Curso en vivo: Flujos Agénticos con AgentInTheLoop — Sesión #1 Introducción
Resumen de la primera sesión del curso en vivo donde construimos flujos agénticos en AgentInTheLoop: configuración de LLMs, prompts, RAG, enrutadores, multimodalidad y debate multiagente.
Ver publicación original en YouTube ↗El lunes 18 de mayo realicé la primera sesión del curso “Flujos Agénticos con AgentInTheLoop”, un tutorial introductorio sobre cómo crear y probar flujos de trabajo agénticos de manera rápida y sencilla, sin necesidad de programación compleja.
Qué cubrimos en la sesión
Los timestamps entre paréntesis corresponden al minuto del video donde se aborda cada tema.
Configuración de proveedores LLM (min 7:13)
El primer paso es configurar los proveedores de modelos de lenguaje. Mostramos cómo conectar OpenAI, Anthropic, Google, Gemini, Groq, Ollama y otros proveedores ingresando las API Keys correspondientes.
Arquitectura de nodos (min 8:41)
La aplicación funciona mediante un sistema de nodos (agente LLM, agente de herramientas, enrutadores, etc.) que se conectan para formar grafos de trabajo. Cada nodo tiene un rol específico dentro del flujo.
Creación de flujos básicos (min 11:31)
Construimos un flujo simple con una entrada, un agente investigador y una salida, permitiendo comparar respuestas entre distintos modelos de forma visual.
Enrutador de intenciones (min 20:07)
El enrutador permite dirigir la intención del usuario a diferentes rutas o agentes especializados según el contexto. Útil para crear sistemas que separan flujos de atención.
Biblioteca de Prompts (min 31:23)
Espacio para gestionar y crear roles predefinidos para los agentes, organizando instrucciones reutilizables que se pueden aplicar a cualquier flujo.
RAG — Retrieval-Augmented Generation (min 36:15)
Cargamos documentos (manuales en PDF de máquinas de café) para que los agentes consulten información específica mediante técnicas de búsqueda vectorial. Los agentes responden basándose en el contenido real de los documentos.
Generación de flujos con IA (min 43:16)
Es posible pedirle a la plataforma que genere automáticamente la estructura de un flujo de trabajo basándose en una descripción en lenguaje natural. La IA interpreta lo que necesitas y crea los nodos y conexiones.
Multimodalidad y Chat (min 53:42)
Demostración de un sistema que analiza imágenes y texto para realizar diagnósticos técnicos de maquinaria. Construimos un agente especialista en máquinas de café que guiaba al usuario paso a paso.
Debate Multiagente (min 1:02:00)
Funcionalidad que permite poner a debatir a distintos modelos de IA para contrastar opiniones o desarrollar especificaciones técnicas desde múltiples perspectivas.
Soluciones que construimos
Durante la sesión construimos dos soluciones agénticas como ejemplo:
Agente especialista en máquinas de café — Capaz de detectar problemas mediante texto e imágenes de dos marcas importantes. El agente guiaba al usuario paso a paso hasta completar un checklist técnico para generar un diagnóstico y entregar una posible solución.
Agente especialista en medicina — Solo con fines demostrativos, capaz de identificar si el paciente era niño o adulto y derivarlo según sus síntomas a distintos perfiles médicos disponibles, como medicina general o neurología.
La idea es mostrar cómo los agentes pueden tomar decisiones, separar flujos, utilizar contexto y coordinar distintas especialidades dentro de una misma solución.
En resumen
La herramienta busca democratizar la creación de soluciones basadas en IA para empresas o uso personal, facilitando las pruebas de concepto, la evaluación de costos y la trazabilidad de cada decisión que toma el flujo agéntico.
Ver la sesión completa: YouTube Live
Siguiente sesión: Sesión #2 — De flujo agéntico a chatbot funcional