Curso de Agentes de IA

Material de estudio personal — enfoque en sistemas open source

Un learning path completo para aprender a construir agentes de IA desde cero: primero los fundamentos (LLMs, prompting, tool calling), después la teoría del agent loop, y por último frameworks, multi-agente, modelos abiertos y producción. Todo con herramientas de código abierto.

Las fases

Fase	Duración	Temas principales	Documento
0 — Fundamentos previos	1–2 semanas	Python intermedio, LLMs, prompting, tool calling, APIs REST	Fundamentos de LLMs, Prompting y Tool Calling
1 — Conceptos clave de agentes	2–3 semanas	Agent loop, ReAct, Plan-and-Execute, herramientas, memoria, MCP, RAG	Fundamentos de LLMs, Prompting y Tool Calling
2 — Primer framework	2–4 semanas	smolagents, CrewAI, LangGraph	Fase 2 — Primer framework
3 — Multi-agente y protocolos	3–4 semanas	Orquestación, A2A, MCP en profundidad, Microsoft Agent Framework, Google ADK	Fase 3 — Multi-agente
4 — Modelos abiertos y self-hosting	2–4 semanas	Ollama, vLLM, Qwen/Llama/DeepSeek/Mistral, evaluación con Promptfoo	Fase 4 — Modelos abiertos
5 — Producción	3+ semanas	Evaluación, observabilidad, guardrails, persistencia, Dify, n8n, Docker	Fase 5 — Producción

La ruta completa, con los proyectos prácticos de cada fase, está en Ruta de aprendizaje.

Documentos del curso

• Ruta de aprendizaje — el plan completo: fases, duraciones, temas y proyecto práctico de cada una.
• Fundamentos de LLMs, Prompting y Tool Calling — qué es un LLM, tokenización, temperatura, system prompts, técnicas de prompting (zero-shot, few-shot, CoT) y el function calling, el mecanismo central de todo agente. Cubre las Fases 0–1.
• Fase 2 — Primer framework — smolagents, CrewAI y LangGraph: filosofía de cada uno, ejemplos en Python y proyecto integrador.
• Fase 3 — Multi-agente y protocolos — orquestación de sistemas de agentes y los dos protocolos abiertos que estandarizan la industria: MCP y A2A.
• Fase 4 — Modelos abiertos y self-hosting — desacoplarte de las APIs cerradas: Ollama, vLLM, modelos abiertos con buen tool calling y evaluación.
• Fase 5 — Producción — evaluación, observabilidad, guardrails, persistencia y plataformas low-code self-hosteables.
• Anexo — Kimi e infraestructura Moonshot AI — cómo usar los modelos abiertos de Kimi (API compatible con OpenAI, Kimi Code, autoalojamiento con vLLM) en los tres frameworks de la Fase 2.

Criterio de avance

No pases a la siguiente fase hasta poder explicar en voz alta qué hace el agente en cada paso y por qué falló en su último error.

Documento vivo: se actualiza a medida que avanza el estudio. Última revisión: octubre de 2026.