Construcción de Agentes

Resumen

Build robust AI agents. Integrate tools via function calling, generate structured outputs with Pydantic, manage agent state, and utilize short-term and long-term memory.

Create data-driven agents that interact with external APIs, search the web, query SQL databases, and perform agentic RAG for dynamic retrieval. Learn to evaluate agent performance for reliable, real-world applications.

Programa

• Introducción a la Creación de Agentes
Conozca a los instructores del curso, configure los recursos de OpenAI y obtenga una visión general del curso.
• Extensión de Agentes con Herramientas
Extienda los agentes de IA más allá del texto con integraciones de herramientas, permitiendo acciones fiables en tiempo real y acceso a datos.
• Creación de Agentes con Herramientas en Python
Desarrolle agentes de IA en Python utilizando herramientas con el SDK de OpenAI. Interactúe a través de modelos de lenguaje, construya herramientas que mejoren la funcionalidad y realice pruebas mediante ejercicios aumentados con herramientas.
• Salidas Estructuradas
Descubra las salidas estructuradas en IA: transforme respuestas en JSON procesable para la integración. Utilice esquemas, analizadores y llamadas a funciones para mejorar la fiabilidad y la automatización en los flujos de trabajo.
• Implementación de Salidas Estructuradas con Pydantic
Domine las salidas estructuradas con Pydantic y el SDK de OpenAI para LLMs. Aprenda a analizar, validar tipos y crear respuestas validadas de agentes de IA en formato JSON.
• Gestión de Estado del Agente
Explore la gestión de estado del agente con máquinas de estado. Aprenda cómo los agentes realizan un seguimiento de la entrada del usuario, instrucciones y uso de herramientas para flujos de trabajo complejos, asegurando adaptabilidad y fiabilidad.
• Implementación de Estado del Agente con Python
Domine las máquinas de estado de Python: configure el entorno, defina esquemas, gestione transiciones y ejecute flujos de trabajo. Explore rutas avanzadas y bucles para flujos de trabajo dinámicos.
• Memoria a Corto Plazo del Agente
Explore la memoria a corto plazo en agentes de IA, mejorando la coherencia mediante estrategias de estado, memoria efímera y memoria efímera para una retención eficiente del contexto en sesiones activas.
• Añadiendo Memoria al Agente con Python
Aprenda a implementar memoria a corto plazo en Python para interacciones coherentes con IA a través de un ChatBot con personalidades, permitiendo la continuidad de la sesión y respuestas dinámicas.
• Herramientas Externas y APIs
Explore el uso de APIs externas para datos en tiempo real, acciones dinámicas y autenticar agentes. Descubra MCP, un protocolo que estandariza la interoperabilidad de herramientas de IA y su seguridad.
• Integración de Herramientas Externas y APIs con OpenAI y Python
Explore el uso de OpenAI y Python para integrar APIs externas, hacer solicitudes GET/POST/PUT, gestionar claves de API, y crear agentes para interacciones de datos en tiempo real.
• Agentes de Búsqueda Web
Equipe a los agentes para buscar información en tiempo real y no estructurada en la web. Fundamente las respuestas en evidencia usando APIs, maneje el ruido y evite la alucinación para obtener respuestas creíbles.
• Creación de Agentes de Búsqueda Web con Python
Construya un agente de búsqueda web usando Python, API de Tavily, para integrar datos web en tiempo real, analizar resultados y mejorar la efectividad de los modelos de lenguaje.
• Interacción con Bases de Datos
Equipe a los agentes para acceder y modificar datos estructurados utilizando SQL para la interacción y bases de datos vectoriales para tareas semánticas, asegurando una integración fluida con sistemas privados.
• Creación de Agentes de Bases de Datos en Python
Convierta lenguaje natural a SQL usando SQLAlchemy, SQLite y el agente text2SQL para interactuar con bases de datos de manera eficiente mediante ejemplos reales y aplicaciones prácticas.
• Generación de Recuperación Aumentada con Agentes
Descubra Agentic RAG: Mejore RAG habilitando la reflexión, reformulación de consultas y adaptación inteligente para respuestas matizadas. Domine la recuperación, el razonamiento y bucles de reintentos.
• Agentic RAG con Python y ChromaDB
Explore Agentic RAG en Python usando ChromaDB, integrando IA con la generación aumentada por recuperación para la recuperación y el procesamiento inteligente de documentos con incrustaciones de OpenAI.
• Memoria a Largo Plazo del Agente
Explore la memoria a largo plazo del agente: comprenda las memorias semántica, episódica y procedural. Aprenda estrategias de almacenamiento y mejores prácticas para interacciones personalizadas y coherentes.
• Manteniendo Memoria a Largo Plazo del Agente en Python
Implemente memoria a largo plazo en agentes Python usando bases de datos vectoriales para mejorar la interacción con el usuario, la persistencia de sesiones y respuestas personalizadas.
• Evaluación del Agente
Guías de evaluación del agente para evaluar la finalización de tareas del agente, calidad, uso de herramientas y métricas del sistema utilizando estrategias de respuesta, paso o trayectoria para asegurar operaciones fiables y eficientes.
• Evaluación de Agentes con Python
Evalúe agentes basados en Python configurando entornos, creando herramientas, diseñando casos de prueba y utilizando métodos de evaluación variados para mejorar el rendimiento y el diseño.
• Conclusión del Curso
¡Felicitaciones por completar el curso!
• UdaPlay - Un Agente de Investigación de IA para la Industria de los Videojuegos
En este proyecto, los estudiantes construirán un Agente de Investigación de IA con estado diseñado para explorar la industria de los videojuegos.

---

Impartido por

Henrique Santana

---

Materias

Computer Science