelado.

4. Agentes SQL de LangChain o LangGraph

Son piezas de construcción, no un producto terminado. La propia documentación de LangChain dice que ejecutar SQL generado por el modelo conlleva riesgos inherentes, y te indica que acotes los permisos de la base de datos lo más posible. Su tutorial de agente SQL describe sus herramientas de base de datos como wrappers mínimos solo de demostración, y recomienda añadir tu propia validación antes de ejecutar SQL generado por el modelo.

Es una descripción honesta de la contraprestación. Obtienes flexibilidad, y también posees el rol de solo lectura, la validación de consultas, el logging y las pruebas.

Te encaja si tienes tiempo de ingeniería y quieres la lógica del agente en tu propio código.

5. Servidores MCP de base de datos

Los servidores MCP permiten que un cliente de IA como un IDE o un asistente hable con tu base de datos con poca configuración. El servidor MCP de Supabase, por ejemplo, tiene una opción de solo lectura que ejecuta consultas como usuario Postgres de solo lectura, y puede acotarse a un proyecto. La documentación de Supabase también indica que su servidor MCP está diseñado para desarrollo y pruebas, y nombra la inyección de prompts como el riesgo principal.

Eso hace de los servidores MCP una buena forma de explorar tus datos mientras construyes, y una mala elección como capa de acceso para un agente en producción que sirve a otras personas.

6. Una capa gestionada como Claix

Claix es un servicio hospedado que se sitúa entre tu agente y tu base de datos. Conectas Postgres o Supabase con un rol de solo lectura, eliges las tablas y columnas que cada agente puede usar, y escribes una guía breve con tus reglas de negocio. Cada agente obtiene su propio endpoint, por REST, MCP o A2A, y devuelve resultados validados o respuestas tipadas. Cada petición se traza.

La diferencia con Vanna es dónde vive el trabajo. Vanna es un framework que hospedas, amplías y mantienes. Claix es un servicio que llamas, así que no hay código que hospedar ni nada que parchear.

Claix no es la mejor opción en todos los casos:

• Necesitas filtrado de filas por usuario final dentro de la herramienta. Vanna 2.0 documenta permisos conscientes del usuario. Claix acota el acceso por agente, así que las reglas por persona quedan en tu base de datos o tu aplicación.
• Debes autoalojar todo. Claix es un servicio gestionado.
• Quieres gráficos y una interfaz de analista. Claix devuelve datos y respuestas a tu agente, y no incluye un dashboard.
• Usas una base de datos distinta de Postgres o Supabase. Esas son las que Claix soporta hoy.
• Necesitas métricas de negocio gobernadas entre equipos de analistas. Una capa semántica como Wren AI está pensada para eso.

¿Cómo elegir una alternativa a Vanna?

Hazte cuatro preguntas:

• ¿Quién usará las respuestas? Un agente o una aplicación apunta a un servicio o un framework. Los analistas con una interfaz de chat apuntan a Wren AI o al producto hospedado de Vanna.
• ¿Quieres hospedar y mantener código? Si sí, un fork, Wren AI o un agente LangChain. Si no, un servicio hospedado.
• ¿Necesitas métricas de negocio definidas de forma central? Si sí, una capa semántica.
• ¿El agente sirve a otras personas, o solo a ti? Para otras personas, los roles de solo lectura, la validación de consultas y el logging dejan de ser opcionales. Las herramientas de desarrollo no están hechas para eso.

¿Qué llevarte de Vanna?

Si te mudas, no empieces de cero. Tres cosas que ya has construido valen en cualquier sitio:

• Tus descripciones de schema y definiciones de negocio. Una buena documentación ayuda a cualquier enfoque (consulta /blog/how-to-document-your-database-for-ai-agents).
• Tus ejemplos de pregunta y SQL. Se convierten en tu conjunto de pruebas, que te permite comparar la opción nueva con la antigua sobre tus propias preguntas.
• Tus reglas de permiso. Escribe quién puede ver qué, y reconstrúyelo como permisos de base de datos, no como instrucciones de prompt.

¿Qué comprobar en cualquier sustituto?

• Está mantenido activamente, o aceptas que lo mantendrás tú.
• Se conecta con un rol de solo lectura y estrechamente acotado.
• Las consultas se validan antes de ejecutarse.
• Hay límites de tiempo, filas y coste.
• Cada petición se registra.
• Puedes probarlo con tus propias preguntas, incluidos casos de ataque.
• Sabes adónde van tus datos y tu clave de modelo.
• Puedes irte: tus descripciones y ejemplos son tuyos para exportar.

Fuentes

Las afirmaciones sobre otros productos en este artículo proceden de su propia documentación o de artículos independientes comprobados alrededor de octubre de 2026: el estado de archivo y el README de Vanna en GitHub, una nota independiente de agosto de 2026 sobre los planes hospedados de Vanna, la comparación de Wren AI de Querio de septiembre de 2026, la documentación de agentes SQL de LangChain y la documentación de Supabase MCP. Vuelve a comprobar esas fuentes antes de decidir: esta categoría se mueve rápido.