Patrones agénticos, explicados fácil.
Orquestación, routing, multi-agente… parecen arquitectura de gurús, pero son ideas simples. Cada patrón se explica con una simulación que puedes tocar, hasta que entiendes cuándo usarlo — y cuándo NO.
Si te pasa algo de esto, este curso es para ti
Da igual si ya construyes con LLMs o si vienes de años de ingeniería clásica: aquí construyes el criterio que los tutoriales no dan.
Copias arquitecturas de tutoriales — multi-agente, RAG, lo que toque — sin saber si tu problema las necesita.
Tu agente entra en bucles, alucina o se desvía de las instrucciones, y no sabes por dónde cogerlo.
El coste y la latencia se te disparan y no sabes qué los quema: tokens, contexto, llamadas en serie…
Llevas años en ingeniería de software y quieres entender los agentes con la misma profundidad que tus sistemas.
Al terminar, diseñas sistemas agénticos con criterio
La mecánica de cada patrón
Ves el flujo en simulación: qué hace el LLM en cada paso, por dónde viaja el dato, dónde vive el estado y dónde están los gates.
Saber qué necesita tu problema
Latencia, ambigüedad de la meta, herramientas, fiabilidad: identificas qué patrón encaja con tu caso — sin copiar arquitecturas de moda.
El “cuándo NO”
Reconoces la sobre-ingeniería y los costes ocultos (latencia, tokens, complejidad) antes de montar el sistema, no después.
Componer y leer arquitecturas
Combinas patrones (Routing + Tool Use + Reflection) para un caso real y reconoces el patrón en código LangGraph u OpenAI Agents SDK.
6 tracks · 47 lecciones
Lanzamiento progresivo: las primeras lecciones ya están disponibles y se estrenan nuevas cada semana.
Los primitivos que todo patrón usa pero que el catálogo nunca enseña: tokens y coste, clasificación y confianza, muestreo, embeddings, jueces y bucles acotados.
- El paisaje de los patrones agénticos
- Tokens, contexto y coste
- Clasificación y confianza
- Por qué el mismo prompt da respuestas distintas: muestreo y temperatura
- Embeddings y similaridad semántica
- Puntuación de calidad y LLM-como-juez
- Esquema de tool y llamada estructurada
- Bucle de realimentación acotado
Los cinco patrones de workflow canónicos — y el LLM aumentado del que parten todos. Cada uno con su equivalente clásico de ingeniería de software.
- LLM aumentado
- Prompt Chaining
- Routing
- Paralelización
- Orchestrator-Workers
- Evaluator-Optimizer
Lo que convierte una llamada en un agente: herramientas, RAG, planificación, el bucle ReAct, razonamiento, reflexión y memoria.
- Leer grafos y árboles
- Recuperación top-k y chunking
- Uso de herramientas (Tool Use)
- RAG / recuperación de conocimiento
- Planificación
- El bucle agéntico (ReAct)
- Técnicas de razonamiento
- Reflexión
- Gestión de memoria
- Definición y monitorización de objetivos
De llamadas locales a sistemas distribuidos: fronteras de llamada, reintentos, MCP, comunicación entre agentes y human-in-the-loop.
- De llamadas locales a sistemas conectados
- Frontera de llamada: local vs remota
- Reintentos, backoff y tipos de error
- MCP / gestión de estado
- Comunicación entre agentes (A2A)
- Human-in-the-loop
Que funcione en la demo es lo fácil. Evaluación, prompt injection, context engineering, trazas, guardrails y seguridad del agente.
- De que funcione a que sobreviva en producción
- Set de evaluación: precisión y recall
- Inyección de prompt y frontera de confianza
- Context engineering
- Manejo de excepciones y recuperación
- Mitigación de deriva de instrucciones
- Traza explicable del agente
- Optimización consciente de recursos
- Evaluación y monitorización
- Guardrails y seguridad de contenido
- Seguridad del agente
Topologías de cooperación, jerarquías y mallas tolerantes a fallos — y el cierre: elegir y componer patrones para un caso real.
- Colaboración multi-agente
- Topologías de cooperación
- Orquestador jerárquico
- Malla de agentes tolerante a fallos
- Criterio de selección de patrones
- Composición de patrones