AI Engineer. Dex Horthy explica por qué los sistemas de agentes fiables consisten, en gran medida, en software disciplinado alrededor de unas pocas llamadas a LLM: controla el prompt y la ventana de contexto, mantiene un flujo de control determinista y utiliza llamadas a herramientas para contactar con personas cuando el flujo requiere criterio. Esto se corresponde directamente con los patrones de aprobación, excepción y derivación del artículo.
Considera el concepto de «agente» como arquitectura de software, no como teatro de autonomía. La lección duradera es mantener un estado explícito, un flujo de control determinista y una vía real de transferencia a una persona.
Aprenderás a diseñar flujos de IA capaces de pausarse, reanudarse y solicitar criterio humano, manteniendo el estado del negocio separado de las suposiciones del modelo.
Conocimientos básicos sobre llamadas a herramientas o flujos de trabajo de IA multietapa.
Última revisión: 19 may 2026
Continúa por el mismo itinerario de aprendizaje con los siguientes vídeos complementarios seleccionados.
32 minutosAprenderás a incorporar la IA a la localización sin retirar a las personas la responsabilidad sobre el significado, el tono, la terminología y la aprobación final.
30 minutosEntenderás los desencadenantes, las acciones y un flujo de automatización sencillo antes de añadir IA a un proceso de trabajo.
17 minutosExplicarás el concepto de la «economía de la atención» y nombrarás una táctica de diseño usada para capturar la atención.
Cursos externos seleccionados para profundizar en este tema.
Anthropic AcademyAnthropic Academy
MCP es el protocolo que está sustituyendo discretamente las integraciones específicas para cada herramienta en todo el ecosistema de IA. Apréndelo de la fuente original. Al terminar, habrás creado y desplegado tu propio servidor MCP, conectado a él un cliente de LLM y comprendido por qué este estándar es lo más parecido a USB-C que existe en el sector.
DeepLearning.AIJoão Moura (Founder, CrewAI)
Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.
Hugging FaceHugging Face
La explicación más clara disponible en código abierto sobre sistemas con agentes. Se basa en los tres frameworks que los equipos de ingeniería evalúan realmente (smolagents, LlamaIndex y LangGraph), en lugar de limitarse al stack de un proveedor. Termina con una prueba comparativa y una clasificación pública: resultados que tu equipo puede verificar.
