Ingeniería de IA Agéntica con Python: Construcción 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 responsabilidades y alcance del agente.

Herramientas de Python y SDK de Agentes

• Uso de LangChain y SDKs 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 APIs

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

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).
• Coherencia, 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.
• Gestión de fallos, reintentos y acciones compensatorias.

Seguridad, Pruebas y Observabilidad

• Modelos de amenazas, pruebas de penetración (red-teaming) y saneamiento de entradas/salidas.
• Pruebas unitarias, de integración y de extremo a extremo para agentes.
• Registro (logging), métricas, trazabilidad y alertas para el comportamiento del agente.

Despliegue, Escalabilidad y MLOps para Agentes

• Containerización, pipelines de CI/CD y estrategias de despliegue.
• Control de costos, limitación de velocidad (rate limiting) y optimización de recursos.
• Monitoreo, gobernanza y manuales operativos (playbooks).

Resumen y Próximos Pasos