Sistema multi-agente con RAG y MCP
Año
2026
Tipo
IA y datos
Estado
Stack
Python, LLM Agents, RAG
Un sistema de IA multi-agente que responde sobre apuntes de curso y además actúa: orquestación inspirada en A2A, memoria conversacional, herramientas transaccionales vía MCP y trazas completas en Langfuse.
Un asistente sobre material de curso necesita más que RAG: algo tiene que decidir qué agente atiende cada consulta, mantener contexto entre turnos y permitir que el sistema ejecute acciones reales en lugar de solo hablar.
La orquestación reparte el trabajo entre agentes con un patrón inspirado en A2A, las herramientas transaccionales se exponen con Model Context Protocol, y cada traza queda instrumentada en Langfuse para poder depurar por qué el sistema respondió lo que respondió.
Qué construí
- 01Router de agentes con patrón inspirado en A2A.
- 02RAG sobre apuntes del curso con memoria conversacional.
- 03Herramientas transaccionales expuestas como servidor MCP.
- 04Observabilidad de punta a punta con Langfuse.