Cómo Crear tu Propio Agente de IA Autónomo con AutoGen Studio

Tiempo de lectura: 2 minutos

En este tutorial aprenderás a crear un agente inteligente autónomo, que puede planear, razonar y ejecutar tareas por sí mismo. No necesitas ser un experto en IA, solo seguir estos pasos.

Los agentes autónomos están revolucionando la productividad personal y profesional. Gracias a plataformas como AutoGen Studio, ahora es posible construir asistentes que:

• Organizan tu día.
• Responden correos como tú.
• Publican contenido en redes automáticamente.
• Hacen investigaciones y comparativas de productos.
• ¡Y mucho más!

Requisitos

Cuenta en AutoGen Studio

Python 3.10+ instalado

OpenAI API Key (u otra LLM como Claude, Gemini o modelos open-source)

Visual Studio Code https://code.visualstudio.com/

Instalamos Auto-gen

pip install pyautogen

AutoGen es una librería de Microsoft para crear agentes conversacionales inteligentes. Puedes integrarla fácilmente con LLMs como GPT-4 o LLaMA.

Crea tu primer agente en Python

Guarda este archivo como agente.py:

from autogen import AssistantAgent, UserProxyAgent

# Definir el LLM (por defecto OpenAI GPT-4)
config = {
    "llm_config": {
        "model": "gpt-4",
        "api_key": "TU_OPENAI_API_KEY"
    }
}

# Crear un agente asistente
asistente = AssistantAgent(name="Asistente", **config)

# Crear el proxy del usuario
usuario = UserProxyAgent(name="Usuario", code_execution_config={"work_dir": "agente-trabajo"})

# Comenzar la conversación
usuario.initiate_chat(asistente, message="Quiero que me organices mi semana y me hagas un plan de contenidos.")

Añade herramientas externas (plugins)

Puedes conectar tu agente a:

• Calendario de Google
• API de Gmail
• Buscadores (Bing, Brave Search)
• Scripts personalizados

Ejemplo para ejecutar Python dinámicamente:

code_execution_config={"use_docker": False}

Esto permite que el agente escriba y ejecute código para ti, como si fuera un asistente virtual programador.

Ejemplos de uso:

Escenario: Eres creador de contenido. Le dices al agente:

    “Hazme un calendario de publicaciones sobre inteligencia artificial para este mes, enfocado a LinkedIn y TikTok.”

El agente puede:

    Generar ideas de posts.

    Crear titulares virales.

    Programarlos usando tu API de Buffer o Zapier.

Extra: Configura AutoGen para usar Ollama

AutoGen necesita una clase que defina cómo conectarse con el modelo. Usa el modelo de Ollama como LLM personalizado.

Crea un archivo ollama_llm.py con esta clase:

import requests

class OllamaLLM:
    def __init__(self, model="llama3", base_url="http://localhost:11434"):
        self.model = model
        self.base_url = base_url

    def __call__(self, prompt, **kwargs):
        response = requests.post(
            f"{self.base_url}/api/generate",
            json={"model": self.model, "prompt": prompt}
        )
        return response.json()["response"]

Usa tu LLM personalizado en AutoGen

from autogen import AssistantAgent, UserProxyAgent
from ollama_llm import OllamaLLM

llm = OllamaLLM(model="llama3")

asistente = AssistantAgent(
    name="Asistente",
    llm_config={
        "completion_fn": llm
    }
)

usuario = UserProxyAgent(name="Usuario")

usuario.initiate_chat(asistente, message="Explícame qué es AutoGen en lenguaje sencillo.")

Ahora el agente responde usando Ollama localmente, sin necesidad de API keys ni internet. Puedes cambiar el modelo fácilmente (mistral, phi3, codellama, etc).