Construcción de sistemas de agentes LLM con AutoGen

Introducción a los sistemas de agentes LLM

• Conceptos de agentes LLM y arquitectura de agentes múltiples
• Resumen del marco AutoGen y su ecosistema
• Roles de agentes: proxy de usuario, asistente, invocador de funciones, y más

Instalación y configuración de AutoGen

• Configuración del entorno de Python y dependencias
• Fundamentos del archivo de configuración de AutoGen
• Conexión a proveedores de LLM (OpenAI, Azure, modelos locales)

Diseño de agentes y asignación de roles

• Comprensión de tipos de agentes y patrones de conversación
• Definición de objetivos, prompts e instrucciones de los agentes
• Delegación de tareas basada en roles y flujo de control

Invocación de funciones e integración de herramientas

• Registro de funciones para su uso por parte de los agentes
• Ejecución autónoma y colaborativa de funciones
• Conexión de API externas y scripts de Python a los agentes

Gestión de conversaciones y memoria

• Seguimiento de sesiones y memoria persistente
• Mensajería entre agentes y manejo de tokens
• Gestión del contexto e historial de la conversación

Flujos de trabajo de agentes de extremo a extremo

• Construcción de tareas colaborativas de varios pasos (por ejemplo, análisis de documentos, revisión de código)
• Simulación de diálogos entre usuario y agente y cadenas de decisión
• Depuración y refinamiento del rendimiento de los agentes

Casos de uso y despliegue

• Agentes de automatización interna: investigación, reportes, scripting
• Bots para uso externo: asistentes de chat, integraciones de voz
• Empaquetado y despliegue de sistemas de agentes en producción

Resumen y próximos pasos