Microsoft Reactor

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.