Operational AI with Docker

Guía práctica y orientada a la ingeniería de plataformas en la que Ajeet Singh Raina y Harsh Manvar abordan la contenedorización, el escalado y la operación segura de servicios de inteligencia artificial y agentes autónomos utilizando Docker y Kubernetes. El libro está dirigido a ingenieros de DevOps, especialistas en MLOps, arquitectos cloud e ingenieros de software con conocimientos previos de Docker y línea de comandos que necesitan llevar modelos generativos y flujos de agentes desde prototipos locales hasta clústeres de producción resistentes.

El texto profundiza en el uso de Docker como contrato de ejecución para cargas de IA, resolviendo problemas de dependencias nativas de GPU mediante Docker Desktop y el NVIDIA Container Toolkit. Enseña a desplegar y servir modelos locales con Docker Model Runner y Docker Offload, integrar herramientas de manera desacoplada a través del Docker MCP Gateway (usando el Model Context Protocol) y escalar servicios de inferencia en Kubernetes con límites de recursos y autoescalado horizontal (HPA). Además, cubre la arquitectura de sistemas multiagente con el ciclo de razonamiento (perceive-reason-plan-act-observe), persistencia de contexto en memoria con Redis, aislamiento estricto de código generado por IA con microVMs en Docker Sandboxes (sbx) y orquestación declarativa mediante Docker Agent y kagent.

Los proyectos prácticos guían la construcción de una pasarela segura de herramientas con Docker MCP Gateway, una flota de agentes colaborativos orquestada con Docker Compose y Redis para gestión de memoria, y un clúster en Kubernetes con kagent y Docker Sandboxes para ejecutar código no confiable en entornos aislados. La gran aportación del libro es su enfoque puramente operativo (LLMOps) y de seguridad para agentes de IA, alejándose del prompt engineering para enfocarse en la estabilidad de la plataforma. Conviene contar con un entorno de desarrollo equipado con aceleración por GPU para ejecutar localmente los contenedores de modelos pesados.