Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Repaso de los conceptos fundamentales de AutoGen
- Definiciones de agentes y grupos
- Llamadas de funciones y encadenamiento por roles
- Limitaciones de los agentes integrados y los casos que requieren personalización
Construcción de agentes personalizados con Python
- Definición del comportamiento del agente mediante subclases user_proxy y AssistantAgent
- Inserción de lógica y toma de decisiones específicas por rol
- Creación de módulos y mezclas (mixins) reutilizables de agentes
Integración avanzada de herramientas y enrutamiento
- Registro, enlace e invocación de herramientas
- Enrutamiento condicional de entradas a herramientas específicas
- Gestión de cadenas multietapa de herramientas y acciones compuestas
Gestión de planificación y contexto
- Diseño de descomponedores de tareas y planificadores intermedios
- Mantenimiento del contexto entre agentes encadenados
- Implementación de memoria acotada para sesiones prolongadas
Mecanismos de manejo de errores y recuperación
- Detección y gestión de interacciones fallidas o incompletas
- Reintentos iniciados por el agente y lógica de respaldo
- Registro (logging), depuración y validación de respuestas
Colaboración multiagente con roles personalizados
- Coordinación de especialistas dentro de grupos dinámicos de agentes
- Orquestación de bucles de razonamiento y flujos de trabajo cooperativos
- Separación frente a mezcla de roles en la asignación de tareas
Estrategias de implementación en entornos reales
- Optimización del rendimiento y los costes (uso de tokens, caché)
- Incorporación de flujos de trabajo AutoGen en aplicaciones web o pipelines
- Seguridad, observabilidad e integración con retroalimentación del usuario
Resumen y próximos pasos
Requerimientos
- Dominio de la programación en Python
- Experiencia en el desarrollo de aplicaciones basadas en LLM
- Conocimiento sobre llamadas de funciones y diseño de sistemas multiagente
Público objetivo
- Desarrolladores senior
- Ingenieros de plataforma
- Arquitectos de inteligencia artificial
14 Horas
Testimonios (1)
Me gustó que constantemente proporcionara ejemplos, pero también ofreciera tiempo para el trabajo individual sobre lo que presentaba.
Iacob Giorgel
Curso - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Traducción Automática