luismori.

Modern Agent Engineering

AI Agents Learning Roadmap

Cómo aprender a desarrollar agentes de IA listos para producción

Una ruta práctica para ingenieros de software que quieren pasar de chatbots de juguete a agentes de IA listos para producción, con el orden de estudio adecuado, las carencias más comunes y proyectos para el portafolio.

30 min de lectura

La mayoría de los ingenieros conocen los agentes de IA a través de prompts, llamadas a herramientas y una interfaz rápida para una demo. Eso basta para construir algo interesante, pero no para crear algo en lo que puedas confiar en producción. Las guías oficiales de OpenAI, Anthropic, Google Cloud y Microsoft apuntan en la misma dirección: la ingeniería de agentes listos para producción es una disciplina de sistemas, no un truco de prompts. Abarca el diseño de workflows, la gestión del contexto, los contratos de herramientas, la memoria, las aprobaciones, la evaluación, las trazas, la gobernanza, la seguridad, la confiabilidad, los costos y las operaciones (OpenAI AgentKit, ingeniería de contexto de Anthropic, guía de arquitectura de Google Cloud, introducción a Microsoft Agent Framework).

Resumen rápido

  • Construir agentes abarca mucho más que prompts y llamadas a herramientas. La parte difícil es diseñar el runtime, el contexto, las herramientas, los guardrails, los evals, la observabilidad y el modelo operativo alrededor del modelo.
  • Los temas que más se suelen omitir son la ingeniería de contexto, los evals, la observabilidad, las aprobaciones humanas, la seguridad, la ingeniería de confiabilidad y las métricas de negocio.
  • El mejor orden de estudio es: fundamentos -> bucles de un solo agente -> contexto y memoria -> diseño de herramientas -> UI y aprobaciones -> evals -> trazas -> seguridad y confiabilidad -> despliegue y costos -> multiagente.
  • Empieza con un solo agente y un harness de evals sólido. OpenAI, Google Cloud y Microsoft recomiendan explícitamente empezar de forma sencilla e introducir más orquestación solo cuando la tarea realmente lo exija (guía práctica de OpenAI, guía de arquitectura de Google Cloud, introducción a Microsoft Agent Framework).

Qué aprenderás aquí

  • Cómo distinguir entre chatbots, agentes que usan herramientas, sistemas basados en workflows y sistemas de larga duración o multiagente
  • El mapa completo de temas de la ingeniería moderna de agentes
  • Qué temas de tu lista actual ya están bien cubiertos y qué carencias importantes quedan
  • Una ruta de aprendizaje por fases y un plan de estudio de 14 semanas
  • Tres proyectos para el portafolio que demuestran habilidades reales de producción, no solo para demos

Un modelo mental sencillo

Chatbot
  -> single-turn or short-memory conversation

Tool-using agent
  -> model decides which tool to call next

Workflow-based agent system
  -> explicit orchestration + tool calls + approvals + branching

Long-running / multi-agent system
  -> state, memory, background work, delegation, tracing, governance

OpenAI explica claramente la diferencia: los workflows siguen pasos predefinidos, mientras que los agentes parten de un objetivo, planifican, usan herramientas, se adaptan y piden aclaraciones cuando es necesario (guía de OpenAI para líderes de negocio). Microsoft hace la misma distinción y añade una regla práctica útil: si puedes resolver la tarea con una función o un workflow normal, haz eso primero (introducción a Microsoft Agent Framework).

Stack de un agente de producción

User / Trigger
   |
   v
UI stream or API request
   |
   v
Agent runtime loop
   |
   +--> context loader (state, retrieval, memory)
   +--> model reasoning / planning
   +--> policy + approval gate
   +--> tools / APIs / MCP / connectors
   +--> traces, eval hooks, logs, metrics
   |
   v
Final response or handoff to human

Por eso la ingeniería de agentes abarca más que la ingeniería de prompts. Anthropic sostiene explícitamente que el centro de atención se ha desplazado de la ingeniería de prompts a la ingeniería de contexto: toda la configuración de estado, herramientas, ejemplos, memoria e información recuperada que llega al modelo en cada paso (ingeniería de contexto de Anthropic).

Un runtime mínimo que debes entender antes de usar frameworks

type StepResult = {
  text?: string;
  toolCalls?: Array<{ name: string; args: unknown }>;
  needsApproval?: boolean;
};

async function runAgent(goal: string) {
  const trace = [];
  let state = await loadConversationState(goal);

  for (let step = 0; step < 8; step++) {
    const context = await buildContext(state);
    const result: StepResult = await model.planAct(context);

    trace.push({ step, result });

    if (result.needsApproval) {
      return requestHumanApproval(trace);
    }

    if (!result.toolCalls?.length) {
      await saveTrace(trace);
      return result.text ?? "No answer";
    }

    const toolResults = await runToolsSafely(result.toolCalls);
    state = updateState(state, toolResults);
  }

  return escalateToHuman("step_limit_exceeded");
}

No necesitas implementar este bucle exacto a mano para siempre. Pero sí necesitas entenderlo. OpenAI, Anthropic, Google Cloud y Microsoft ofrecen distintos frameworks y runtimes gestionados, pero todos conservan los mismos fundamentos: estado, herramientas, memoria, aprobaciones, observabilidad y control explícito sobre cuándo debe detenerse el bucle (guía práctica de OpenAI, diseño de herramientas de Anthropic, documentación de Google Cloud ADK, introducción a Microsoft Agent Framework).

1. Resumen ejecutivo

Construir agentes abarca más que prompts y llamadas a herramientas porque el agente es solo una pieza del sistema. Los sistemas de producción también necesitan gestión de estado, memoria, recuperación de información, contratos de herramientas, streaming en la UI, aprobaciones, evaluación, trazas, seguridad, confiabilidad y gobernanza. OpenAI distribuye estas responsabilidades entre Agent Builder, Evals, evaluación de trazas, estado de conversación, modo en segundo plano y guías de seguridad; Google Cloud hace lo mismo con componentes de arquitectura, ADK, sesiones, Memory Bank, trazas, logs, monitoreo y control de acceso; Microsoft separa agentes, workflows, observabilidad, gobernanza y controles de plataforma de IA; Anthropic replantea explícitamente el problema como ingeniería de contexto, no solo como mejores prompts (OpenAI AgentKit, guía de arquitectura de Google Cloud, gobernanza de agentes de IA de Microsoft, ingeniería de contexto de Anthropic).

Los temas importantes que suelen faltar son:

La lección principal es sencilla: aprende a construir un buen sistema de un solo agente, con contexto, herramientas, evals y observabilidad sólidos, antes de buscar la complejidad multiagente. OpenAI recomienda empezar con un solo agente y evolucionar solo cuando sea necesario, Google Cloud considera los sistemas de un solo agente un punto de partida efectivo y Microsoft dice que se debe preferir un workflow o incluso una simple función cuando eso sea suficiente (guía práctica de OpenAI, guía de arquitectura de Google Cloud, introducción a Microsoft Agent Framework).

2. Mapa completo de temas

Fundamentos

  • Capacidades y límites de los modelos: conoce en qué son buenos, dónde se desvían y qué tipos de razonamiento, latencia y uso de herramientas admiten.
  • Fundamentos de diseño de sistemas: las colas, los reintentos, la idempotencia, la autenticación, los límites de tasa y el diseño orientado a eventos importan tanto aquí como en cualquier sistema backend.
  • Criterio para elegir entre workflow y agente: entiende cuándo basta un workflow basado en reglas y cuándo vale la pena la planificación adaptativa (guía de OpenAI para líderes de negocio, introducción a Microsoft Agent Framework).

Fundamentos de un solo agente

  • Bucle del agente: prompt -> decisión de usar una herramienta -> resultado de la herramienta -> siguiente paso -> condición de detención.
  • Fundamentos del uso de herramientas: esquemas de funciones, descripciones de herramientas, manejo de resultados, límites de pasos y salidas ante fallas.
  • Fundamentos de gestión de estado: aprende tanto las solicitudes sin estado como las continuaciones basadas en sesiones o hilos (estado de conversación de OpenAI).

Ingeniería de contexto

  • Estructura del prompt: secciones claras, ejemplos, formatos de salida y restricciones.
  • Presupuesto de contexto: mantén solo los tokens que aportan más información relevante.
  • Carga de contexto en runtime: decide qué precargar y qué recuperar justo a tiempo.
  • Compactación y resumen: mantén la coherencia en tareas largas sin arrastrar todo el historial indefinidamente (ingeniería de contexto de Anthropic).

Memoria y recuperación de información

  • Memoria a corto plazo: estado de la conversación o sesión para la tarea actual.
  • Memoria a largo plazo: preferencias del usuario, estado del trabajo e historial de tareas entre sesiones.
  • Diseño de recuperación: cuándo precargar memorias, cuándo permitir que el modelo llame a una herramienta de recuperación y cómo evitar recuperar información obsoleta o irrelevante.
  • Estrategias de memoria híbrida: combina estado externalizado, recuperación y toma de notas en vez de volcar todo en un solo prompt (Google Cloud Memory Bank, ingeniería de contexto de Anthropic).

Herramientas e integraciones

  • Diseño de contratos de herramientas: haz que las herramientas sean independientes, diferenciadas, ergonómicas y fáciles de elegir correctamente para el modelo.
  • Patrones de integración: herramientas basadas directamente en funciones, wrappers de API, MCP, conectores, agente como herramienta y gateways de API.
  • Calidad operativa de las integraciones: autenticación, alcances, límites de tasa, reintentos, idempotencia, monitoreo y logs de auditoría (diseño de herramientas de Anthropic, guía de arquitectura de Google Cloud, MCP y conectores de OpenAI).

UI y experiencia de streaming

  • Respuestas en streaming: tokens, eventos de herramientas, actualizaciones parciales y progreso de los pasos.
  • UI diseñada para agentes: aprobaciones, acciones en línea, chat con estado y widgets estructurados en lugar de simples burbujas de texto.
  • Transportes en tiempo real: WebSocket y WebRTC importan cuando la latencia forma parte de la experiencia del producto (OpenAI AgentKit, agentes de voz de OpenAI, guía de arquitectura de Google Cloud).

Workflows con intervención humana

  • Nodos de aprobación: cuándo los usuarios deben confirmar lecturas, escrituras, compras, mensajes o acciones riesgosas.
  • Diseño de escalamiento: define puntos claros para transferir el control a personas.
  • Recuperación: permite pausar, reanudar, reintentar, editar y modificar decisiones.
  • Capacidad de revisión: haz que el agente explique qué quiere hacer antes de hacerlo (guía práctica de OpenAI, seguridad de agentes de OpenAI).

Evaluación y pruebas

  • Pruebas deterministas: wrappers de herramientas, parsers, políticas, serializadores y lógica de negocio.
  • Pruebas de escenarios: tareas de varios pasos con resultados esperados.
  • LLM como juez y evaluadores: son útiles, pero deben calibrarse y combinarse con verificaciones deterministas.
  • Evaluación offline y online: ejecuta benchmarks antes del lanzamiento y continúa evaluando las trazas de producción después.
  • Disciplina de regresión: compara ejecuciones estadísticamente, no porque «se sintió mejor» (evaluación de trazas de OpenAI, resultados de evaluación de Microsoft Foundry, diseño de herramientas de Anthropic).

Observabilidad y trazas

  • Registra una traza de cada paso: decisiones del modelo, llamadas a herramientas, latencias, reintentos, aprobaciones, fallas y resultados.
  • Centraliza logs y métricas: no entierres el comportamiento del agente únicamente en los logs de la aplicación.
  • Convenciones semánticas: usa trazas al estilo de OpenTelemetry cuando sea posible.
  • Ciclos de depuración: inspecciona las trazas para entender por qué el agente eligió la herramienta incorrecta o tomó la rama equivocada (observabilidad de Microsoft, evaluación de trazas de OpenAI).

Seguridad y gobernanza

  • Defensa contra inyección de prompts: asume que las entradas externas son hostiles.
  • Mínimo privilegio: limita los alcances de las herramientas, usa aprobaciones, valida las entradas y aísla las acciones riesgosas.
  • Integraciones seguras: prefiere servidores MCP confiables y revisa los flujos de datos hacia terceros.
  • Gobernanza organizacional: mantén un inventario de agentes, centraliza los logs, etiqueta los costos y define responsables y políticas de ciclo de vida (seguridad de agentes de OpenAI, MCP y conectores de OpenAI, gobernanza de agentes de IA de Microsoft).

Ingeniería de confiabilidad

  • Manejo de fallas: fallas de herramientas, fallas parciales, reintentos, mensajes fallidos, modelos de respaldo y rutas de cancelación segura.
  • SLO operativos: latencia, cantidad de pasos, tasa de fallas, tasa de escalamiento y costos e ingresos por unidad.
  • Corrección del estado: idempotencia, deduplicación, consistencia de sesión y seguridad al reproducir operaciones.
  • Autonomía controlada: limita lo que el agente puede hacer cuando la confianza es baja o las dependencias son inestables.

Orquestación multiagente

  • Primero, una necesidad real: divide el trabajo entre varios agentes solo cuando la tarea realmente se beneficie de la especialización, el aislamiento o la exploración paralela.
  • Patrones de delegación: manager-worker, agente como herramienta, orquestador-enrutador y colaboración basada en Agent2Agent (A2A).
  • Diseño de límites: cada subagente debe tener un rol claro, un presupuesto de contexto, un conjunto de herramientas y un alcance de permisos definidos.
  • Sobrecarga de coordinación: los sistemas multiagente añaden complejidad en evaluación, seguridad, latencia y costos (guía de arquitectura de Google Cloud, subagentes de Anthropic).

Optimización de costos y latencia

  • Caché de prompts: guarda en caché instrucciones estables, herramientas y contextos extensos cuando tu plataforma lo permita.
  • Combinación de modelos: dirige las tareas más sencillas a modelos más baratos o rápidos.
  • Disciplina de recuperación: evita enviar grandes cantidades de contexto irrelevante en cada turno.
  • Optimización del runtime: usa trabajos en segundo plano, streaming, procesamiento por lotes y ejecución asíncrona de herramientas cuando corresponda (caché de prompts de Anthropic, agentes de voz de OpenAI).

Despliegue, ciclo de vida y métricas de producto

  • Ciclo de despliegue: desarrollo, staging, modo sombra, lanzamiento limitado, producción y reversión.
  • Responsabilidad sobre el ciclo de vida: versionado, aprobaciones, inventario, retiro y verificaciones de cumplimiento.
  • Métricas de producto: finalización de tareas, contención, escalamiento, tiempo de resolución, tasa de aceptación, CSAT e impacto en ingresos o costos.
  • Visibilidad para el liderazgo: los agentes deben justificar su lugar mediante un impacto de negocio medible, no por novedad (gobernanza de agentes de IA de Microsoft).

3. ¿Qué falta en esta lista de temas?

La lista inicial es:

  • Agentes y subagentes, agentes sin estado y con estado
  • Wrappers de API, WebSockets, webhooks
  • Integración de streaming en la UI, UI para llamadas a herramientas
  • Escenarios de prueba y LLM como juez
  • Observabilidad, trazas y monitoreo de agentes
  • Optimización del diseño de agentes

Lo que ya está bien cubierto

  • Agentes y subagentes, agentes sin estado y con estado: buena cobertura de la estructura del runtime y la topología del sistema.
  • Integración de streaming en la UI y UI para llamadas a herramientas: una buena señal temprana de que estás pensando más allá de la generación de texto.
  • Escenarios de prueba y LLM como juez: un buen comienzo en evaluación.
  • Observabilidad, trazas y monitoreo: un buen comienzo para preparar el sistema para producción.

Lo que está parcialmente cubierto

  • Wrappers de API, WebSockets y webhooks: cubren bien los mecanismos de transporte, pero no lo suficiente los contratos de herramientas, los alcances de autenticación, las aprobaciones, MCP/conectores, la semántica de errores ni los patrones de integración empresarial.
  • Optimización del diseño de agentes: es una buena categoría general, pero demasiado amplia. Por ahora oculta varios temas que merecen su propio espacio: ingeniería de contexto, ajuste de costos y latencia, ergonomía de herramientas, estructura de prompts y mejoras de confiabilidad.
  • Agentes y subagentes: cubre parcialmente la orquestación, pero no cubre automáticamente cuándo no usar sistemas multiagente, que es uno de los criterios prácticos más importantes (guía de arquitectura de Google Cloud, guía práctica de OpenAI).

Lo que falta

  • Fundamentos: comportamiento de modelos, límites de razonamiento, elección entre workflow y agente, y fundamentos de sistemas backend.
  • Ingeniería de contexto: probablemente el tema más importante que falta.
  • Memoria y recuperación de información: estado a corto plazo, memoria a largo plazo, diseño de recuperación, compactación y toma de notas.
  • Herramientas e integraciones como disciplina de diseño: ergonomía y nombres de herramientas, reducción de solapamientos, gobernanza de MCP, autenticación, límites de tasa y monitoreo.
  • Flujos con intervención humana: aprobaciones, escalamiento, pausa y reanudación, y transferencia segura.
  • Seguridad y gobernanza: inyección de prompts, mínimo privilegio, integraciones externas, inventario de agentes y responsabilidad por los costos.
  • Ingeniería de confiabilidad: reintentos, timeouts, comportamiento de respaldo, idempotencia y presupuestos de fallas.
  • Optimización de costos y latencia: caché, minimización de la recuperación, enrutamiento de modelos y trabajo asíncrono o en segundo plano.
  • Despliegue y gestión del ciclo de vida: staging, modo sombra, lanzamiento, reversión, versionado y responsables.
  • Métricas de producto y negocio: si el agente ayuda al negocio, no solo si produce una respuesta plausible.

Lo que merece una categoría propia

  • Agent design optimization debería dividirse en:
    • ingeniería de contexto
    • diseño de herramientas
    • diseño de prompts y salidas
    • optimización de costos y latencia
    • mejoras de confiabilidad
  • Testing scenarios and LLM-as-judge debería dividirse en:
    • pruebas deterministas
    • pruebas de escenarios
    • evals offline
    • evals online
    • evaluación de trazas
  • UI streaming integration, tool-calling UI debería dividirse en:
    • experiencia de streaming
    • flujos de aprobación humana
    • transportes en tiempo real
    • patrones de UI diseñados para agentes
  • Agents and subagents debería dividirse en:
    • fundamentos de un solo agente
    • agentes de larga duración
    • orquestación multiagente
    • protocolos entre agentes como Agent2Agent (A2A)

4. Ruta de aprendizaje

Fase 0. Fundamentos

  • Qué aprender:
    • la diferencia entre chatbots, workflows, pasos de workflow impulsados por LLM y agentes
    • conceptos esenciales de backend: colas, reintentos, autenticación, límites de tasa, idempotencia y trazas
    • el bucle básico de un agente y las condiciones de detención
  • Por qué importa:
    • si no puedes explicar cuándo no usar un agente, construirás más de lo necesario
    • la ingeniería de agentes de producción es ingeniería de sistemas aplicada, no un pasatiempo de prompts
  • Miniproyectos sugeridos:
    • construye un workflow sencillo que clasifique tickets de soporte
    • construye un asistente que llame a funciones y compáralo con el workflow
    • escribe una nota breve: ¿cuándo basta el workflow y cuándo necesitas un agente?

Fase 1. Fundamentos de un solo agente

  • Qué aprender:
    • esquemas de herramientas
    • bucles de agentes
    • límites de pasos
    • estado de sesión
    • salidas estructuradas
  • Por qué importa:
    • este es el núcleo irreducible; todos los frameworks abstraen esto
  • Miniproyectos sugeridos:
    • un copiloto de soporte con 3 herramientas
    • un agente de investigación local que pueda buscar en documentación y resumirla
    • un «agente como asistente de CLI» con un paso de aprobación

Fase 2. Ingeniería de contexto

  • Qué aprender:
    • estructura de prompts
    • selección de ejemplos
    • compactación
    • recuperación justo a tiempo
    • patrones de toma de notas y memoria
  • Por qué importa:
    • la mayoría de las fallas reales de agentes son fallas de contexto, no del modelo
  • Miniproyectos sugeridos:
    • compara un prompt largo sin optimizar con un prompt compactado
    • añade memoria basada en notas a un agente de investigación
    • construye un dashboard del presupuesto de contexto para cada turno

Fase 3. Memoria y recuperación de información

  • Qué aprender:
    • estado a corto plazo frente a memoria a largo plazo
    • precarga de memoria frente a recuperación activada por herramientas
    • compromisos entre latencia de recuperación y contexto obsoleto
  • Por qué importa:
    • los agentes con estado solo funcionan cuando la memoria es precisa, económica y recuperable
  • Miniproyectos sugeridos:
    • un asistente de preferencias personales con memoria entre sesiones
    • un agente de clasificación de issues que recuerde decisiones anteriores
    • un benchmark de recuperación: compara precargar todo con recuperar bajo demanda

Fase 4. Herramientas e integraciones

  • Qué aprender:
    • diseño de herramientas fáciles de usar para LLM
    • MCP/conectores
    • alcances de autenticación
    • manejo de errores
    • monitoreo y logs de llamadas a herramientas
  • Por qué importa:
    • las herramientas deficientes hacen que los buenos modelos parezcan malos
  • Miniproyectos sugeridos:
    • convierte una API real de terceros en herramientas mediante un wrapper
    • refactoriza herramientas que se solapan para crear herramientas más claras y relevantes
    • añade políticas de aprobación para llamadas sensibles a herramientas

Fase 5. UI e intervención humana

  • Qué aprender:
    • streaming
    • actualizaciones de progreso
    • experiencia de aprobación
    • derivación a personas
    • trabajos asíncronos o en segundo plano
  • Por qué importa:
    • los productos con agentes triunfan o fracasan en la interfaz con las personas, no solo en las trazas del backend
  • Miniproyectos sugeridos:
    • una UI de chat con estado de herramientas en streaming
    • un flujo de aprobación para enviar correos o actualizar tickets
    • un trabajo de larga duración que pueda pausarse, reanudarse y enviar notificaciones

Fase 6. Evaluación y pruebas

  • Qué aprender:
    • conjuntos de referencia
    • validadores deterministas
    • LLM como juez
    • evaluación de trazas
    • comparaciones de regresión
  • Por qué importa:
    • sin evals, no puedes mejorar de forma segura
  • Miniproyectos sugeridos:
    • crea un dataset de 50 casos para tu agente de soporte
    • evalúa trazas completas, no solo respuestas finales
    • compara estadísticamente dos versiones de un prompt o una herramienta

Fase 7. Observabilidad, seguridad y confiabilidad

  • Qué aprender:
    • trazas al estilo de OpenTelemetry
    • logs centralizados
    • métricas de tokens y costos
    • defensas contra inyección de prompts
    • mínimo privilegio
    • reintentos, timeouts e idempotencia
  • Por qué importa:
    • esta es la diferencia entre una «demo interesante» y algo «seguro para ejecutar para clientes»
  • Miniproyectos sugeridos:
    • instrumenta tu agente con trazas y dashboards
    • simula interrupciones de herramientas y verifica el comportamiento de respaldo
    • añade filtrado de contenido, aprobaciones y credenciales con alcance limitado

Fase 8. Despliegue, costos y ciclo de vida

  • Qué aprender:
    • estrategias de lanzamiento
    • staging y modo sombra
    • caché de prompts
    • controles de costos
    • versionado
    • responsables y retiro
  • Por qué importa:
    • la calidad en producción se mantiene mediante la operación, no solo programándola una vez
  • Miniproyectos sugeridos:
    • despliega un agente con feature flags y reversión
    • añade presupuestos de tokens y latencia por solicitud
    • crea un dashboard operativo con KPI de negocio

Fase 9. Sistemas multiagente y de larga duración

  • Qué aprender:
    • patrones manager-worker
    • subagentes
    • A2A
    • estrategias de contexto para tareas de largo plazo
    • permisos especializados y aislamiento
  • Por qué importa:
    • esto solo es útil después de que puedas operar un sistema sólido de un solo agente
  • Miniproyectos sugeridos:
    • un orquestador de investigación con un planificador y dos especialistas
    • un agente de análisis de incidentes en segundo plano con estado que pueda reanudarse
    • un harness de comparación multiagente que mida si la especialización realmente ayuda

5. Plan de estudio de 12–16 semanas

Este es un plan de 14 semanas. Es ambicioso, pero realista para un ingeniero de software en activo que quiere construir de verdad.

Semana 1

Semana 2

  • Áreas de enfoque: esquemas de herramientas, condiciones de detención, salidas estructuradas, estado de sesión
  • Entregables: un asistente de un solo agente con 2-3 herramientas
  • Qué leer: guía práctica de OpenAI, diseño de herramientas de Anthropic
  • Qué construir: un copiloto de soporte con herramientas de calendario, documentos y búsqueda

Semana 3

  • Áreas de enfoque: fundamentos de ingeniería de contexto, estructura de prompts, ejemplos, restricciones de salida
  • Entregables: experimentos de prompts y contexto antes y después
  • Qué leer: ingeniería de contexto de Anthropic
  • Qué construir: un laboratorio de prompts con una tabla de puntuación sencilla

Semana 4

  • Áreas de enfoque: compactación, presupuestos de contexto, toma de notas
  • Entregables: una estrategia de compactación y un formato de notas para tareas largas
  • Qué leer: ingeniería de contexto de Anthropic, estado de conversación de OpenAI
  • Qué construir: un agente de investigación de larga duración que resuma su propio progreso cada N pasos

Semana 5

  • Áreas de enfoque: memoria a corto plazo, memoria a largo plazo, precarga frente a recuperación bajo demanda
  • Entregables: un agente con memoria y capacidad de recordar información entre sesiones
  • Qué leer: Google Cloud Memory Bank, guía de arquitectura de Google Cloud
  • Qué construir: un asistente que tenga en cuenta las preferencias y cuente con memoria a largo plazo

Semana 6

  • Áreas de enfoque: ergonomía de herramientas, autenticación, límites de tasa, reintentos, observabilidad en el punto de integración
  • Entregables: un paquete de herramientas bien terminado, con logs y manejo de fallas
  • Qué leer: diseño de herramientas de Anthropic, MCP y conectores de OpenAI
  • Qué construir: un wrapper de herramientas para una API de SaaS real con lógica de aprobación y reintentos

Semana 7

  • Áreas de enfoque: experiencia de streaming, eventos de progreso, UI diseñada para agentes
  • Entregables: una interfaz de streaming con una línea de tiempo del progreso de las herramientas
  • Qué leer: OpenAI AgentKit, guía de arquitectura de Google Cloud
  • Qué construir: una UI de chat que muestre el estado de las herramientas, no solo el texto final

Semana 8

  • Áreas de enfoque: aprobaciones humanas, escalamiento, pausa y reanudación
  • Entregables: una matriz de políticas de aprobación y un flujo con intervención humana (HITL)
  • Qué leer: guía práctica de OpenAI, seguridad de agentes de OpenAI
  • Qué construir: un agente que redacte un correo o una actualización de ticket, pero requiera aprobación humana para enviarlo

Semana 9

Semana 10

Semana 11

  • Áreas de enfoque: trazas, logs, métricas, dashboards
  • Entregables: un explorador de trazas y un dashboard de costos y latencia
  • Qué leer: observabilidad de Microsoft, documentación de Google Cloud ADK
  • Qué construir: instrumentación de OpenTelemetry para los pasos del modelo, las herramientas y las aprobaciones

Semana 12

  • Áreas de enfoque: inyección de prompts, mínimo privilegio, integraciones externas seguras, gobernanza
  • Entregables: un modelo de amenazas para tu agente
  • Qué leer: seguridad de agentes de OpenAI, gobernanza de agentes de IA de Microsoft
  • Qué construir: una versión reforzada de tu proyecto con credenciales de alcance limitado y puntos de aprobación

Semana 13

  • Áreas de enfoque: optimización de costos y latencia, caché, trabajo asíncrono o en segundo plano
  • Entregables: un presupuesto de costos y otro de latencia por tipo de tarea
  • Qué leer: caché de prompts de Anthropic, agentes de voz de OpenAI
  • Qué construir: un runtime optimizado con prompts diseñados para aprovechar la caché y ejecución en segundo plano para tareas largas

Semana 14

  • Áreas de enfoque: uso de sistemas multiagente solo cuando esté justificado, delegación, A2A, permisos especializados
  • Entregables: una comparación directa del rendimiento de un solo agente frente a multiagente
  • Qué leer: guía de arquitectura de Google Cloud, subagentes de Anthropic, A2A de Microsoft Copilot Studio
  • Qué construir: un sistema de investigación con planificador + especialistas y, después, medir si realmente supera la referencia de un solo agente

6. Proyectos para el portafolio

Proyecto para principiantes: copiloto de soporte

  • Descripción: un asistente de atención al cliente que puede leer documentos de políticas, consultar el estado de pedidos, redactar respuestas y pedir aprobación antes de enviarlas.
  • Componentes necesarios:
    • bucle de un solo agente
    • 3-4 herramientas
    • estado de sesión
    • UI con streaming
    • paso de aprobación
    • dataset básico de evals
  • Qué habilidades demuestra:
    • fundamentos de un solo agente
    • integración de herramientas
    • diseño con intervención humana
    • disciplina básica de evaluación

Proyecto intermedio: analista de investigación con estado

  • Descripción: un agente de investigación que trabaja entre sesiones, recuerda preferencias, carga documentos o notas relevantes bajo demanda y produce informes estructurados.
  • Componentes necesarios:
    • memoria a corto y largo plazo
    • recuperación de información y toma de notas
    • compactación
    • registro de trazas
    • evals offline y evaluación de trazas
    • dashboard de costos y latencia
  • Qué habilidades demuestra:
    • ingeniería de contexto
    • diseño de memoria y recuperación de información
    • observabilidad
    • evaluación a nivel de workflow

Proyecto avanzado: agente de incidentes u operaciones para producción

  • Descripción: un agente interno que investiga incidentes o anomalías operativas, recopila logs y telemetría, propone acciones y dirige las acciones riesgosas a un proceso de aprobación. Puede ejecutar tareas largas en segundo plano y delegar subtareas específicas a especialistas.
  • Componentes necesarios:
    • orquestación de workflows
    • ejecución en segundo plano
    • subagentes especialistas
    • aprobaciones y escalamiento
    • reintentos, timeouts e idempotencia robustos
    • controles de seguridad y etiquetado de costos
    • dashboard de KPI de negocio
  • Qué habilidades demuestra:
    • criterio para operaciones de producción
    • diseño de agentes de larga duración
    • criterio sobre los compromisos de los sistemas multiagente
    • gobernanza, confiabilidad y gestión del ciclo de vida

7. Orden de estudio recomendado

Este es el orden práctico que recomendaría:

  1. Aprende cuándo no usar un agente.
  2. Construye un bucle de un solo agente con unas pocas herramientas.
  3. Aprende ingeniería de contexto antes de perseguir arquitecturas más grandes.
  4. Añade estado, memoria y recuperación de información.
  5. Mejora el diseño de herramientas y la calidad de las integraciones.
  6. Añade una UI con streaming y aprobaciones humanas.
  7. Construye evals antes de ampliar el alcance.
  8. Añade trazas, métricas y dashboards.
  9. Refuerza la seguridad, la gobernanza y la confiabilidad.
  10. Optimiza los costos y la latencia.
  11. Solo entonces experimenta con sistemas de larga duración y multiagente.

Por qué funciona este orden:

  • Prioriza el criterio desde el principio, no solo la implementación.
  • Enseña temprano los modos de falla fundamentales.
  • Evita el error más común en el trabajo moderno con agentes: saltar a sistemas multiagente antes de dominar la calidad, el contexto y los evals de un solo agente (guía práctica de OpenAI, guía de arquitectura de Google Cloud).

8. Mejores recursos por tema

Fundamentos

Fundamentos de un solo agente

Ingeniería de contexto

Memoria y recuperación de información

Herramientas e integraciones

UI y experiencia de streaming

Workflows con intervención humana

Evaluación y pruebas

Observabilidad y trazas

Seguridad y gobernanza

Ingeniería de confiabilidad

Orquestación multiagente

Optimización de costos y latencia

Despliegue, ciclo de vida y métricas de producto

9. Conclusión final

Las lecciones más importantes no son llamativas, pero son las que importan:

  • Empieza de forma sencilla. Un sistema sólido de un solo agente supera a un diseño multiagente prematuro la mayoría de las veces.
  • La ingeniería de contexto importa más de lo que la mayoría de los equipos espera. Los prompts son solo una parte del problema.
  • Los evals y la observabilidad son esenciales. Si no puedes medir el comportamiento e inspeccionar las trazas, no puedes mejorar de forma segura.
  • La seguridad y la confiabilidad se subestiman. La inyección de prompts, los permisos demasiado amplios, la falta de aprobaciones, los reintentos y el comportamiento de respaldo son parte esencial del trabajo de ingeniería.
  • Los sistemas multiagente no son el primer paso. Son una optimización avanzada para la especialización, el aislamiento o la exploración paralela, no una arquitectura predeterminada.

Si estuviera guiando a un equipo desde cero, insistiría en este camino:

  1. Construir un agente de alcance limitado que resuelva un workflow costoso.
  2. Darle unas pocas herramientas excelentes, no muchas mediocres.
  3. Añadir evals y trazas antes de darle más autonomía.
  4. Añadir memoria solo cuando el producto realmente necesite mantener estado entre turnos o sesiones.
  5. Añadir un sistema multiagente solo después de poder demostrar que la referencia de un solo agente se entiende, se mide y tiene limitaciones.

Así es como pasas de «construimos una demo interesante» a «sabemos cómo poner en producción agentes que ayudan al negocio».

Fuentes

OpenAI

Anthropic

Google Cloud

Microsoft