Desplegando Agentes de IA: LLMs, LangGraph y APIs de Producción

Resumen

"Take your AI agent skills into production with this hands-on course on building, validating, and deploying LLM-powered agents using LangGraph, LangChain, Pydantic-AI, Mem0, CrewAI, Agno, and FastAPI. You’ll learn to turn prototypes into reliable, enterprise-grade agent systems.

Module 1 covers integrating LLMs (OpenAI, Anthropic) into LangGraph reasoning pipelines, designing nodes, control flow, token management, and iterative workflow testing. Module 2 focuses on schema enforcement with Pydantic-AI, structured outputs, and building a Business Workflow Assistant with validated, reliable I/O.

Module 3 guides you through full deployment — FastAPI backends, persistent memory with Mem0 and vector stores, and orchestration with Agno and CrewAI in production. Module 4 teaches evaluation:

metrics, logging, load testing, benchmarking, and comparing LangGraph, CrewAI, and Agno for enterprise-scale deployment.

By the end of this course, you will:

- Integrate LLMs into modular LangGraph reasoning pipelines - Validate agent I/O using Pydantic-AI schemas for reliable outputs - Deploy agents via FastAPI with Mem0 and vector-store persistence - Evaluate and benchmark frameworks to justify production choices"

Programa

• Fundamentos de la Colaboración Multi-Agente
Este módulo de 4 horas introduce a los estudiantes en la transición de sistemas de un solo agente a sistemas colaborativos multi-agente, enfatizando la dinámica de trabajo en equipo, estrategias de comunicación y razonamiento distribuido.
• Diseño de Flujos de Trabajo Multi-Agente Basados en Roles
En este módulo de 4 horas, los estudiantes diseñan y simulan un flujo de trabajo funcional basado en roles, demostrando colaboración estructurada entre múltiples agentes utilizando herramientas de orquestación de CrewAI.
• Memoria Compartida y Coordinación de Contexto
Este módulo de 4 horas explora la integración de memoria compartida en sistemas multi-agente, enfocándose en la continuidad del contexto, la eficiencia de la comunicación y estrategias de optimización de la memoria utilizando Mem0.
• Orquestación y Evaluación de Sistemas Multi-Agente
En este último módulo de 4 horas, los estudiantes orquestan la colaboración multi-agente usando Agno, simulan un flujo de trabajo de Soporte al Cliente en situaciones reales y llevan a cabo evaluaciones comparativas de los principales marcos de trabajo.

---

Impartido por

Board Infinity

---

Materias

Artificial Intelligence