Arquitectura de Agentes LLM para Principiantes
LangChain
CrewAI
Dify
LlamaIndex
Meta
LM Studio
El artículo, basado en una charla en un encuentro interno, explica cómo un servidor LLM bruto se convierte en un sistema de agente completo. Abarca componentes clave: almacenamiento de contexto de chat, búsqueda en internet, RAG para datos locales, herramientas, avisos de sistema, orquestación y el protocolo MCP.
El artículo utiliza la metáfora de un pez llamado Dory para describir un servidor LLM básico, que carece de memoria a corto plazo y de la capacidad de actuar. Para hacerlo útil, se añaden varias capas: almacenamiento del contexto del chat para el historial de la conversación; búsqueda en internet para fundamentar las respuestas en datos actuales; recuperación local mediante RAG para incorporar conocimiento privado; herramientas que permiten al modelo solicitar acciones, ejecutadas por el sistema externo; indicaciones del sistema para un comportamiento consistente; y orquestación con un ciclo de planificar-hacer-verificar para la autonomía. El protocolo MCP estandariza las interfaces de las herramientas, y el autor señala que, aunque los modelos son cada vez más capaces, siguen siendo simples en su núcleo. El artículo concluye enumerando marcos de trabajo y herramientas como LangChain, CrewAI, Dify, LlamaIndex y otros que se basan en estos principios.
Fuente: Habr — хаб ML —
original