curso-langchain/practica_resueltos

Ejercicios del Curso de LangChain

Este repositorio contiene los ejercicios prácticos del curso de LangChain con TypeScript.

Recursos

• Cliente del Agente (demo): https://jabiinfante.github.io/langchain.js-agent-client-dummy/
  • Código fuente: https://github.com/jabiinfante/langchain.js-agent-client-dummy

Requisitos Previos

1. Cuentas y API Keys necesarias

Mistral AI (Requerido)

1. Crear cuenta en https://console.mistral.ai/
2. Ir a "API Keys" y generar una nueva key
3. Guardar la key como MISTRAL_API_KEY

LangSmith (Requerido para trazabilidad)

1. Crear cuenta en https://smith.langchain.com/
2. Ir a "Settings" → "API Keys" y crear una nueva key
3. Guardar la key como LANGCHAIN_API_KEY

Google AI / Gemini (Opcional)

1. Ir a https://aistudio.google.com/apikey
2. Crear una API Key
3. Guardar la key como GOOGLE_API_KEY

Cohere (Requerido para reranking en el agente)

1. Crear cuenta en https://dashboard.cohere.com/
2. Ir a "API Keys" y copiar la key
3. Guardar la key como COHERE_API_KEY

Qdrant (Opcional - solo para ejercicios 05 y 06)

1. Crear cuenta en https://cloud.qdrant.io/
2. Crear un cluster gratuito
3. Obtener la URL del cluster y la API Key
4. Guardar como QDRANT_URL y QDRANT_API_KEY

2. Configurar variables de entorno

Crear un archivo .env en la raíz del proyecto:

# === Mistral AI (Requerido) ===
MISTRAL_API_KEY=tu_api_key_de_mistral

# === LangSmith (Requerido para trazabilidad) ===
LANGCHAIN_API_KEY=tu_api_key_de_langsmith
LANGCHAIN_TRACING_V2=true
LANGCHAIN_PROJECT=curso-langchain

# === Google AI / Gemini (Opcional) ===
GOOGLE_API_KEY=tu_api_key_de_google

# === Cohere (Requerido para reranking) ===
COHERE_API_KEY=tu_api_key_de_cohere

# === Qdrant (Opcional - solo para ejercicios 05 y 06) ===
QDRANT_URL=https://tu-cluster.qdrant.io
QDRANT_API_KEY=tu_api_key_de_qdrant

3. Instalar dependencias

npm install

Catálogo de Ejercicios

#	Script	Archivo	Descripción
01	npm run 01:comments	01_comments_classifier.ts	Clasificador de Comentarios - Analiza comentarios usando Structured Output con Zod. Demuestra withStructuredOutput() y batch() para procesar múltiples inputs.
02	npm run 02:poet	02_cyber_poet.ts	Poeta Cibernético - Combina Tools y Structured Output. El LLM genera un poema y usa una herramienta para contar palabras con precisión.
03	npm run 03:homework	03_homework_maker.ts	Generador de Tareas - Agente multi-tool con bucle agentic manual. Usa Wikipedia, Calculator y WordCount para generar tareas escolares adaptadas al nivel del alumno.
04	npm run 04:agent	04_webserver_for_agent.ts	Servidor Web con Agente - Integra un agente ReAct con Fastify y SSE para streaming en tiempo real. Incluye memoria persistente, RAG sobre guiones de Nolan, tasas de cambio y generación de fichas de películas en .docx.
05	npm run 05:indexer	05_mdn-vector-indexer.ts	Indexador de Documentación - Pipeline de indexación RAG que carga documentación de MDN, la divide en chunks y la almacena en Qdrant.
06	npm run 06:indexer	06_nollan-indexer.ts	Indexador de Guiones de Nolan - Pipeline de indexación RAG que carga guiones de películas de Christopher Nolan desde IMSDB y los almacena en Qdrant.

Estructura del Proyecto

src/
├── 01_comments_classifier.ts  # Structured Output + batch
├── 02_cyber_poet.ts           # Tools + Structured Output
├── 03_homework_maker.ts       # Agentic Loop + PromptTemplate + múltiples tools
├── 04_webserver_for_agent.ts  # Fastify + SSE + Agent con memoria
├── 05_mdn-vector-indexer.ts   # Web scraping + chunking + Qdrant
├── 06_nollan-indexer.ts       # Indexación de guiones de Nolan + Qdrant
│
├── agents_wrapper/
│   └── agent.ts               # Wrapper del agente con streaming y contextSchema
│
└── helpers/
    ├── comments-mock.ts       # Datos de prueba para ejercicio 01
    ├── constants.ts           # Constantes compartidas (OUTPUT_DIR)
    ├── helper.ts              # Utilidad promptUser() para input interactivo
    ├── middlewares.ts         # Middleware trimMessages para limitar contexto
    └── tools.ts               # Herramientas: wordCount, wikipedia, exchangeRates, storageKnowledge, buildFilmDocument

template/
└── plantilla_ficha.docx       # Plantilla Word para generar fichas de películas

output_docx/                   # Directorio donde se generan los documentos .docx

Conceptos por Ejercicio

01 - Clasificador de Comentarios

• Zod: Definición de esquemas para validación
• withStructuredOutput(): Forzar respuestas JSON estructuradas
• batch(): Procesar múltiples inputs en paralelo

02 - Poeta Cibernético

• tool(): Crear herramientas personalizadas
• bindTools(): Conectar herramientas al modelo
• tool_calls: El LLM solicita usar herramientas
• ToolMessage: Devolver resultados de herramientas

03 - Generador de Tareas

• Agentic Loop: Bucle while que procesa tool_calls hasta completar
• PromptTemplate: Plantillas con variables dinámicas
• Múltiples Tools: Wikipedia, Calculator, WordCount
• promptUser(): Input interactivo en consola

04 - Servidor Web con Agente

• createAgent(): Crear agente ReAct con herramientas
• Checkpointer (SQLite): Memoria persistente de conversaciones
• SSE (Server-Sent Events): Streaming de respuestas al cliente
• contextSchema: Inyección de dependencias a las tools
• dynamicSystemPromptMiddleware: System prompt que se regenera en cada invocación (incluye fecha actual)
• QdrantVectorStore / MemoryVectorStore: Fallback automático si Qdrant no está disponible
• Herramientas disponibles en el agente:
  • storage_knowledge — RAG sobre guiones de películas de Christopher Nolan (Interstellar, Inception) con reranking via Cohere
  • get_exchange_rates — Tasas de cambio actuales via Frankfurter API
  • get_historical_rates — Tasas de cambio históricas de una fecha concreta
  • build_film_document — Genera una ficha de película en .docx usando una plantilla Word
  • calculator — Calculadora matemática

05 - Indexador de Documentación

• CheerioWebBaseLoader: Web scraping de HTML
• RecursiveCharacterTextSplitter: División de documentos en chunks
• Embeddings: Representación vectorial de texto
• QdrantVectorStore: Base de datos vectorial para búsqueda semántica
• Deduplicación: Eliminar vectores existentes antes de re-indexar

06 - Indexador de Guiones de Nolan

• CheerioWebBaseLoader: Web scraping de guiones desde IMSDB
• RecursiveCharacterTextSplitter: División en chunks con overlap
• Batch indexing: Inserción por lotes para respetar límites de la API de embeddings
• CohereRerank: Reranking de resultados (usado en el agente del ejercicio 04)

Orden Recomendado

1. 01_comments_classifier - Conceptos básicos de Structured Output
2. 02_cyber_poet - Introducción a Tools
3. 03_homework_maker - Agentic Loop manual con múltiples tools
4. 06_nollan-indexer - Indexar guiones de Nolan en Qdrant (necesario para el agente)
5. 04_webserver_for_agent - Agente completo con servidor web, streaming y generación de documentos
6. 05_mdn-vector-indexer - Indexación de documentación MDN para RAG (opcional)