Desarrollar agentes de IA inteligentes con OpenAI

Resumen

This course teaches you how to build AI agents that can remember, retrieve, and reason using OpenAI’s advanced memory and retrieval capabilities. You will learn how modern intelligent systems store context, embed knowledge, summarize conversations, and access relevant information through Retrieval-Augmented Generation (RAG).

These skills form the core of powerful enterprise-grade AI agents capable of long-term coherence, personalized responses, and deep contextual understanding. Through hands-on lessons and guided demos, you’ll explore how to design short-term and long-term memory pipelines, implement embedding-based vector search, integrate document retrieval, and connect multi-agent workflows using the Model Context Protocol (MCP).

You will learn how to combine memory, knowledge retrieval, and reasoning to build agents that are scalable, accurate, and aligned with real-world use cases. By the end of this course, you will be able to:

- Explain how memory systems, embeddings, and RAG enhance agent intelligence and long-term contextual reasoning. - Implement short-term and long-term memory pipelines, including session memories, summarization, and vector storage. - Generate and use embeddings to power semantic search, document retrieval, and hybrid knowledge workflows. - Build agents that combine retrieval and reasoning, integrating RAG into core decision-making - Use MCP context fields to connect multiple agents, enabling shared memory and collaborative task execution. - Evaluate memory quality, retrieval relevance, and hallucination risks using best-practice metrics.

This course is ideal for AI developers, data engineers, software professionals, and technical decision-makers who want to build context-aware, retrieval-driven, and memory-enabled AI agents for production use. A basic understanding of Python, APIs, and foundational AI prompting concepts is recommended.

Join us to master the essential building blocks of intelligent agents—and create systems that truly understand, recall, and reason.

Programa

• Sistemas de Memoria y Esenciales del Conocimiento
Este módulo establece la comprensión fundamental de cómo la memoria mejora la inteligencia y adaptabilidad de los agentes de IA. Los estudiantes explorarán arquitecturas de memoria a corto plazo, a largo plazo y resumidas, y las implementarán utilizando AgentKit. A través de ejercicios prácticos, diseñarás agentes capaces de almacenar, recordar y resumir información contextual para permitir la continuidad y el razonamiento a lo largo de las sesiones.
• Recuperación de Conocimiento y Razonamiento Aumentado
Este módulo se centra en capacitar a los agentes de IA con generación aumentada por recuperación (RAG) y el intercambio de contexto interoperable a través del Protocolo de Contexto del Modelo (MCP). Los estudiantes obtendrán experiencia práctica en la generación de embeddings, gestión de bases de datos vectoriales y creación de sistemas híbridos que combinan memoria y recuperación. El módulo culmina en la conexión de canalizaciones RAG con MCP para una inteligencia dinámica y basada en el conocimiento del agente.
• Comunicación y Colaboración Agéntica
Este módulo profundiza en el diseño e implementación de sistemas de comunicación multi-agente. Los estudiantes explorarán Protocolos de Comunicación de Agente a Agente (A2A) y Protocolos de Comunicación Agéntica (ACP) basados en MCP para permitir una colaboración estructurada entre agentes. A través de proyectos guiados, desarrollarás agentes especializados que intercambian datos, coordinan razonamientos y despliegan sistemas integrados y basados en el conocimiento para la resolución colectiva de problemas.

---

Impartido por

Edureka

---

Materias

Artificial Intelligence