Curso de Ingeniería de Agentes IA para Empresas — Adopción de IA en tu equipo

Capas y módulos de un sistema agentivo

Agente base, herramientas, entorno y memoria

Tipos de agentes según su propósito

Ciclo de vida de un agente (planear-actuar-reflexionar)

Input → planning → tool execution → response

Interfaz entre agentes y LLMs

Ejecución secuencial vs asincrónica

Gestión del contexto: historial, objetivos, estado

Separación de lógica, habilidades y reglas

Buenas prácticas de diseño agentivo

Prompts reactivos vs prompts deliberativos

Prompts de rol, herramientas y objetivos

Chain of Thought y Action Planning en la era de los Reasoning Models

Manejo de constraints y restricciones operativas

Codificación de herramientas dentro del prompt

Auto-evaluación de agentes vía prompting

Ejemplos de prompts para debugging, análisis, síntesis

Integración de feedback del entorno en el prompt

Autocorrección y autocrítica

Prompt tuning vs fine-tuning

Qué es LangChain y su arquitectura moderna (LCEL)

Creación de herramientas personalizadas e invocación nativa

Del viejo AgentExecutor a las arquitecturas basadas en grafos

Fundamentos de LangGraph: Nodos, Bordes (Edges) y Estado

Agentes React y patrones conversacionales sobre grafos

Integración con herramientas externas (Python, SerpAPI, Zapier)

Manejo de memoria y persistencia de estados en LangGraph

Registro, trazas y visualización del flujo de razonamiento

Caso práctico: agente financiero consultivo basado en grafos

Limitaciones y debugging en entornos LangChain/LangGraph

Qué es AutoGen y cuándo usarlo

Arquitectura Multi-Agent Chat

Crear un agente ejecutor, planificador, moderador

Roles en agentes colaborativos

Comunicación entre agentes con GroupChat

Flujo de mensajes y control del razonamiento

Personalización de cada rol con llm_config

Conexión a código Python y entornos locales

Logging, monitorización y feedback

Caso práctico: agente multirrol de análisis de mercado

Fundamentos de CrewAI y su modelo mental

Crear agentes con rol, objetivos y herramientas

Uso de tareas, pasos y dependencias

Coordinación de equipos (Crew) y órdenes de ejecución (Secuencial vs Jerárquico)

Composición de flujos de trabajo complejos (Flows)

Integración con funciones externas y herramientas personalizadas

Diseño de agentes interdependientes

Logs estructurados y visualización del reasoning

Buenas prácticas con múltiples agentes

Proyecto: agente escritor + editor + verificador

Qué son las OpenAI Function Calls y Chat Completions Tools

Estructura JSON de definición de funciones

Autonomía basada en selección de funciones

Integración con APIs reales (email, CRM, base de datos)

Desencadenar acciones del entorno desde LLM

Gestión de errores y validaciones de argumentos JSON

Caso de uso: agente que consulta APIs de facturación

Simulación de conversación con herramientas dinámicas

Control de temperatura, top-p y retries

Evaluación de performance con funciones

Memoria a corto y largo plazo en agents

Tipos de memoria: conversational, vectorial, estructurada y semántica

Integración con vectores: ChromaDB, FAISS, Qdrant

Indexado y recuperación contextual avanzada (RAG para agentes)

Enriquecimiento de prompts con memoria anterior

Sincronización de estado entre agentes

Borrado selectivo y actualizaciones de memoria

Representación JSON del estado del agente

Almacenamiento en bases de datos externas y Checkpointers

Práctica: agenda personal con memoria contextual

Ejecutar código Python desde agentes (safe mode)

Sandbox local, remoto o contenedores aislados (Docker/E2B)

Seguridad en ejecución arbitraria de código y mitigación de riesgos

Separación entre agentes lectores y ejecutores

Control de errores de sintaxis y semántica

Captura de salidas, logs y trazas

Creación de herramientas ejecutables por prompt

Simulación de agentes programadores

Caso: agente que analiza CSVs y genera gráficos

Riesgos y mitigaciones de ejecución remota

Llamadas HTTP dentro de herramientas de agentes

Consultas GET/POST con autenticación (OAuth, API Keys)

Llamadas a servicios internos: ERP, CRM, helpdesk

Tokenización y filtrado de respuestas para agentes

Transformación de datos para inputs LLM

Control de errores HTTP y retries

Serialización y almacenamiento de resultados

Pruebas automáticas de integraciones

Monitorización de disponibilidad

Caso: agente que gestiona clientes desde un CRM

Por qué el aislamiento total falla: el rol del humano en sistemas críticos

Patrones de diseño para interrupción y aprobación humana

Implementación de pausas (breakpoints) en flujos autónomos

Mecanismos de autorización para acciones sensibles (pagos, envíos de emails)

Interfaces de entrada para feedback humano en tiempo de ejecución

Modificación del estado del agente por parte de un operador

Gestión de tiempos de espera y caídas (timeouts) de respuesta humana

Captura de datos históricos de edición humana para re-entrenamiento

Caso práctico: agente de soporte que solicita aprobación antes de emitir un reembolso

Arquitectura basada en agentes como servicios independientes

Servir agentes a través de FastAPI, Flask o LangServe

Control de peticiones externas, enrutado y WebSockets para streaming de tokens

Escalado horizontal de agentes y gestión de estados distribuidos

Contenerización con Docker

Integración con colas de eventos (RabbitMQ, Kafka) para arquitectura reactiva

Monitoreo con Prometheus y Grafana

Gestión de errores en producción y alertas en tiempo real

Estrategias de rollback en flujos de agentes

Práctica: agente como servicio REST desplegado en cloud

Métricas clave en agentes autónomos (Precisión, Coste, Latencia, Tasa de Éxito)

Benchmarks de precisión y evaluación del uso de herramientas

Testeo unitario de prompts y validación de funciones

Logging estructurado y análisis de decisiones paso a paso

Herramientas de observabilidad: LangSmith, Phoenix (Arize), Helicone

Comparación entre runs, trazas complejas y detección de regresiones

Control de alucinaciones y bucles infinitos de llamadas a APIs

Evaluación automatizada utilizando LLM-as-a-Judge

A/B Testing entre diferentes versiones de prompts y agentes

Simulación de usuarios en test de integración masivos

Automatización de soporte técnico de nivel 1 y 2

Asistentes financieros y contables avanzados

Redacción de contenido, SEO y curación automática de medios

Agentes para ventas, prospección de leads y CRM

Coordinación de tareas y flujos internos empresariales

Monitoreo automático de entornos de TI y alertas

Agentes integrados en workflows de desarrollo (CI/CD, code review)

Generación de informes periódicos e inteligencia de negocio

Procesamiento inteligente de tickets, contratos o formularios complejos

Integración interactiva con herramientas de productividad (Slack, Teams, Notion)

Separación clara de rol, objetivos y herramientas (Single Responsibility)

Diseño iterativo, defensivo y controlado del reasoning

Acoplamiento bajo con el entorno externo

Estabilidad del sistema, resiliencia y manejo elegante de fallos

Escalabilidad de agentes autónomos y cuotas de API

Modularización y reutilización de componentes de software agentivo

Tipado estricto (Pydantic) y validaciones rigurosas en herramientas

Control drástico de costes en llamadas recurrentes a LLMs

Explicabilidad del comportamiento del agente hacia el usuario final

Checklist de calidad y auditoría previa al despliegue de un agente

Definición del flujo real a automatizar (ej. soporte, ventas, informes)

Diseño de arquitectura multi-agente robusta y definición de dependencias

Implementación de roles colaborativos y flujos de aprobación humana (HITL)

Persistencia de memoria contextual entre sesiones de usuario

Pruebas con datos reales simulados y evaluación mediante herramientas de observabilidad

Integración directa con API externa o base de datos interna de la empresa

Despliegue del sistema completo como microservicio en la nube (Docker + FastAPI)

Logs, trazas y evaluación automática del rendimiento final

Presentación del sistema completo a dirección simulando una entrega real