Saltar al contenido
Todos los cursosCursos de inteligencia artificial

LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas

Curso práctico para ingenieros de IA senior que desean dominar LangGraph en la creación de agentes inteligentes con memoria persistente, herramientas externas y lógica condicional. Aprenderás a diseñar sistemas que toman decisiones autónomas y ejecutan tareas complejas en entornos reales. Es un curso en español con 4 módulos y 17 lecciones. Puedes revisar el temario completo antes de elegir entre la compra individual y la matrícula al catálogo.

Temario estructurado17 lecciones7 h de carga estimada

Responsable de formación: Gerardo Salazar, product builder e ingeniero de software.

Toda la escuela: US$100 en un solo pago, sin suscripción ni renovaciones. Incluye los 131 cursos y los futuros. También seis cuotas mensuales de US$20 (US$120 en total) o compra individual. Elige la opción que te venga mejor.

Cursalo · Inteligencia artificial
LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas
APRENDE · EXPLORA · APLICA

Aprende con un caso concreto

Lo que vas a poner en práctica

  • Diseñar grafos de estado con nodos de responsabilidad única, aristas explícitas y rutas condicionales verificables.
  • Implementar memoria persistente y recuperación de contexto con identificadores separados y criterios de relevancia.
  • Construir ciclos acotados y agentes que elijan entre varias herramientas mediante contratos claros.
  • Integrar memoria, herramientas y priorización en un gestor de proyectos local y simulado.
  • Evaluar ejecuciones mediante casos reproducibles, invariantes, trazas y manejo seguro de errores.

Este curso propone construir un agente de gestión de proyectos con LangGraph como un sistema de estados observable, no como una conversación lineal. El recorrido comienza con la arquitectura mínima: definir un estado pequeño, separar responsabilidades en nodos y conectar transiciones explícitas. En el primer módulo representarás una solicitud de proyecto, distinguirás entre una acción y una decisión, y comprobarás el flujo con trazas sencillas. Después añadirás una herramienta de consulta sobre un catálogo local simulado. El objetivo no es depender de una interfaz concreta, sino aprender a validar entradas, registrar resultados y devolver el control al grafo. El mini-proyecto de recomendación de libros servirá para unir estado, herramienta y preferencias sin mezclar la lógica de selección con la presentación final.

El segundo módulo aborda la memoria persistente. Primero compararás estado del thread, checkpoints y un almacén de recuerdos. Sin checkpointer el estado no continúa entre invocaciones; con un backend duradero puede recuperarse tras reiniciar. Un índice vectorial sirve para búsqueda semántica y solo sobrevive si su almacenamiento también es persistente. Trabajarás con registros pequeños y explícitos para comprender qué se guarda, qué identificador separa a los usuarios y cómo se evita recuperar información ajena. Luego medirás la recuperación con consultas concretas, revisarás el tamaño del contexto y distinguirás relevancia de mera coincidencia textual. El asistente personal integrará historial y recuerdos seleccionados, con una regla clara para no convertir cada mensaje en memoria permanente.

El tercer módulo introduce decisiones no lineales. Diseñarás routers que eligen una rama según campos verificables del estado, como tipo de solicitud, prioridad o disponibilidad de datos. A continuación construirás un bucle acotado para revisar una propuesta hasta alcanzar un criterio o consumir un límite de iteraciones. La lección de herramientas múltiples combinará consulta, cálculo y resumen mediante contratos de entrada y salida. La prueba de este módulo pedirá justificar rutas y límites con casos de frontera, no solo describir conceptos.

El proyecto integrador aplica todo lo anterior a un gestor simulado. Primero definirás entidades, eventos, tareas, dependencias y estados de error. Después implementarás herramientas locales para crear, actualizar y consultar tareas, además de comprobar conflictos básicos de calendario. La memoria conservará decisiones del proyecto y la lógica condicional priorizará trabajo pendiente sin alterar silenciosamente los datos. La simulación incluirá solicitudes normales, datos incompletos, tareas bloqueadas y fallos controlados de una herramienta. Cada ejecución deberá dejar una traza suficiente para reconstruir qué nodo actuó y por qué.

El trabajo final consiste en entregar un grafo ejecutable en un entorno local o simulado, acompañado de un conjunto de datos reproducible y pruebas. Deberás mostrar al menos una bifurcación, un ciclo con límite, dos herramientas, recuperación de memoria separada por identificador y una respuesta de error segura. La comprobación se hará comparando entradas y salidas esperadas, revisando invariantes y repitiendo una sesión después de reiniciar el proceso. No se evaluará una promesa de autonomía, sino la claridad de los contratos, la trazabilidad y la capacidad de mantener datos coherentes.

La ruta exige familiaridad con Python, funciones, diccionarios, listas y pruebas básicas. También conviene saber leer documentación técnica, aunque las actividades usan ejemplos autocontenidos. Cuando una interfaz pueda variar, se valorará el concepto y el contrato observable por encima de nombres específicos. En cada lección registrarás una decisión de diseño, una evidencia de ejecución y un caso que deba rechazarse. Así podrás detectar si el agente realmente sigue el grafo o si una respuesta parece correcta por casualidad. El resultado esperado es un prototipo pequeño, auditable y ampliable, no un sistema listo para operar sin supervisión.

Bucle de estado, herramienta y resultado, con revisión humana antes de una acción de alto impacto.
CursaloMapa de práctica
Un agente necesita límites

Un agente mantiene un estado y utiliza herramientas dentro de límites definidos. El resultado de cada herramienta actualiza ese estado para decidir el siguiente paso. Las acciones de alto impacto deben pasar por una revisión humana antes de ejecutarse.

Ver la infografía en tamaño completo ↗

Proyecto final

Agente simulado para coordinar un proyecto editorial

Construye un grafo que reciba solicitudes sobre tareas editoriales, consulte o actualice un almacén local, recupere decisiones previas por identificador de proyecto y priorice el siguiente trabajo sin ejecutar acciones externas. El flujo debe distinguir consultas, cambios y solicitudes incompletas; registrar cada transición; limitar cualquier iteración y devolver errores comprensibles.

Qué entregar

  • Código del grafo y sus nodos con contratos de estado documentados.
  • Almacén local reproducible con al menos cinco tareas, dos dependencias y dos recuerdos de proyecto.
  • Tres herramientas simuladas: consultar tareas, actualizar una tarea y revisar conflictos de calendario.
  • Pruebas de rutas normales, datos incompletos, tarea bloqueada, memoria aislada y límite de iteraciones.
  • Informe breve con una traza completa y explicación de dos decisiones de diseño.

Cómo comprobarlo

  • Cada nodo tiene una responsabilidad verificable y no modifica campos ajenos sin justificación.
  • Las rutas condicionales y los bucles tienen casos de salida explícitos y límites comprobables.
  • La memoria distingue proyectos o usuarios y recupera solo registros pertinentes al caso.
  • Las herramientas validan entradas, preservan invariantes y representan los errores sin ocultarlos.
  • Las pruebas permiten reproducir entradas, salidas y cálculos sin depender de servicios externos.
Fuentes para profundizar

Temario completo

17 lecciones

Vista previa del programa. Las clases se desbloquean al comprar el curso o con la matrícula.

Fundamentos de LangGraph y Arquitectura de Agentes

  • Diseña tu primer grafo de agente con nodos y aristas
  • Implementa un agente que use una herramienta de búsqueda web
  • Crea un mini-proyecto: Agente de recomendación de libros
  • Evalúa tu comprensión de grafos y herramientas

Integración de Memoria Persistente en Agentes

  • Configura memoria con bases de datos vectoriales
  • Implementa recuperación de contexto en conversaciones
  • Desarrolla un agente con memoria para asistente personal
  • Test sobre técnicas de memoria y persistencia

Lógica Condicional y Toma de Decisiones Avanzadas

  • Diseña grafos con bifurcaciones condicionales
  • Implementa bucles para tareas iterativas
  • Construye un agente que decide entre múltiples herramientas
  • Cuestionario sobre lógica condicional en LangGraph

Proyecto Integrador: Agente de IA para Gestión de Proyectos

  • Planifica la arquitectura del agente de gestión
  • Implementa herramientas de gestión de tareas y calendario
  • Integra memoria y lógica condicional para priorización
  • Despliega y prueba tu agente en un entorno simulado
  • Evaluación final del proyecto integrador

Por qué Cursalo

APLICA

Aprende haciendo

Cada lección convierte una explicación concreta en una tarea útil que puedes repetir.

TU RITMO

Avanza sin presión

Tu progreso queda guardado para continuar exactamente desde donde lo dejaste.

APOYO

Todo en un mismo lugar

Lecciones, prompts, materiales y tutor con IA reunidos para ayudarte mientras practicas.

Lecturas del programa

Explora estas lecciones públicas y vuelve al curso para consultar las opciones de acceso y guardar tu progreso.

Preguntas frecuentes

¿Cómo accedo al curso LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas?

Puedes adquirir el curso LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas con una compra única y conservar el acceso a ese curso, o acceder al catálogo con una membresía mensual, anual o de por vida, según las condiciones de cada plan. Consulta las condiciones y los precios actualizados en /precios.

¿Qué incluye LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas?

Es un curso completo en español con 4 módulos y 17 lecciones. El temario público muestra cada lección; los materiales adicionales se identifican dentro del curso cuando están disponibles.

¿Necesito conocimientos previos para hacer LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas?

Revisa el temario público para comprobar el punto de partida y la progresión de LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas. Puedes avanzar a tu ritmo desde el panel y volver a la última lección visitada.

¿El curso LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas entrega certificado?

Las rutas certificables permiten emitir un certificado de finalización cuando completas sus requisitos y tienes el acceso correspondiente. Cada certificado emitido cuenta con una página pública de verificación.

¿En qué idioma está y para qué países sirve?

Está en español y se estudia online. Puedes acceder desde Latinoamérica, España u otro país con conexión a internet; el checkout muestra los importes en USD.

¿Cuánto tiempo necesito y qué nivel requiere LangGraph Avanzado: Construcción de Agentes de IA con Memoria y Herramientas?

Revisa el temario público para comprobar el punto de partida: cada curso indica sus lecciones y su progresión. Con 15 a 30 minutos al día avanzas, a tu ritmo y con el progreso guardado. Si vienes desde cero, empieza por ChatGPT para Principiantes, incluido en la matrícula.

¿Qué pasa si el curso no es para mí?

Puedes revisar el temario, las lecciones y el precio antes de pagar. El cargo inicial de la matrícula tiene 7 días de garantía según la política publicada, y cancelar evita la próxima renovación; la compra individual es un pago único que no se renueva. Si hubo un cobro incorrecto o un problema de acceso, soporte revisa el caso. Tienes 7 días de garantía en tu primer pago.

¿Puedo ver el curso antes de decidir?

Sí. Revisa el temario y el tráiler en esta página. Para estudiar, la matrícula mensual cuesta US$15 y la cancelas cuando quieras; compárala con el curso individual en /precios.

Reseñas de estudiantes

Sé el primero en dejar una reseña

Reseñas de estudiantes

Aún no hay reseñas para este curso.

Tu ruta: desde cero → intermedio → avanzado

Este curso es un paso, no toda la ruta. Sigue este orden: cada nivel usa lo que dominaste en el anterior.

  1. Nivel 1 · Desde cero

  2. Nivel 2 · Intermedio

  3. Nivel 3 · Avanzado

Otros cursos de IA

Ver todo el catálogo →

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.