Learning Path — Agentes de IA con enfoque open source
Ruta completa para aprender a construir agentes de IA sobre software libre: desde los fundamentos de LLMs hasta agentes multi-agente con protocolos abiertos (MCP, A2A), modelos autoalojados y despliegue en producción.
Estructura del path
| Orden | Fase | Contenido |
|---|---|---|
| 1 | LLMs y Prompting | Qué es un LLM, tokenización, temperatura, system prompts, zero/few-shot, CoT |
| 2 | Function/Tool Calling | El mecanismo central de todo agente, Structured Outputs |
| 3 | Tu primer framework | smolagents → CrewAI → LangGraph |
| — | Anexo Kimi | Usar Kimi (Moonshot AI) y su infraestructura en los frameworks |
| 4 | Multi-agente y protocolos | Patrones de orquestación, MCP, A2A, Microsoft Agent Framework, ADK 2.0 |
| 5 | Modelos abiertos y self-hosting | Ollama, vLLM, cuantización, comparación de modelos con promptfoo |
| 6 | Producción | Evaluación, observabilidad (Langfuse), guardrails, despliegue |
Cómo usar estos documentos
Están formateados para vuepress-theme-hope. Los contenedores (::: tip, ::: warning...), las pestañas (::: tabs con @tab) y el componente <VidStack> requieren que actives las opciones correspondientes en tu tema. Ver la sección de configuración al final de esta página.
🎓 MOOC de referencia: Agentic AI — UC Berkeley CS294/194-196 (Fall 2025)
Curso universitario gratuito y online que acompaña todo el learning path. Más de 40.000 estudiantes en su primera edición; clases completas en YouTube enlazadas desde la web oficial: rdi.berkeley.edu/agentic-ai/f25.
A continuación, las 12 sesiones grabadas, mapeadas a las fases del path.
🗺️ Mapa de vídeos → fases
| Sesión | Ponente | Fase recomendada |
|---|---|---|
| LLM Agents Overview (Sep 15) | Yann Dubois (OpenAI) | Fase 1 |
| Predictable Noise in LLM (Oct 27) | Sida Wang (Meta) | Fase 1 |
| Post-Training Verifiable Agents (Sep 29) | Jiantao Jiao (NVIDIA) | Fase 1b |
| Evolution of system designs (Sep 22) | Yangqing Jia (NVIDIA) | Fase 4 |
| Training Agentic Models (Oct 13) | Weizhu Chen (Microsoft) | Fase 4 |
| Multi-Agent AI (Oct 20) | Noam Brown (OpenAI) | Fase 3 |
| Multi-Agent Systems in the Era of LLMs (Nov 17) | Oriol Vinyals (Google DeepMind) | Fase 3 |
| AI Agents for Scientific Discoveries (Nov 3) | James Zou (Stanford) | Fase 3 (extra) |
| Agent Evaluation & Project Overview (Oct 6) | — | Fase 5 |
| Practical Lessons from Deploying Real-World AI Agents (Nov 10) | Clay Bavor (Sierra) | Fase 5 |
| Agentic AI Safety & Security (Dec 8) | Dawn Song (UC Berkeley) | Fase 5 |
| Autonomous Agents: Embodiment (Dec 1) | Peter Stone (UT Austin / Sony AI) | Fase 5 (extra) |
1. LLM Agents Overview
Yann Dubois (OpenAI) · Sep 15, 2025 — Panorama general de los agentes LLM.
2. Evolution of system designs from an AI engineer perspective
Yangqing Jia (NVIDIA) · Sep 22, 2025 — Evolución del diseño de sistemas de IA.
3. Post-Training Verifiable Agents
Jiantao Jiao (NVIDIA) · Sep 29, 2025 — Entrenamiento de modelos agentic con recompensas verificables.
4. Agent Evaluation & Project Overview
Oct 6, 2025 — Evaluación de agentes: benchmarks, trazas y errores estadísticos.
5. Some Challenges and Lessons from Training Agentic Models
Weizhu Chen (Microsoft) · Oct 13, 2025 — Lecciones de entrenar modelos para tool use multi-paso.
6. Multi-Agent AI
Noam Brown (OpenAI) · Oct 20, 2025 — Estado del arte de sistemas multi-agente.
7. Predictable Noise in LLM
Sida Wang (Meta) · Oct 27, 2025 — Por qué cambian los resultados con prompt/temperatura.
8. AI Agents to Automate Scientific Discoveries
James Zou (Stanford) · Nov 3, 2025 — Agentes multi-LLM diseñando nanobodies anti-SARS-CoV-2.
9. Practical Lessons from Deploying Real-World AI Agents
Clay Bavor (Sierra) · Nov 10, 2025 — Despliegue de agentes con clientes reales.
10. Multi-Agent Systems in the Era of LLMs
Oriol Vinyals (Google DeepMind) · Nov 17, 2025 — Multi-agente como vía hacia inteligencia más general.
11. Autonomous Agents: Embodiment, Interaction, and Learning
Peter Stone (UT Austin / Sony AI) · Dec 1, 2025 — Agentes con cuerpo y aprendizaje continuo.
12. Agentic AI Safety & Security
Dawn Song (UC Berkeley) · Dec 8, 2025 — Seguridad de agentes: prompt injection y defensas.
⚙️ Configuración necesaria en vuepress-theme-hope
Para que estos documentos rendericen correctamente en tu servidor, activa las siguientes opciones en tu tema:
// .vuepress/theme.ts
import { hopeTheme } from "vuepress-theme-hope";
export default hopeTheme({
markdown: {
hint: true, // contenedores ::: tip / warning / note / details
tabs: true, // ::: tabs con @tab
},
plugins: {
components: {
// componentes usados en los documentos
components: ["VidStack", "Badge"],
},
},
});Otras opciones de theme hope útiles para este material
markdown.tasklist: true— listas de tareas- [ ]markdown.codeTabs/ code group — bloques de código en pestañasmarkdown.footnote: true— notas al piemarkdown.gfm: true— compatibilidad GFMmarkdown.imageSize: true— tamaños de imagen=300x200markdown.mermaid: true— diagramas (ideal para el agent loop y los grafos de LangGraph)
Otras fuentes universitarias online
| Curso | Institución | Enlace |
|---|---|---|
| CS329A — Self-Improving AI Agents | Stanford | https://cs329a.stanford.edu |
| LLM Agents MOOC (edición anterior) | UC Berkeley (RDI) | https://rdi.berkeley.edu/llm-agents |
| MIT OpenCourseWare | MIT | https://ocw.mit.edu |
| Hugging Face Agents Course | Hugging Face | https://huggingface.co/learn/agents-course |
| AI Agents for Beginners | Microsoft | https://github.com/microsoft/ai-agents-for-beginners |