AI Agents in Practice

Guía práctica elaborada por Valentina Alto que orienta la transición desde aplicaciones básicas de chat y prompts aislados hacia sistemas autónomos de IA y arquitecturas multiagente orientadas a entornos de producción. Está dirigida a desarrolladores de software, científicos de datos y arquitectos de soluciones de nivel intermedio con conocimientos prácticos de Python y conceptos fundamentales de procesamiento de lenguaje natural y LLMs, que necesitan estructurar soluciones con agentes para resolver casos de negocio reales.

El libro detalla los pilares constitutivos de un agente autónomo: motores de orquestación, administración de memoria a corto y largo plazo, gestión de contexto e integración con APIs y herramientas externas. La autora utiliza el ecosistema de LangChain para construir agentes individuales y se adentra en el diseño de arquitecturas multiagente, comparando patrones de colaboración y herramientas como LangGraph y AutoGen. Asimismo, dedica atención primordial a la IA responsable, abordando mecanismos de supervisión humana (human-in-the-loop), auditoría, monitorización de comportamiento y diseño de barreras de seguridad y control de costes.

La práctica se concreta en el desarrollo de un agente funcional para comercio electrónico que gestiona consultas de catálogo y tareas operativas, así como en la estructuración de un sistema multiagente donde varias entidades coordinadas resuelven procesos complejos bajo supervisión humana. Su fortaleza radica en ofrecer una visión clara, didáctica y estructurada de los elementos que componen un agente empresarial; deja fuera la optimización de latencia en bajo nivel y el autoalojamiento de modelos masivos en clústeres propios. Es conveniente contar con claves de API para servicios de LLMs (como OpenAI) para ejecutar el código de los ejemplos.