Курс AI Agents з нуля: створення та автоматизація

Протягом курсу ти вивчиш основи генеративного штучного інтелекту та LLM, промпт-інжиніринг, роботу з AI API, архітектуру AI-агентів, MCP, пам’ять і контекст агентів, RAG, векторні бази даних, а також no-code та low-code інструменти й основи розробки агентів на Python.

Програма курсу

Що таке AI-агенти. Основи LLM

• Основи генеративного ШІ, різниця між чат-ботом, асистентом й агентом
• Як працюють LLM: токени, контекстне вікно, параметри генерації

Основи промпт-інжинірингу

• Структура промпта: роль, інструкція, контекст, приклади
• Техніки: zero-shot, few-shot, chain-of-thought

Робота з AI API

• Підключення до OpenAI, Anthropic та Google AI API
• Запити, відповіді, ключі доступу й безпека

Архітектура AI-агента

• Ключові компоненти: модель, пам'ять, інструменти, планування
• Патерни роботи агента: ReAct, планування і рефлексія

Інструменти та function calling

• Підключення зовнішніх інструментів і сервісів
• Виклик функцій (tool/function calling) на практиці

MCP сервери: основи

• Що таке Model Context Protocol (MCP) і навіщо він потрібен
• Підключення готових MCP-серверів до агента (конектори, ресурси, інструменти)

MCP сервери: власний сервер і практика

• Побудова власного MCP-сервера на Python
• Інтеграція MCP-сервера з агентом і типові сценарії використання

Пам'ять і контекст агента

• Короткострокова й довгострокова пам'ять
• Ембединги й подання тексту у вигляді векторів

RAG: пошук і доповнена генерація

• Що таке RAG і як він працює: індексація, пошук, генерація
• Створення бази знань і підключення документів та джерел даних

RAG бази даних (векторні БД)

• Векторні бази даних: Pinecone, Chroma, Qdrant, pgvector
• Чанкінг, індексація і пошук за подібністю (similarity search)

Просунутий RAG: якість й оптимізація

• Гібридний пошук, реранкінг і метадані
• Оцінка якості RAG і зменшення галюцинацій

No-code / low-code платформи для агентів

• Огляд n8n, Make, Flowise
• Збірка першого агента без коду

Основи фреймворків (LangChain / LangGraph)

• Ланцюги (chains), агенти й інструменти
• Побудова простого агента на Python

Агент-чатбот й автоматизація процесів

• Інтеграція з Telegram і вебсайтом, налаштування діалогів
• Автоматизація рутинних задач, інтеграція з Google, CRM, таблицями

Мультиагентні системи й бізнес-кейси

• Оркестрація і розподіл ролей між агентами
• AI-агенти для бізнесу: підтримка, продажі, оцінка ефективності (ROI)

Тестування, безпека і запуск

• Оцінка якості (evaluation), guardrails, конфіденційність даних
• Деплой, моніторинг у продакшені та фінальний кейс

Особливості курсу

• Невеликі групи
• Система особистих кабінетів
• Доступ до відеозаписів занять
• Викладачі практики
• Оперативна служба підтримки студентів
• Практичні заняття

Викладачі курсу

Юрій Михайлюк - Chief Digital & Information Officer at Alan Meat Group