Spring AI: LLMs, Tools, RAG, Agentes y Deploy en AWS

Domina Spring AI 2.x con Java 21 y Google Gemini. Tool Calling, RAG, Agentes, MCP y deploy en AWS paso a paso.

$9.99 (93% OFF)
Get Course Now

About This Course

<p><span>¿Qué tiene que ver Spring Boot con la inteligencia artificial?</span></p><p>Todo. Spring AI es el módulo oficial del ecosistema Spring que permite a los desarrolladores Java integrar modelos de lenguaje (LLMs) en sus aplicaciones con las mismas prácticas que ya conocen: inyección de dependencias, auto-configuración, abstracciones limpias y portabilidad entre proveedores.</p><p>En este curso vas a construir, clase a clase, un <span>asistente médico educativo</span> completo. Arranca como un chatbot básico que responde preguntas con el conocimiento general de Google Gemini, y termina como un agente inteligente desplegado en AWS capaz de buscar turnos en una base de datos real, consultar historiales clínicos, recordar conversaciones entre sesiones, responder preguntas usando documentación propia y conectarse a herramientas externas vía MCP.</p><p><span>No es un curso de demos sueltas.</span> Es un proyecto progresivo donde cada sección agrega una capa real al mismo sistema, igual que en un desarrollo profesional.</p><p><span>El stack:</span></p><ul><li><p>Java 21 + Spring Boot 4 + Spring AI 2.x</p></li><li><p>Google Gemini como LLM principal (gratis, sin tarjeta de crédito)</p></li><li><p>Ollama como alternativa local para correr modelos en tu máquina</p></li><li><p>PostgreSQL con Docker Compose</p></li><li><p>Chroma como vector store para RAG</p></li><li><p>AWS para el deploy final</p></li></ul><p><span>¿Qué vas a aprender?</span></p><ul><li><p>Cómo funciona un LLM por dentro (sin matemáticas) y cómo Spring AI lo abstrae</p></li><li><p>ChatModel, ChatClient, system prompts, streaming y endpoints REST profesionales</p></li><li><p>Portabilidad real entre proveedores: cambiar de Gemini a Ollama con un perfil de Spring</p></li><li><p>Context Engineering: PromptTemplate con variables, few-shot, chain-of-thought y archivos .st</p></li><li><p>Structured Outputs: convertir respuestas del modelo a records de Java con tipado fuerte</p></li><li><p>Tool Calling: que el modelo invoque funciones de tu código para acceder a APIs y bases de datos</p></li><li><p>Diseño robusto de tools: del anti-patrón al patrón encapsulado con validación</p></li><li><p>ToolContext para pasar información de seguridad sin exponerla al modelo</p></li><li><p>Memoria persistente con JdbcChatMemory y PostgreSQL</p></li><li><p>RAG completo: embeddings, vector stores, DocumentReader, TextSplitter y QuestionAnswerAdvisor</p></li><li><p>Custom Advisors: interceptores before/after para logging, filtros y disclaimers automáticos</p></li><li><p>Tres patrones de agentes: Chain Workflow, Routing Workflow y Orchestrator-Workers</p></li><li><p>Human-in-the-Loop y Progress Notifications en agentes</p></li><li><p>MCP (Model Context Protocol): resources, prompts, tools y las tres capabilities</p></li><li><p>Integration testing de tools MCP y pipelines con modelos no deterministas</p></li><li><p>Deploy completo en AWS: Dockerfile multi-stage, ECR, RDS, EC2 y monitoreo con CloudWatch</p></li></ul><p><span>¿Cuánto cuesta seguir el curso?</span></p><p>Prácticamente cero. Google Gemini tiene un tier gratuito indefinido que no requiere tarjeta de crédito. AWS usa servicios dentro del free tier, y el curso enseña buenas prácticas de cost management (billing alerts, apagar recursos) para que el gasto real sea mínimo. Al crear tu cuenta AWS recibís $100 en créditos válidos por 6 meses.</p><p><span>¿Por qué este curso es diferente?</span></p><p>Este curso llega hasta producción en AWS con persistencia real, monitoreo y prácticas profesionales. No se queda en la demo: cada clase construye sobre la anterior y al final tenés una aplicación desplegada que podés mostrar en tu portfolio.</p><p>El código se escribe en vivo, paso a paso, en IntelliJ IDEA. Cada sección tiene su propio repositorio, así que podés clonar desde cualquier punto si te perdés. Los conceptos se explican primero con slides y después se implementan en código real.</p>

What you'll learn:

  • Construir un asistente médico con IA de punta a punta con Spring AI y Java 21, desde la primera llamada a un LLM hasta producción en AWS.
  • Integrar y cambiar entre modelos como Google Gemini y Ollama sin tocar el código, evitando el vendor lock-in con Spring Profiles.
  • Dominar Tool Calling para que el modelo ejecute funciones reales: buscar turnos, consultar APIs externas y reservar citas médicas.
  • Implementar RAG con embeddings y vector stores (Chroma y PGVector) para que el asistente responda usando documentos médicos reales.
  • Asegurar tus endpoints de IA con Keycloak y JWT usando Spring Security, aplicando autenticación de nivel producción.
  • Diseñar agentes y workflows (Chain, Routing, Orchestrator-Workers) e implementar Human-in-the-Loop para acciones críticas.
  • Conectar tu app al ecosistema MCP como cliente y servidor, exponiendo Tools, Resources y Prompts a otros sistemas.
  • Generar Structured Outputs: convertir respuestas del LLM en objetos Java tipados y usar el modelo como clasificador.
  • Desplegar en AWS con Docker, ECR, EC2 y RDS, publicando tu API de IA en internet y aprendiendo a controlar costos.