Diego Alba Ruiz

Paleta

AI Engineer en NTT Data

Diego
Alba Ruiz

Plataformas de agentes de IA y DevOps.

Diseño agentes de IA y la plataforma que los lleva a producción.

Escríbeme Descargar CV GitHubLinkedIn
  • +3 añosen NTT Data, desde 2023
  • IA + DevOpsde la idea al clúster

Sobre mí

Diego Alba Ruiz

Ingeniero de IA especializado en sistemas de agentes y plataformas agénticas para empresa. Diseño, desarrollo y despliego la pieza completa: el framework de agentes, los MCP servers propios, RAG y memoria, el LLM gateway, los guardrails de seguridad y la infraestructura en Kubernetes que lo hace escalable y observable. Vengo del backend en Python y del DevOps (Kubernetes, Terraform, CI/CD, Azure), así que llevo los casos de uso de la idea a producción. En mi día a día desarrollo con agentes de código como Claude Code y Codex, aplicando harness engineering, skills y context engineering.

Mi trayectoria

Desde pequeño he sido curioso y programador por vocación, lo que me ha llevado a probar y a intentar montar proyectos propios.

Acabando la universidad empecé en NTT Data con automatizaciones en Python y de ahí pasé a DevOps e infraestructura cloud: desplegar y mantener clústeres de Kubernetes y OpenShift sobre Microsoft Azure, automatizar infraestructura con Terraform y Ansible, y montar observabilidad con New Relic y OpenTelemetry, con alertas y autoremediaciones.

Después di el salto a la inteligencia artificial: primero modelos de redes neuronales y machine learning, y después la IA generativa aplicada a procesos reales de negocio.

Hoy construyo sistemas de agentes y plataformas agénticas para empresa: framework propio, sistemas multi-agente con A2A, MCP servers propios, RAG, memoria, LLM gateway, guardrails y skills, cada componente en su pod. Lo que me diferencia es que no solo diseño agentes: sé llevarlos a producción con la infraestructura que necesitan debajo.

Qué me diferencia

IA y DevOps

Cubro el ciclo completo: de la idea y la arquitectura al código, al clúster y a la observabilidad.

MCP servers propios

Si el caso de uso es muy específico del cliente, escribo yo la herramienta. Sin depender de integraciones cerradas.

Plataforma, no demos

Cada componente en su pod, escalable de forma independiente y preparado para entornos corporativos.

Con agentes de código

Claude Code y Codex con harness engineering: el agente trabaja con autonomía y de forma fiable.

Cómo trabajo

  • Capacidad de aprendizajeDe backend a DevOps, de DevOps a machine learning y de ahí a agentes de IA en algo más de tres años.
  • Orientación a resultadosLlevo los casos de uso hasta producción, no me quedo en la prueba de concepto.
  • CompromisoAporto lo mejor de mí a cada proyecto y a mis compañeros.
  • AdaptabilidadMe adapto a las necesidades de cada cliente, hasta escribir la herramienta que su caso necesita.
  • Trabajo en equipoTrabajo en equipos empresariales con metodología ágil.
  • Visión de extremo a extremoDel análisis con negocio a la arquitectura, el código, el despliegue y la operación.

Lo que busco

Seguir creciendo profesional y personalmente mientras construyo soluciones tecnológicas de alto impacto: plataformas de agentes de IA que lleguen a producción y equipos capaces de mantenerlas.

Experiencia

Mi puesto actual a fondo y, debajo, los anteriores.

sept. 2023 – hoy
Híbrido

AI Engineer · Plataformas de agentes & DevOps

NTT Data

Puesto: IST – Process & System Technician. Empecé con automatizaciones backend en Python, pasé a DevOps, Cloud y observabilidad, y hoy diseño, construyo y llevo a producción plataformas de agentes de IA para casos de uso corporativos.

  1. 1
    Backend y automatizaciónDesde septiembre de 2023Automatizaciones en Python, APIs y procesos programados.PythonAPI RESTRundeckApache AirflowPostgreSQL
  2. 2
    DevOps y CloudClústeres Kubernetes y OpenShift en producción sobre Azure, IaC y pipelines CI/CD.KubernetesOpenShiftDockerTerraformAnsibleCI/CDAzureLinux
  3. 3
    Observabilidad y AIOpsAlertas, dashboards y autoremediaciones con New Relic; instrumentación con OpenTelemetry.New RelicOpenTelemetry
  4. 4
    Machine learning e IA generativaRedes neuronales con TensorFlow y, después, IA generativa aplicada a procesos de negocio.TensorFlowOllamaLangChain
  5. 5
    Agentic AI y plataformas de agentesHoyPlataforma de agentes con framework propio, MCP servers propios, A2A, RAG, memoria, LLM gateway, guardrails y skills, cada componente en su pod.LangChainMCPA2ARAGLLM GatewayGuardrailsClaude CodeCodexKubernetesOpenTelemetry

Las etapas se solapan: cada una se apoya en la anterior.

Áreas de trabajo 6 áreas

Agentes de IA y plataforma agéntica

  • Arquitectura de una plataforma de agentes de IA corporativa con framework propio, modular e independiente del proveedor de modelos.
  • Framework propio de agentes: base común para crear agentes nuevos con las mismas garantías de seguridad, trazabilidad y despliegue.
  • Sistemas multi-agente: un orquestador coordina agentes especializados y reparte las tareas; los agentes se comunican con el estándar A2A (Agent-to-Agent).
  • Agentes con LangChain: tool calling, cadenas y flujos sobre LLMs.
  • MCP servers propios (Model Context Protocol) a medida de cada cliente, que exponen sus APIs, datos y sistemas internos como herramientas para los agentes.
  • RAG: pipelines de ingesta de documentos, chunking, embeddings y búsqueda vectorial sobre el conocimiento de la empresa.
  • Memoria de agentes a corto plazo (contexto de la conversación) y a largo plazo (información que debe persistir entre sesiones).
  • LLM Gateway como punto único de acceso a modelos: abstracción multi-proveedor, enrutado de modelos y control centralizado de uso.
  • Guardrails de seguridad para entornos corporativos: validación de entradas y salidas, detección de prompt injection, protección de datos sensibles y políticas de la empresa.
  • Skills: capacidades empaquetadas y reutilizables que los agentes cargan cuando las necesitan.
  • Prompt y context engineering para controlar qué contexto recibe cada agente y obtener respuestas consistentes.
  • Modelos en local con Ollama para desarrollo y pruebas.

Plataforma, Kubernetes y DevOps

  • Cada componente de la plataforma de IA (orquestador, agentes, LLM gateway, guardrails, RAG, memoria y MCP servers) desplegado como microservicio en su propio pod, con escalado horizontal independiente.
  • Despliegue y mantenimiento de clústeres Kubernetes y OpenShift en producción y preproducción sobre Microsoft Azure.
  • Recursos de Kubernetes por servicio: Deployments, Services, ConfigMaps, Secrets, health probes, límites de recursos y escalado automático.
  • Infraestructura como código con Terraform y gestión de configuración con Ansible.
  • Pipelines CI/CD para construir, probar y desplegar servicios e imágenes de contenedor.
  • Gestión de contenedores e imágenes Docker en entornos productivos.
  • Administración de servidores Linux, scripting en Bash y Nginx como servidor web y proxy inverso.

Observabilidad y operación

  • Monitorización de aplicaciones, servidores Linux y clústeres Kubernetes con New Relic: dashboards y alertas.
  • Autoremediaciones automáticas a partir de alertas de New Relic.
  • Instrumentación con OpenTelemetry: trazas, métricas y logs de servicios y de aplicaciones de IA, incluidas las llamadas de los agentes a modelos y herramientas.
  • Logging, métricas y trazabilidad para garantizar la estabilidad de los sistemas.
  • Herramientas de monitorización con AIOps.

Automatización, backend y machine learning

  • Automatizaciones en Python para procesos de negocio e infraestructura.
  • Jobs y procesos programados con Rundeck y orquestación de flujos con Apache Airflow.
  • APIs REST y microservicios en Python sobre PostgreSQL.
  • Modelos de machine learning y redes neuronales con TensorFlow.
  • Desarrollo e integración de soluciones con inteligencia artificial en aplicaciones y procesos existentes.
  • IA generativa aplicada a procesos reales de negocio.

Desarrollo con agentes de código

  • Desarrollo diario con agentes de código: Claude Code y OpenAI Codex.
  • Harness engineering: instrucciones de proyecto, skills, subagentes, hooks y MCP para que los agentes de código trabajen con autonomía y de forma fiable.
  • Verificación automática de lo que genera el agente con tests y linters.

Casos de uso y forma de trabajo

  • Casos de uso completos: análisis con negocio, diseño de arquitectura, desarrollo, despliegue y operación.
  • Herramientas a medida para necesidades muy específicas de cliente gracias a MCP servers propios.
  • Preparado para montar una plataforma desde cero y coordinar a un equipo técnico en su construcción.
  • Trabajo en equipo con metodología ágil.
Logros 6
  • Construcción de una plataforma de agentes de IA modular y escalable: orquestador, LLM gateway, guardrails, RAG, memoria y MCP servers desplegados como servicios independientes en Kubernetes.
  • Casos de uso end-to-end para cliente, desde el análisis con negocio hasta producción, con herramientas MCP desarrolladas a medida para necesidades muy específicas.
  • Despliegue y operación de clústeres Kubernetes y OpenShift en entornos productivos sobre Microsoft Azure.
  • Alertas y autoremediaciones con New Relic e instrumentación de servicios y agentes con OpenTelemetry.
  • Desarrollo con agentes de código (Claude Code, Codex) integrado en mi flujo de trabajo diario.
  • Automatización de procesos generales con Python, Rundeck y Apache Airflow.
Tecnologías en este puesto
Agentic AILangChainMCPA2ARAGLLM GatewayGuardrailsClaude CodeCodexPythonKubernetesOpenShiftDockerTerraformAnsibleCI/CDAzureOpenTelemetryNew RelicOllamaTensorFlowRundeckApache AirflowPostgreSQLLinuxGit
mar. 2023 – jul. 2023
Híbrido

Becario

NTT Data

Prácticas del Grado en Ingeniería Informática y desarrollo de TFG full-stack con microservicios.

Responsabilidades
  • Trabajo en equipo con metodología ágil.
  • Desarrollo de automatizaciones en Python.
  • Gestión de infraestructura con IaC (Terraform, Pulumi, Ansible).
Logros
  • Planificación, desarrollo e implantación de un TFG full-stack con arquitectura de microservicios.
  • Primer contacto con contenedores y Kubernetes en entornos productivos.
  • Desarrollo de automatizaciones para procesos generales.
PythonKubernetesDockerTerraformPulumiAnsibleRundeckReactJavaScriptAzureNginxLinuxAPI RESTPostgreSQLGit
sept. 2022
Presencial

Encargado informático

Cooperativa San Isidro Labrador, Las Labores

Responsable del sistema de medición del grado alcohólico de la uva y del sistema informático de tickets durante la campaña de vendimia.

Responsabilidades
  • Medición del grado alcohólico de la uva.
  • Gestión de los tickets de la cosecha en el sistema informático.
abr. 2019 – jun. 2019
Presencial

Becario

Telefónica

Prácticas del ciclo de Técnico Superior en Desarrollo de Aplicaciones Multiplataforma.

Responsabilidades
  • Trabajo en equipo.
  • Desarrollo e integración de herramientas web internas.
Logros
  • Diseño y desarrollo de herramientas web internas.
HTMLCSSJavaScriptPHPGit

Caso de uso

Un proyecto contado de principio a fin, anonimizado.

Cliente corporativo · sector anonimizado

Asistente con agentes sobre los sistemas internos de un cliente

1El problema
Los equipos necesitaban consultar documentación interna y actuar sobre varios sistemas propios desde un único punto, sin dar a un modelo acceso abierto a esos sistemas ni exponer datos sensibles.
2Qué construí
Un sistema multi-agente sobre la plataforma: un orquestador que reparte el trabajo entre agentes especializados con A2A, RAG sobre la documentación del cliente, memoria de conversación y MCP servers propios que exponen solo las operaciones necesarias de cada sistema. Guardrails a la entrada y a la salida.
3Cómo lo desplegué
Cada componente como servicio independiente en su pod de Kubernetes sobre Azure, con escalado horizontal, infraestructura como código y pipelines CI/CD. Los modelos, siempre a través del LLM gateway, y trazas OpenTelemetry de cada llamada a modelo y a herramienta.
4Qué cambió
Un único punto de entrada en lugar de varias herramientas. Respuestas basadas en la documentación real del cliente. Acciones sobre sistemas internos con permisos acotados y trazables. Y una base reutilizable: el siguiente caso de uso parte de la misma plataforma.
LangChainA2AMCPRAGGuardrailsKubernetesAzureOpenTelemetry

Arquitectura

La plataforma de agentes con la que trabajo: cada componente es un servicio en su propio pod de Kubernetes, con escalado independiente, y todo el recorrido de una petición queda trazado.

KUBERNETESun componente, un pod Usuario API Guardrailsentrada Guardrailssalida Orquestador A2A Agente A Agente B Agente C agentes especializados RAG Memoria Skills MCP servers LLM Gateway Sistemasdel cliente Proveedoresde modelos OPENTELEMETRYuna traza por petición, de punta a punta
Recorrido de una petición: API, guardrails de entrada, orquestador, agentes especializados con su contexto y herramientas, LLM gateway y guardrails de salida. Desliza para ver el diagrama entero.

Harness engineering

Cómo trabajo con agentes de código: un harness que convierte cada feature en un flujo verificable, con un único gate humano y la evidencia en disco.

sesión principal · coordina, no implementa OrquestadorCLAUDE.md · HARNESS.md · AGENTS.md HumanoGATE#1 · commits blockeddecisión humana lanza cada fase · un subagente con contexto limpio Explorercontext.md Designerproposal · design · acceptance GATE#1 Buildercódigo · implementation.md Reviewerveredicto · archive.md archivada único punto humano 1 repair Estado en disco .claude/state/<ID>/ especificacióncongelada por hash event.logtransiciones y runtimes memoria entre sesionesla leen y la escriben HERRAMIENTAS DETERMINISTASPython sin dependencias cada transición pasa por aquí feature.pymáquina de estados · 24 guards validate_harness.pyvalida cada transición run_acceptance.pyaceptación congelada ledger.py · hook SubagentStopcoste por subagente guard.py · hook PreToolUsefronteras de seguridad
Recorrido de una feature: el orquestador lanza cada fase como un subagente con contexto limpio, tú apruebas el diseño en GATE#1 y las herramientas deterministas validan cada paso. Desliza para ver el diagrama entero.

harness-base en GitHub

Capacidades

Lo que sé hacer, en ocho áreas. Elige una para ver el resumen.

Agentic AI y plataformas de agentes

Agentes y sistemas multi-agente para empresa, sobre una plataforma propia.

  • Orquestación multi-agente con A2A
  • MCP servers propios, RAG y memoria
  • LLM gateway y guardrails de seguridad
Ver todo el detalle 8 puntos
  • Arquitectura de plataformas de agentes de IA para empresa con framework propio, modulares e independientes del proveedor de modelos.
  • Sistemas multi-agente: orquestación, delegación de tareas y comunicación entre agentes con el estándar A2A.
  • MCP servers propios para conectar agentes con las APIs, datos y sistemas internos de cada cliente.
  • RAG: ingesta de documentos, chunking, embeddings y búsqueda vectorial sobre conocimiento corporativo.
  • Memoria de agentes a corto y largo plazo para mantener el contexto entre conversaciones y tareas.
  • LLM Gateway: punto único de acceso a modelos con enrutado multi-proveedor y control de uso.
  • Guardrails de seguridad: validación de entradas y salidas, prompt injection y datos sensibles.
  • Skills reutilizables que amplían las capacidades de los agentes sin tocar su núcleo.

Proyectos

Repos públicos, proyectos profesionales en NTT Data (código privado) y académicos.

Open sourceGitHub · agentes-ia

harness-base

Harness SDD multiagente para Claude Code. El orquestador coordina cuatro subagentes con contexto limpio (explorer, designer, builder y reviewer), con un único gate humano entre el diseño y la implementación. Herramientas deterministas en Python aplican la máquina de estados, congelan la especificación aprobada, ejecutan la aceptación, miden el coste de cada subagente y hacen cumplir las fronteras de seguridad.

  • Usado en dos proyectos reales: 42 features y ~60 % con PASS en la primera verificación
  • Máquina de estados con 24 guards; la especificación se congela por hash al aprobar
  • Coste de cada subagente estimado desde sus tokens y presupuesto por feature
  • Guard en cada herramienta: escrituras acotadas por agente, sin secretos ni red externa
Claude CodeHarness engineeringSDDMulti-agentePython
Ver en GitHub
Open sourceGitHub · agentes-ia

harness-base-olas

El mismo harness con modo de olas: varias features a la vez, cada una en su worktree de git y con su propia sesión de Claude Code, mientras el árbol principal solo integra. Incluye un prompt que convierte un diseño técnico en el plan de implementación, el backlog, las olas y un harness especializado para el proyecto.

  • ola.sh abre, integra con squash, resuelve los conflictos mecánicos y pasa la regresión
  • Nunca hace commit ni push sin preguntarte; desde Claude Code los hace el humano
  • Probado de punta a punta con worktrees reales
Claude CodeGit worktreesBashtmuxHarness engineering
Ver en GitHub
Open sourceGitHub · agentes-ia

ops-mcp

Servidor MCP de referencia (SDK de Python 2.3) con las herramientas de operaciones de una plataforma: estado de servicios, despliegues, búsqueda en runbooks con RAG y creación de incidentes. Autenticación OAuth 2.1 como resource server, Streamable HTTP sin estado y despliegue en Kubernetes.

  • Tools pensadas para el modelo: entradas acotadas, salida estructurada y anotaciones de solo lectura o destructiva
  • Tools asíncronas organizadas por carpetas y logging estructurado de cada llamada
  • OAuth 2.1 por scopes (ops:read, ops:write) con JWT o tokens estáticos; falla cerrado
  • Protección contra DNS rebinding y trazas OpenTelemetry propagadas desde el agente
  • Imagen Docker, HPA y NetworkPolicies en Kubernetes
MCPPythonOAuth 2.1OpenTelemetryKubernetes
Ver en GitHub
ProfesionalNTT Data · hoy

Plataforma de agentes de IA

Plataforma corporativa para construir y operar agentes de IA, con framework propio y cada componente desplegado como servicio independiente en Kubernetes.

  • Orquestación multi-agente con A2A
  • MCP servers propios por cliente
  • RAG, memoria, LLM gateway y guardrails
  • Observabilidad con OpenTelemetry
LangChainMCPA2ARAGKubernetesOpenTelemetry
Código privado
ProfesionalNTT Data · hoy

MCP servers a medida

Servidores MCP propios que exponen a los agentes las APIs, datos y sistemas internos de cada cliente, con control de qué puede hacer cada herramienta.

  • Herramientas para casos de uso muy específicos
  • Código propio, sin depender de integraciones cerradas
  • Desplegados como pods independientes
MCPPythonKubernetes
Código privado
ProfesionalNTT Data

Observabilidad y autoremediación

Monitorización de aplicaciones, servidores Linux y clústeres Kubernetes con alertas que disparan autoremediaciones, e instrumentación con OpenTelemetry.

  • Dashboards y alertas en New Relic
  • Autoremediaciones automáticas
  • Trazas, métricas y logs con OpenTelemetry
New RelicOpenTelemetryKubernetesLinux
Código privado
ProfesionalNTT Data

Clústeres Kubernetes en Azure con IaC

Despliegue y mantenimiento de clústeres Kubernetes y OpenShift en producción y preproducción, con infraestructura como código y pipelines CI/CD.

  • Terraform y Ansible
  • Pipelines CI/CD
  • Producción y preproducción sobre Azure
KubernetesOpenShiftTerraformAnsibleAzure
Código privado
AcadémicoNTT Data · 2023

TFG full-stack con microservicios

Trabajo de Fin de Grado desarrollado durante las prácticas: planificación, desarrollo e implantación de una aplicación full-stack con arquitectura de microservicios.

  • Prácticas del Grado en Ingeniería Informática
  • Microservicios, contenedores e IaC
PythonReactDockerKubernetesPulumi
Sin repositorio público
AcadémicoGrado en Ingeniería Informática

Iceflix

Sistema distribuido de streaming basado en microservicios.

  • Proyecto del Grado en Ingeniería Informática
  • Python, ZeroC Ice y ZeroC IceStorm
PythonZeroC IceIceStorm
Ver en GitHub
AcadémicoGrado en Ingeniería Informática

Infoge

Herramienta de información sobre localizaciones con APIs de mapas y de Twitter.

  • Proyecto del Grado en Ingeniería Informática
  • Python y APIs externas
PythonAPIs
Ver en GitHub
AcadémicoGrado en Ingeniería Informática

Vídeo interactivo

Vídeo en el que el usuario interactúa con varios elementos.

  • Proyecto del Grado en Ingeniería Informática
  • Angular
Angular
Ver en GitHub
AcadémicoGrado en Ingeniería Informática

Shoppy

Tienda temática.

  • Proyecto del Grado en Ingeniería Informática
  • UWP y C#
C#UWP
Ver en GitHub
AcadémicoCiclo DAM

ERP

Planificación de recursos empresariales en C#.

  • Proyecto del ciclo de Desarrollo de Aplicaciones Multiplataforma
  • C#
C#
Ver en GitHub

Documentos

Notas técnicas sobre lo que construyo: agentes, plataformas y DevOps.

DOC-001

12 may 20265 min de lectura

Por qué escribo mis propios MCP servers

Qué gana un agente corporativo cuando las herramientas MCP las escribes tú: superficie mínima, permisos acotados y descripciones pensadas para el modelo.

MCPAgentes
DOC-002

9 jun 20266 min de lectura

Anatomía de una petición en una plataforma de agentes

Sigo una petición de principio a fin: API, guardrails, orquestador, agentes con A2A, RAG, memoria, MCP, LLM gateway y salida, todo trazado con OpenTelemetry.

ArquitecturaOpenTelemetry

Ver todos los documentos

Stack

Las 42 tecnologías con las que trabajo, por dominio.

Agentic AI

  • MCP (Model Context Protocol)
  • RAG
  • A2A (Agent-to-Agent)
  • Sistemas multi-agente
  • LLM Gateway
  • AI Guardrails
  • Agentic AI
  • Memoria de agentes
  • Agent Skills
  • Prompt & Context Engineering
  • LangChain
  • Ollama

Desarrollo con IA

  • Claude Code
  • OpenAI Codex
  • Harness Engineering

Plataforma y DevOps

  • Kubernetes
  • OpenShift
  • Docker
  • Terraform
  • Ansible
  • CI/CD
  • Azure
  • Linux
  • Bash
  • Nginx

Observabilidad

  • OpenTelemetry
  • New Relic

Backend, datos y ML

  • Python
  • API REST
  • PostgreSQL
  • Rundeck
  • Apache Airflow
  • TensorFlow
  • Java

Frontend y herramientas

  • JavaScript
  • React
  • Astro
  • Vite
  • HTML
  • CSS
  • Git
  • GitHub

Formación

Estudios y certificaciones.

Estudios

2019 – 2023
Grado en Ingeniería Informática
Escuela Superior de Informática, Ciudad Real (UCLM)
Grado universitario
2017 – 2019
Técnico Superior en Desarrollo de Aplicaciones Multiplataforma (DAM)
IES Maestre de Calatrava, Ciudad Real
Ciclo formativo de grado superior

Certificaciones

2025
2024
2024
New Relic Full Stack Observability Practitioner
New Relic
2023

Idiomas

  • EspañolNativo
  • InglésLectura técnica fluida, conversación básica

Intereses

  • Agentic AISistemas multi-agente, MCP, A2A, Estándares abiertos
  • Desarrollo con IAAgentes de código, Harness engineering
  • Platform EngineeringKubernetes, Infraestructura como código, Observabilidad

Contacto

Si quieres montar una plataforma de agentes o llevar un caso de uso a producción, hablemos.

diego303.d@gmail.com

Abrir correo Descargar CV GitHubLinkedIn

Mesa de ideas
doble clic en cualquier sitio
para dejar una idea