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.

12:00 AM - 1:00 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.