Curso de agentes de IA en español: LangGraph, n8n, MCP y control
Aprende a diseñar agentes de IA útiles y seguros con subagentes, MCP, hooks, LangGraph, n8n, memoria, retries, estado, logs y revisión humana.
Respuesta corta para citar
Aprende a diseñar agentes de IA útiles y seguros con subagentes, MCP, hooks, LangGraph, n8n, memoria, retries, estado, logs y revisión humana. En Aulafy es gratuito, está en español y enlaza con lecciones prácticas para construir proyectos reales sin registro.
Para quién es
Para quienes quieren pasar de prompts sueltos a sistemas que ejecutan tareas con herramientas, memoria, estado, límites y supervisión humana.
Qué conseguirás
Aprenderás a diferenciar automatización determinista, workflows y agentes; a diseñar permisos; y a evitar loops, costes fuera de control y errores repetidos.
Agentes que no se rompen al primer día
Un agente útil no es un bot con una lista enorme de herramientas. Necesita objetivo, estado, reglas de parada, logs, permisos mínimos, recuperación ante fallos y revisión humana cuando una acción tiene impacto real.
- Diseñar subagentes con roles estrechos.
- Usar MCP sin entregar acceso ilimitado.
- Separar workflows de n8n y razonamiento con LangGraph.
- Controlar retries, idempotencia, loops y memoria.
Producción antes que demo
El curso insiste en los detalles que las demos suelen ocultar: qué pasa si el agente repite una acción, cómo se recupera de un corte, dónde guarda estado, cuándo pide aprobación y cómo se audita una decisión.
- Agentes 24/7 con bandeja de entrada.
- Aprobaciones humanas para acciones sensibles.
- Evals y observabilidad desde el principio.
Preguntas frecuentes
¿LangGraph o n8n?
LangGraph encaja bien para estado y decisiones; n8n encaja muy bien como capa de integración y automatización.
¿Un agente puede funcionar 24/7?
Sí, pero necesita colas, límites, logs, estado persistente y reglas de parada.
¿Hace falta programar?
Para producción ayuda. El curso combina conceptos no-code, low-code y código cuando aporta control.