Разработка ИИ-агентов
О чём курс
О чём курс
OTUS разбирает, как проектировать ИИ-агента как систему: от агентного цикла ReAct и выбора модели до работы с инструментами, памятью и оценкой качества. Вы соберёте базового агента и разберёте принципы контролируемого рассуждения. Курс охватывает одиночные и мультиагентные сценарии, включая подготовку к работе в продакшене.
Для кого
Курс рассчитан на Backend- и Fullstack-разработчиков на Python или JavaScript, которые хотят перейти от вызовов LLM API к разработке агентных систем. Team Lead и Tech Lead разберут архитектуру таких систем для рабочих сценариев. ML/DS-инженеры изучат связку инструментов, памяти, RAG и оценки качества.
Для занятий нужны опыт разработки на Python или JavaScript, базовые знания API и понимание основ баз данных.
Что внутри
Вы разберёте выбор модели под ограничения задачи и метрики, роутинг между моделями, резервные сценарии fallback/HA. Затем подключите внешние системы через Function Calling и собственные инструменты для API, SQL и SaaS. При работе с интеграциями рассматриваются токены и права доступа.
Для обмена данными и взаимодействия в реальном времени курс охватывает MCP, WebSockets/Streaming и Realtime API. Отдельно разбираются связность систем и сценарии передачи задач между агентами по A2A. В части работы с данными вы изучите управление контекстом, векторную и графовую память, гибридный поиск и Agentic RAG.
Логику выполнения задач автор рассматривает через декомпозицию, самокоррекцию и оркестрацию. Вы познакомитесь с OpenAI и Anthropic SDK, LangGraph и n8n, а также с handoffs — передачей управления между агентами. В мультиагентных сценариях разбираются типовые ошибки и особенности взаимодействия агентов.
Качество и безопасность
Для проверки работы агента курс включает evals и observability: с их помощью оценивают качество ответов и наблюдают за поведением системы. Вы разберёте guardrails, лимиты стоимости, retries и circuit breakers. Среди рисков, которые рассматриваются в курсе, — prompt injection и злоупотребление инструментами.
Программа обучения
Фундамент агентных систем Тема 1: Архитектура агента Тема 2: Инфраструктура агентов Тема 3: Бенчмарки и data-driven роутинг: от теории к коду Инструменты агента Тема 1: Function Calling: как дать агенту руки Тема 2: Продуктивность разработчика и Agent Skills Тема 3: Кастомные инструменты и автоматизация Протоколы и коммуникация агентных систем Тема 1: Model Context Protocol (MCP) Тема 2: Real-time коммуникация Тема 3: OpenAI Realtime API и A2A взаимодействие Хранилище и контекст Тема 1: Векторная память и Agentic RAG Тема 2: Графовая память и сложный контекст Оркестрация и логика агентных систем Тема 1: Декомпозиция задач и самокоррекция Тема 2: Агентные фреймворки: OpenAI и Anthropic SDK Тема 3: Продвинутая оркестрация: LangGraph Тема 4: Low-code оркестрация: n8n Тема 5: Мультиагентные системы и Swarm Оценка, наблюдаемость и безопасность ИИ-агента Тема 1: Оценка (Evals) и Observability Тема 2: Безопасность и Guardrails Проектная работа Тема 1: Выбор темы и организация проектной работы Тема 2: Консультация по проектам и домашним заданиям Тема 3: Защита проектных работ и подведение итогов курса
Теги курса
Другие материалы школы 12
O Otus Все материалыОтзывов пока нет. Будьте первым!
Нажмите «Купить» и оплатите взнос любым удобным способом (карта, СБП, электронные кошельки). Сейчас идёт сбор взносов, поэтому цена минимальная: после завершения сбора она вырастет примерно вдвое.
Складчина ещё в сборе, поэтому материал выдают не сразу, а когда сбор завершится. Выдача идёт на нашем основном сайте — материал появится там в разделе «Мои складчины». Если покупаете впервые, после оплаты на почту придёт письмо «Завершить регистрацию»: задайте пароль, и аккаунт на основном сайте будет готов. Подробная инструкция по входу — на странице после оплаты.
Это минимальный взнос на этапе сбора. Стоимость официального доступа делится между всеми участниками; когда сбор завершится, складчина перейдёт в «Можно купить», и взнос для новых участников вырастет примерно вдвое.