Полный курс по созданию ИИ-агентов и работе с MCP [Udemy] [Эд Доннер, Лидженси]

Складчина: Полный курс по созданию ИИ-агентов и работе с MCP [Udemy] [Эд Доннер, Лидженси]

AI Engineer Agentic Track: The Complete Agent & MCP Course [Ed Donner, Ligency]
Язык курса английский +субтитры на английском

Большой практический курс по созданию AI-агентов и agentic AI-систем. Он посвящен не просто работе с нейросетями, а именно построению автономных решений, которые умеют выполнять задачи, использовать инструменты, взаимодействовать между собой и решать прикладные сценарии.
В центре курса — современные подходы к разработке AI-агентов с использованием
OpenAI Agents SDK, CrewAI, LangGraph, AutoGen и MCP. Программа выстроена от базовых принципов agentic AI и LLM workflows к более сложным multi-agent системам, где несколько агентов работают как единая архитектура.

Что будет в курсе:

сочетание теории и практики с акцентом на прикладную часть
разбор ключевых фреймворков для создания AI-агентов
принципы проектирования agentic AI-систем
организация взаимодействия между агентами
подключение инструментов и работа с Model Context Protocol (MCP)
8 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, MCP-серверами и большим набором инструментов
пошаговый формат обучения — от знакомства с основами agentic AI до создания более сложных систем и финальных проектов

Для чего нужен курс:

чтобы разобраться, как создаются современные AI-агенты
чтобы перейти от общего интереса к практическим навыкам
чтобы освоить конкретные инструменты, архитектуры и сценарии применения
для разработки собственных AI-проектов
для автоматизации рабочих процессов
для создания исследовательских и бизнес-ассистентов
для более глубокого понимания того, как строятся автономные AI-системы в реальных задачах

Для кого подойдет:

для разработчиков
для AI-энтузиастов
для специалистов, которые уже работают с Python и LLM
для тех, кто хочет глубже разобраться в теме AI-агентов и multi-agent систем
для новичков, готовых последовательно и внимательно входить в тему

Особенности курса:

130 лекций
более 17 часов видео
программа примерно на 6 недель
большой и насыщенный материал
упор на практику и реальные проекты
подходит тем, кто ищет не краткий обзор, а полноценное погружение в тему

Программа курса: 6 разделов • 130 лекций • общая продолжительность 17 ч 2 мин

Спойлер: Программа 1 недели 27 уроков — 4 ч 6 мин

День 1 — Демонстрация автономного AI-агента: использование n8n для управления устройствами умного дома
День 1 — Обзор фреймворков AI-агентов: OpenAI SDK, CrewAI, LangGraph и AutoGen
День 1 — Настройка среды для agent engineering: знакомство с Cursor IDE, UV и вариантами работы с API
День 1 — Настройка Windows для AI-разработки: Git, Cursor IDE и менеджер пакетов UV
День 1 — Настройка Mac для AI-проектов: GitHub, Cursor IDE и OpenAI API Key
День 1 — Создание первого agentic AI workflow с OpenAI API: пошаговый разбор
День 1 — Введение в agentic AI: создание многошаговых LLM workflows и автономности
День 2 — Создание эффективных агентов: автономность LLM и интеграция инструментов
День 2 — 5 ключевых паттернов проектирования LLM workflows для создания устойчивых AI-систем
День 2 — Понимание разницы между агентом и workflow в проектировании LLM-приложений
День 3 — Оркестрация нескольких LLM: сравнение GPT-4o, Claude, Gemini и DeepSeek
День 3 — Интеграция нескольких LLM по API: сравнение OpenAI, Anthropic и других моделей
День 3 — Сравнение LLM API: использование клиентской библиотеки OpenAI с Claude, Gemini и другими моделями
День 3 — Оркестрация нескольких моделей: создание системы для оценки ответов LLM
День 3 — Связь agentic-паттернов с использованием инструментов: базовые строительные блоки AI
День 4 — Сравнение фреймворков AI-агентов: простота и мощность в оркестрации LLM
День 4 — Ресурсы и инструменты: два способа расширения возможностей LLM в agentic AI
День 4 — Создание веб-чатбота, который действует как вы, с помощью Gradio и OpenAI
День 4 — Использование Gemini для оценки ответов GPT-4: multi-LLM pipeline
День 4 — Построение agentic LLM workflows: ресурсы, инструменты и структурированные выходные данные
День 5 — Создание вашего карьерного альтер эго: вызов LLM-функций с push-уведомлениями
День 5 — Разбор tool calls в LLM: как обрабатывать и выполнять запросы на вызов функций
День 5 — Создание AI-ассистентов: внедрение инструментов для обработки неизвестных вопросов
День 5 — Создание и развертывание AI-агента: от chat loop до HuggingFace Spaces
День 5 — Развертывание чатботов для карьерных консультаций в Gradio
День 5 — Итоги базовой недели: создание полноценных AI-агентов с API и инструментами
День 5 [дополнительно] — Создание первого agent loop с OpenAI Tools с нуля

Спойлер: Программа 2 недели 21 урок — 2 ч 26 мин

День 1 — Понимание асинхронного Python: основа для OpenAI Agents SDK
День 1 — Основы OpenAI Agents SDK: создание, трассировка и запуск агентов
День 1 — Введение в классы Agent, Runner и Trace в OpenAI Agents SDK
День 1 — Vibe Coding: 5 ключевых советов для эффективной генерации кода с помощью LLM
День 1 — OpenAI Agents SDK: понимание базовых концепций AI-разработки
День 2 — Создание AI-агентов для продаж с SendGrid: инструменты и совместная работа в Agent SDK
День 2 — Параллельные вызовы LLM: использование asyncio для одновременного выполнения агентов
День 2 — Превращение агентов в инструменты: построение иерархических AI-систем
День 2 — Управление потоком агента: когда использовать handoffs, а когда — агентов как инструменты
День 2 — От вызова функций к автономии агента: автоматизация продаж с OpenAI SDK
День 2 — Agentic AI для бизнеса: создание интерактивных инструментов для outreach и продаж
День 3 — Интеграция нескольких моделей: использование Gemini, DeepSeek и Groq с OpenAI Agents
День 3 — Внедрение guardrails и структурированных выходных данных для надежных AI-агентных систем
День 3 — Практика AI-безопасности: внедрение guardrails для LLM-агентных приложений
День 4 — Создание агентов для глубоких исследований: использование инструмента OpenAI Web Search
День 4 — Создание planner-agent: использование структурированных выходных данных с Pydantic в AI
День 4 — Построение полного research pipeline с GPT-4 Agents и асинхронными задачами
День 4 — Создание deep research-агента: параллельный поиск с AsyncIO
День 5 — Создание модульной AI-системы для исследований с реализацией интерфейса на Gradio
День 5 — Приложение Deep Research: визуализация и мониторинг автономных AI-агентов через Gradio
День 5 — Развертывание умных исследовательских агентов с помощью Gradio и HuggingFace Space

Спойлер: Программа 3-й недели 19 уроков — 2 ч 32 мин

День 1 — Framework CrewAI: создание совместных команд AI-агентов
День 1 — Обзор фреймворка CrewAI: агенты, задачи и режимы обработки
День 1 — CrewAI и LightLLM: гибкий фреймворк для интеграции нескольких LLM
День 1 — Практика по CrewAI: настройка проекта AI-дебатов с GPT-4o mini
День 1 — Как создать систему AI-дебатов с помощью CrewAI и нескольких LLM
День 1 — Построение AI-системы дебатов с CrewAI: сравнение разных LLM
День 2 — Создание проектов на CrewAI: инструменты, контекст и интеграция Google Search
День 2 — Построение мультиагентных систем финансовых исследований с CrewAI
День 2 — Усиление AI-агентов с помощью веб-поиска: решение проблемы knowledge cutoff
День 3 — Создание Stock Picker на CrewAI: мультиагентная система для инвестиций
День 3 — Реализация Pydantic-выводов в CrewAI: практикум по агенту для отбора акций
День 3 — Разработка собственных инструментов для CrewAI: JSON Schema и push-уведомления
День 4 — Память в CrewAI: векторное хранилище и SQL-реализация для AI-агентов
День 4 — CrewAI для задач программирования: агенты, которые генерируют и запускают Python-код
День 4 — Создание AI-агента, пишущего на Python: практическая реализация на CrewAI
День 5 — Создание AI-команд: настройка CrewAI для совместной разработки
День 5 — Совместная разработка AI-агентов для торгового фреймворка
День 5 — Создание торгового приложения с использованием GPT-4o и Claude
День 5 — От отдельных модулей к полноценным системам: продвинутые техники CrewAI

Спойлер: Программа 4-й недели 23 урока — 2 ч 59 мин

День 1 — Обзор LangGraph: графовая архитектура для надежных AI-агентов
День 1 — Обзор LangGraph: сравнение framework, studio и platform-компонентов
День 1 — Теория LangGraph: ключевые компоненты для построения продвинутых агентных систем
День 2 — Глубокое погружение в LangGraph: управление состоянием в графовых агентных workflow
День 2 — Освоение LangGraph: как задавать state-объекты и использовать reducers
День 2 — Основы LangGraph: создание nodes, edges и workflows шаг за шагом
День 2 — Практика по LangGraph: создание OpenAI-чатбота на графовых структурах
День 3 — Продвинутый разбор LangGraph: super steps и checkpointing
День 3 — Настройка LangSmith и создание собственных инструментов для приложений на LangGraph
День 3 — Tool calling в LangGraph: работа с conditional edges и tool nodes
День 3 — Checkpointing в LangGraph: как сохранять память между диалогами
День 3 — Создание постоянной AI-памяти с SQLite: управление состоянием в LangGraph
День 4 — Интеграция Playwright с LangGraph: создание AI-агентов для веб-серфинга
День 4 — Создание AI-веб-ассистентов: реализация с Playwright, LangChain и Gradio
День 4 — LLM-агенты-оценщики: создание feedback loops со структурированными выходными данными
День 4 — Создание feedback loops для LLM: реализация worker-evaluator в LangGraph
День 4 — Создание AI-sidekick с использованием LangGraph, Gradio и браузерной автоматизации
День 5 — Agentic AI: добавление Web Search, файловой системы и Python REPL в вашего ассистента
День 5 — Интеграция инструментов LangChain: создание мощного AI-sidekick с нуля
День 5 — Создание AI-workflows: graph builders и техники взаимодействия узлов
День 5 — Создание изолированных пользовательских сессий в приложениях Gradio с помощью управления состоянием
День 5 — Внутри AI feedback loops: как AI оценивает и исправляет ошибки
День 5 — Улучшения AI-ассистента: память, уточняющие вопросы и кастомные инструменты

Спойлер: Программа 5-й недели 17 уроков — 2 ч 10 мин

День 1 — Microsoft AutoGen 0.5.1: обзор фреймворка AI-агентов для начинающих
День 1 — AutoGen и другие agent frameworks: сравнение возможностей и компонентов
День 1 — Практика по Agent Chat в AutoGen: создание инструментов и интеграция базы данных
День 1 — Основные AI-компоненты: модели, сообщения и агенты
День 2 — Продвинутый Agent Chat в AutoGen: мультимодальные возможности и структурированные выходные данные
День 2 — Реализация primary и evaluator-агентов в AutoGen с LangChain
День 2 — Практика по headless web scraping: интеграция MCP Server Fetch в AutoGen
День 3 — AutoGen Core: основа распределенных коммуникаций между агентами
День 3 — Коммуникация агентов в AutoGen Core: message handlers и dispatching
День 3 — Регистрация агентов и обработка сообщений в AutoGenCore: практические примеры
День 3 — Автономные агенты в AutoGenCore: Rock Paper Scissors с GPT-4o и Llama
День 4 — Distributed runtime в AutoGen Core: архитектура и обзор компонентов
День 4 — Реализация распределенных AI-агентов с AutoGen Core и gRPC runtime
День 4 — Создание распределенных агентных систем: межпроцессное взаимодействие в AutoGen
День 5 — Создание автономных агентов, которые пишут и развертывают других агентов в AutoGen
День 5 — Реализация обмена сообщениями между агентами с AutoGen Core и templates
День 5 — Создание автономных AI-агентов, которые сотрудничают с использованием Async Python

Спойлер: Программа 6-й недели 23 урока — 2 ч 50 мин

День 1 — Введение в MCP: USB-C в мире Agentic AI
День 1 — Понимание MCP hosts, clients и servers
День 1 — Использование MCP servers с OpenAI Agents SDK
День 1 — Изучение node-based MCP servers и доступа к инструментам
День 1 — Создание агента, который использует несколько MCP servers
День 1 — MCP marketplaces и вопросы безопасности
День 2 — Введение в Week 6 Day 2: создание собственного MCP server
День 2 — Подключение бизнес-логики к вашему MCP server
День 2 — Создание клиентского кода для работы с вашим MCP server
День 2 — Итоги: возможности вашего кастомного MCP server
День 3 — Изучение типов MCP servers и памяти агента
День 3 — Brave Search API: вызов веб-поиска через MCP server
День 3 — Интеграция Polygon API для данных фондового рынка
День 3 — Продвинутые рыночные инструменты с использованием платного тарифа Polygon
День 4 — Что дальше: запуск нашего Agent Trading Floor
День 4 — Просмотр пользовательского интерфейса для торговой активности
День 4 — Как торговые агенты работают и принимают решения
День 4 — Управление портфелем с помощью четырех автономных агентов
День 5 — Какой agent framework выбрать?
День 5 — Ключевые настройки и запуск торговой системы
День 5 — Рекомендации по выбору agentic frameworks
День 5 — 10 ключевых уроков по созданию agent solutions
День 5 — Итоги курса и финальное прощание — продолжайте создавать

Спойлер: Оригинальное описание AI Engineer Agentic Track: The Complete Agent & MCP Course is a hands-on course by Ed Donner and Ligency focused on building modern AI agents with OpenAI Agents SDK, CrewAI, LangGraph, AutoGen, and MCP. The course includes 8 real-world projects, such as a Career Digital Twin, SDR Agent, Deep Research system, Stock Picker Agent, and a final Trading Floor capstone. It features 130 lectures across 6 sections with a total length of 17 hours 2 minutes.
Авторы Ed Donner, Ligency

Цена 1540 руб.(19,99 долларов)