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

LangGraph y patrones de agentes: Una introducción práctica

• Grafos frente a cadenas lineales: cuándo y por qué
• Agentes, herramientas y bucles planificador-ejecutor
• Flujo de trabajo de bienvenida: un grafo agéntico mínimo

Estado, memoria y transmisión de contexto

• Diseño del estado del grafo y las interfaces de nodos
• Memoria a corto plazo frente a memoria persistida
• Ventanas de contexto, resumición y rehidratación

Lógica de ramificación y control de flujo

• Enrutamiento condicional y decisiones de múltiples vías
• Reintentos, tiempos de espera (timeouts) y mecanismos de circuito abierto (circuit breakers)
• Planes de contingencia (fallbacks), callejones sin salida y nodos de recuperación

Uso de herramientas e integraciones externas

• Llamadas de funciones/herramientas desde nodos y agentes
• Consumo de APIs REST y bases de datos desde el grafo
• Analización (parsing) y validación de salidas estructuradas

Flujos de trabajo de agentes aumentados por recuperación

• Ingesta de documentos y estrategias de segmentación (chunking)
• Incrustaciones (embeddings) y almacenes vectoriales con ChromaDB
• Respuestas fundamentadas con citas y salvaguardas

Evaluación, depuración y observabilidad

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

Empaquetado y entrega

• Servicio con FastAPI y gestión de dependencias
• Control de versiones de grafos y estrategias de reversión
• Manuales operativos y respuesta a incidentes

Resumen y próximos pasos