Formación corporativa en LangGraph

LangGraph es el framework oficial de LangChain para construir agentes y sistemas multi-agente utilizando grafos de estado como modelo de orquestación. A diferencia de las cadenas lineales tradicionales, LangGraph permite definir flujos cíclicos y condicionales donde el estado de la aplicación se gestiona de forma explícita mediante un esquema tipado, los nodos representan pasos de procesamiento y las aristas determinan el flujo de ejecución, incluidas las bifurcaciones dinámicas.

En su línea 0.3 ya estable, LangGraph se apoya en componentes prebuilt listos para producción como create_react_agent, ToolNode y MessagesState, reducer add_messages para historiales de chat, y un ecosistema de checkpointers (MemorySaver, SqliteSaver, PostgresSaver y el saver sobre Redis) que habilitan persistencia, viaje en el tiempo, interrupts y recuperación ante fallos. La memoria long-term se modela con Store, pensada para recordar preferencias y hechos del usuario a través de hilos y sesiones.

Este curso recorre el framework de principio a fin: diseño de StateGraph con esquemas tipados, construcción de agentes ReAct con herramientas, flujos de human-in-the-loop con interrupts estáticos y dinámicos, orquestación de arquitecturas supervisor y swarm con Command(goto) y handoffs, streaming en los modos values, updates, messages, custom y debug, y despliegue en producción con LangGraph Platform, LangGraph Studio y observabilidad con LangSmith.

Qué incluye este itinerario

• Fundamentos: qué es LangGraph, orquestación basada en grafos, concepto de StateGraph y comparativa con LangChain chains.
• Instalación y entorno: dependencias, configuración de proveedores, primer grafo y visualización con draw_mermaid.
• Grafos de estado: StateGraph, TypedDict, Annotated, reducer add_messages, MessagesState, nodos, aristas, START, END y compilación.
• Agentes reactivos: patrón ReAct, bind_tools, ToolNode, bucle del agente, chat models y create_react_agent.
• Persistencia y checkpoints: MemorySaver, SqliteSaver, PostgresSaver, gestión de hilos con thread_id y viaje en el tiempo.
• Human-in-the-loop: interrupt_before, interrupt_after, NodeInterrupt, aprobación, edición de tool calls y reanudación con Command.
• Multi-agente: supervisor, swarm con Command(goto), handoffs, estado compartido y especialización.
• Streaming y subgrafos: modos values, updates, messages, custom, debug, tokens en tiempo real, subgrafos y Send API para map-reduce.
• Producción: LangGraph Platform (servidor y deployments gestionados), LangGraph Studio como IDE de agentes, LangSmith tracing, errores, reintentos y patrones de producción.
• Proyecto integrador: agente multi-step con herramientas, human-in-the-loop con interrupts, persistencia con SQLite, memoria long-term con Store y streaming dual de tokens y eventos.

Público objetivo

• Desarrolladores Python que ya conocen LangChain y quieren construir agentes avanzados con control total del flujo de ejecución.
• Ingenieros de IA que necesitan orquestar sistemas multi-agente con persistencia de estado y coordinación compleja.
• Arquitectos de software que diseñan soluciones agentic con intervención humana, streaming y despliegue en producción.
• Equipos de producto que exploran la automatización inteligente con agentes que requieren aprobación humana y trazabilidad.

Prerrequisitos: conocimientos intermedios de Python (clases, async/await, TypedDict), familiaridad con LangChain (modelos, prompts, herramientas) y conceptos básicos de LLMs.