AI-агенты на Python с нуля: ReAct, tools, память, MCP

Инженерный курс по AI-агентам: собери ReAct-цикл, инструменты, память, граф состояний, MCP-клиент, надёжность и наблюдаемость — руками, без фреймворка. 155 задач на код с автопроверкой в браузере, без API-ключа и VPN. В финале — автономный агент поддержки со скрытыми тестами в портфолио. Нужен опыт вызова LLM.
Продвинутый уровень
~3–4 ч в неделю (весь курс ~25–35 часов, ~2 месяца)
Сертификат Stepik

Чему вы научитесь

  • писать агентный цикл ReAct руками, без фреймворка — и понимать, что внутри
  • подключать инструменты через function calling: схемы, валидация, обработка ошибок
  • давать агенту память и управлять контекстом, когда диалог не влезает в окно
  • строить граф состояний с ветвлением и human-in-the-loop
  • собирать мультиагентные схемы и трезво решать, когда агент вообще не нужен
  • подключать внешние инструменты по протоколу MCP
  • делать агента надёжным: лимиты, ретраи, fallback и бюджеты токенов
  • трассировать агента и измерять его качество на бенчмарке траекторий

О курсе

Собрать демо-агента на фреймворке за вечер умеет каждый. Проблемы начинаются в проде: модель возвращает мусор в аргументах, диалог не влезает в контекст, граф зацикливается и жжёт токены, а понять, почему агент ошибся, невозможно — нет трейса. Этот курс — про инженерию агентов, которые работают, а не только демонстрируются.

Здесь ты собираешь агента руками. Никакого «курса по LangChain»: сначала ты пишешь ReAct-цикл сам и понимаешь каждый его винтик, а фреймворк воспринимаешь потом как словарь готовых паттернов, а не как магию. Вся обвязка — своя, через тонкую провайдер-абстракцию, поэтому курс не устареет со сменой версий SDK.

Это настоящий тренажёр, а не набор видеолекций: 155 задач на код проверяются автоматически прямо в браузере по схеме generate/solve/check. LLM в проверке заменена детерминированным MockLLM, поэтому всё работает без API-ключа, VPN и зарубежной карты; живой вызов настоящей модели ты попробуешь в 6 локальных лабах на своём компьютере.

Путь курса — девять инженерных модулей на одном сквозном домене (ИИ-поддержка магазина ShopDB): агент как паттерн (ReAct) → инструменты вглубь → память и компакция контекста → граф состояний с human-in-the-loop → мультиагентность → MCP-клиент → надёжность (лимиты, ретраи, fallback, бюджеты) → наблюдаемость и мини-бенчмарк траекторий. Агент растёт от версии v0 до капстоуна вместе с тобой, а не собирается заново на каждом уроке.

В финале ты собираешь капстоун: автономного агента поддержки ShopDB, который проходит скрытые trajectory-тесты, и получаешь бенчмарк-отчёт с измеренной долей пройденных сценариев. Это артефакт для резюме и прямой ответ на вопросы собеседования AI-инженера — их карту курс закрывает отдельным блоком.

Первый модуль и первый практический урок открыты бесплатно — попробуй тренажёр и собери первый агентный цикл за 15 минут, прежде чем покупать.

Для кого этот курс

  • Python-разработчикам, кто уже вызывал LLM из кода и хочет собирать production-агентов, а не демо на фреймворке.
  • Выпускникам бесплатного курса линейки (или с эквивалентным опытом вызова LLM), кто готов к инженерной глубине.
  • Backend- и ML-инженерам, кому нужны агенты с памятью, инструментами, надёжностью и наблюдаемостью.
  • Тем, кто готовится к собеседованию AI-инженера: ReAct, function calling, память, мультиагентность, evals траекторий.

Начальные требования

Что нужно:

  • База Python: функции, классы, словари и списки, pip/venv, чтение JSON.
  • Опыт вызова LLM из Python: массив messages, роли, парсинг ответа модели. Если этого пока нет — пройди бесплатный курс линейки «LLM, RAG и AI-агенты на Python», он ровно про это.
  • Любой компьютер с браузером; для 6 локальных лаб — Python на своём ПК.

Что НЕ нужно:

  • Не нужен API-ключ, платный аккаунт, VPN или зарубежная карта: автопроверка работает на встроенном MockLLM.
  • Не нужен опыт с LangChain/LangGraph — агента собираем руками, фреймворк разбираем как паттерн.
  • Высшая математика, Data Science и DevOps-прод не понадобятся.

Как проходит обучение

  • Формат: 10 модулей, 47 уроков и 396 коротких шагов; обучение проходит в свободном темпе.
  • Практика: 155 code-задач с автопроверкой прямо в браузере; решения можно отправлять повторно.
  • Теория: короткие текстовые объяснения, примеры, тесты и разборы ошибок.
  • Поддержка: вопросы и обсуждения доступны под каждым шагом.

Программа курса

В курс входят

  • 47 уроков
  • 126 тестов
  • 155 интерактивных задач
загружаем...

Наши преподаватели

Certificate

Сертификат

Сертификат Stepik

Что вы получаете

  • Навык строить production-агентов на Python: ReAct, инструменты, память, граф состояний, мультиагентность, MCP, надёжность и наблюдаемость.
  • Капстоун — автономный агент поддержки ShopDB со скрытыми trajectory-тестами и бенчмарк-отчётом. Готовый артефакт для резюме и портфолио.
  • Карту вопросов собеседования AI-инженера, которые ты теперь закрываешь.
  • Сертификат Stepik при наборе проходного балла.
  • Бессрочный доступ к материалам и будущим обновлениям курса.
  • Это ядро AI-линейки: к твоему агенту дальше подключаются RAG (поиск по своим данным), собственный MCP-сервер и деплой на FastAPI.

Сколько стоит обучение

990 ₽
Вы попробовали и поняли, что вам сейчас не подходит этот курс? Ничего страшного, мы вернём вам деньги в течение 30-ти дней после покупки.

Часто задаваемые вопросы

Расскажите о курсе друзьям