Сколько стоит курс «AI-агенты на Python с нуля: ReAct, tools, память, MCP»?

Стоимость курса составляет 990.00 рублей

Какой рейтинг у курса «AI-агенты на Python с нуля: ReAct, tools, память, MCP»?

Курс имеет рейтинг 0.0 из 5 на основе 0 отзывов. На курсе обучается 2 учеников.

Где можно пройти курс «AI-агенты на Python с нуля: ReAct, tools, память, MCP»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/294992.

Курс на Stepik

Обложка курса «AI-агенты на Python с нуля: ReAct, tools, память, MCP» на Stepik

990 ₽

AI-агенты на Python с нуля: ReAct, tools, память, MCP ★ 0.000

Name: AI-агенты на Python с нуля: ReAct, tools, память, MCP
Price: 990.00 RUB
Availability: InStock
Rating: 0 (0 reviews)

Открыть на
STEPIK.ORG

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.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	2
Сертификатов выдано	0
Отзывов получено	0
Рейтинг курса	0.000
Количество уроков	47
Количество квизов	126
Количество задач с кодом	155
Стоимость курса	990 ₽	—
Обновления курса	—	—
Дата публикации курса	2 месяца назад	—	—	—	—
Последнее обновление	31 августа 2026	—	—	—	—
Сложность	hard	—	—	—	—

Содержание курса

Разделы в курсе «AI-агенты на Python с нуля: ReAct, tools, память, MCP»

10 разделов Уроки в курсе «AI-агенты на Python с нуля: ReAct, tools, память, MCP»

47 уроков Тесты в курсе «AI-агенты на Python с нуля: ReAct, tools, память, MCP»

126 тестов Задачи в курсе «AI-агенты на Python с нуля: ReAct, tools, память, MCP»

155 задач Последнее обновление курса «AI-агенты на Python с нуля: ReAct, tools, память, MCP»

обн. 31 августа 2026

О курсе

2 урока

1. О курсе ↗

2. Расскажи о себе ↗

Агент как паттерн

5 уроков

1. Первый агентный цикл ↗

2. Workflow vs agent: словарь паттернов ↗

3. Планирование и декомпозиция ↗

4. Классический ReAct: Thought → Action → Observation ↗

5. Сквозной проект v0 + итоги M2 ↗

Инструменты

6 уроков

1. Схема инструмента: интерфейс для модели ↗

2. Валидация аргументов ↗

3. Ошибки исполнения: исключение → наблюдение ↗

4. Параллельные вызовы инструментов ↗

5. Retrieval как инструмент агента → мост №7 ↗

6. Практикум: инструменты ↗

Память

5 уроков

1. Краткосрочная память: история в запросе ↗

2. Скользящее окно и обрезка истории ↗

3. Суммаризация: компакция истории ↗

4. Долгосрочная память: sqlite3 ↗

5. Практикум: память ↗

Граф состояний

5 уроков

1. Состояние агента и узлы ↗

2. Условные переходы: router (practice-first) ↗

3. Циклы и guard-ы (+HITL) ↗

4. Паттерн → реализация: концепции LangGraph ↗

5. Практикум: граф агента поддержки v1 + mid-course ↗

Мультиагентность

4 урока

1. Роли: два специалиста ↗

2. Супервизор и оркестрация ↗

3. Когда мультиагент не нужен ↗

4. Мини-практикум + cumulative M6 ↗

MCP-клиент

4 урока

1. Зачем агенту MCP ↗

2. Адаптер: MCP-tools в реестре агента ↗

3. Готовый MCP-сервер в твоём агенте → мост №8 ↗

4. Сквозной проект v3 + cumulative M7 ↗

Надёжность

6 уроков

1. Зацикливание и лимиты ↗

2. Ретраи и таймауты ↗

3. Fallback-модели и лестница деградации ↗

4. Бюджет токенов и стоимость ↗

5. ♻️ RU-стек: агент на GigaChat / YandexGPT / Ollama ↗

6. Практикум: надёжный агент + cumulative M8 ↗

Наблюдаемость

5 уроков

1. Лог шагов агента ↗

2. Трейс: читаем путь агента ↗

3. Отладка цепочек: спаны и каталог симптомов ↗

4. Практикум: наблюдаемый агент + cumulative M9 ↗

5. Метрика качества агента: бенчмарк траекторий → мост к капстоуну ↗

Капстоун

5 уроков

1. ТЗ и мини-бенчмарк траекторий ↗

2. Сборка 1: ядро — триаж и маршрутизация ↗

3. Сборка 2: память, надёжность, трейс, бенчмарк-харнесс ↗

4. Зачёт: скрытые тесты + 🖥️-финал ↗

5. Разбор, интервью-мост, финальный мост ↗