INTERMEDIO · 12 MÓDULOS · 96 LECCIONES

LangChain y LangGraph: de chains a agentes

Construye agentes y flujos de IA listos para producción, con memoria, aprobación humana y monitoreo, que van mucho más allá de un chatbot.

Es para ti si
Programas en Python, ya llamaste a la API de un modelo y quieres construir agentes en serio.
Al terminar
Sabrás diseñar flujos con estado en LangGraph, coordinar varios agentes, pausar para pedir aprobación humana y depurar con LangSmith.
Necesitas
Python intermedio con async, Python 3.11 o superior y una API key de OpenAI o Anthropic.
  1. 01Modelos y Providers8 LECCIONES
    1. Introducción: El Ecosistema LangChain Moderno
    2. init_chat_model y Proveedores
    3. Parámetros y Configuración
    4. Invoke, Stream y Batch
    5. Structured Output
    6. Multimodal y Reasoning
    7. Modelos Locales, Caching y Rate Limiting
    8. Proyecto: Chat Multi-Proveedor con Fallback
  2. 02Tools y Tool Calling8 LECCIONES
    1. Introducción: Por qué los modelos necesitan herramientas
    2. Crear Tools con @tool
    3. bind_tools y el Flujo de Tool Calling
    4. Tool Execution Loop
    5. Parallel Tool Calls y Streaming
    6. Structured Output con Tools
    7. Error Handling y Troubleshooting
    8. Proyecto: Asistente con Herramientas Externas
  3. 03Agents con create_agent8 LECCIONES
    1. Introducción: De Tools Manuales a Agentes Autónomos
    2. create_agent y el Loop ReAct
    3. System Prompts Estáticos y Dinámicos
    4. Estado y Memoria del Agente
    5. Streaming de Agentes
    6. Structured Output en Agentes
    7. Legacy vs Moderno: Mapeo de APIs
    8. Proyecto: Agente de Investigación con Tools
  4. 04Middleware y Customización8 LECCIONES
    1. Introducción: Personalizar Agentes sin Reescribirlos
    2. Tu Primer Middleware: Logging y Monitoreo
    3. @wrap_model_call: Interceptar Llamadas al Modelo
    4. @wrap_tool_call: Personalizar Ejecución de Tools
    5. Dynamic Models: Selección Inteligente
    6. Dynamic Tools y Dynamic Prompts
    7. AgentMiddleware Class: Middleware Compuesto
    8. Proyecto: Agente con Routing Dinámico de Modelos
  5. 05Introducción a LangGraph8 LECCIONES
    1. Introducción: De Agentes Lineales a Workflows como Grafos
    2. StateGraph: Tu Primer Grafo
    3. Nodos: Funciones que Transforman Estado
    4. Edges y Conditional Edges
    5. Estado Tipado con TypedDict y Annotated
    6. Compilación y Ejecución
    7. create_agent vs StateGraph: Cuándo Usar Cada Uno
    8. Proyecto: Chatbot con Estado y Routing Condicional
  6. 06Functional API8 LECCIONES
    1. Introducción: Otra Forma de Construir Agentes
    2. @entrypoint: Definir un Agente como Función
    3. @task: Tareas que Componen el Agente
    4. Control Flow Nativo
    5. Graph API vs Functional API: Comparación Profunda
    6. Patterns con Functional API
    7. Combinar Graph y Functional API
    8. Proyecto Evolutivo: Research Agent Base (v1)
  7. 07Flujos Avanzados8 LECCIONES
    1. Introducción: Workflows Complejos del Mundo Real
    2. Ciclos y Loops: Retry Patterns
    3. Branching y Merging
    4. Subgraphs: Composición Modular
    5. Map-Reduce y Deferred Nodes
    6. Error Handling Avanzado
    7. Patterns de Producción
    8. Proyecto Evolutivo: Retry Logic y Branching (v2)
  8. 08Memoria y Persistencia8 LECCIONES
    1. Introducción: Por Qué los Agentes Necesitan Memoria
    2. Short-term Memory: Conversation History
    3. Checkpointing con InMemorySaver
    4. Persistencia con PostgresSaver y Redis
    5. Durable Execution
    6. Time-Travel Debugging
    7. Long-term Memory: Store y Cross-Session
    8. Proyecto Evolutivo: Persistencia y Memoria (v3)
  9. 09Human-in-the-Loop8 LECCIONES
    1. Introducción: Agentes con Oversight Humano
    2. Interrupts: Pausar Ejecución
    3. Breakpoints y Approvals
    4. Editable State: Modificar Estado Durante Pausa
    5. User Feedback Loops
    6. Patterns HITL en Producción
    7. Cuándo Automatizar vs Cuándo Pausar
    8. Proyecto Evolutivo: Aprobaciones Humanas (v4)
  10. 10Multi-Agent Systems8 LECCIONES
    1. Introducción: De Un Agente a Muchos
    2. Pattern Supervisor
    3. Pattern Handoffs
    4. Pattern Subagents
    5. Pattern Router
    6. Shared vs Isolated State
    7. Orquestación Avanzada
    8. Proyecto Evolutivo: Sistema Multi-Agente (v5)
  11. 11Deep Agents8 LECCIONES
    1. Introducción: El Nivel Más Alto de Abstracción
    2. Planning con write_todos
    3. Virtual Filesystem
    4. Subagent Spawning y Delegación
    5. Memoria de Largo Plazo y Backends Intercambiables
    6. Deep Agents Code: El Agente de Terminal
    7. create_agent vs LangGraph vs Deep Agents: El Árbol de Decisión
    8. Proyecto Evolutivo: La Versión Deep Agent (v6)
  12. 12LangSmith y Producción8 LECCIONES
    1. Introducción: De Prototipo a Producción
    2. Tracing y Observabilidad
    3. Debugging Visual de Agentes
    4. Evaluation: Datasets y Evaluators
    5. Token Usage Tracking y Prompt Caching
    6. Rate Limiting y Cost Control
    7. Production Checklist y Deployment
    8. Proyecto Evolutivo: Sistema Completo con Observability (v7: Final)
Reseñas

Lo que dicen los estudiantes

Estas reseñas son de estudiantes inscritos que completaron al menos el 50% del curso. Moderamos las reseñas solo por motivos de contenido (spam, lenguaje ofensivo, datos personales), nunca por ser críticas o negativas.

Aún no hay reseñas aprobadas.

¡Sé el primero en compartir tu experiencia!

SEC. 06 · EL ESTUDIO

Por qué existe este estudio

Durante décadas, construir software fue cosa de perfiles técnicos con años de formación, y llevar un producto digital a la vida real le tomaba a las empresas meses o años. El no-code y la inteligencia artificial han acortado esa brecha, pero el conocimiento sigue en manos de unos cuantos.

Tech Benders existe para abrir ese conocimiento, para que los equipos de negocio y los perfiles no técnicos puedan poner sus ideas en producción con las decisiones técnicas correctas detrás. La IA hace lo que le pides. Sin una base técnica, lo que construye puede no escalar con el ecosistema de tu empresa, y sus costos se disparan con el tiempo.

El equipo conoce los dolores de las organizaciones grandes y la velocidad a la que tienen que moverse. Trae arquitectura de soluciones, ingeniería de datos, producto construido de punta a punta, del backend al frontend, y trabajo diario con IA. Software que resuelve lo que necesitas en días, no en meses, con los costos de la IA bajo control.

Fundadores

El estudioConoce Tech Benders →

Escríbenoshi@techbenders.io

Hecho con Wislab