Чему вы научитесь
- Работать с LangGraph и его основными концепциями
- Создавать AI-агентов на Python
- Работать с Nodes, Edges и State
- Создавать условные переходы и циклы
- Подключать инструменты и function calling
- Добавлять память с помощью Checkpointer
- Создавать RAG-системы
- Работать с MCP
- Создавать мультиагентные системы
- Проектировать сложные AI-workflow
- Интегрировать LangGraph с FastAPI
- Работать с различными LLM через API и локальными моделями
О курсе
Практический курс по LangGraph с нуля. Научитесь создавать AI-агентов, работать с состоянием, памятью, инструментами, RAG и мультиагентными системами на Python.
Для кого этот курс
Python-разработчиков, которые хотят изучить LangGraph
Разработчиков, которые уже работают с LLM и хотят создавать AI-агентов
Backend-разработчиков, которые хотят перейти в AI-разработку
Разработчиков, изучающих RAG, MCP и мультиагентные системы
Всех, кто хочет научиться создавать полноценные AI-native приложения
Начальные требования
Базовое знание Python
Понимание функций, классов и async/await
Базовое понимание работы с API
Желательно иметь общее представление о LLM и prompt engineering
Глубокие знания LangChain или LangGraph не требуются.
Преподаватели курса
136
Как проходит обучение
Обучение построено вокруг практики. Каждая тема сопровождается объяснением основных концепций и примерами кода на Python.
Мы постепенно усложняем проекты: начинаем с базового LangGraph workflow, затем добавляем инструменты, память, RAG и MCP и переходим к мультиагентным системам.
Вы сможете повторять все примеры самостоятельно и использовать полученные знания в собственных проектах.
Что вы получите
- Практические знания LangGraph
- Исходный код всех примеров
- Понимание архитектуры AI-агентов
- Опыт создания RAG и мультиагентных систем
- Понимание работы State, Nodes, Edges и Checkpointer
- Навыки интеграции LangGraph с другими инструментами
- Базу для создания собственных AI-приложений
Нагрузка
5