Fundamentos de Agentes de IA de LangChain

Resumen

This course provides a comprehensive overview of building intelligent agentic applications using LangChain. Participants will learn to create simple LangChain applications and explore structured outputs.

The curriculum progresses through multi-step workflows, transitioning from LLM calls to developing agents, and covers essential agentic design patterns. Key concepts include extending agents with tools, managing functions, and understanding state management within LangGraph.

Students will also implement short-term agent memory techniques and complete a hands-on project:

building a report-generating agent.

Programa

• Introducción y configuración del curso
Preséntate al curso, conoce a tus instructores y aprende a configurar y usar tu clave API de Vocareum OpenAI y el presupuesto asignado para actividades prácticas.
• Creación de una aplicación sencilla de LangChain
Aprende a construir una aplicación sencilla de LangChain: integra LLMs, gestiona el historial de chat, utiliza plantillas de prompts y aplica técnicas de few-shot prompting para crear chatbots personalizables con memoria.
• Salidas estructuradas
Descubre salidas estructuradas en la IA: transforma respuestas en JSON accionables para integración. Utiliza esquemas, analizadores y llamadas a funciones para mejorar la fiabilidad y automatización en flujos de trabajo.
• Salidas estructuradas de LangChain
Aprende a analizar y estructurar las salidas de LLM en LangChain usando parsers de salida, modelos TypedDict, Pydantic y corrección automática de errores para flujos de trabajo robustos.
• Flujos de trabajo de varios pasos en LangChain
Aprende a construir flujos de trabajo de IA flexibles y de varios pasos en LangChain utilizando Runnables y LCEL para componer, agrupar y gestionar cadenas complejas con facilidad y escalabilidad.
• De llamadas LLM a agentes
Explora cómo la IA evoluciona de llamadas básicas a LLM a agentes totalmente autónomos, aprende marcos de agentes, aplicaciones y cómo diseñar flujos de trabajo efectivos impulsados por agentes.
• Patrones de diseño agénticos
Descubre cuatro patrones clave de diseño agéntico: reflexión, uso de herramientas, planificación y colaboración multiagente, para mejorar el rendimiento y la fiabilidad de los LLM en tareas complejas.
• Extensión de agentes con herramientas
Extiende agentes de IA más allá del texto con integraciones de herramientas, permitiendo acciones en tiempo real confiables y acceso a datos.
• Funciones como herramientas en LangChain
Aprende cómo encapsular funciones de Python como herramientas en LangChain, permitiendo que los LLM llamen funciones, interactúen con APIs y manejen cálculos externos en flujos de trabajo de IA.
• Flujos de trabajo agénticos con LangGraph
Aprende a construir flujos de trabajo dinámicos impulsados por agentes usando LangGraph, aprovechando nodos, bordes y rutas para el control y automatización modular y adaptativa de aplicaciones.
• Gestión de estado de agentes
Explora la gestión del estado del agente con máquinas de estados. Aprende cómo los agentes rastrean la entrada del usuario, instrucciones y uso de herramientas para flujos de trabajo complejos, asegurando adaptabilidad y fiabilidad.
• Gestión de estado en LangGraph
Aprende la gestión estructurada del estado en LangGraph para flujos de trabajo de IA robustos, con enfoque en TypedDicts, reducers, enrutamiento, manejadores, persistencia y diseño práctico de agentes de múltiples turnos.
• Memoria a corto plazo de agentes
Explora la memoria a corto plazo en agentes de IA, mejorando la coherencia mediante estrategias de estado, efímera y memoria efímera para una retención de contexto eficiente en sesiones activas.
• Memoria de agentes en LangGraph
Aprende cómo LangGraph utiliza checkpoints e hilos para la memoria de agentes, permitiendo conversaciones persistentes, aisladas y personalizables con instantáneas, viajes en el tiempo y asistencia personalizada.
• Proyecto: Agente de creación de informes
Construye un sistema de procesamiento de documentos usando LangChain/LangGraph. Crearás un asistente de IA que responde preguntas, resume documentos y realiza cálculos sobre documentos financieros y de salud.

---

Impartido por

Henrique Santana and Gerald Parker

---

Materias

Computer Science