Construcción de flujos de trabajo dinámicos con LangGraph y agentes de LLM

LangGraph y patrones de agentes: Una introducción práctica

• Grafos frente a cadenas lineales: cuándo y por qué
• Agentes, herramientas y bucles de planificador-ejecutor
• Flujo de trabajo inicial: un grafo de agente mínimo

Estado, memoria y transmisión de contexto

• Diseño del estado del grafo y las interfaces de nodos
• Memoria a corto plazo frente a memoria persistida
• Ventanas de contexto, resumen y rehidratación

Lógica de ramificación y flujo de control

• Enrutamiento condicional y decisiones de múltiples caminos
• Reintentos, plazos de espera y disyuntores de circuito
• Mecanismos de respaldo, callejones sin salida y nodos de recuperación

Uso de herramientas e integraciones externas

• Llamadas a funciones/herramientas desde nodos y agentes
• Consumo de API REST y bases de datos desde el grafo
• Análisis y validación de salidas estructuradas

Flujos de trabajo de agentes aumentados con recuperación

• Ingesta de documentos y estrategias de fragmentación
• Embeddings y almacenes vectoriales con ChromaDB
• Respuestas fundamentadas con citas y salvaguardas

Evaluación, depuración y observabilidad

• Seguimiento de rutas e inspección de interacciones de nodos
• Conjuntos de oro (golden sets), evaluaciones y pruebas de regresión
• Monitoreo de calidad, seguridad y costos/latencia

Empaquetado y entrega

• Servicio de FastAPI y gestión de dependencias
• Control de versiones de grafos y estrategias de reversión
• Manuales operativos y respuesta a incidentes

Resumen y próximos pasos