¿Por qué aprender FastAPI + MCP + RAG?

La IA Generativa aporta mucho más valor cuando puede conectarse con datos, aplicaciones, APIs y conocimiento empresarial real.

El reto ya no consiste únicamente en trabajar con un modelo de lenguaje, sino en construir una arquitectura capaz de integrar ese modelo con servicios, herramientas y fuentes de información externas.

FastAPI permite crear APIs rápidas y modernas con Python. MCP facilita una forma estandarizada de exponer herramientas y recursos a aplicaciones basadas en modelos de lenguaje. RAG permite enriquecer las respuestas de la IA utilizando información específica de documentos, bases de conocimiento y datos empresariales.

En este workshop aprenderás a combinar estas tres tecnologías para construir aplicaciones de IA conectadas con datos reales.

Todo el workshop está orientado a escenarios empresariales y a comprender cómo pasar de un prototipo aislado de IA a una aplicación conectada con servicios, herramientas y conocimiento propio.

¿Qué aprenderás?

✅ Comprender la arquitectura de una aplicación moderna de IA.
✅ Crear APIs con FastAPI.
✅ Diseñar endpoints.
✅ Trabajar con métodos GET y POST.
✅ Gestionar parámetros y modelos de datos.
✅ Utilizar Pydantic.
✅ Crear servicios para exponer datos y lógica de negocio.
✅ Comprender qué es MCP.
✅ Entender la arquitectura cliente-servidor de MCP.
✅ Crear herramientas y recursos accesibles mediante MCP.
✅ Conectar aplicaciones de IA con servicios externos.
✅ Comprender qué es RAG.
✅ Preparar documentos para recuperación de información.
✅ Crear chunks.
✅ Generar embeddings.
✅ Utilizar bases vectoriales.
✅ Recuperar contexto relevante.
✅ Construir prompts enriquecidos con contexto.
✅ Combinar FastAPI + MCP + RAG.
✅ Diseñar una arquitectura empresarial de IA Generativa.
✅ Aplicar buenas prácticas de seguridad y diseño.

Ficha técnica

• Modalidad: online en directo.
• Duración: 12 horas.
• Distribución: 4 sesiones de 3 horas.
• Proyecto final: asíncrono.
• Plazo de entrega: 14 días.
• Corrección personalizada: incluida.
• Plazas: máximo 12 participantes.
• Nivel: intermedio.
• Idioma: castellano.

Metodología Taller de Tecnología®

• #1 Sesión: FastAPI y servicios para aplicaciones de IA (síncrono).
• #2 Sesión: MCP y conexión con herramientas externas (síncrono).
• #3 Sesión: RAG y recuperación de conocimiento (síncrono).
• #4 Sesión: Integración FastAPI + MCP + RAG (síncrono).
• Proyecto final + certificación (asíncrono).

Temario del Workshop

• Introducción a las aplicaciones modernas de IA.
• Arquitectura de una AI App.
• LLM, herramientas, datos y contexto.
• Introducción a FastAPI.
• Instalación y configuración.
• Creación de una aplicación FastAPI.
• Endpoints.
• Métodos GET.
• Métodos POST.
• Path Parameters.
• Query Parameters.
• Request Body.
• Pydantic.
• Modelos de datos.
• Validación.
• Respuesta JSON.
• Documentación automática con Swagger.
• Manejo de errores.
• Variables de entorno.
• Introducción a APIs para Data e IA.
• Exposición de lógica de negocio.
• Conexión con bases de datos.
• Introducción a MCP.
• Qué problema resuelve MCP.
• Arquitectura cliente-servidor.
• MCP Server.
• MCP Client.
• Tools.
• Resources.
• Prompts.
• Exposición de funciones mediante MCP.
• Conexión de una AI App con herramientas externas.
• Introducción a RAG.
• Limitaciones del conocimiento interno de un LLM.
• Knowledge Base.
• Ingesta de documentos.
• Extracción de texto.
• Chunking.
• Embeddings.
• Vectores.
• Bases de datos vectoriales.
• Similarity Search.
• Top-K Retrieval.
• Context Retrieval.
• Prompt Augmentation.
• Generación basada en contexto.
• RAG Pipeline.
• Fuentes y trazabilidad.
• Evaluación de resultados.
• Alucinaciones.
• Calidad del contexto.
• FastAPI como capa de servicios.
• MCP como capa de herramientas.
• RAG como capa de conocimiento.
• Integración de los tres componentes.
• Diseño de una arquitectura empresarial.
• Seguridad básica.
• Gestión de credenciales.
• Buenas prácticas de desarrollo.

Proyecto Final + Certificación (Asíncrono)

Al finalizar el workshop, los alumnos realizarán de manera individual un proyecto práctico que deberá ser entregado dentro del plazo establecido.

El proyecto consistirá en construir una aplicación de IA conectada con conocimiento y servicios externos.

El alumno desarrollará una API con FastAPI encargada de exponer diferentes funcionalidades y datos mediante endpoints.

Posteriormente construirá una capa MCP que permitirá que una aplicación basada en un modelo de lenguaje pueda acceder a determinadas herramientas y recursos.

También se implementará un pipeline RAG sobre una colección de documentos o información empresarial.

El alumno deberá preparar los documentos, dividirlos en fragmentos, generar embeddings, almacenarlos en una base vectorial y recuperar el contexto relevante para responder a las consultas del usuario.

Finalmente, se integrarán los diferentes componentes en una arquitectura completa:

Usuario → AI App / LLM → MCP → FastAPI → Datos / Servicios

y

Usuario → AI App / LLM → RAG → Base de Conocimiento

El objetivo será construir una solución donde el modelo de lenguaje no dependa únicamente de su conocimiento interno, sino que pueda consultar información empresarial y ejecutar acciones a través de herramientas externas.

Se evaluará especialmente la arquitectura de la solución, la calidad del código, la integración entre componentes, la calidad de la recuperación de contexto y la correcta separación entre lógica, herramientas y conocimiento.

El proyecto será evaluado por el instructor, quien proporcionará comentarios personalizados, propuestas de mejora y una valoración técnica de la solución presentada.

Los alumnos que superen satisfactoriamente la evaluación recibirán el Certificado de Aprovechamiento de Taller de Tecnología, acreditando las competencias adquiridas durante el workshop.

Formador: Daniel Castillo Garrosset

Formador especializado en Data Engineering, Business Intelligence e IA Generativa, con más de 25 años de experiencia impartiendo formación técnica a empresas, universidades y entidades públicas. Formador de Data Science en el Cibernarium de Barcelona Activa.

• Experiencia real como formador.
• Metodología y enfoque práctico.
• Corrección individual del proyecto.

Requisitos

• Python (nivel intermedio).
• Conocimientos básicos de APIs.
• Conocimientos básicos de JSON.
• Conceptos básicos de IA Generativa recomendables.

No es necesario conocer previamente FastAPI, MCP o RAG.

Público objetivo

• Data Engineers.
• Data Scientists.
• Machine Learning Engineers.
• AI Engineers.
• Desarrolladores Python.
• Analytics Engineers.
• Profesionales que quieran construir aplicaciones de IA conectadas con datos reales.
• Profesionales interesados en RAG, agentes y arquitecturas empresariales de IA Generativa.

¿Por qué elegir este workshop?

✔ Material descargable
✔ Proyecto real
✔ Soporte durante el workshop
✔ Certificación
✔ Corrección personalizada
✔ Enfoque 100 % práctico
✔ FastAPI + MCP + RAG
✔ Aplicaciones de IA conectadas con datos
✔ Arquitectura empresarial de IA Generativa
✔ Proyecto preparado para portfolio

FAQs

• ¿Necesito conocer FastAPI?: No. Se explicará desde los fundamentos.
• ¿Necesito conocer MCP?: No. El workshop incluirá una introducción completa a su arquitectura y funcionamiento.
• ¿Necesito conocer RAG?: No. Se construirá el pipeline paso a paso desde la preparación de los documentos hasta la recuperación de contexto.
• ¿Necesito saber Python?: Sí. Es recomendable disponer de un nivel intermedio, ya que gran parte del proyecto se desarrollará con Python.
• ¿Qué papel tiene FastAPI?: Actuará como capa de servicios para exponer datos, lógica y funcionalidades que puedan ser utilizadas por otras aplicaciones.
• ¿Qué papel tiene MCP?: Permitirá exponer herramientas y recursos de forma estandarizada para que puedan ser utilizados por aplicaciones basadas en modelos de lenguaje.
• ¿Qué papel tiene RAG?: Permitirá recuperar información relevante desde una base de conocimiento y proporcionarla al modelo como contexto antes de generar una respuesta.
• ¿Crearemos una base vectorial?: Sí. Se trabajará con embeddings y almacenamiento vectorial para construir el pipeline de recuperación.
• ¿Trabajaremos con documentos propios?: Sí. El proyecto utilizará una colección de documentos que funcionará como base de conocimiento.
• ¿El workshop trata sobre agentes de IA?: Introduce algunos de los componentes fundamentales que permiten construir sistemas agentic, especialmente herramientas mediante MCP y acceso a conocimiento mediante RAG, aunque no es un curso completo de agentes.
• ¿Es un curso teórico?: No. Más del 80 % del tiempo estará dedicado a código, integración y construcción de la aplicación.
• ¿Obtendré certificado?: Sí, una vez superado satisfactoriamente el proyecto final.
• ¿Puedo utilizar el proyecto como portfolio?: Sí. De hecho, el proyecto estará diseñado específicamente para demostrar capacidad de construir una aplicación de IA conectada con servicios y conocimiento empresarial.