Ingeniería de IA Agéntica con Python: creación de agentes autónomos

Fundamentos de la IA Agéntica

• ¿Qué es un agente autónomo? Definiciones y taxonomía
• Bucle del agente: ciclo de percibir, decidir, actuar y observar
• Patrones de diseño para las responsabilidades y el alcance de los agentes

Herramientas de Python y SDK de Agentes

• Uso de LangChain y SDK similares para iniciar agentes
• Programación asíncrona, colas de tareas y gestión de subprocesos
• Empaquetado, entornos virtuales y flujos de trabajo de desarrollo reproducibles

Integración de herramientas y APIs externas

• Diseño de interfaces de herramientas y patrones seguros de invocación de herramientas
• Conexión con APIs web, bases de datos y servicios internos
• Gestión de credenciales, secretos y acceso con privilegios mínimos

Gestión de memoria, estado y contexto

• ventanas de contexto a corto plazo y técnicas de ingeniería de prompts
• Arquitecturas de memoria a largo plazo: Redis, almacenes vectoriales, aumento de la recuperación
• Consistencia, estrategias de caché e higiene de memoria

Orquestación, planificación y flujos de trabajo de múltiples pasos

• Encadenamiento de acciones, subagentes y descomposición de tareas
• Algoritmos de planificación frente a la orquestación heurística
• Manejo de fallos, reintentos y acciones compensatorias

Seguridad, pruebas y observabilidad

• Modelos de amenazas, pruebas de intrusión (red-teaming) y saneamiento de entradas/salidas
• Pruebas unitarias, de integración y de extremo a extremo para agentes
• Registros, métricas, trazas y alertas para el comportamiento de los agentes

Despliegue, escalado y MLOps para agentes

• Contenerización, pipelines de CI/CD y estrategias de despliegue
• Control de costos, limitación de tasas y optimización de recursos
• Monitoreo, gobernanza y libros de procedimientos operativos

Resumen y próximos pasos