🤖 Agents Bootcamp

Este repositorio contiene material educativo sobre agentes inteligentes y un ejemplo práctico de implementación con LLMs.

📚 Contenido

1. Jupyter Notebook Explicativo (agents.ipynb)

Un notebook interactivo que explica:

• Conceptos fundamentales de agentes inteligentes
• Tipos de agentes y sus características
• Comunicación entre agentes
• Patrones de diseño para sistemas multi-agente
• Ejemplos prácticos y ejercicios

2. Ejemplo Práctico: Planificador de Fiestas Multi-Agente 🎉

Una implementación práctica que demuestra los conceptos aprendidos, donde múltiples agentes colaboran para planificar una fiesta perfecta utilizando GPT-3.5-turbo.

Agentes Implementados

El sistema utiliza tres agentes especializados impulsados por GPT-3.5-turbo que trabajan juntos:

• 👨‍🍳 Chef: Experto en crear menús temáticos que se adaptan a tu presupuesto y número de invitados
• 🎧 DJ: Maestro musical que selecciona la banda sonora perfecta basada en la temática y las recomendaciones del Chef
• 🎨 Decorador: Artista creativo que diseña el ambiente perfecto coordinando con las sugerencias del Chef y DJ

Características del Ejemplo

• Planificación interactiva de fiestas con IA generativa
• Temas predefinidos (80s, Halloween, Navidad, Medieval, Superhéroes)
• Recomendaciones personalizadas basadas en presupuesto y número de invitados
• Colaboración inteligente entre agentes con memoria compartida
• Almacenamiento de planes anteriores para referencia y aprendizaje
• Interfaz web amigable con Streamlit

🚀 Comenzando

Requisitos Previos

pip install -r requirements.txt

Configuración de API

El sistema utiliza la API de OpenAI. Para configurarla:

1. Crea una cuenta en platform.openai.com
2. Genera una API key en https://platform.openai.com/api-keys
3. Crea un archivo .env en la raíz del proyecto con el siguiente contenido:

OPENAI_API_KEY=tu-api-key-aquí
DATABASE_URL=sqlite:///fiesta_planner.db

Uso

1. Estudio de Agentes:

jupyter notebook agents.ipynb

Este notebook te guiará a través de los conceptos fundamentales de agentes inteligentes con ejemplos interactivos.

2. Ejemplo Práctico (Planificador de Fiestas):

streamlit run planificador_fiestas_app.py

Prueba la implementación práctica de un sistema multi-agente con GPT-3.5-turbo.

🗂️ Estructura del Proyecto

Material Educativo

• agents.ipynb: Notebook principal con explicaciones y ejemplos
• agents/: Directorio con módulos de soporte y ejemplos adicionales

Implementación de Ejemplo (Planificador de Fiestas)

• planificador_fiestas_app.py: Aplicación Streamlit
• agentes_fiesta.py: Implementación de los agentes con GPT-3.5-turbo
• gestor_base_datos.py: Gestión de la base de datos

🤝 Interacción entre Agentes en el Ejemplo

El planificador de fiestas demuestra la colaboración entre agentes:

1. El Chef propone el menú basado en el tema y presupuesto
2. El DJ adapta la música considerando las sugerencias del Chef
3. El Decorador coordina el ambiente basándose en las propuestas del Chef y DJ

Cada agente utiliza el mismo modelo de lenguaje (GPT-3.5-turbo) pero con prompts específicos que definen su rol y expertise.

📊 Persistencia de Datos

El sistema incluye una base de datos SQLite para:

• Almacenar planes anteriores
• Consultar estadísticas
• Proporcionar inspiración basada en experiencias previas
• Mejorar las recomendaciones con el tiempo

🛠️ Desarrollo

Para contribuir al proyecto:

1. Fork el repositorio
2. Crea una rama para tu feature
3. Commit tus cambios
4. Push a la rama
5. Crea un Pull Request

📝 Licencia

Este proyecto está bajo la Licencia Apache 2.0.

🤝 Contribuciones

¡Las contribuciones son bienvenidas! Puedes ayudar:

• Agregando más ejemplos educativos
• Mejorando la documentación
• Expandiendo la funcionalidad del planificador de fiestas
• Reportando bugs
• Sugiriendo mejoras