Ingeniería de IA Agéntica con Python — Construcción de Agentes Autónomos

Fundamentos de la IA Agéntica

• ¿Qué es un agente autónomo?: definiciones y taxonomía
• Ciclo del agente: 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 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 el menor privilegio necesario

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 de recuperación
• Consistencia, 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
• Manejo de fallos, reintentos y acciones compensatorias

Seguridad, Pruebas y Observabilidad

• Modelos de amenazas, red-teaming y saneamiento de entradas/salidas
• Pruebas unitarias, de integración y de extremo a extremo para agentes
• Registros, métricas, trazas y alertas para el comportamiento de los agentes

Despliegue, Escalabilidad y MLOps para Agentes

• Contenedorización, pipelines de CI/CD y estrategias de despliegue
• Control de costos, limitación de velocidad y optimización de recursos
• Monitoreo, gobernanza y manuales operativos

Resumen y Próximos Pasos