Construcción de flujos de trabajo dinámicos con LangGraph y agentes LLM

LangGraph y patrones de agentes: Una introducción práctica

• Grafos vs. cadenas lineales: cuándo y por qué
• Agentes, herramientas y bucles planificador-ejecutor
• Primer flujo de trabajo: un grafo de agentes mínimo

Estado, memoria y propagación de contexto

• Diseño del estado del grafo y las interfaces de los nodos
• Memoria a corto plazo vs. memoria persistida
• Ventanas de contexto, resúmenes y recuperación de estado (rehydration)

Lógica de ramificación y flujo de control

• Enrutamiento condicional y decisiones de múltiples vías
• Reintentos, tiempos de espera y disyuntores (circuit breakers)
• Soluciones de respaldo, puntos finales (dead-ends) y nodos de recuperación

Uso de herramientas e integraciones externas

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

Flujos de trabajo de agentes aumentados por recuperación (RAG)

• Ingesta de documentos y estrategias de segmentación (chunking)
• Embeddings y almacenes de vectores con ChromaDB
• Respuestas fundamentadas con citas y salvaguardas

Evaluación, depuración y observabilidad

• Rastreo de trayectorias e inspección de interacciones entre nodos
• Conjuntos de referencia (golden sets), evaluaciones y pruebas de regresión
• Supervisión de calidad, seguridad y de costo/latencia

Empaquetado y entrega

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

Resumen y próximos pasos