Formación Creando agentes de IA con LangChain y LangGraph

Paso a paso

1. 1 Fundamentos de RAG con LangChain

   En este primer paso, aprendes las bases necesarias para crear agentes inteligentes capaces de utilizar contexto relevante en sus respuestas. Aquí es donde construimos el cimiento de la formación, comprendiendo cómo funcionan las técnicas de recuperación de información, cómo crear embeddings, cómo realizar el preprocesamiento de datos y cómo integrar modelos generativos con LangChain.

   Aprenderás a crear un chatbot con RAG, configurar pipelines de ETL y desarrollar estrategias para reducir las alucinaciones utilizando información confiable. También verás en la práctica cómo conectar LangChain con Google Generative AI. Después de este paso, estarás listo para construir sistemas de respuesta contextualizados y bien estructurados.

   • 

     CURSO

     Arquitecturas RAG con LLMs: embeddings, búsqueda semántica y creación de agentes con LangChain

     08h

     Faça esse curso e:

     • Explora los fundamentos de los Large Language Models y comprende el papel de la arquitectura Transformer en sistemas generativos.
     • Analiza el problema de las alucinaciones en LLMs y evalúa estrategias para la integración de conocimiento externo.
     • Compara enfoques de personalización de LLMs, como fine-tuning y Retrieval-Augmented Generation.
     • Transforma textos y documentos en embeddings para viabilizar búsquedas basadas en similitud semántica.
     • Aplica métricas de similitud, como la similitud de coseno, para la recuperación de información por significado.
     • Procesa documentos extensos utilizando técnicas de chunking, overlapping y uso de metadatos.
     • Implementa pipelines de RAG para la recuperación y generación de respuestas a partir de documentos estructurados y no estructurados.
     • Utiliza vector stores como FAISS y ChromaDB para el almacenamiento e indexación eficiente de embeddings.
     • Construye agentes conversacionales basados en RAG con el uso de LangChain.
     • Integra técnicas de re-rank para mejorar la relevancia de las respuestas recuperadas.

     Más detalles

2. 2 Técnicas Avanzadas de RAG con LangChain

   Después de dominar los fundamentos, avanzas hacia técnicas más robustas que permiten elevar la calidad de tus sistemas de recuperación. En este paso, aprenderás a configurar entornos aislados, crear embeddings más eficientes, almacenar y consultar datos en bases de datos vectoriales y perfeccionar la forma en que se estructuran las consultas.

   También explorarás ajustes avanzados de prompts, métodos para mejorar consultas complejas y herramientas de monitorización como LangSmith y QA Eval. Esta etapa profundiza tus conocimientos en flujos de recuperación aumentada y prepara el terreno para la construcción de agentes más sofisticados.

   • 

     CURSO

     LangChain: tecnicas avanzadas de RAG

     10h

     Faça esse curso e:

     • Comprende los fundamentos y la aplicación de pipelines de recuperación aumentada.
     • Configura entornos de desarrollo aislados con virtualenv y Jupyter Notebook.
     • Explora la integración con modelos de lenguaje utilizando LangChain y técnicas de chunking.
     • Implementa estrategias para crear embeddings de texto y almacenar datos en bases de datos vectoriales.
     • Ajusta prompts y reestructura consultas con métodos avanzados de recuperación.
     • Monitorea y evalúa el desempeño de las pipelines con herramientas como LangSmith.

     Más detalles

3. 3 Creación de Agentes y Multiagentes con LangGraph

   En este paso de la formación, el foco está en evolucionar la construcción de agentes hacia escenarios más dinámicos, donde las decisiones, la ejecución de acciones externas y la coordinación de flujos pasan a formar parte del sistema. Explorarás el ciclo de pensamiento y acción, definirás estructuras con nodos y caminos condicionales y trabajarás con la gestión de estado utilizando SQLite.

   Además, se abordarán aplicaciones prácticas conectadas al día a día, como el web scraping, análisis y automatizaciones con herramientas como Selenium y BeautifulSoup. Al concluir este paso, tendrás la base para integrar LangChain y LangGraph en la creación de sistemas de agentes y multiagentes más estructurados, ampliando las posibilidades de aplicación en contextos reales.

   • 

     CURSO

     LangGraph: Orquestación de agentes y multiagentes

     10h

     Faça esse curso e:

     • Desarrolla agentes inteligentes que integren pensamiento y acción.
     • Automatiza interacciones en sistemas de chat y procesos de recolección de datos.
     • Implementa estrategias de ciclo de pensamiento y acción utilizando flujos de control.
     • Crea grafos de decisión con nodos y aristas condicionales para orientar elecciones.
     • Configura el almacenamiento seguro de API Keys y la gestión de estados con SQLite.
     • Integra técnicas de web scraping con Selenium y BeautifulSoup para el análisis de datos.

     Más detalles

4. 4 Protocolos y Arquitectura para Sistemas de Agentes

   En este paso, profundizarás tus conocimientos en la construcción de sistemas de agentes más robustos, explorando los principales protocolos y patrones arquitectónicos utilizados en aplicaciones modernas. Aprenderás cómo los agentes se comunican entre sí, con herramientas y con interfaces de usuario, utilizando protocolos como MCP,A2A y AG-UI.

   Asimismo, se presentará el patrón Backend for Agents (BFA), que permite organizar la lógica de negocio, desacoplar integraciones y estructurar sistemas escalables y reutilizables. A lo largo de este paso, también implementarás arquitecturas multiagente, construirás servicios con FastAPI, integrarás herramientas externas y desarrollarás interfaces interactivas en tiempo real.

   Al final, serás capaz de diseñar e implementar sistemas completos de agentes, combinando LangChain y LangGraph con buenas prácticas de arquitectura, comunicación y orquestación para escenarios reales.

   • 

     CURSO

     Protocolos y arquitectura para la creación de agentes: MCP, A2A, AG-UI y Backend for Agents (BFA)

     12h

     Faça esse curso e:

     • Diseña arquitecturas de agentes de IA utilizando protocolos como MCP, A2A y AG-UI para la comunicación e integración entre sistemas.
     • Implementa una capa de Backend para Agentes (BFA) para desacoplar la lógica de negocio, promover la reutilización y organizar flujos complejos.
     • Crea sistemas multiagente con orquestación, enrutamiento de intenciones e integración entre diferentes agentes especializados.
     • Desarrolla servicios de backend con FastAPI y FastMCP, utilizando estándares como JSON-RPC y API HTTP para la comunicación distribuida.
     • Crea interfaces interactivas con React y Streamlit, explorando la comunicación en tiempo real basada en eventos con AG-UI.
     • Integra agentes con herramientas externas, bases de datos y API utilizando enfoques modernos como RAG y catálogos de agentes.
     • Gestiona y escala aplicaciones con Docker Compose, garantizando el aislamiento, la observabilidad y el despliegue eficiente de múltiples servicios.

     Más detalles

5. 5 Proyecto práctico: Creando agentes con LangChain y LangGraph

   En este paso final, aplicarás de forma integrada todo lo aprendido a lo largo de la formación para desarrollar un proyecto completo de Agentic AI. El objetivo es construir un sistema funcional que combine la recuperación aumentada de información, flujos de decisión y la orquestación de agentes utilizando LangChain y LangGraph.

   • 

     CURSO

     Proyecto de Agentes Inteligentes: desarrollo con LangChain, LangGraph y LangSmith

     06h

     Faça esse curso e:

     • Estructura un proyecto de agente de IA en Python integrando modelos de lenguaje.
     • Crea flujos de trabajo con LangChain para automatizar las interacciones con los modelos de lenguaje.
     • Implementa la recuperación de conocimiento (RAG) y úsala como herramienta para el agente.
     • Crea agentes capaces de decidir cuándo usar herramientas externas con LangGraph.
     • Añade memoria y estado persistente para mantener el contexto de la conversación.
     • Ajusta las indicaciones y controla el comportamiento del agente.
     • Supervisa las ejecuciones, realiza un seguimiento de las llamadas y analiza los costes con LangSmith.

     Más detalles