LANGGRAPH: AGENTES IA, RAG Y SISTEMAS MULTIAGENTE

Curso de LangGraph enfocado en la creación de agentes de IA con RAG y sistemas multiagente. Aprende a diseñar flujos, gestionar memoria y construir soluciones completas paso a paso.

1.
Introducción a LangGraph e instalación
1.1
Niveles de autonomía en aplicaciones de IA
1.2
¿Qué es LangGraph y qué nos ofrece?
1.3
Instalación librerías y entorno LangGraph
2.
Agente reflexivo en LangGraph
2.1
Presentación y configuración inicial del agente reflexivo
2.2
Creación de las cadenas de generación y reflexión
2.3
Construcción del grafo con LangGraph
2.4
Análisis de trazas del agente reflexivo con LangSmith
3.
Agente reflexión con herramientas en LangGraph
3.1
Presentación y configuración inicial del agente reflexión
3.2
Creación de esquemas de salida Pydantic
3.3
Configuración de las herramientas con ToolNode
3.4
Creación de cadenas para el agente de respuesta y agente revisor
3.5
Construcción del grafo con LangGraph
3.6
Análisis de trazas del agente reflexión con LangSmith
4.
Agentes ReAct en LangGraph
4.1
Presentación y configuración inicial del agente ReAct
4.2
Creación de herramientas del agente ReAct con ToolNode
4.3
Implementación de nodos para agente ReAct
4.4
Construcción del grafo con LangGraph
4.5
Análisis de trazas del agente ReAct con LangSmith
5.
Agentes RAG avanzados con LangGraph
5.1
Presentación y configuración inicial del agente RAG
5.2
Ingesta de de datos en la base de datos vectorial
5.3
Creación del estado del grafo
5.4
Definición del nodo recuperador para obtener información relevante del RAG
5.5
Construcción de filtro de relevancia para el RAG
5.6
Implementación del nodo de búsqueda web con Tavily
5.7
Definición del nodo de generación
5.8
Creación del grafo RAG inicial
5.9
Auto evaluación de alucinaciones y respuesta correcta
5.10
Implementación de enrutado adaptativo en RAG
6.
Persistencia e Intervención humana en el flujo
6.1
Persistencia en LangGraph: memoria y checkpointing
6.2
Intervención humana con Memory Saver e interrupciones (persistencia RAM)
6.3
Persistencia con Sqlite Saver
6.4
Creación de agentes ReAct con persistencia y validación humana
7.
Ejecución asíncrona en LangGraph
7.1
¿Qué es la ejecución asíncrona en LangGraph?
7.2
Implementación de asincronía en LangGraph
7.3
Ejecución de ramas en paralelo con nodos adicionales
7.4
Ejecución asíncrona con ramas condicionales
8.
Ecosistema multiagente con LangGraph
8.1
¿Qué ecosistemas de agentes podemos implementar y por qué son necesarios?
8.2
Presentación del proyecto multiagente
8.3
Implementación de ecosistema multiagente - Agente supervisor
8.4
Implementación de ecosistema multiagente - Agente clarificador
8.5
Implementación de ecosistema multiagente - Agente buscador
8.6
Implementación de ecosistema multiagente - Agente codificador
8.7
Implementación de ecosistema multiagente - Agente validador
8.8
Implementación de ecosistema multiagente - Ejecución
9.
Despliegue de soluciones con LangGraph
9.1
¿Qué opciones de despliegue tenemos?
9.2
Despliegue con LangSmith Deployments

-Comprender cómo funciona LangGraph para diseñar agentes de IA basados en grafos y control de estado.
-Diseñar flujos de ejecución donde los agentes procesan información, toman decisiones y coordinan tareas.
-Crear agentes avanzados, incluyendo agentes ReAct y sistemas con uso de herramientas (tool calling).
-Implementar sistemas RAG para que los agentes puedan acceder y utilizar información externa.
-Aplicar memoria persistente y checkpointing para mantener el contexto y controlar la ejecución.
-Construir arquitecturas multiagente donde varios agentes colaboran dentro de un mismo sistema.
-Analizar y depurar el comportamiento de los agentes mediante trazas con LangSmith.
-Desarrollar soluciones completas con LangGraph aplicadas a escenarios reales.