Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Revisión de los conceptos centrales de AutoGen
- Definiciones de agentes y grupos.
- Llamada a funciones y encadenamiento de roles.
- Limitaciones de los agentes incorporados y dónde se necesita personalización.
Construcción de agentes personalizados con Python
- Definición del comportamiento del agente mediante subclases de user_proxy y AssistantAgent.
- Inyección de lógica específica por rol y toma de decisiones.
- Creación de módulos y mixins reutilizables para agentes.
Integración avanzada de herramientas y enrutamiento
- Registro, vinculación e invocación de herramientas.
- Enrutamiento condicional de entradas a herramientas específicas.
- Gestión de cadenas de herramientas multi-paso y acciones compuestas.
Gestión de planificación y contexto
- Diseño de descomponedores de tareas y planificadores intermedios.
- Mantenimiento del contexto entre agentes encadenados.
- Implementación de memoria con alcance para sesiones prolongadas.
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas.
- Reintentos iniciados por el agente y lógica de respaldo (fallback).
- Registro (logging), depuración y validación de respuestas.
Colaboración multi-agente con roles personalizados
- Coordinación de especialistas dentro de grupos dinámicos de agentes.
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos.
- Separación de roles frente a la integración de roles en la asignación de tareas.
Estrategias de implementación en entornos reales
- Optimización para rendimiento y costo (uso de tokens, caché).
- Integración de flujos de trabajo de AutoGen en aplicaciones web o pipelines.
- Seguridad, observabilidad e integración de retroalimentación del usuario.
Resumen y próximos pasos
Requerimientos
- Conocimiento sólido de programación en Python.
- Experiencia en desarrollo de aplicaciones basadas en LLMs.
- Familiaridad con llamadas a funciones y diseño de sistemas multi-agente.
Audiencia
- Desarrolladores senior.
- Ingenieros de plataformas.
- Arquitectos de IA.
14 Horas
Testimonios (1)
Me gustó que constantemente proporcionara ejemplos, pero también ofreciera tiempo para el trabajo individual sobre lo que presentaba.
Iacob Giorgel
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática