Construcción de sistemas de agentes LLM con AutoGen

Introducción a los sistemas de agentes LLM

• Conceptos de agentes LLM y arquitectura de multiagente
• Resumen del marco de trabajo y el ecosistema AutoGen
• Roles de agente: usuario proxy, asistente, invocador de funciones, entre otros

Instalación y configuración de AutoGen

• Configuración del entorno de Python y dependencias
• Basicos de los archivos de configuración de AutoGen
• Conexión con proveedores de LLM (OpenAI, Azure, modelos locales)

Diseño de agentes y asignación de roles

• Comprensión de los tipos de agentes y patrones de conversación
• Definición de objetivos, prompts e instrucciones de los agentes
• Delegación de tareas basada en roles y flujo de control

Invocación de funciones e integración de herramientas

• Registro de funciones para el uso por parte de los agentes
• Ejecución autónoma y colaborativa de funciones
• Conexión de APIs externas y scripts de Python a los agentes

Gestión de conversaciones y memoria

• Seguimiento de sesiones y memoria persistente
• Mensajería entre agentes y manejo de tokens
• Gestión del contexto e historial de la conversación

Flujos de trabajo de agentes de principio a fin

• Construcción de tareas colaborativas de varios pasos (p. ej., análisis de documentos, revisión de código)
• Simulación de diálogos entre usuario y agente y cadenas de decisión
• Depuración y perfeccionamiento del rendimiento de los agentes

Casos de uso y despliegue

• Agentes de automatización interna: investigación, informes, scripting
• Bots orientados al exterior: asistentes de chat, integraciones de voz
• Empaquetado y despliegue de sistemas de agentes en producción

Resumen y próximos pasos