Ingeniería de IA agéntica con Python — Construcción de agentes autónomos

Fundamentos de la IA agéntica

• ¿Qué es un agente autónomo: definiciones y taxonomía
• Ciclo 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 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 y API externas

• Diseño de interfaces de herramientas y patrones de invocación segura de herramientas
• Conexión con API web, bases de datos y servicios internos
• Gestión de credenciales, secretos y acceso con privilegio mínimo

Gestión de memoria, estado y contexto

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

Seguridad, pruebas y observabilidad

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

Despliegue, escalado y MLOps para agentes

• Contenedorización, pipelines de CI/CD y estrategias de lanzamiento
• Control de costos, limitación de tasas y optimización de recursos
• Monitoreo, gobernanza y libros de operaciones

Resumen y próximos pasos