This course guides learners through the essentials of implementing intelligent agents using LangGraph. Learners will explore external tools and APIs, and learn how to integrate them effectively within their agents.
Key lessons include interacting with databases and implementing LangGraph Database Agents for efficient data retrieval. The course covers advanced topics like Retrieval Augmented Generation, incorporating human-in-the-loop strategies, and ensuring agent observability and reliability.
Finally, learners will apply these concepts in a hands-on project, designing an Energy Advisor agent, which synthesizes their knowledge into a practical application.
- Introducción
Conoce a tu instructor y obtén una visión general del curso sobre la construcción de sistemas agénticos en LangGraph.
- Herramientas Externas y APIs
Explora el uso de APIs externas para obtener datos en tiempo real, acciones dinámicas y autenticar agentes. Descubre MCP, un protocolo que estandariza la interoperabilidad y seguridad de herramientas de IA.
- Integración de Herramientas Externas y APIs con LangChain
Aprende a integrar APIs externas como herramientas en LangChain a través de LangGraph, permitiendo a los agentes obtener datos en tiempo real y enriquecer las respuestas de LLM usando flujos de trabajo estructurados y lógica de enrutamiento.
- Interacción con Bases de Datos
Equipar a los agentes para acceder y modificar datos estructurados usando SQL para la interacción y bases de datos vectoriales para tareas semánticas, asegurando una integración sin problemas con sistemas privados.
- Agentes de Base de Datos de LangGraph
Aprende a construir agentes de base de datos de LangGraph que usan IA para convertir lenguaje natural en consultas SQL, permitiendo a los usuarios consultar bases de datos conversacionalmente sin escribir SQL.
- Generación Aumentada por Recuperación Agéntica
Descubre RAG Agéntica: Mejora RAG habilitando reflexión, reformulación de consultas y adaptación inteligente para respuestas matizadas. Domina la recuperación, razonamiento y bucles de reintento.
- Generación Aumentada por Recuperación de un Solo Agente en LangGraph
Explora la Generación Aumentada por Recuperación de un solo agente en LangGraph, agregando toma de decisiones agéntica para búsquedas dinámicas web y respuestas de IA mejor fundamentadas en el conocimiento.
- Humano en el Bucle y Observabilidad
Explora técnicas de humano en el bucle y observabilidad para monitorear, depurar y optimizar agentes de IA, asegurando supervisión, transparencia y rendimiento confiable a escala.
- Observabilidad de Agentes en LangGraph
Aprende cómo usar MLflow con LangGraph y LangChain para rastrear, registrar e inspeccionar cada paso de los flujos de trabajo de los agentes, permitiendo una mejor depuración, transparencia y observabilidad.
- Agentes de LangGraph con Humano en el Bucle
Explora cómo agregar aprobaciones o ediciones humanas en puntos clave de los flujos de trabajo de los agentes de LangGraph, mejorando la seguridad y el control con técnicas de humano en el bucle.
- Confiabilidad y Evaluación de Agentes
Descubre cómo construir agentes de IA confiables definiendo métricas de éxito, evaluación efectiva, monitoreo continuo y aplicando mejores prácticas para confiabilidad e impacto en el mundo real.
- Evaluación de Agentes de LangGraph
Aprende a construir, evaluar y comparar pipelines de RAG y flujos de trabajo de agentes de LangGraph usando RAGAS y MLflow para la evaluación de calidad y corrección.
- Proyecto: Asesor de Energía
En este proyecto, construirás un agente de IA con LangChain para optimizar el uso de energía de EcoHome, integrando APIs, una base de datos y búsqueda vectorial, con orquestación y evaluación de LangGraph.
