Agentic engineering para todo el equipo.
Una formación que va del agent loop al fine-tuning, hecha a medida: módulos, profundidad y ejercicios definidos a partir del stack, los sistemas y los objetivos de tu equipo.

Lo que cubre la formación.
- Harness engineering
- Context engineering
- MCP 2026-07-28 (stateless)
- Agent Skills (SKILL.md)
- AGENTS.md
- Hooks and subagents
- Tool search
- Code mode
- MCP Apps
- OAuth 2.1
- A2A
- AG-UI
- Prompt caching
- Context compaction
- Contextual retrieval
- Hybrid search + reranking
- ColPali
- GraphRAG
- Durable execution
- LLM-as-judge
- pass^k
- Trajectory evals
- Lethal trifecta
- CaMeL
- Egress allowlists
- OWASP Top 10 for Agentic Applications
- OpenTelemetry GenAI
- Model cascades
- AI gateway
- LoRA / QLoRA
- DPO / KTO
- RFT with GRPO
- Multi-LoRA serving
- Spec-driven development
- EARS requirements
- Property-based testing
- EU AI Act
- ISO/IEC 42001
- NIST AI RMF
Programa.
Fundamentos de harness
Tu equipo escribe un agent loop desde cero y arma el harness del repositorio: AGENTS.md con comandos y límites, skills para playbooks repetidos y hooks que bloquean comandos peligrosos y exigen tests que pasen para terminar.
- Agent loop con tool calling nativo
- AGENTS.md como mapa del repositorio
- Skills, hooks o subagentes: cuál usar
- Verificación con tests, logs y navegador
- Revisar el harness con cada modelo nuevo
Ingeniería de contexto
Tu equipo mide cuánto de la ventana ocupan herramientas, instrucciones e historial, ordena el prompt para aprovechar el caché y decide cuándo compactar, cuándo reiniciar con un archivo de handoff y qué guardar como memoria.
- Presupuesto de contexto y context rot
- Progressive disclosure y tool search
- Prompt caching y prefijo estable
- Compaction, context editing y resets
- Memoria del agente y memory poisoning
RAG en producción
Antes de crear un índice, tu equipo verifica si el corpus cabe en el prompt. Luego arma búsqueda híbrida con reranker, aplica ACL en la consulta y mide recall@k con preguntas reales en cada cambio de chunking o embedding.
- Parsing, chunking y contextual retrieval
- Búsqueda híbrida, reranking y recall@k
- Búsqueda como herramienta del agente
- GraphRAG y RAG multimodal: cuándo usar
- ACLs, reindexación y RAG poisoning
Herramientas y protocolos
Tu equipo diseña herramientas por flujo de trabajo, despliega un servidor MCP stateless con OAuth y elige el protocolo según la frontera: MCP para herramientas, A2A para agentes de otro equipo, AG-UI o MCP Apps para la interfaz.
- Diseño de herramientas y code mode
- Servidores MCP stateless con OAuth 2.1
- A2A: delegar a agentes de otro equipo
- AG-UI, MCP Apps y aprobación humana
- Computer use como último recurso
Orquestación multiagente
Los sistemas multiagente consumen de 3 a 10 veces más tokens que un solo agente. Tu equipo mide con evals cuándo conviene, divide el trabajo por contexto, deja la escritura a un solo agente y corre flujos largos con checkpoints.
- Cuándo conviene el multiagente
- Orquestador y verificador independiente
- Workflows en código y handoffs tipados
- Ejecución durable: checkpoints y retries
- Paralelismo con escritura centralizada
Evals
Tu equipo arma una suite de 20 a 50 tareas tomadas de fallas reales, calibra el LLM-as-judge con etiquetas humanas y bloquea en CI los cambios de prompt, herramienta o modelo que empeoren el resultado más allá del ruido medido.
- Análisis de errores en traces reales
- Graders: código, LLM-as-judge y humano
- pass@k, pass^k e intervalos de confianza
- Evals de resultado y de trayectoria
- Gates de eval en CI y evals online
Guardrails y seguridad
Los ataques adaptativos evaden la mayoría de las defensas publicadas contra prompt injection. Tu equipo modela amenazas por agente, aísla la ejecución con sandbox y allowlist de red, audita servidores MCP y corre red team en CI.
- Lethal trifecta y Rule of Two
- Patrones seguros: dual LLM y CaMeL
- Sandbox, egress y permisos
- Supply chain de MCP, skills y plugins
- OWASP Top 10 para LLMs y agentes (2026)
AgentOps: observabilidad y costo
Tu equipo instrumenta agentes con OpenTelemetry, mide el costo de cada tarea completada por equipo y feature, limita los tokens por ejecución y solo adopta enrutamiento de modelos si supera al mejor modelo único en tus evals.
- Tracing con OpenTelemetry GenAI
- Costo por tarea y presupuesto de tokens
- Enrutamiento, cascadas y modelo advisor
- AI gateway: claves, límites y MCP
- SLOs, detección de loops y kill switch
Personalización de modelos
Tu equipo solo hace fine-tuning si ingeniería de contexto, RAG y optimización automática de prompts no alcanzan en evals. Luego entrena LoRA en un modelo open-weight, sirve los adapters y corre regresión de seguridad por versión.
- Fine-tuning o no: decisión con evals
- SFT con LoRA y QLoRA en open-weight
- Preference tuning con DPO y KTO
- RFT y GRPO con recompensas verificables
- Destilación y serving multi-LoRA
Spec-driven development
Tu equipo decide cuándo un cambio necesita spec, escribe criterios de aceptación que un test puede verificar, revisa PRs de agentes con evidencia de tests y define cuándo cuenta la aprobación de una IA en el merge.
- Cuándo escribir spec y cuándo omitirla
- Criterios en EARS y property-based tests
- Specs en el repo y control de drift
- Revisión de PRs de agentes con evidencia
- Del issue al merge: flujo y métricas
Gobernanza de IA
Tu equipo clasifica cada sistema y agente según el EU AI Act con los plazos tras el Omnibus, mapea base legal y transferencias (LGPD y GDPR) de cada flujo con LLM y escribe políticas de uso por equipo, aplicadas en las herramientas.
- EU AI Act: plazos y niveles de riesgo
- LGPD, GDPR y transferencia internacional
- ISO/IEC 42001 mapeada al NIST AI RMF
- Inventario de IA y dueño por agente
- Política de uso y AI literacy comprobada
Formatos.
1 día
Workshop ejecutivo
Para liderazgo técnico y de producto. Dónde la IA genera retorno, dónde genera riesgo y cómo decidir.
3 días
Inmersión técnica
Para ingenieros. Harness, MCP, evals y orquestación aplicados en un repositorio real.
8 semanas
Formación completa
El equipo, de desarrolladores a liderazgo, construye el harness de la empresa con nuestra mentoría y lo pone en producción.
Armamos la ruta a partir de tu stack.
Diagnóstico rápido del equipo, selección de módulos y un proyecto real como entrega final.