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 del agente

Herramientas de Python y SDK de Agentes

• Uso de LangChain y SDK 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 API

• Diseño de interfaces de herramientas y patrones seguros de invocación
• Conexión con API web, bases de datos y servicios internos
• Gestión de credenciales, secretos y acceso de privilegios mínimos

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 y aumento de recuperación
• Consistencia, estrategias de caché e higiene de memoria

Orquestación, Planificación y Flujos de Trabajo de Múltiples Pasos

• Cadenas de acciones, subagentes y descomposición de tareas
• Algoritmos de planificación vs. orquestación heurística
• Gestión de fallos, reintentos y acciones compensatorias

Seguridad, Pruebas y Observabilidad

• Modelos de amenaza, red-teaming y sanitización de entrada/salida
• Pruebas unitarias, de integración y de extremo a extremo para agentes
• Registros, métricas, trazas y alertas para el comportamiento de agentes

Despliegue, Escalabilidad y MLOps para Agentes

• Contenedores, pipelines de CI/CD y estrategias de despliegue
• Control de costos, limitación de tasa (rate limiting) y optimización de recursos
• Monitoreo, gobernanza y manuales operativos (playbooks)

Resumen y Próximos Pasos