GuíaIntermedio
Guía para Construir Agentes de IA
Domina el ciclo completo de construcción de agentes de AI — desde tool calling y function calling patterns hasta state machines con LangGraph, integración con MCP, orquestación multi-agente y deployment en producción. Esta guía te lleva desde entender la anatomía de un agente hasta construir un sistema multi-agente con planning, reflection, memoria persistente, herramientas externas via MCP, testing riguroso y observability completa. Para AI Engineers que ya dominan LangChain/LangGraph y quieren construir agentes que funcionen en el mundo real.
- 80
- lecciones
- 10
- módulos
- Inglés · Español
- disponible en
- Sí
- certificado
- Gratis
- acceso
Resultados
Lo que vas a poder hacer
- Entender la cognitive architecture de un agente: loop perceive-reason-act y taxonomías de agentes
- Construir tool use avanzado con schemas complejos, validación y error handling
- Dominar function calling patterns: parallel calls, routing, composición y structured extraction
- Diseñar state machines para agentes con LangGraph (StateGraph y Functional API)
- Implementar razonamiento multi-step: ReAct profundo, plan-and-execute, reflection y self-correction
- Construir memory systems: short-term, long-term, checkpointing y durable execution
- Integrar herramientas externas con MCP (Model Context Protocol) — el estándar emergente respaldado por Anthropic y Microsoft
- Orquestar sistemas multi-agente con patterns de supervisor, handoff, subagent y router
- Testear y evaluar agentes con trajectory evaluation, golden datasets y LangSmith
- Deployar agentes a producción con FastAPI, monitoring, cost control y error recovery
Antes de empezar
Qué necesitas traer
Es para ti si...
- AI Engineers que completaron la guía de LangChain & LangGraph y quieren construir sistemas de agentes completos
- Developers que han construido agentes básicos y necesitan patterns de producción para deployment real
- Ingenieros implementando sistemas multi-agente en sus empresas que necesitan patterns de orquestación
- Profesionales que quieren entender MCP y el futuro de la integración agente-herramientas
- Equipos evaluando frameworks de agentes (LangChain vs Pydantic AI) para proyectos de producción
Requisitos y materiales
- Completar la Guía de LangChain & LangGraph (#9) o experiencia equivalente con LangChain v1.2+ y LangGraph v1.0+
- Completar la Guía de Advanced Prompt Engineering (#10) o experiencia equivalente
- Python avanzado (async/await, decoradores, type hints, modelos Pydantic)
- Experiencia construyendo al menos un agente básico con LangChain o framework similar
- Al menos una API key de proveedor LLM (OpenAI o Anthropic recomendado)
- Python 3.11+ instalado
Contenido
El temario, módulo por módulo
Abre cualquiera para ver sus lecciones.
- 1. Introducción: El Mundo de los AI Agents
- 2. Qué es un AI Agent (Definición Formal)
- 3. Cognitive Architecture: Perceive-Reason-Act
- 4. Taxonomía de Agentes
- 5. Agentes vs Chains vs Workflows
- 6. Landscape de Frameworks 2025-2026
- 7. Cuándo Usar (y Cuándo NO Usar) Agentes
- 8. Proyecto: Agente ReAct Básico desde Cero
- 1. Introducción: Agentes con Memoria
- 2. Short-term Memory: Conversation History
- 3. Checkpointing con MemorySaver
- 4. PostgresSaver: Persistencia Durable
- 5. Long-term Memory: Cross-Session
- 6. Time-travel Debugging
- 7. Conversation Management y Memory Patterns
- 8. Proyecto: Research Agent v3 — Memoria Persistente
- 1. Introducción: El Problema de las Herramientas a Escala
- 2. Qué es MCP (Model Context Protocol)
- 3. MCP Servers: Exponer Herramientas
- 4. MCP Clients: Consumir Herramientas
- 5. MCP en Agentes LangGraph
- 6. Ecosistema MCP y Herramientas Externas
- 7. MCP en Producción
- 8. Proyecto: Research Agent v4 — MCP Integration
- 1. Introducción: Agentes Sin Tests Son Agentes Peligrosos
- 2. Unit Testing para Agents
- 3. Integration Testing con LLM Real
- 4. Trajectory Evaluation
- 5. LangSmith para Agents
- 6. Golden Datasets y Regression Testing
- 7. Benchmarks y Métricas de Agentes
- 8. Proyecto: Research Agent v6 — Testing y Evaluation Suite
- 1. Introducción: De Prototipo a Producción
- 2. Deployment Patterns para Agentes
- 3. Scaling y Performance
- 4. Monitoring y Observability en Producción
- 5. Error Recovery y Resilience
- 6. Cost Control y Rate Limiting
- 7. Pydantic AI: Comparación Honesta
- 8. Proyecto Final: Research Agent v7 — Production Deployment
Dónde encaja
Esta guía es parte de algo más grande
Se estudia dentro de estos programas, con acompañamiento y fechas.
Dudas frecuentes
Lo que suele preguntarse
Sin límite. Es una guía gratuita: entras cuando quieras, las veces que quieras.
No. Los módulos están ordenados de menos a más, pero puedes saltar al que necesites. Tu progreso se guarda por lección.
Lo que haga falta está en «Qué necesitas traer», arriba. Si no aparece nada ahí, puedes empezar desde cero.
En el grupo de WhatsApp del Club, y cada quince días hay un live con un instructor donde se resuelven dudas en vivo.
Sí. Al terminar todas las lecciones se emite automáticamente, con un código verificable que puedes compartir en LinkedIn.
No. Esta guía es autoguiada y sin fechas. El bootcamp es en vivo, por cohorte, con entregas que alguien revisa.
Empieza cuando quieras
Lo que dicen los estudiantes
Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.
Aún no hay reseñas aprobadas.
¡Sé el primero en compartir tu experiencia!