Agents Towards Production
Para aprender a construir, desplegar y operar agentes de IA listos para producción siguiendo tutoriales prácticos.
Tutoriales code-first de extremo a extremo para llevar agentes GenAI de prototipo a producción.
Notas y contexto
Qué es
Agents Towards Production es un repositorio educativo creado por Nir Diamant (DiamantAI) que reúne tutoriales code-first de extremo a extremo para construir agentes GenAI de nivel productivo. Cada tutorial vive en su propia carpeta con notebooks o código listos para ejecutar, y cubre todo el ciclo de vida del agente: desde el prototipo hasta el despliegue empresarial. Está escrito principalmente en Python (con algún ejemplo en Kotlin) y se acompaña de newsletter, comunidad en Discord y subreddit.
Para qué sirve
- Aprender a orquestar agentes con LangGraph y exponerlos mediante FastAPI.
- Añadir memoria a los agentes con Redis, Mem0 o Cognee, y conectar RAG y búsqueda en tiempo real (Tavily, Bright Data).
- Desplegar agentes con Docker y en plataformas como AWS Bedrock, RunPod (GPU) u Ollama on-premises.
- Cubrir seguridad (LlamaFirewall, pruebas de inyección de prompts), observabilidad (LangSmith) y evaluación (IntellAgent).
Cuándo usarlo
Es ideal cuando ya sabes hacer un demo de agente pero necesitas patrones reales para producción: memoria persistente, despliegue, guardrails, trazabilidad y evaluación. Funciona como referencia práctica más que como librería que se instala. Si solo buscas conceptos introductorios de agentes, el repo hermano GenAI_Agents del mismo autor puede ser un mejor punto de partida.
Ejemplo
El repositorio se explora clonándolo y abriendo el tutorial concreto que necesites:
git clone https://github.com/NirDiamant/agents-towards-production.git
cd agents-towards-production/tutorials/agent-with-tavily-web-access
# abre el notebook correspondiente y sigue los pasosCada carpeta de tutorials/ es autocontenida e incluye sus propias instrucciones y dependencias, de modo que puedes ir directo al tema que te interese (memoria, despliegue, seguridad, etc.) sin recorrer todo el repo.
Puntos clave
- Tutoriales organizados por capa de producción (orquestación, memoria, datos, despliegue, seguridad, observabilidad, evaluación, UI).
- Enfoque code-first: notebooks y código ejecutable en lugar de teoría abstracta.
- Integra herramientas reales del ecosistema actual de agentes (LangGraph, FastAPI, Redis, Tavily, LangSmith, Docker, AWS Bedrock).
- Proyecto muy popular (más de 20k estrellas) y mantenido activamente, con comunidad asociada.
Ten en cuenta
La licencia es un acuerdo personalizado de uso no comercial: el autor se reserva en exclusiva los derechos comerciales y no puedes usar el material con fines comerciales sin permiso por escrito (sí puedes reutilizar tus propias contribuciones). Es material formativo, no una librería empaquetada, así que cada tutorial puede tener requisitos y dependencias distintos. Algunos ejemplos dependen de servicios de terceros con su propio coste o claves de API.