
Building Applications with AI Agents
Michael Albada
- Editorial
- O'Reilly
- Año
- 2025
- Páginas
- ~559
- Nivel
- Intermedio
De qué trata
Extensa obra de ingeniería de software de más de 550 páginas escrita por Michael Albada (Principal Applied Scientist en Microsoft) y publicada por O'Reilly en 2025, centrada en el diseño y construcción de sistemas agenticos complejos individuales y multi-agente con modelos fundacionales modernos. Está destinada a ingenieros de software sénior, ingenieros de machine learning y científicos de datos aplicados que ya cuentan con amplia experiencia en Python y desarrollo backend, y buscan patrones arquitectónicos formales para construir aplicaciones autónomas fiables más allá de simples chatbots o cadenas de prompts.
El texto analiza con minuciosidad los pilares de la ingeniería agentica: el uso y diseño de habilidades (skills) y function calling, diseño de experiencia de usuario (UX) para sistemas autónomos, patrones de orquestación basados en cadenas, árboles y grafos, y persistencia de memoria contextual. Presenta y compara implementaciones en frameworks líderes como LangGraph, AutoGen y CrewAI, y profundiza en aspectos críticos de producción a menudo desatendidos: marcos de validación y medición sistemática del rendimiento de agentes, observabilidad distribuida mediante OpenTelemetry, Grafana Tempo y Loki, bucles de retroalimentación para aprendizaje continuo y barreras de seguridad (guardrails) contra inyecciones de prompts y ejecuciones no seguras.
En el plano práctico, respaldado por su repositorio de código abierto complementario, el lector desarrolla una arquitectura multi-agente completa con especificaciones agnósticas de framework, comparando flujos de trabajo en LangGraph y AutoGen con instrumentación completa de trazas y suites de pruebas automatizadas. El principal aporte del libro es su rigor metodológico y su enfoque de sistemas distribuidos, tratando a los agentes como componentes de software que requieren pruebas, métricas y observabilidad estricta. Quedan fuera las explicaciones introductorias sobre cómo programar en Python o los principios básicos del deep learning. Es indispensable contar con sólidos fundamentos de arquitectura de software y desarrollo asíncrono.
- Sistemas multi-agente
- LangGraph
- AutoGen
- CrewAI
- Patrones de orquestación
- Tool Calling y Skills
- OpenTelemetry
- Observabilidad con Tempo y Loki
- Evaluación de agentes
- Guardrails y seguridad
¿Cómo enseña?
Teoría + práctica
- ✓ Incluye ejercicios
- ✓ Incluye proyectos
Proyectos
Sistema multi-agente orquestado con observabilidad y evaluación
Aplicación colaborativa multi-agente construida bajo especificaciones agnósticas (comparadas en LangGraph y AutoGen) que resuelve flujos complejos con herramientas externas, instrumentada con trazas completas en OpenTelemetry y suites de evaluación continua.

