Чему вы научитесь
Как на самом деле устроены LLM, tools и agents
AI-чат выглядит как единый собеседник: он помнит разговор, ищет информацию, читает файлы и иногда выполняет действия. Из-за этого легко смешать языковую модель и всё приложение вокруг неё.
Этот курс помогает разложить современную AI-систему по слоям. Вы увидите, что получает LLM во время одного вызова, откуда берутся память и свежие данные, кто исполняет tool call, где начинается agent loop и какую задачу решает MCP.
За 1–2 часа вы соберёте рабочую инженерную картину — без математики трансформеров, длинного проекта и каталога быстро устаревающих продуктов.
Кому подойдёт курс
- разработчикам, аналитикам и продакт-менеджерам, которые используют AI-инструменты в работе;
- начинающим техническим специалистам, которым нужна единая система понятий;
- DS, ML и software-инженерам вне ежедневной LLM-разработки;
- технически любопытным людям без глубокого ML-бэкграунда.
Курс особенно полезен, если термины LLM, context, tools, agents и MCP уже знакомы, но границы между ними пока размыты.
После курса вы сможете
- объяснить, что делает LLM во время одного вызова и чего она не делает сама;
- отличить weights, context, историю и память приложения;
- восстановить цикл function calling от запроса модели до результата внешней системы;
- отличить одиночный LLM-вызов, workflow и agent;
- объяснить роли MCP host, client и server;
- выбрать между обычным кодом, workflow и ограниченным agent;
- назвать основные риски и инженерные ограничители agent-систем.
Как устроено обучение
Короткие фрагменты теории чередуются с интерактивными заданиями. Они проверяют не запоминание терминов, а понимание того, что делает модель, что делает приложение и за что отвечают внешние системы.
Программировать в ходе курса не нужно. В примерах используются знакомые сценарии: поддержка клиентов, календарь, работа с файлами и coding agents.
Программа
- LLM без магии — текст на входе, текст на выходе, weights и вероятностная генерация.
- Context и сообщения — context window, роли, история и память приложения.
- Tools и function calling — структурированный запрос, внешний runtime и permissions.
- Agent: LLM в цикле — состояние, harness, memory и условия остановки.
- MCP — общий протокол, роли client/server и границы интеграции.
- Что собирать — выбор между agent, workflow и обычным кодом, изоляция, подтверждение действий и проверка результата.
Чего в курсе не будет
- математики и внутреннего устройства transformer;
- рейтинга моделей и обзора AI-продуктов;
- обещания, что agent автоматически решит любую задачу;
- большой практической разработки production-системы.
Цель курса — дать компактную рабочую картину, с которой проще читать документацию, обсуждать архитектуру и принимать инженерные решения.
Основной материал создан по мотивам открытой лекции Радослава Нейчева «Агенты без магии». Технические детали проверены по официальной документации OpenAI и спецификации Model Context Protocol; дополнительные практические наблюдения — по экспертной дискуссии о coding agents.
883