Курс на Stepik
Обложка курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP» на Stepik
689 ₽

AI-агенты на базе LLM с LangChain, LangGraph и MCP ★ 0.000

Открыть на
STEPIK.ORG

В данном курсе по агентам мы изучим современный стек построения LLM агентов: LangChain для быстрой сборки агентов, LangGraph для сложных систем с управляемым состоянием и MCP (Model Context Protocol) для подключения к внешним сервисам. Параллельно мы будем использовать FastAPI, PostgreSQL, Qdrant и Docker, чтобы наш агент был готов к продакшену. К концу курса у вас будет полностью рабочий llm агент с памятью, инструментами, мультиагентной архитектурой, мониторингом и тестами — готовый проект для портфолио.

Показатель Текущие показатели Рост
Значение 🏆 Рейтинг 3 дн 7 дн 30 дн
Количество учеников на курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Учеников на курсе 41
Сертификаты, выданные на курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Сертификатов выдано 5
Отзывы о курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Отзывов получено 0
Рейтинг курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Рейтинг курса 0.000
Уроки в курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Количество уроков 30
Тесты в курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Количество квизов 102
Время прохождения курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Время прохождения курса —
Стоимость курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Стоимость курса 689 ₽ —
Обновления курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Обновления курса — —
Дата публикации курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Дата публикации курса — ———
Последнее обновление курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP»Последнее обновление — ———
Сложность easy — ———

Содержание курса

Разделы в курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP» 9 разделов Уроки в курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP» 30 уроков Тесты в курсе «AI-агенты на базе LLM с LangChain, LangGraph и MCP» 102 теста Время прохождения курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP» 0 ч. Последнее обновление курса «AI-агенты на базе LLM с LangChain, LangGraph и MCP» обн. 27 августа 2026

Введение в AI агентов

4 урока
1. О курсе ↗
2. Что такое агент и чем он отличается от простого LLM запроса? ↗
3. Архитектура агента: цикл рассуждения и действия (ReAct) ↗
4. Ключевые компоненты: LLM, инструменты, память, планирование ↗

Backend, инфраструктура и база данных агента

4 урока
1. FastAPI + агент: создаём API для общения с агентом ↗
2. Конфигурация и переменные окружения ↗
3. SQLAlchemy + Alembic: модели и миграции ↗
4. Repository слой для работы с БД ↗

LangChain: первый агент и инструменты

4 урока
1. Основы LangChain Expression Language (LCEL) ↗
2. Инструменты: @tool, структурированные инструменты ↗
3. Системные промпты и настройка поведения агента ↗
4. Отладка и трассировка агента ↗

Управление состоянием и памятью

5 уроков
1. Состояние агента: кратковременная и долговременная память ↗
2. Контекстное управление и суммаризация ↗
3. Векторная память для долгосрочного хранения (Qdrant) ↗
4. Память в многомодульных системах ↗
5. Сохранение состояния в PostgreSQL ↗

LangGraph: графы для сложных агентов

6 уроков
1. Отличие LangGraph от LangChain: когда нужен граф ↗
2. Построение графа агента (StateGraph) ↗
3. Conditional edges: маршрутизация на основе состояния ↗
4. Циклы и итерации в графе ↗
5. Human-in-the-loop: паузы и подтверждения ↗
6. Интеграция LangGraph с API и БД ↗

Мультиагентные системы

4 урока
1. Когда нужен не один агент, а несколько ↗
2. Supervisor-архитектура: центральный координатор ↗
3. Специализированные агенты-подчинённые ↗
4. Передача задач и синхронизация между агентами ↗

MCP (Model Context Protocol)

4 урока
1. Что такое MCP и зачем он нужен ↗
2. MCP: stateless core, новые возможности ↗
3. Подключение агента к MCP-серверам ↗
4. Создание собственного MCP-сервера с инструментами ↗

Production-агенты: тесты, оценка

2 урока
1. Тестирование агентов (unit + интеграционные тесты) ↗
2. Оценка качества агентов (LLM-as-Judge, метрики успешности) ↗

Финальный проект

1 урок
1. Архитектура и проектирование агента-помощника ↗