Ingeniería de IA Agéntica con Python — Creación de Agentes Autónomos

Fundamentos de la IA Agéntica

• ¿Qué es un agente autónomo: definiciones y taxonomía
• Bucle de agentes: ciclo de percibir, decidir, actuar y observar
• Patrones de diseño para responsabilidades y alcance de los agentes

Herramientas de Python y SDKs 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 reproducible

Integración de Herramientas Externas y API

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

Memoria, Estado y Gestión del Contexto

• Ventanas de contexto a corto plazo y técnicas de ingeniería de prompts
• Arquitecturas de memoria a largo plazo: Redis, almacenes vectoriales y aumento de recuperación
• Consistencia, estrategias de caché e higiene de memoria

Orquestación, Planificación y Flujos de Trabajo Multietapa

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

Despliegue, Escalado y MLOps para Agentes

• Contenerización, pipelines de CI/CD y estrategias de despliegue
• Control de costes, limitación de velocidad y optimización de recursos
• Monitoreo, gobernanza y guías operativas

Resumen y Próximos Pasos