Ingeniería de IA agéntica con Python: creación de agentes autónomos

Fundamentos de la IA agéntica

• ¿Qué es un agente autónomo? Definiciones y taxonomía
• Ciclo de agente: ciclo de percibir, decidir, actuar y observar
• Patrones de diseño para responsabilidades y 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 externas y API

• Diseño de interfaces de herramientas y patrones seguros de invocación de herramientas
• Conexión con API web, bases de datos y servicios internos
• Gestión de credenciales, secretos y acceso de menor privilegio

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 por recuperación (RAG)
• 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 orquestación heurística
• Manejo de fallos, reintentos y acciones compensatorias

Seguridad, pruebas y observabilidad

• Modelos de amenazas, red-teaming y saneamiento de entrada/salida
• Pruebas unitarias, de integración y extremo a extremo para agentes
• Registro de eventos, métricas, trazas y alertas para el comportamiento de los agentes

Despliegue, escalabilidad 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 manuales operativos

Resumen y próximos pasos