AI Agents The Definitive Guide
Nicole Koenigstein
- Editorial
- O'Reilly
- Año
- 2026
- Páginas
- ~602
- Nivel
- Intermedio
De qué trata
Manual exhaustivo y de referencia avanzada escrito por Nicole Koenigstein que sitúa el desarrollo de agentes de inteligencia artificial en el terreno riguroso de la ingeniería de software y la fiabilidad de producción. Está dirigido a ingenieros de software sénior, ingenieros de aprendizaje automático (MLEs) y arquitectos de plataformas de IA con experiencia en Python y sistemas en la nube, cuyo objetivo sea superar las fragilidades habituales de los prototipos iniciales (alucinaciones, fallos en la invocación de herramientas, costes de inferencia descontrolados y brechas de seguridad) para poner en marcha agentes estables en entornos reales.
El texto expone patrones de arquitectura y planificación avanzados como ReAct, Reflexion, árboles de pensamiento (Tree-of-Thoughts) y flujos dirigidos por grafos de estado con LangGraph. En el plano de la optimización y sistemas, analiza técnicas de cómputo en inferencia (test-time compute), búsqueda, inferencia consciente de hardware y GPU, y contratos de API estrictos con entornos de aislamiento (sandboxing) para evitar ataques por inyección de prompts. También cubre el diseño de memorias de estado persistentes, tuberías de evaluación y benchmarking para evitar el agent-washing, observabilidad integral y despliegues elásticos sobre infraestructuras distribuidas basadas en clústeres con Kubernetes y Ray.
El recorrido formativo plantea la implementación de una canalización integral de evaluación para agentes con métricas de seguridad y rendimiento previas al paso a producción, así como el diseño de una arquitectura distribuida tolerante a fallos con mecanismos de respaldo (fallbacks) y ejecución aislada de código. Destaca por su enfoque holístico y pragmático de ingeniería de confiabilidad (SRE aplicada a agentes), distanciándose de guías introductorias que se quedan en scripts simples. Deja fuera la teoría matemática sobre el entrenamiento previo de redes neuronales, concentrándose de lleno en la ingeniería de sistemas, la robustez operativa y la escalabilidad técnica.
- Agentes de IA
- LangGraph
- Producción
- ReAct
- Reflexion
- Sandboxing
- Kubernetes
- Ray
- Evaluación de agentes
- Seguridad en LLMs
- Test-time compute
¿Cómo enseña?
Teoría + práctica
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Pipeline continuo de evaluación y benchmarking para agentes
Marco de evaluación automatizado que mide cuantitativamente la precisión en el uso de herramientas, la fidelidad de razonamiento y la resistencia frente a inyecciones de prompts en entornos de preproducción.
Arquitectura distribuida de agentes tolerante a fallos
Infraestructura multiagente escalable desplegada sobre clústeres de Ray y Kubernetes que incorpora sandboxing seguro para ejecución de herramientas y degradación elegante ante errores.
