Big Data Academy

• ¿Qué es un Agente de IA y en qué se diferencia de un chatbot tradicional?
• Arquitectura de un Agente: modelo, instrucciones, contexto, memoria y Tools
• Agent Loop: cómo un Agente analiza, decide, ejecuta acciones y responde
• Casos de uso de Agentes de IA en escenarios empresariales
• Introducción a Microsoft Foundry
• Preparación y configuración del entorno en Azure
• Modelos GPT y Deployments en Microsoft Foundry
• Despliegue y prueba de modelos GPT
• De una interacción con un modelo a la construcción de soluciones Agentic

• Creación y configuración de Agentes en Microsoft Foundry
• Diseño de instrucciones, contexto y Conversations
• Tools y Function Calling: permitir que un Agente ejecute acciones reales
• Diseño de parámetros, resultados y contratos para Tools
• Code Interpreter para análisis, cálculos y procesamiento de información
• Agentes capaces de seleccionar entre múltiples Tools
• Model Context Protocol [MCP]: arquitectura Client–Server
• Integración de Agentes con servidores MCP remotos
• Autenticación y credenciales de acceso
• Diseño de Tools orientadas a procesos de negocio

• Consumo de Agentes desde aplicaciones externas
• Integración con Python y Google Colab
• Endpoint, credenciales y Agent ID
• Uso de SDKs para conectarse con Microsoft Foundry
• LangChain con Microsoft Foundry
• Integración de modelos, mensajes y Tools mediante LangChain
• Creación de Tools para procesos empresariales
• Agentes para búsqueda, registro y actualización de información
• Desarrollo de interfaces gráficas con Gradio
• Construcción de un POC de Agente de IA
• Introducción a Agentes conectados con conocimiento empresarial

• ¿Cómo permitir que un Agente consulte información que el modelo no conoce?
• Arquitectura Retrieval-Augmented Generation [RAG]
• RAG aplicado a Agentes de IA
• Chunking y preparación de documentos
• Embeddings y representación vectorial
• Búsqueda semántica y búsqueda vectorial
• Azure AI Search
• Creación de índices y bases de conocimiento
• Carga y actualización de documentación empresarial
• Grounding para mejorar precisión y relevancia
• Integración de RAG, Tools y Agentes
• Construcción de un Agente conectado con información corporativa

• Integración de Agentes con APIs y sistemas empresariales
• Conversión de operaciones del negocio en Tools
• Azure Functions como backend para acciones ejecutadas por Agentes
• Diseño de entradas, salidas y contratos de integración
• Creación de Tools conectadas con servicios externos
• Arquitectura de un MCP Server
• Creación de un servidor MCP propio
• Publicación de Tools mediante Model Context Protocol
• Desarrollo y consumo desde clientes MCP
• Reutilización de Tools entre diferentes Agentes y aplicaciones
• Manejo de errores, Timeouts y respuestas controladas
• Diseño de una arquitectura MCP para escenarios empresariales

• De un Agente individual a un Agentic Workflow
• Procesos de varios pasos controlados por Inteligencia Artificial
• Estado y decisiones dentro de un Workflow
• Routing inteligente de solicitudes
• Handoffs entre Agentes especializados
• Human-in-the-Loop para procesos que requieren intervención humana
• Introducción a LangGraph
• Grafos, Nodes, Edges y State
• Diseño de flujos Agentic mediante LangGraph
• Arquitecturas Multiagente
• Agente coordinador y Agentes especialistas
• Orquestación de múltiples Agentes dentro de un mismo proceso
• Construcción práctica de un Workflow Multiagente

• Principales riesgos de seguridad en soluciones con Agentes de IA
• Autenticación y autorización empresarial
• Microsoft Entra ID
• Service Principals y Managed Identities
• RBAC y control de permisos
• Azure Key Vault y protección de secretos
• Seguridad de Tools, APIs y sistemas internos
• Prompt Injection y riesgos de ejecución de acciones
• Guardrails para controlar el comportamiento del Agente
• Human Approval para acciones sensibles
• ¿Cómo saber si un Agente realmente funciona bien?
• Evaluación de calidad, relevancia y Groundedness
• Evaluación de selección y ejecución de Tools
• Datasets de evaluación
• Logs, métricas y trazas
• Observabilidad del ciclo completo de ejecución de un Agente

"

• Del prototipo a una solución empresarial
• Arquitectura End-to-End para Agentes de IA en Azure
• Integración de aplicación, Agente, RAG, Tools y MCP
• Azure API Management para exposición y control de servicios
• Diseño de arquitecturas seguras y escalables
• Cuotas y Rate Limits
• Retries, Timeouts y resiliencia
• Gestión de ambientes DEV, TEST y PROD
• Versionamiento de Prompts, Tools y configuraciones
• CI/CD para soluciones de Inteligencia Artificial
• Tokens y consumo de modelos
• Estimación de costos de una arquitectura de Agentes
• Proyecto End-to-End integrando Microsoft Foundry, LangChain, RAG, MCP y Tools
• POC → MVP → Producción
• Estrategia de adopción de Agentes de IA en organizaciones
• Siguientes pasos y ruta de especialización