Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Revisión de los conceptos fundamentales de AutoGen
- Definiciones de agentes y grupos.
- Invocación de funciones y encadenamiento de roles.
- Limitaciones de los agentes incorporados y áreas que requieren personalización.
Construcción de agentes personalizados con Python
- Definición del comportamiento del agente mediante subclases de user_proxy y AssistantAgent.
- Inyección de lógica específica por rol y toma de decisiones.
- Creación de módulos de agentes reutilizables y mixin (módulos mixtos).
Integración avanzada de herramientas y enrutamiento
- Registro, vinculación e invocación de herramientas.
- Enrutamiento condicional de entradas a herramientas específicas.
- Gestión de cadenas de herramientas multifase y acciones compuestas.
Planificación y gestión del contexto
- Diseño de descomponedores de tareas y planificadores intermedios.
- Mantenimiento del contexto a través de agentes encadenados.
- Implementación de memoria acotada para sesiones prolongadas.
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas.
- Reintentos iniciados por el agente y lógica de respuesta alternativa (fallback).
- Registro (logging), depuración y validación de respuestas.
Colaboración multiagente con roles personalizados
- Coordinación de especialistas dentro de grupos dinámicos de agentes.
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos.
- Diferenciación vs. fusión de roles en la asignación de tareas.
Estrategias de implementación en el mundo real
- Optimización del rendimiento y los costes (uso de tokens, almacenamiento en caché).
- Incorporación de flujos de trabajo AutoGen en aplicaciones web o pipelines.
- Seguridad, observabilidad e integración de retroalimentación del usuario.
Resumen y próximos pasos
Requerimientos
- Competencia en programación con Python.
- Experiencia construyendo aplicaciones basadas en LLM.
- Conocimiento sobre invocación de funciones y diseño de sistemas multiagente.
Público objetivo
- Desarrolladores seniors.
- Ingenieros de plataforma.
- Arquitectos de IA.
14 Horas
Testimonios (1)
Me gustó que constantemente proporcionara ejemplos, pero también ofreciera tiempo para el trabajo individual sobre lo que presentaba.
Iacob Giorgel
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática