elblogdeia.blog

LangChain Serie: 5. Agente BananoTrader

LangChain Serie: 5. Agente BananoTrader

Este notebook es el cierre de la serie de LangChain. Si vienes de los artículos anteriores, ya sabes cómo darle herramientas y memoria a un agente, y cómo enviarle mensajes multimodales. Hoy toca el proyecto final.

Artículos anteriores de la serie:

En él vamos a construir un agente que actúa como trader simulado de una moneda digital ficticia llamada BananoCoin (BAN), una criptomoneda inspirada en Bitcoin pero con una lógica de precio parcialmente basada en plátanos.

La idea es juntar varios conceptos vistos en la serie:

  • Tools / herramientas: crearemos herramientas personalizadas con @tool.
  • Web search: usaremos Tavily para buscar precios reales o aproximados en internet.
  • Short-term memory: el agente recordará nombre, perfil de riesgo y capital disponible dentro de una conversación.
  • Multimodal messages: añadiremos una opción para dictar órdenes por voz.

Antes de empezar necesitas:

  • Python 3.10+
  • Instalar dependencias:
pip install langchain langchain-openai python-dotenv langgraph tavily-python sounddevice scipy numpy

Un archivo .env con:

OPENROUTER_API_KEY=…
TAVILY_API_KEY=…

Conclusiones

En este proyecto integrador hemos combinado varios bloques de la serie:

  • Modelos: accedidos vía OpenRouter con ChatOpenAI.
  • System prompt: para definir la personalidad y reglas de BananoTrader.
  • Tools: con herramientas personalizadas creadas con @tool.
  • Web search: usando Tavily para traer información externa.
  • Short-term memory: usando InMemorySaver y thread_id.
  • Multimodal messages: enviando audio como entrada.

Lo importante

La pieza central no es BananoCoin, que es una broma temática, sino el patrón:

Usuario -> Agente -> Herramientas -> Resultado
             |
             +-> Memoria
             +-> Entrada multimodal

Este patrón se puede llevar a muchos casos reales:

  • Asistentes financieros educativos.
  • Agentes de investigación.
  • Bots de soporte con memoria.
  • Asistentes personales con herramientas.
  • Sistemas que combinan voz, texto y APIs externas.

Si quisieras llevar esto a producción, los siguientes pasos serían:

  • Usar memoria persistente con SqliteSaver o PostgresSaver.
  • Reemplazar la búsqueda web por APIs financieras.
  • Añadir validación estricta de datos numéricos.
  • Guardar histórico de decisiones en base de datos.
  • Añadir evaluación automática de respuestas.
  • Incorporar RAG para consultar documentos, informes o políticas de riesgo.

Gracias por llegar hasta aquí, no vemos en el próximo Tuto.

Notebook para descargar.