Construcción de flujos de trabajo dinámicos con LangGraph y agentes de LLM

LangGraph y patrones de agentes: Una introducción práctica

• Grafos vs. cadenas lineales: cuándo y por qué
• Agentes, herramientas y ciclos planificador-ejecutor
• Un primer flujo de trabajo: un grafo agéntico mínimo

Estado, memoria y transmisión de contexto

• Diseño del estado del grafo y las interfaces de nodos
• Memoria a corto plazo vs. memoria persistente
• Ventanas de contexto, resumen y recuperación de estado

Lógica de bifurcación y flujo de control

• Enrutamiento condicional y decisiones de múltiples caminos
• Reintentos, tiempos de espera y circuit breakers
• Mecanismos de respaldo, puntos ciegos y nodos de recuperación

Uso de herramientas e integraciones externas

• Llamadas a funciones/herramientas desde nodos y agentes
• Consumo de APIs REST y bases de datos desde el grafo
• Análisis y validación de salidas estructuradas

Flujos de trabajo de agentes con aumento por recuperación (RAG)

• Ingesta de documentos y estrategias de segmentación
• Embeddings y almacenes vectoriales con ChromaDB
• Respuestas fundamentadas con citas y salvaguardas

Evaluación, depuración y observabilidad

• Trazado de rutas y inspección de interacciones entre nodos
• Conjuntos de referencia (golden sets), evaluaciones y pruebas de regresión
• Monitoreo de calidad, seguridad y costo/latencia

Empaquetado y entrega

• Servicio mediante FastAPI y gestión de dependencias
• Versionado de grafos y estrategias de reversión
• Manuales operativos y respuesta ante incidentes

Resumen y próximos pasos