Python + Agentes: Creando agentes y flujos de IA con Agent Framework

11:00 PM - 12:00 AM (UTC)

En la primera sesión de nuestra serie Python + Agentes, vamos a arrancar con lo esencial: qué son los agentes de IA, cómo funcionan y cómo crear el tuyo usando Microsoft Agent Framework. Empezamos con la anatomía básica de un agente y luego vemos cómo funcionan en la práctica las llamadas a herramientas: primero con una sola herramienta, después con varias, y por último conectando herramientas expuestas a través de servidores MCP locales. Cerramos con el patrón de agente supervisor, donde un solo agente coordina subtareas entre varios subagentes, tratando a cada agente como si fuera una herramienta. En el camino, vamos a compartir tips para depurar e inspeccionar agentes, como usar la interfaz DevUI de Microsoft Agent Framework para probar prototipos.

11:00 PM - 12:00 AM (UTC)

En la segunda sesión de nuestra serie Python + Agentes, vamos a ampliar los agentes creados con Microsoft Agent Framework agregándoles dos capacidades esenciales: contexto y memoria. Vamos a empezar con el contexto, comúnmente conocido como Retrieval-Augmented Generation (RAG), y te vamos a mostrar cómo los agentes pueden respaldar sus respuestas con conocimiento recuperado desde fuentes de datos locales como SQLite o PostgreSQL. Esto les permite dar respuestas precisas y específicas del dominio basadas en información real, en lugar de alucinaciones del modelo. Después, vamos a explorar la memoria: tanto la de corto plazo (a nivel de hilo) como la de largo plazo (persistente). Vas a ver cómo los agentes pueden guardar y recordar información usando soluciones como Redis o librerías open source como Mem0, para que puedan acordarse de interacciones anteriores, preferencias del usuario y tareas que van evolucionando entre sesiones. Al final, vas a entender cómo crear agentes que no solo sean capaces, sino también conscientes del contexto y eficientes con la memoria, logrando experiencias más ricas y personalizadas.

11:00 PM - 12:00 AM (UTC)

En la tercera sesión de nuestra serie de Python + Agents, nos vamos a enfocar en dos componentes esenciales para construir agents confiables: observability y evaluation. Vamos a empezar con observability, usando OpenTelemetry para capturar traces, metrics y logs de las acciones del agent. Vas a aprender a instrumentar tus agents y usar un dashboard local de Aspire para identificar slowdowns y failures. Luego, vamos a ver cómo evaluar el comportamiento del agent usando el Azure AI Evaluation SDK. Vas a ver cómo definir criterios de evaluación, correr assessments automatizados sobre un set de tasks, y analizar resultados para medir accuracy, helpfulness y task success. Al final de la sesión, vas a tener herramientas y workflows prácticos para monitorear, medir y mejorar tus agents—para que no solo funcionen, sino que también sean confiables y verificablemente efectivos.

11:00 PM - 12:00 AM (UTC)

En la Sesión 4 de nuestra serie de Python + Agents, vamos a explorar las bases para construir AI-driven workflows usando el Microsoft Agent Framework: definir pasos del workflow, conectarlos, pasar data entre ellos, y meter formas simples de guiar el path que toma un workflow. Vamos a empezar con un overview conceptual y recorrer los componentes core: executors, edges y events. Vas a aprender cómo los workflows pueden componerse con funciones simples de Python o estar impulsados por AI agents completos cuando un paso requiere comportamiento model-driven. De ahí, nos metemos a conditional branching, mostrando cómo un workflow puede seguir paths distintos según model outputs, resultados intermedios o decision functions ligeras. Vamos a introducir structured outputs como una forma de hacer el branching más confiable y más fácil de mantener—evitando checks vagos de strings y asegurando que las decisiones del workflow se basen en data clara y tipada. Vamos a ver cómo la interfaz DevUI facilita desarrollar workflows visualizando el workflow graph y mostrando los streaming events durante la ejecución. Por último, nos vamos con un demo E2E que usa workflows dentro de una app de cara al usuario con frontend y backend.

11:00 PM - 12:00 AM (UTC)

En la Sesión 5 de nuestra serie de Python + Agents, vamos a ir más allá de los fundamentos y explorar cómo orquestar advanced, multi-agent workflows usando el Microsoft Agent Framework. Esta sesión se enfoca en patterns para coordinar varios pasos o varios agents a la vez, habilitando sistemas AI-driven más poderosos y flexibles. Vamos a empezar comparando ejecución sequential vs concurrent, y luego nos metemos a técnicas para correr steps en paralelo. Vas a aprender cómo fan-out y fan-in edges permiten que varias ramas corran al mismo tiempo, cómo agregar sus resultados, y cómo la concurrency ayuda a escalar workflows eficientemente. Luego, vamos a introducir dos enfoques de multi-agent orchestration que ya vienen built-in en el framework. Primero handoff, donde el control pasa completamente de un agent a otro según la lógica del workflow, útil para rutear tasks al agent correcto conforme avanza el workflow. Luego veremos Magentic, un supervisor orientado a planning que genera un plan de alto nivel y delega partes de ese plan a otros agents. Para cerrar, vamos a terminar con un demo E2E que muestra un concurrent multi-agent workflow en acción.

11:00 PM - 12:00 AM (UTC)

En la sesión final de nuestra serie de Python + Agents, vamos a explorar cómo incorporar interacciones human-in-the-loop (HITL) en agentic workflows usando el Microsoft Agent Framework. Esta sesión se enfoca en agregar puntos donde un workflow puede pausar, pedir input o aprobación de un usuario, y luego resumir cuando la persona responda. HITL es súper importante porque los LLMs pueden producir outputs inciertos o inconsistentes, y los checkpoints humanos agregan una capa extra de precisión y supervisión. Vamos a empezar con el modelo de requests-and-responses del framework, que da una forma estructurada para que los workflows hagan preguntas, recojan input humano y continúen la ejecución con esa data. Luego nos movemos a tool approval, una de las razones más comunes por las que un agent le pide input a una persona, y veremos cómo los workflows pueden mostrar tool calls pendientes para aprobar o rechazar. Después cubrimos checkpoints y resuming, que permiten pausar workflows y reiniciarlos después. Esto es clave para escenarios HITL donde la persona tal vez no esté disponible en ese momento. Vamos a ver ejemplos de cómo los checkpoints guardan progreso, cómo el resume retoma el estado del workflow, y cómo este mecanismo soporta ciclos de revisión más largos o multi-step. Esta sesión junta todo lo de la serie—agents, workflows, branching, orchestration—y muestra cómo integrar humanos de manera pensada en procesos AI-driven, especialmente cuando importan reliability y judgment.