The Hitchhiker's Guide to Agentic AI: From Foundations to Systems es un libro de referencia para profesionales que aborda la construcción de sistemas de inteligencia artificial autónomos de extremo a extremo. La obra, organizada en torno a la tesis de que un buen sistema agentico exige comprender todas las capas del proceso (no solo una), está estructurada en dos grandes bloques.
La primera parte sitúa los cimientos técnicos: la arquitectura transformer, los sistemas GPU, el entrenamiento y el ajuste fino (SFT, LoRA, MoE), la compresión de modelos y la optimización de la inferencia. A continuación, desarrolla la capa de alineamiento y razonamiento, que incluye el aprendizaje por refuerzo a partir de feedback humano (RLHF), algoritmos como PPO, DPO y sus variantes, GRPO, el modelado de recompensa y el aprendizaje por refuerzo para grandes modelos de razonamiento, con técnicas como chain-of-thought y test-time scaling.
La segunda mitad se centra propiamente en la IA agentica: entrenamiento agentico y RL basado en trayectorias, generación aumentada por recuperación (RAG y Agentic RAG), sistemas de memoria (en contexto, externa, episódica y semántica), diseño de harnesses de agentes y gestión de contexto, y una taxonomía de patrones de diseño de agentes. Se profundiza en la coordinación entre agentes mediante el Model Context Protocol (MCP), habilidades y uso de herramientas, el protocolo de comunicación Agent-to-Agent (A2A) y arquitecturas multi-agente centralizadas, descentralizadas y jerárquicas. El libro cierra con frameworks de desarrollo, diseño de interfaces agenticas, metodologías de evaluación y despliegue en producción. Cada capítulo combina fundamentos teóricos con guías de implementación, ejemplos de código y referencias a la literatura primaria.