Aplicaciones Agénticas con LangChain
Embedded Files
Aprende a diseñar, construir, evaluar y llevar a producción agentes de IA con LangChain, LangGraph y Gemini.
Aprende a diseñar, construir, evaluar y llevar a producción agentes de IA con LangChain, LangGraph y Gemini.
Un taller en vivo de 16 horas para pasar de "un chatbot que responde" a agentes que consultan documentos, operan sistemas reales, piden aprobación antes de acciones sensibles y se pueden medir antes de salir a producción.
A lo largo del curso construirás un mismo sistema: el asistente de soporte interno de una empresa ficticia, que consulta políticas, gestiona tickets y escala casos a una persona.
Lo que aprenderás
Lo que aprenderás
Decidir cuándo usar un agente: niveles de autonomía, patrones de diseño (ReAct, planificar y ejecutar, reflexión, orquestador) y modos de falla.
Construir agentes con create_agent: herramientas bien diseñadas, salida estructurada y streaming, con cualquier proveedor de modelos.
Conectar agentes a datos y sistemas: RAG como herramienta y servidores MCP (Model Context Protocol).
Controlar el ciclo del agente: middleware de aprobación humana, protección de datos personales y límites de llamadas.
Diseñar flujos con LangGraph: estado, ejecución durable, interrupciones y sistemas multiagente con supervisor.
Dar memoria a los agentes: memoria por conversación y por usuario, y agentes profundos (Deep Agents) para tareas largas.
Medir y observar: conjuntos de prueba, evaluación de respuesta y de trayectoria, LLM como juez y experimentos en LangSmith.
Llevar un agente a producción: defensa contra inyección de instrucciones, costo por conversación, opciones de despliegue y una lista de verificación de 20 puntos.
Detalles del evento
Detalles del evento
Fechas: Del 7 al 17 de diciembre.
Días: Lunes a jueves.
Horario: 6:30 pm a 8:30 pm. (CDMX)
Duración Total: 16 horas (8 sesiones de 2 horas).
Modalidad: Taller en línea con notebooks ejecutadas desde Codespaces.
Nivel: Intermedio.
Requisitos
Requisitos
Conocimientos
Conocimientos
Python intermedio: funciones, clases, tipos y uso básico de async/await.
Consumir APIs y leer JSON.
Cuentas (todas gratuitas)
Cuentas (todas gratuitas)
GitHub: para abrir el entorno del curso en GitHub Codespaces.
Google: para obtener la clave de la Gemini API en Google AI Studio. Es la única clave obligatoria.
LangSmith (recomendada): para ver las trazas de los agentes y ejecutar evaluaciones.
Equipo
Equipo
Una computadora con navegador moderno y conexión estable a internet.
No necesitas GPU ni instalar nada: todo corre en GitHub Codespaces y los modelos se usan por API.
Costos adicionales: el curso está pensado para trabajar dentro de los niveles gratuitos de la Gemini API, LangSmith y GitHub Codespaces. Los límites de cada nivel gratuito los fija cada proveedor y pueden cambiar.
Temario
Temario
- Pre-trabajo. Claves de API y secretos.
El modelo del curso (Gemini), obtener las claves de Gemini y LangSmith, guardarlas como secretos de GitHub Codespaces y verificarlas sin exponerlas.
- Fundamentos de sistemas agénticos.
Qué es un agente; el ciclo de razonar, actuar y observar construido a mano; niveles de autonomía; patrones de diseño; modos de falla.
- El ecosistema LangChain v1.
Mapa de paquetes; modelos intercambiables con una sola interfaz; salida estructurada con Pydantic; primer agente con create_agent; streaming y trazas.
- Herramientas, contexto y RAG.
Ingeniería de contexto; diseño de herramientas (nombres, descripciones, tipos, errores útiles); fragmentación, embeddings, búsqueda vectorial y reordenamiento; RAG agéntico.
- MCP y comunicación entre agentes.
Arquitectura de Model Context Protocol; conectar un agente a un sistema de tickets; escribir un servidor MCP propio; riesgos de MCP; cuándo usar A2A.
- Middleware.
6. Aprobación humana (aprobar, editar, rechazar); redacción de datos personales; límites de llamadas; middleware propio y orden de la pila.
- LangGraph.
Estado, nodos y aristas; checkpointers, interrupciones y viaje en el tiempo; ejecución durable tras fallas; supervisor con agentes especialistas y comparación de costo contra un solo agente.
- Memoria y Deep Agents.
Memoria de corto y largo plazo; memoria por usuario y derecho al olvido; agentes que planifican, escriben archivos y delegan en subagentes.
- Evaluación y observabilidad.
Conjuntos de prueba con casos típicos, límite y adversarios; evaluación de respuesta y trayectoria; LLM como juez; pruebas de regresión; experimentos en LangSmith.
- Seguridad, costos y despliegue.
Inyección indirecta de instrucciones y defensa en profundidad; costo por conversación; LangGraph Platform, contenedor propio o runtimes de nube (Gemini Enterprise Agent Platform, Amazon Bedrock AgentCore, Microsoft Foundry); lista de verificación para producción.
- Demo final integradora.
El sistema completo: RAG, MCP, grafo con clasificador, aprobación humana, memoria por usuario y prueba de regresión al cambiar de modelo.
Material incluido
Material incluido
• Ocho sesiones en vivo de 2 horas.
• Acceso a Google Classroom con las grabaciones de cada sesión, avisos y entregas.
• Repositorio público que incluye notebooks ejecutables, versiones resueltas de los ejercicios, datos de ejemplo y un servidor MCP de práctica.
• Entorno listo en GitHub Codespaces: Python 3.12 y todas las bibliotecas con versiones fijadas.
Diplomas
Diplomas
Para obtener un diploma es necesario:
Obtener al menos un 70% de promedio en las evaluaciones semanales.
Asistir al menos al 80% de las sesiones.
Pago via PayPal
Pago via PayPal
50% de descuento hasta el 25 de noviembre
Precio: US$16.25 dólares o $300 MXN (I.V.A. incluido)
Precio a partir del 26 de noviembre: US$32.50 dólares o $600 MXN (I.V.A. incluido)
Pago mediante depósito o transferencia en pesos y descuentos
Pago mediante depósito o transferencia en pesos y descuentos
Favor de contactarnos a contacto@pythonista.io en caso de:
Querer hacer el pago mediante depósito o transferencia bancaria en pesos mexicanos.
Requerir descuentos para grupos (más de 10 personas).
Formulario de registro.
Formulario de registro.
Por favor llena el formulario de registro una vez que haya realizado el pago.
Una vez verificado, se enviará una invitación via correo electrónico con los detalles del curso.
Política de reembolso.
Política de reembolso.
El asistente podrá pedir un reembolso completo hasta 24 horas antes del curso.
El asistente será reembolsado al 100% en caso de que el curso sea cancelado.
No se dará de alta al curso a menos que haya completado el formulario de registro exitosamente y el pago haya sido verificado.
En caso de dudas o comentarios pueden enviar un correo con sus datos y comprobante de pago a contacto@pythonista.io
Page updated
Report abuse