Building Applications with AI Agents : de prototipo a producción

Wiki estructurada del libro de Michael Albada sobre sistemas agenticos: introducción, diseño, UX, herramientas, orquestación, memoria, aprendizaje, multi-agente, validación, monitoreo, mejora continua, seguridad y colaboración humano-agente

14 capítulos~74 min de lectura

Resumen

Wiki del libro Building Applications with AI Agents de Michael Albada (O’Reilly, fines de 2025). El libro no enseña qué es un LLM, sino cómo diseñar, construir y operar sistemas agenticos en producción: cómo combinar herramientas, memoria, conocimiento y modelos, qué patrones de orquestación y arquitectura multi-agente usar, cómo evaluarlos y monitorizarlos con rigurosidad, cómo defenderlos frente a riesgos únicos, y qué marco humano-organizativo necesita un sistema agenticos para escalar. La lectura sigue un orden lineal pero los bloques temáticos se pueden abordar de forma semi-independiente una vez se dominan los fundamentos de 01-introduccion-a-los-agentes y 02-diseno-de-sistemas-de-agentes.

Origen y propósito

El libro parte de una observación: la IA generativa ha acelerado el paso de concepto a prototipo a solución, pero desplegar agentes sigue siendo un reto para la mayoría de organizaciones. La salida a producción demanda planificación, drafting y revising — un rigor similar al de cualquier sistema distribuido, con problemas nuevos (no determinismo, confianza, observabilidad) encima. La tesis del libro: los agentes son un patrón de diseño, no un truco. Y los patrones de diseño se enseñan.

Descripción editorial (O’Reilly)

“Hemos visto surgir un nuevo patrón de diseño: los agentes AI. Combinando herramientas, conocimiento, memoria y aprendizaje con modelos fundacionales avanzados, ahora podemos secuenciar múltiples inferencias para resolver problemas ambiguos y difíciles.”

Cómo leer esta wiki

El libro sigue un orden pedagógico: primero la motivación y los conceptos básicos, después el diseño y la interacción, luego memoria y aprendizaje, multi-agente, y finalmente operación y mejora. La wiki mantiene ese orden con un split natural en Chapter 8 (multi-agente).

   Fundamentos            →  01 Introducción + 02 Diseño
   Diseño e interacción   →  03 UX + 04 Herramientas + 05 Orquestación
   Memoria y aprendizaje  →  06 Conocimiento + 07 Aprendizaje
   Multi-agente           →  08a Decidir y coordinar + 08b Comunicar y orquestar
   Operación y mejora     →  09 Validación + 10 Monitoreo + 11 Mejora
   Riesgo y colaboración  →  12 Protección + 13 Humano-agente

Recomendación

Si ya vienes de la wiki AI Engineering en este vault, empieza por 02-diseno-de-sistemas-de-agentes y 05-orquestacion. Si partes de cero, lee en orden desde 01-introduccion-a-los-agentes. Si operas agentes en producción, salta a 10-validacion-y-medicion y 11-monitoreo-en-produccion.

Continuar leyendo

Bloque 1 — Fundamentos

Introducción a los agentes — qué define a un agente, la revolución del pre-training, tipos, selección de modelos, sync↔async, principios para construir sistemas agenticos efectivos y panorama de frameworks (LangGraph, AutoGen, CrewAI, OpenAI Agents SDK).
Diseño de sistemas de agentes — componentes núcleo (modelo, herramientas, memoria, orquestación), trade-offs de diseño (performance, escalabilidad, fiabilidad, costes) y patrones arquitectónicos single-agent vs multi-agent.

Bloque 2 — Diseño de interacción y orquestación

UX de sistemas agenticos — modalidades de interacción (texto, gráfico, voz, vídeo), autonomy slider, sync/async UX, confianza y retención de contexto.
Uso de herramientas — herramientas locales, API-based y plug-in, Model Context Protocol (MCP), stateful tools y generación automática de herramientas con foundation models.
Orquestación — tipos de agentes (ReAct, planner-executor, reflexión, deep research), selección y topologías de ejecución de herramientas, context engineering.

Bloque 3 — Memoria y aprendizaje

Conocimiento y memoria — vector stores y búsqueda semántica, RAG, GraphRAG, knowledge graphs y note-taking memory.
Aprendizaje en sistemas agenticos — aprendizaje no paramétrico (RAG, few-shot, Reflexion) vs paramétrico (SFT, DPO, RLVR) y el rol de los modelos pequeños.

Bloque 4 — Multi-agente

De un agente a muchos — Parte A — cuántos agentes necesito, principios para añadir agentes, coordinación democrática / manager / jerárquica / actor-crítico, y diseño automatizado de sistemas agenticos.
De un agente a muchos — Parte B — comunicación local vs distribuida, Agent-to-Agent Protocol, message brokers, actor frameworks (Ray, Orleans, Akka), orquestación de workflows y gestión de estado distribuido.

Bloque 5 — Operación y mejora

Validación y medición — evaluación por componente (herramientas, planificación, memoria, aprendizaje) y evaluación holística (rendimiento end-to-end, consistencia, coherencia, alucinación).
Monitoreo en producción — stacks (Grafana/OTel, ELK, Arize Phoenix, SigNoz, Langfuse), instrumentación OTel, patrones (shadow mode, canary, self-healing) y feedback de usuario como señal de observabilidad.
Bucles de mejora — feedback pipelines, refinamiento de prompts y herramientas, A/B testing, Bayesian bandits y continuous learning in-context vs offline retraining.

Bloque 6 — Riesgo y colaboración

Protección de sistemas agenticos — riesgos únicos, threat modeling con MAESTRO, red teaming, data privacy, safeguards frente a amenazas externas y fallos internos.
Colaboración humano-agente — roles y autonomía, ciclo de vida de la confianza, marcos de accountability, diseño de escalación y el futuro de los equipos humano-agente.

Mapa de dependencias

   01 Intro        →  02 Diseño           (fundamentos)
                       │
                       ├─  03 UX          (consume los principios de diseño)
                       ├─  04 Tools       (MCP, stateful, generación)
                       └─  05 Orquestración (tipos de agente, contexto)
                              │
                              ├─  06 Memoria  (RAG, vector stores)
                              └─  07 Aprendizaje (SFT, DPO, RLVR)

   08a Decidir y coordinar ────  08b Comunicar (multi-agente)
                              │
                              ├─  09 Validación
                              ├─  10 Monitoreo
                              └─  11 Mejora

   12 Protección  ──  13 Humano-agente  (governance, escalación)

Próximos pasos

Empezar por la base: 01-introduccion-a-los-agentes.