Construyendo Sistemas Multi-Agente utilizando LangGraph y Autogen

Resumen

This course introduces the essentials of multi-agent AI systems using LangGraph and Autogen, combining architectural understanding with hands-on development of intelligent, collaborative agents. Designed to give you both conceptual foundations and practical experience, it explores how agent-based systems are redefining automation, decision-making, and AI-powered problem-solving.

Through guided lessons and coding demonstrations, you’ll learn how to construct multiple AI agents that communicate, plan, and execute tasks autonomously. You will work with LangGraph to structure agent workflows and use Autogen to enable dynamic interaction between agents.

The course covers key topics such as agent communication, reasoning loops, task decomposition, and coordination for real-world applications like research, analysis, and workflow management. By the end of this course, you will be able to:

• Understand the architecture, behavior, and lifecycle of multi-agent systems. • Build intelligent agents using LangGraph and Autogen for collaborative problem-solving. • Implement reasoning and communication strategies for effective task orchestration. • Evaluate and optimize multi-agent performance for scalability and reliability.

This course is ideal for developers, data scientists, and AI practitioners who want to learn how to design and deploy intelligent multi-agent systems that can perform complex workflows autonomously. A basic understanding of Python programming and familiarity with machine learning or AI concepts will be helpful, but no prior experience with LangGraph or Autogen is required.

Join us to explore the future of autonomous AI systems and learn how to build, coordinate, and optimize agents that think, collaborate, and act intelligently.

Programa

• Datos en Tiempo Real y Herramientas Avanzadas
Este módulo explora cómo los datos en tiempo real y las herramientas avanzadas capacitan a los agentes autónomos para tomar decisiones financieras dinámicas. Aprenderás a integrar fuentes de datos en vivo, validar entradas y construir conjuntos de herramientas múltiples para razonamientos complejos. Finalmente, aplicarás técnicas RAG para indexar, consultar y analizar datos financieros en tiempo real.
• Colaboración y Toma de Decisiones Multiagente
Este módulo se adentra en la colaboración multiagente, donde agentes especializados trabajan juntos para analizar datos y tomar decisiones informadas. Diseñarás roles de agentes coordinados y protocolos de comunicación para un trabajo en equipo fluido. El módulo culmina en la construcción de un flujo de trabajo colaborativo completo que genera señales de trading y equilibra el riesgo de inversión.
• Seguridad, Audibilidad y Despliegue
Este módulo se centra en la construcción de sistemas de agentes de IA seguros, auditables y escalables para el despliegue en el mundo real. Implementarás medidas de protección, registro y sistemas de seguridad para garantizar una ejecución financiera responsable. Finalmente, empaquetarás, desplegarás y escalarás tu sistema de trading multiagente usando infraestructura lista para producción.
• Cierre del Curso y Evaluación
Este módulo ofrece a los aprendices la oportunidad de sintetizar su conocimiento y demostrar dominio de los flujos de trabajo de IA de agente único. Los aprendices revisarán conceptos clave de sistemas multiagente, MCP y la orquestación de LangGraph. Completarán evaluaciones calificadas, incluyendo ejercicios basados en escenarios y verificaciones de conocimiento al final del curso, para aplicar su comprensión en contextos prácticos. Al final de este módulo, los aprendices podrán diseñar, implementar y evaluar con confianza un agente de IA único completamente funcional capaz de razonar, utilizar herramientas y ejecutar tareas fundamentadas.

Impartido por

Edureka

Materias

Artificial Intelligence