Nota:
El acceso a esta página requiere autorización. Puede intentar iniciar sesión o cambiar directorios.
El acceso a esta página requiere autorización. Puede intentar cambiar los directorios.
Finalidad de este documento
Esta guía de estudio le ayudará a comprender qué esperar en el examen, e incluye un resumen de los temas que el examen podría incluir y vínculos a recursos adicionales. La información y los materiales de este documento le ayudarán a centrar sus estudios a medida que se prepara para el examen.
| Vínculos útiles | Description | |
|---|---|---|
| [Cómo obtener la certificación] (/credentials/certifications/agentic-ai-developer) | Algunas certificaciones solo requieren aprobar un examen, mientras que otros requieren aprobar varios exámenes. | |
| Renovación de la certificación | Las certificaciones de asociado, experto y especialidad de Microsoft caducan anualmente. Puede renovar completando una evaluación en línea gratuita en Microsoft Learn. | |
| Su perfil de Microsoft Learn | La conexión del perfil de certificación a Microsoft Learn le permite programar y renovar exámenes y compartir e imprimir certificados. | |
| Puntuación de los exámenes e informes de puntuación | Se requiere una puntuación de 700 o superior para aprobar. | |
| Espacio aislado del examen | Puedes explorar el entorno del examen visitando nuestro sandbox de exámenes. | |
| Solicitud de acomodaciones | Si usa dispositivos de asistencia, requiere tiempo adicional o necesita modificaciones en cualquier parte de la experiencia del examen, puedes solicitar una adaptación. |
Acerca del examen
Algunos exámenes se localizan en otros idiomas y se actualizan aproximadamente ocho semanas después de actualizar la versión en inglés. Aunque Microsoft hace todo lo posible para actualizar las versiones localizadas como se indica, puede haber ocasiones en las que las versiones localizadas de un examen no se actualicen según esta programación. Los otros idiomas disponibles se enumeran en la sección Schedule Exam (Programar examen) de la página web Exam Details (Detalles del examen). Si el examen no está disponible en su idioma preferido, puede solicitar un adicional de 30 minutos para completar el examen.
Nota:
Las viñetas debajo de cada una de las aptitudes medidas están diseñadas para ilustrar cómo estamos evaluando esa aptitud. En el examen se pueden tratar temas relacionados.
Nota:
La mayoría de las preguntas tratan sobre las características que están disponibles de manera general (GA). El examen puede contener preguntas sobre funcionalidades en vista previa si dichas funcionalidades se utilizan comúnmente.
Aptitudes evaluadas
Perfil del público
Debe tener experiencia en la materia en el funcionamiento, la integración, la supervisión y la administración de los agentes de IA dentro de los flujos de trabajo SDLC de nivel de producción y entornos de desarrollo, garantizando la confiabilidad, la seguridad y la velocidad mediante GitHub como sistema de registro y plano de control.
Las responsabilidades de este rol incluyen:
Flujos de trabajo del agente operativo dentro del SDLC
Supervisar el comportamiento autónomo con controles de GitHub
Evaluación y ajuste de los resultados del agente mediante escaneos y artefactos
Configuración de agentes personalizados
Coordinación de la ejecución de varios agentes de forma segura
Trabaja estrechamente con arquitectos, ingenieros de plataforma, ingenieros de DevOps, desarrolladores de aplicaciones, administradores de productos e ingenieros de seguridad para desarrollar, implementar, operar y administrar agentes que operan dentro de la plataforma de GitHub.
Debe tener experiencia con el ciclo de vida de desarrollo de software (SDLC), los flujos de trabajo en GitHub y controles, y la calidad del código, la seguridad y los procedimientos de revisión. También debe tener experiencia con agentes de codificación, incluidos GitHub Copilot, servidores MCP y personalización del agente, como instrucciones personalizadas, agentes personalizados, herramientas y pasos de configuración de Copilot.
Aptitudes de un vistazo
Preparar la arquitectura del agente y los procesos SDLC (de 15 a 20%)
Implementar el uso de herramientas y la interacción del entorno (20–25%)
Administrar la memoria, el estado y la ejecución (de 10 a 15%)
Realizar evaluación, análisis de errores y ajuste (15–20%)
Orquestar la coordinación de múltiples agentes (de 15 a 20%)
Implementar límites de protección y responsabilidad (de 10 a 15%)
Preparar la arquitectura del agente y los procesos SDLC (de 15 a 20%)
Integrar agentes en el ciclo de vida de desarrollo de software (SDLC)
Identificación de pasos para que los agentes los realicen
Identificación y mitigación de antipatrones comunes en agentes
Definición de entradas, salidas y criterios de éxito para agentes
Definir límites entre la planificación, el razonamiento y la acción
Configurar la planificación del agente de forma independiente de su ejecución
Configuración de un agente para generar un plan estructurado
Validar planes de agentes
Impedir la acción del agente hasta que el agente esté comprobado y aprobado
Configurar la observabilidad y el control de los agentes autónomos
Planear e implementar el grado de autonomía del agente, incluidos los límites de protección
Configuración del agente para generar artefactos inspeccionables en herramientas de desarrollo estándar
Configurar la intervención humana para agentes autónomos sin ralentizar la entrega
Implementar el uso de herramientas y la interacción del entorno (20–25%)
Selección y configuración de las herramientas del agente
Identificación de las herramientas necesarias
Configuración de herramientas del agente
Configuración de permisos de herramientas de agente
Configuración de servidores MCP
Agregar un servidor MCP como una herramienta a un agente
Configuración de un servidor MCP remoto de GitHub
Configuración de los registros de MCP
Configurar listas de permitidos de MCP
Integración de agentes en entornos de desarrollo
Evaluación del contexto de ejecución de un agente
Configuración del ámbito de un agente en un repositorio específico
Configuración de un agente que se va a invocar en un flujo de trabajo de CI
Configurar un agente para que utilice un ámbito basado en ramas
Habilitar a un agente para que realice acciones autónomas, incluyendo la creación de ramas y solicitudes de incorporación de cambios
Configuración de un agente para controlar restricciones específicas del entorno
Operar agentes con rutas de ejecución seguras y un control sólido de errores
Implementación del control de errores
Implementar reintentos
Implementar reversiones
Implementación de rutas de escalación
Implementar la rastreabilidad y la responsabilidad de las acciones del agente
Administrar la memoria, el estado y la ejecución (de 10 a 15%)
Implementar estrategias de memoria del agente
Elegir entre memoria externa, a corto plazo y a largo plazo
Limitar la memoria del agente a la información relevante para la tarea
Definir reglas de expiración, eliminación y restablecimiento de memoria
Persistir el estado del agente y administrar la deriva de contexto
Capturar el progreso de las tareas y las decisiones como artefactos duraderos
Reanudación del trabajo del agente sin repetir pasos ni diferir de las decisiones anteriores
Detectar y corregir la deriva durante la ejecución prolongada del agente
Garantizar la continuidad de la memoria y el estado del agente entre herramientas y entornos
Compartir el estado del agente
Evitar contexto en conflicto
Evitar el contexto obsoleto
Realizar evaluación, análisis de errores y ajuste (15–20%)
Definición de criterios de éxito y señales de evaluación para las tareas del agente
Especificar los resultados esperados y las restricciones operativas para las tareas del agente
Identificación de señales de evaluación cualitativa y cuantitativa para evaluar agentes
Alineación de los criterios de evaluación con la intención de desarrollo
Generación de señales de evaluación mediante herramientas de examen automatizadas
Análisis de errores del agente e identificación de las causas principales
Identificar errores mediante registros, planes, seguimientos, salidas y artefactos de flujo de trabajo
Clasificar las causas principales, incluidos los errores de razonamiento, el uso incorrecto de herramientas y los problemas de contexto o entorno
Ajustar el comportamiento del agente en función de los resultados de la evaluación
Revisión de instrucciones, flujos de trabajo o restricciones
Refinar el uso de memoria
Refinar el uso de herramientas y el acceso a herramientas
Orquestar la coordinación de múltiples agentes (de 15 a 20%)
Funcionamiento y administración de flujos de trabajo de varios agentes
Aplicar un patrón de orquestación para coordinar varios agentes
Configuración del aislamiento del agente para la ejecución en paralelo
Detectar y resolver conflictos de agente, incluidos los cambios de código superpuestos, el esfuerzo duplicado y las salidas opuestas
Configuración de la observabilidad para el comportamiento de varios agentes mediante registros, artefactos y señales operativas
Configuración de flujos de trabajo de varios agentes para generar artefactos adecuados para revisar y auditar
Documentar decisiones clave, transferencias y resultados entre agentes
Realizar un análisis post-hoc del comportamiento de varios agentes
Detección y respuesta a errores de varios agentes y comportamiento degradado
Identificar ejecuciones de agente fallidas, parciales o atascadas
Responder ante un comportamiento o una coordinación degradada entre agentes
Implementar patrones de recuperación multiagente, incluyendo la reversión y la intervención humana
Administrar el ciclo de vida de los agentes dentro de flujos de trabajo de varios agentes
Adición de agentes a flujos de trabajo de varios agentes existentes
Actualizar, volver a configurar o reemplazar agentes sin interrumpir los flujos de trabajo activos
Retirar agentes a la vez que se conserva la auditabilidad y la continuidad del flujo de trabajo
Implementar límites de protección y responsabilidad (de 10 a 15%)
Definición de niveles de autonomía
Clasificar las acciones del agente por riesgo operativo, de seguridad y de cumplimiento para intervenciones humanas adecuadas.
Asignación de niveles de autonomía para maximizar la velocidad de entrega mientras sigue siendo compatible con la seguridad de la organización y los estándares de inteligencia artificial responsable
Implementación de barandillas de seguridad y flujos de trabajo con humanos en el circuito
Identificar el subconjunto de acciones que requieren juicio humano
Bloquear acciones que infringen directivas de seguridad, cumplimiento o inteligencia artificial responsable definidas
Permisos de ámbito y contextos de ejecución para aplicar el acceso con privilegios mínimos
Requerir autorización explícita o rutas de acceso controladas para cambios irreversibles o sensibles al cumplimiento
Conservar la velocidad de ejecución minimizando las aprobaciones que no reducen materialmente el riesgo
Recursos de estudio
Le recomendamos que entrene y obtenga experiencia práctica antes de tomar el examen. Ofrecemos opciones de autoestudio y formación en el aula, así como vínculos a documentación, sitios de la comunidad y vídeos.
| Recursos de estudio | Vínculos a aprendizaje y documentación |
|---|---|
| Consigue formación | Elija entre rutas de aprendizaje autodirigida y módulos o realice un curso dirigido por el instructor en Microsoft Learn – Foundations of Agentic AI in GitHub, Designing Agent Architecture and SDLC Integration, Tooling, MCP y Agent Execution Environments |
| Localización de documentación |
Preparar la arquitectura del agente y los procesos SDLC Implementación del uso de herramientas y la interacción del entorno Administrar la memoria, el estado y la ejecución Realizar evaluación, análisis de errores y ajuste Coordinación de múltiples agentes Implementación de límites de protección y responsabilidad |
| Formular una pregunta | Discusiones de la comunidad de GitHub |
| Obtener soporte técnico de la comunidad | blog de GitHub |
| Seguir GitHub |
Twitter |
| Encontrar un vídeo | YouTube |