Чему вы научитесь
- Проектировать архитектуру AI-агентов — понимать, когда нужен простой агент, а когда — мультиагентная система с супервизором.
- Создавать агентов на LangChain — добавлять инструменты, настраивать системные промпты, управлять цепочками рассуждений.
- Строить сложных агентов на LangGraph — с циклами, ветвлениями, человеческим контролем и управляемым состоянием.
- Реализовывать мультиагентные системы — создавать супервизора и специализированных агентов-подчинённых, настраивать их взаимодействие.
- Подключать агентов к внешним сервисам через MCP — интегрировать базы данных, API, email, CRM и любые другие системы.
- Управлять памятью агента — краткосрочной (в рамках сессии) и долгосрочной (через векторные базы данных).
- Доводить агентов до production — покрывать тестами, собирать метрики, логировать, деплоить в Docker.
О курсе
Этот курс — прямое продолжение моего прошлого курса по LLM, в котором мы научились строить production‑ready RAG‑сервисы. Теперь мы поднимаемся на уровень выше и создаём интеллектуальных агентов — системы, которые не просто отвечают на вопросы, а самостоятельно планируют действия, используют инструменты и принимают решения. Вместо теории мы сразу переходим к практике: на протяжении всего курса мы шаг за шагом собираем end‑to‑end проект агента для автоматизации поддержки клиентов.
Мы изучим современный стек: LangChain для быстрой сборки агентов, LangGraph для сложных систем с управляемым состоянием и MCP (Model Context Protocol) для подключения к внешним сервисам. Параллельно будем использовать FastAPI, PostgreSQL, Qdrant и Docker, чтобы наш агент был готов к продакшену. Каждый модуль заканчивается рабочим кодом, который вы запускаете и проверяете сами.
Что входит в курс
- Введение в AI-агентов
- Backend, инфраструктура и база данных агента
- LangChain: первый агент и инструменты
- Управление состоянием и памятью
- LangGraph: графы для сложных агентов
- Мультиагентные системы
- MCP (Model Context Protocol)
- Production-агенты: тесты, оценка, мониторинг
- Финальный проект
Для кого этот курс
Начальные требования
-
Python (уверенный уровень)
-
Основы FastAPI, SQLAlchemy, Docker
-
Понимание, как работают LLM и эмбеддинги