О курсе

Курс посвящён разработке автономных AI-агентов и agentic AI-систем. В программе рассматриваются современные фреймворки: OpenAI Agents SDK, CrewAI, LangGraph, AutoGen, а также Model Context Protocol (MCP). Обучение построено от базовых принципов agentic AI и LLM-воркфлоу к более сложным мультиагентным системам, где несколько агентов взаимодействуют как единая архитектура.

Материал включает настройку среды для AI-разработки (Cursor IDE, UV, Git), работу с API различных LLM (GPT-4o, Claude, Gemini, DeepSeek), паттерны проектирования LLM-воркфлоу, оркестрацию нескольких моделей, создание чат-ботов и ассистентов с инструментами. Отдельные блоки посвящены OpenAI Agents SDK (агенты, runner, trace, guardrails), CrewAI (команды агентов, задачи, память), LangGraph (графовые архитектуры, управление состоянием, checkpointing), AutoGen (Agent Chat, AutoGen Core, распределённые агенты) и MCP (хосты, клиенты, серверы, создание собственного MCP-сервера).

Практическая часть включает восемь проектов: Career Digital Twin, SDR Agent, Deep Research, Stock Picker Agent, инженерная команда из нескольких агентов, браузерный оператор, Agent Creator и финальный проект с несколькими агентами, MCP-серверами и набором инструментов. Курс состоит из 130 лекций, более 17 часов видео, рассчитан примерно на 6 недель. Язык курса — английский, с английскими субтитрами.

Что рассматривается в программе

  • Рассматривается настройка среды для AI-разработки с использованием Cursor IDE, UV и Git
  • Разбирается работа с OpenAI Agents SDK: классы Agent, Runner, Trace, guardrails
  • Изучается создание мультиагентных систем на CrewAI: агенты, задачи, память, инструменты
  • Рассматривается построение графовых агентных воркфлоу на LangGraph, включая управление состоянием и checkpointing
  • Разбирается AutoGen: Agent Chat, AutoGen Core, распределённые агенты и обмен сообщениями
  • Изучается Model Context Protocol (MCP): хосты, клиенты, серверы, создание собственного MCP-сервера
  • Рассматривается оркестрация нескольких LLM (GPT-4o, Claude, Gemini, DeepSeek) и сравнение их API
  • Практикуется создание прикладных AI-агентов: deep research, SDR-агент, stock picker, браузерный оператор

Кому может быть полезен курс

  • Разработчикам, интересующимся созданием AI-агентов и мультиагентных систем
  • Специалистам, уже работающим с Python и LLM и желающим углубить знания в agentic AI
  • AI-энтузиастам, которые хотят перейти от общего интереса к практическим навыкам
  • Новичкам, готовым последовательно изучать тему AI-агентов

Вопросы о программе

Какие фреймворки рассматриваются в курсе?

В программе рассматриваются OpenAI Agents SDK, CrewAI, LangGraph, AutoGen, а также Model Context Protocol (MCP).

Сколько практических проектов включено в курс?

В курсе заявлено восемь практических проектов, среди которых Career Digital Twin, SDR Agent, Deep Research, Stock Picker Agent, инженерная команда из нескольких агентов, браузерный оператор, Agent Creator и финальный проект с несколькими агентами и MCP-серверами.

Какой уровень подготовки предполагается?

Курс подходит разработчикам, AI-энтузиастам и специалистам, уже работающим с Python и LLM. Также указано, что новички могут проходить материал последовательно.

На каком языке проводится обучение?

Язык курса — английский, предусмотрены английские субтитры.