Información del
Programa
Curso GH-600T00 Developing in Agentic AI Systems
En este curso aprenderás a desarrollar, implementar y administrar sistemas de IA agéntica utilizando GitHub como plataforma de desarrollo y gobierno. Descubrirás cómo integrar agentes de IA en el ciclo de vida del desarrollo de software (SDLC), diseñar arquitecturas de agentes, gestionar su memoria y ejecución, y coordinar sistemas multiagente de forma segura y eficiente.
Al finalizar la formación, serás capaz de desarrollar soluciones basadas en agentes de IA, supervisar su funcionamiento en entornos de producción e implementar controles de gobernanza y seguridad para garantizar un comportamiento confiable y responsable.
Objetivos
Diseñar e implementar agentes de IA dentro del ciclo de vida del desarrollo de software.
Configurar herramientas, memoria y ejecución para optimizar el rendimiento de los agentes.
Orquestar sistemas multiagente de forma segura y eficiente.
Aplicar controles de gobernanza, guardrails e IA responsable en entornos de producción.
Temario
Módulo 1 – Fundamentos de la IA agéntica en GitHub
- Introducción.
- ¿Qué es la IA agéntica?
- El ciclo de vida: planificar → actuar → evaluar.
- GitHub como sistema de registro y plano de control.
- Responsabilidades, riesgos y patrones que se deben evitar.
- El modelo de colaborador para trabajar con agentes de IA.
Módulo 2 – Diseñar la arquitectura de agentes y la integración con el ciclo de vida del desarrollo de software (SDLC)
- Introducción.
- Asignar las responsabilidades de los agentes al ciclo de vida del desarrollo de software (SDLC).
- Definir las entradas, las salidas y los criterios de éxito.
- Separar la planificación, el razonamiento y la ejecución.
- Ejemplos de implementación de la gobernanza de solicitudes de incorporación de cambios (Pull Requests) mediante plantillas, comprobaciones, CODEOWNERS, reglas y puertas de entorno.
- Crear flujos de trabajo confiables: salidas, contextos, desencadenadores y transferencia entre trabajos.
- Controlar y operar agentes: observabilidad, herramientas, MCP, secretos, hooks y patrones de confiabilidad.
- Comprobación de conocimientos.
Módulo 3 – Herramientas, MCP y entornos de ejecución de agentes
- Introducción.
- Cómo interactúan los agentes con las API y los flujos de trabajo de GitHub.
- Servidores, registros y listas de permitidos (Allowlists) del Protocolo de Contexto de Modelo (MCP).
- Contexto de ejecución y límites.
- Límites y protecciones para la ejecución de agentes.
Módulo 4 – Sistemas multiagente y orquestación
- Introducción.
- Definir las responsabilidades y los límites de alcance de los agentes.
- Coordinar flujos de trabajo multiagente mediante eventos de GitHub Actions y patrones de orquestación.
- Aislar la ejecución de los agentes mediante ramas, flujos de trabajo, permisos y controles de concurrencia.
- Detectar y resolver conflictos mediante mecanismos de validación y revisión nativos de GitHub.
- Garantizar la observabilidad, la atribución y la trazabilidad de las acciones de los agentes.
- Diagnosticar errores e implementar estrategias de recuperación para sistemas multiagente confiables.
Módulo 5 – Memoria, estado y evaluación
- Introducción.
- Diseñar una estrategia de memoria para agentes.
- Administrar el estado de los agentes y el contexto de las conversaciones.
- Evaluar el rendimiento y la calidad de los agentes.
- Implementar la observabilidad y la supervisión de los agentes.
- Identificar y mitigar los riesgos relacionados con la memoria y el estado de los agentes.
Módulo 6 – Gobernanza, controles de protección y operaciones
- Introducción.
- Aplicar controles de protección (Guardrails) y políticas para los agentes.
- Implementar la gobernanza para sistemas de agentes.
- Supervisar y operar agentes en entornos de producción.
- Gestionar el acceso, los permisos y los secretos.
- Responder a incidentes y mejorar continuamente las operaciones de los agentes.
