Python: AI-агенты. Книга рецептов

О курсе

Читатель научится интегрировать ИИ-агентов в реальные сервисы на Python без использования сторонних облачных API и платных подписок. Вычисления запускаются на локальной машине с помощью локальных моделей через платформу Ollama, что гарантирует безопасную работу в закрытом контуре и с персональными данными.

Обучение построено по принципу сборника из 43 практических рецептов с готовым кодом. Проект последовательно развивается от базового скрипта до автономного кодинг-агента, который самостоятельно пишет функции и проверяет их работу тестами. Все примеры с самого начала разрабатываются асинхронными для легкого встраивания в веб-сервисы на базе FastAPI.

Для кого курс

Программа разработана для Python-разработчиков, которым необходимо внедрить искусственный интеллект в существующие продукты: корпоративные справочники, службы технической поддержки или системы автоматической обработки документов.

Курс не предназначен для изучения промпт-инжиниринга, no-code платформ или теории машинного обучения — обучение ориентировано на прикладное программирование.

Что внутри

В материалах детально разбираются ключевые компоненты агентных архитектур:

• Архитектура на базе Microsoft Agent Framework и получение строго типизированных ответов с помощью Pydantic.
• Превращение функций Python в инструменты агента, безопасное исполнение кода в контейнере и ручное подтверждение критических действий.
• Организация сессионной памяти и долговременное сохранение истории диалогов на диске.
• Оркестрация сложных процессов через графы, чекпоинты и мультиагентные сценарии взаимодействия.
• Реализация архитектуры RAG на основе векторной базы данных Qdrant.
• Взаимодействие через современные открытые протоколы (MCP, A2A, AG-UI), защита от инъекций и автоматическое тестирование качества ответов.

Помимо проектирования, автор подробно демонстрирует типичные ошибки и сбои моделей при реальных прогонах.

Формат и требования

Материал представлен в текстовом формате с постепенным добавлением видеоуроков.

Для успешного прохождения требуются уверенные знания языка Python (классы, декораторы, типизация), понимание асинхронного кода (async/await), базовый опыт работы с FastAPI, Docker и Git. Из оборудования необходим компьютер с объемом оперативной памяти от 16 ГБ.