Para ser ingeniero de IA no necesitas crear tu propio ChatGPT

Vídeo em Espanhol, publicado pelo canal Fazt.

Sobre este contenido: El resumen, los puntos principales y los temas que aparecen a continuación se generan automáticamente a partir de la transcripción del vídeo. Reflejan el contenido, las opiniones, afirmaciones y predicciones presentadas en el vídeo y no representan una posición, validación o verificación de hechos por parte de IA Dots.

Resumen del vídeo

El video explica cinco proyectos prácticos que se pueden realizar para aprender las habilidades que las empresas demandan de un ingeniero de IA, enfocándose en la integración de modelos con herramientas, datos, memoria y evaluación.

Puntos principales

• Crear un protocolo MCP para conectar un sistema propio, permitiendo que asistentes externos accedan a datos como pedidos de clientes.
• Desarrollar un sistema RAG para permitir que los usuarios conversen directamente sobre sus propios documentos o bases de datos sin que el modelo invente información.
• Implementar un sistema de memoria independiente para que distintos agentes y herramientas recuerden las interacciones con el usuario.
• Construir conjuntos de pruebas (Evals) para verificar de manera automatizada la calidad y precisión de las respuestas de los modelos ante cambios en el prompt.
• Desarrollar un 'harness' o programa envolvente que permita al modelo inteligente utilizar herramientas, ejecutar comandos y operar en un ciclo de razonamiento y acción.

Temas

Ingeniería de IAModel Context Protocol (MCP)RAGMemoria de agentesEvaluación de IAHarness de IA

Sobre el tema

El Model Context Protocol (MCP) es un estándar abierto publicado por Anthropic el 25/11/2024, con licencia MIT, para que las aplicaciones entreguen contexto, datos y herramientas a los modelos de lenguaje.

La generación aumentada por recuperación (RAG) es una técnica en la que el modelo de lenguaje consulta documentos o bases de datos externas antes de responder, de modo que la respuesta se apoye en esa información recuperada.

Ficha técnica

• Protocolo: Model Context Protocol (MCP)
• Desarrollador del MCP: Anthropic
• Publicación del MCP: 25/11/2024
• Licencia: MIT
• Sitio oficial: modelcontextprotocol.io
• Técnica: RAG (generación aumentada por recuperación)
• Duración del vídeo: 2 min 56 s

Publicaciones relacionadas

• Agentes de IA para gente normal #1: ¿cuál es para ti? 🤖 #Shorts #AgentesDeIA #InteligenciaArtificial
• Grok Bot: crea tu propio EQUIPO de agentes de IA para tu negocio
• Agentes de IA: qué cambia con Grok Bot, Dots, Duet y Muse

Herramientas, tecnologías y plataformas citadas

• Model Context Protocol (MCP)
• RAG
• Memoria para agentes
• Evals (pruebas de calidad de modelos)
• Harness de agentes
• ChatGPT

Participa

¿Cuál de estos cinco proyectos harías primero para tu portafolio de ingeniería de IA? Cuéntalo en los comentarios y comparte esta publicación con quien quiera trabajar en el área.

---

Fuentes y referencias: vídeo del canal Fazt · Wikidata – Model Context Protocol (Q133436854) · Wikidata – RAG (Q121362277) · sitio oficial del MCP.

Transcripción del vídeo

Texto de los subtítulos disponibles; puede contener errores.

Si lo que quieres es trabajar como ingeniero de IA, no necesitas crear tu propio chat GPT, porque lo que piden las empresas es otra cosa. Por ejemplo, saber conectar un modelo sus herramientas y sus datos, darle memoria y, sobre todo comprobar que no se equivoque. Y eso se puede aprender con cinco proyectos. Y el primero sería crear un MCP para tu propio sistema, por ejemplo, para que tus clientes consulten sus pedidos desde cloud o chat GPT. Además, MCP es un estándar abierto, así que lo puedes crear con cualquier lenguaje de programación. Luego lo puedes desplegar en un servidor y listo. Cualquier asistente compatible puede conectarse a él y los usuarios de cloud pueden instalarlo a través de su marketplace de conectores. Y en chat GPT este le llama apps, pero al final en ambos son simplemente MSPs. Dos, crea un RAG. Este es un chat que puede responder sobre tus documentos o datos y puedes citar dónde encuentra cada cosa. Es decir, estos son estos chats que puedes meter dentro de un proyecto que ya tienes. Si ya has creado un RP, un CRM o una web en general, tus usuarios podrían empezar a hablar con sus propios datos a través del chat que incluyas. Y para poder hacer esto, antes de responder el chat, busca en tus documentos o en la base de datos lo que tiene que ver con la pregunta y contesta con eso. Y lo más útil de aquí es que no tiene que inventar. Esto lo puedes armar con Line chain o lama index y una base de datos vectorial o utilizar PLS como PG Vector si usas postres. Tres, dale una memoria a tu agente para que cada mañana todavía recuerde quién eres. Esto se trata básicamente de instalar un programa donde un agente puede guardar cada conversación y lo que busca antes de responder. Y como vive aparte esa memoria, no importa si usas cloud code, Codex o cursor, todos se pueden conectar a la misma memoria y para eso puedes utilizar proyectos como Mem Z cer. Y si estás creando tu propia agente, también hay un proyecto llamado Leta. Cuatro, crea tus IVAs y ese es un conjunto de pruebas que comparan modelos, es decir, son como los test de tu código, pero para la respuesta de una IA. Y es que estas te dicen, por ejemplo, con datos si están respondiendo bien en vez de probarlas al ojo. Por ejemplo, ¿te ha pasado que cambias el pront y lo que antes funcionaba ya no lo hace? Bueno, con los IBALS lo ves al momento. Juntas preguntas reales con respuestas que esperas y una herramienta como Promfu las corre sola y te dice cuáles pasan y cuáles fallan. Y estas las puedes correr con un modelo caro, uno barato y uno local. Y ves cuál acierta más y cuánto cuesta cada una, porque a veces el barato te puedes revir igual. Y cinco, crea tu propio harness, o sea, el programa que rodea un modelo inteligente. Y eso es un programa que puede ser de consola o una aplicación web y puedes crearlo en cualquier lenguaje. Y es básicamente el programa que el modelo puede llegar a utilizar. Así que le puedes crear sus propias herramientas, ya sea para buscar archivos o ejecutar comandos o navegar por internet. Y lo más útil es que lo pones a trabajar en un ciclo, es decir, en el que el modelo piensa, usa una herramienta, mira el resultado y vuelve a ejecutar. Y herramientas como CloudC y Codex son justamente esto, un arnés alrededor de su modelo inteligente. Así que cuando crees el tuyo, vas a entender cómo funciona por adentro uno de estos agentes. Y lo mejor de todo esto es que no son cinco proyectos sueltos. En realidad, todo esto pueden formar parte de una misma aplicación que va creciendo cada una con el tiempo. Y si quieres aprender mucho más de todo esto, te recomiendo visitar el canal.

Assistir ao vídeo original no YouTube

Assuntos: Agentes de IA, Assistente pessoal. Publicado no YouTube em 2026-10-27.

Seleção automática por assunto e idioma. O vídeo pertence ao canal de origem.