Servir agentes de LangGraph sin langgraph-api: autorización por hilo, drenado, retención y sondas para los cuatro casos de retail17 sept. 2026
deepagents en un cluster propio: el SDK es libre, el servidor no, y lo que hay que construir en medio15 sept. 2026
Keycloak en una plataforma de IA: dónde encaja, qué resuelve y los dos estándares que MCP exige y no implementa12 sept. 2026
El gateway no vive solo: el JWT que no valida la audiencia, el usuario que nunca llega a la traza y las costuras que hay que escribir a mano12 sept. 2026
Dimensionar para agentes: 275 tokens de entrada por cada uno de salida, y por qué el cuello de botella sigue siendo el decode12 sept. 2026
Enrutado por prefijo: lo que LiteLLM no hace, quién sí lo hace y cuánto mejora de verdad11 sept. 2026
Humanos y agentes en el mismo gateway: por qué `priority` no prioriza, el 429 que tumba el pool entero y las dos formas de separar el tráfico10 sept. 2026
LiteLLM en día 2: un worker por pod, seis mil segundos de timeout y las otras cinco cosas que hay que cambiar antes de abrir tráfico8 sept. 2026
Kubeflow a fondo: qué piezas valen la pena en una plataforma LLM on-premise y cuáles ya tienes31 ago. 2026
Backstage como portal de autoservicio: dar la plataforma LLM a tus equipos sin darles el cluster31 ago. 2026
Cadena de confianza del modelo (1/4): KServe y el Open Inference Protocol, el plano de control que le falta a tu serving26 jul. 2026
Volcano y Kueue: gang scheduling, colas y cuotas GPU para cargas distribuidas en Kubernetes16 jun. 2026
La puerta de la cocina que el maître no miró: NUMA de red, Cilium eBPF y DRANET, la cuarta pata del pinning6 jun. 2026
El maître que solo te sienta si cabéis en una mesa: CPU, Memory y Topology Manager en RKE26 jun. 2026
Siete fases de despliegue greenfield de una plataforma LLM on-premise: del hardware en la sala al primer token productivo31 may. 2026
Cinco niveles de madurez de la plataforma debajo del LLM: del servidor con Linux al cluster listo para vLLM31 may. 2026
Anatomía de un stack de inferencia LLM on-premise: las siete capas que tienen que sostenerse las unas a las otras30 may. 2026
El cluster GPU como plataforma: cómo convertir un cluster compartido en un servicio multi-tenant que tus equipos puedan consumir21 may. 2026
Hubble: observabilidad de red en eBPF, estado del arte 2026 y la nueva frontera con los agentes IA19 may. 2026
Operators de inferencia LLM en Kubernetes: OME, vLLM Production Stack, NVIDIA Dynamo y llm-d18 may. 2026