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
Инженерный курс по AI-агентам: соберите 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.
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 — пройдите 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.
Преподаватели курса
10 475
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.
Что вы получите
- 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 вы теперь закрываете.
- Сертификат Stepik при наборе проходного балла.
- Бессрочный доступ к материалам и будущим обновлениям курса.
- Это ядро AI-линейки: к вашему агенту дальше подключаются RAG (поиск по своим данным), собственный MCP-сервер и деплой на FastAPI.
Нагрузка
~3–4 ч в неделю (весь курс ~25–35 часов, ~2 месяца)