Полный курс по созданию ИИ-агентов и работе с MCP — Эд Доннер, Лидженси (2026) Udemy

Полный курс по созданию ИИ-агентов и работе с MCP

Автор курса: Эд Доннер, Лидженси

Сайт автора: udemy_com/course/the-complete-agentic-ai-engineering-course/

Цена автора: 19.99 $

 

AI Engineer Agentic Track: The Complete Agent & MCP Course [Ed Donner, Ligency]
Язык курса английский + субтитры на английском

Большой практический курс по созданию AI-агентов и agentic AI-систем. Он посвящен не просто работе с нейросетями, а именно построению автономных решений, которые умеют выполнять задачи, использовать инструменты, взаимодействовать между собой и решать прикладные сценарии.
В центре курса – современные подходы к разработке AI-агентов с использованием
OpenAI Agents SDK, CrewAI, LangGraph, AutoGen и MCP. Программа выстроена от базовых принципов agentic AI и LLM workflows к более сложным multi-agent системам, где несколько агентов работают как единая архитектура.

Что будет в курсе:

• сочетание теории и практики с акцентом на прикладную часть
• разбор ключевых фреймворков для создания AI-агентов
• принципы проектирования agentic AI-систем
• организация взаимодействия между агентами
• подключение инструментов и работа с Model Context Protocol (MCP)
• 8 практических проектов, среди которых Career Digital Twin, SDR Agent, Deep Research, Stock Picker Agent, инженерная команда из нескольких агентов, браузерный оператор, Agent Creator и финальный проект с несколькими агентами, MCP-серверами и большим набором инструментов
• пошаговый формат обучения – от знакомства с основами agentic AI до создания более сложных систем и финальных проектов

Для чего нужен курс:

• чтобы разобраться, как создаются современные AI-агенты
• чтобы перейти от общего интереса к практическим навыкам
• чтобы освоить конкретные инструменты, архитектуры и сценарии применения
• для разработки собственных AI-проектов
• для автоматизации рабочих процессов
• для создания исследовательских и бизнес-ассистентов
• для более глубокого понимания того, как строятся автономные AI-системы в реальных задачах

Для кого подойдет:

• для разработчиков
• для AI-энтузиастов
• для специалистов, которые уже работают с Python и LLM
• для тех, кто хочет глубже разобраться в теме AI-агентов и multi-agent систем
• для новичков, готовых последовательно и внимательно входить в тему

Особенности курса:

• 130 лекций
• более 17 часов видео
• программа примерно на 6 недель
• большой и насыщенный материал
• упор на практику и реальные проекты
• подходит тем, кто ищет не краткий обзор, а полноценное погружение в тему

Программа

Программа 1 недели: 27 уроков – 4 ч 6 мин

• День 1 – Демонстрация автономного AI-агента: использование n8n для управления устройствами умного дома
• День 1 – Обзор фреймворков AI-агентов: OpenAI SDK, CrewAI, LangGraph и AutoGen
• День 1 – Настройка среды для agent engineering: знакомство с Cursor IDE, UV и вариантами работы с API
• День 1 – Настройка Windows для AI-разработки: Git, Cursor IDE и менеджер пакетов UV
• День 1 – Настройка Mac для AI-проектов: GitHub, Cursor IDE и OpenAI API Key
• День 1 – Создание первого agentic AI workflow с OpenAI API: пошаговый разбор
• День 1 – Введение в agentic AI: создание многошаговых LLM workflows и автономности
• День 2 – Создание эффективных агентов: автономность LLM и интеграция инструментов
• День 2 – 5 ключевых паттернов проектирования LLM workflows для создания устойчивых AI-систем
• День 2 – Понимание разницы между агентом и workflow в проектировании LLM-приложений
• День 3 – Оркестрация нескольких LLM: сравнение GPT-4o, Claude, Gemini и DeepSeek
• День 3 – Интеграция нескольких LLM по API: сравнение OpenAI, Anthropic и других моделей
• День 3 – Сравнение LLM API: использование клиентской библиотеки OpenAI с Claude, Gemini и другими моделями
• День 3 – Оркестрация нескольких моделей: создание системы для оценки ответов LLM
• День 3 – Связь agentic-паттернов с использованием инструментов: базовые строительные блоки AI
• День 4 – Сравнение фреймворков AI-агентов: простота и мощность в оркестрации LLM
• День 4 – Ресурсы и инструменты: два способа расширения возможностей LLM в agentic AI
• День 4 – Создание веб-чатбота, который действует как вы, с помощью Gradio и OpenAI
• День 4 – Использование Gemini для оценки ответов GPT-4: multi-LLM pipeline
• День 4 – Построение agentic LLM workflows: ресурсы, инструменты и структурированные выходные данные
• День 5 – Создание вашего карьерного альтер эго: вызов LLM-функций с push-уведомлениями
• День 5 – Разбор tool calls в LLM: как обрабатывать и выполнять запросы на вызов функций
• День 5 – Создание AI-ассистентов: внедрение инструментов для обработки неизвестных вопросов
• День 5 – Создание и развертывание AI-агента: от chat loop до HuggingFace Spaces
• День 5 – Развертывание чатботов для карьерных консультаций в Gradio
• День 5 – Итоги базовой недели: создание полноценных AI-агентов с API и инструментами
• День 5 [дополнительно] – Создание первого agent loop с OpenAI Tools с нуля

Программа 2 недели: 21 урок – 2 ч 26 мин

• День 1 – Понимание асинхронного Python: основа для OpenAI Agents SDK
• День 1 – Основы OpenAI Agents SDK: создание, трассировка и запуск агентов
• День 1 – Введение в классы Agent, Runner и Trace в OpenAI Agents SDK
• День 1 – Vibe Coding: 5 ключевых советов для эффективной генерации кода с помощью LLM
• День 1 – OpenAI Agents SDK: понимание базовых концепций AI-разработки
• День 2 – Создание AI-агентов для продаж с SendGrid: инструменты и совместная работа в Agent SDK
• День 2 – Параллельные вызовы LLM: использование asyncio для одновременного выполнения агентов
• День 2 – Превращение агентов в инструменты: построение иерархических AI-систем
• День 2 – Управление потоком агента: когда использовать handoffs, а когда – агентов как инструменты
• День 2 – От вызова функций к автономии агента: автоматизация продаж с OpenAI SDK
• День 2 – Agentic AI для бизнеса: создание интерактивных инструментов для outreach и продаж
• День 3 – Интеграция нескольких моделей: использование Gemini, DeepSeek и Groq с OpenAI Agents
• День 3 – Внедрение guardrails и структурированных выходных данных для надежных AI-агентных систем
• День 3 – Практика AI-безопасности: внедрение guardrails для LLM-агентных приложений
• День 4 – Создание агентов для глубоких исследований: использование инструмента OpenAI Web Search
• День 4 – Создание planner-agent: использование структурированных выходных данных с Pydantic в AI
• День 4 – Построение полного research pipeline с GPT-4 Agents и асинхронными задачами
• День 4 – Создание deep research-агента: параллельный поиск с AsyncIO
• День 5 – Создание модульной AI-системы для исследований с реализацией интерфейса на Gradio
• День 5 – Приложение Deep Research: визуализация и мониторинг автономных AI-агентов через Gradio
• День 5 – Развертывание умных исследовательских агентов с помощью Gradio и HuggingFace Space

Программа 3-й недели: 19 уроков – 2 ч 32 мин

• День 1 – Framework CrewAI: создание совместных команд AI-агентов
• День 1 – Обзор фреймворка CrewAI: агенты, задачи и режимы обработки
• День 1 – CrewAI и LightLLM: гибкий фреймворк для интеграции нескольких LLM
• День 1 – Практика по CrewAI: настройка проекта AI-дебатов с GPT-4o mini
• День 1 – Как создать систему AI-дебатов с помощью CrewAI и нескольких LLM
• День 1 – Построение AI-системы дебатов с CrewAI: сравнение разных LLM
• День 2 – Создание проектов на CrewAI: инструменты, контекст и интеграция Google Search
• День 2 – Построение мультиагентных систем финансовых исследований с CrewAI
• День 2 – Усиление AI-агентов с помощью веб-поиска: решение проблемы knowledge cutoff
• День 3 – Создание Stock Picker на CrewAI: мультиагентная система для инвестиций
• День 3 – Реализация Pydantic-выводов в CrewAI: практикум по агенту для отбора акций
• День 3 – Разработка собственных инструментов для CrewAI: JSON Schema и push-уведомления
• День 4 – Память в CrewAI: векторное хранилище и SQL-реализация для AI-агентов
• День 4 – CrewAI для задач программирования: агенты, которые генерируют и запускают Python-код
• День 4 – Создание AI-агента, пишущего на Python: практическая реализация на CrewAI
• День 5 – Создание AI-команд: настройка CrewAI для совместной разработки
• День 5 – Совместная разработка AI-агентов для торгового фреймворка
• День 5 – Создание торгового приложения с использованием GPT-4o и Claude
• День 5 – От отдельных модулей к полноценным системам: продвинутые техники CrewAI

Программа 4-й недели: 23 урока – 2 ч 59 мин

• День 1 – Обзор LangGraph: графовая архитектура для надежных AI-агентов
• День 1 – Обзор LangGraph: сравнение framework, studio и platform-компонентов
• День 1 – Теория LangGraph: ключевые компоненты для построения продвинутых агентных систем
• День 2 – Глубокое погружение в LangGraph: управление состоянием в графовых агентных workflow
• День 2 – Освоение LangGraph: как задавать state-объекты и использовать reducers
• День 2 – Основы LangGraph: создание nodes, edges и workflows шаг за шагом
• День 2 – Практика по LangGraph: создание OpenAI-чатбота на графовых структурах
• День 3 – Продвинутый разбор LangGraph: super steps и checkpointing
• День 3 – Настройка LangSmith и создание собственных инструментов для приложений на LangGraph
• День 3 – Tool calling в LangGraph: работа с conditional edges и tool nodes
• День 3 – Checkpointing в LangGraph: как сохранять память между диалогами
• День 3 – Создание постоянной AI-памяти с SQLite: управление состоянием в LangGraph
• День 4 – Интеграция Playwright с LangGraph: создание AI-агентов для веб-серфинга
• День 4 – Создание AI-веб-ассистентов: реализация с Playwright, LangChain и Gradio
• День 4 – LLM-агенты-оценщики: создание feedback loops со структурированными выходными данными
• День 4 – Создание feedback loops для LLM: реализация worker-evaluator в LangGraph
• День 4 – Создание AI-sidekick с использованием LangGraph, Gradio и браузерной автоматизации
• День 5 – Agentic AI: добавление Web Search, файловой системы и Python REPL в вашего ассистента
• День 5 – Интеграция инструментов LangChain: создание мощного AI-sidekick с нуля
• День 5 – Создание AI-workflows: graph builders и техники взаимодействия узлов
• День 5 – Создание изолированных пользовательских сессий в приложениях Gradio с помощью управления состоянием
• День 5 – Внутри AI feedback loops: как AI оценивает и исправляет ошибки
• День 5 – Улучшения AI-ассистента: память, уточняющие вопросы и кастомные инструменты

Программа 5-й недели: 17 уроков – 2 ч 10 мин

• День 1 – Microsoft AutoGen 0.5.1: обзор фреймворка AI-агентов для начинающих
• День 1 – AutoGen и другие agent frameworks: сравнение возможностей и компонентов
• День 1 – Практика по Agent Chat в AutoGen: создание инструментов и интеграция базы данных
• День 1 – Основные AI-компоненты: модели, сообщения и агенты
• День 2 – Продвинутый Agent Chat в AutoGen: мультимодальные возможности и структурированные выходные данные
• День 2 – Реализация primary и evaluator-агентов в AutoGen с LangChain
• День 2 – Практика по headless web scraping: интеграция MCP Server Fetch в AutoGen
• День 3 – AutoGen Core: основа распределенных коммуникаций между агентами
• День 3 – Коммуникация агентов в AutoGen Core: message handlers и dispatching
• День 3 – Регистрация агентов и обработка сообщений в AutoGenCore: практические примеры
• День 3 – Автономные агенты в AutoGenCore: Rock Paper Scissors с GPT-4o и Llama
• День 4 – Distributed runtime в AutoGen Core: архитектура и обзор компонентов
• День 4 – Реализация распределенных AI-агентов с AutoGen Core и gRPC runtime
• День 4 – Создание распределенных агентных систем: межпроцессное взаимодействие в AutoGen
• День 5 – Создание автономных агентов, которые пишут и развертывают других агентов в AutoGen
• День 5 – Реализация обмена сообщениями между агентами с AutoGen Core и templates
• День 5 – Создание автономных AI-агентов, которые сотрудничают с использованием Async Python

Программа 6-й недели: 23 урока – 2 ч 50 мин

• День 1 – Введение в MCP: USB-C в мире Agentic AI
• День 1 – Понимание MCP hosts, clients и servers
• День 1 – Использование MCP servers с OpenAI Agents SDK
• День 1 – Изучение node-based MCP servers и доступа к инструментам
• День 1 – Создание агента, который использует несколько MCP servers
• День 1 – MCP marketplaces и вопросы безопасности
• День 2 – Введение в Week 6 Day 2: создание собственного MCP server
• День 2 – Подключение бизнес-логики к вашему MCP server
• День 2 – Создание клиентского кода для работы с вашим MCP server
• День 2 – Итоги: возможности вашего кастомного MCP server
• День 3 – Изучение типов MCP servers и памяти агента
• День 3 – Brave Search API: вызов веб-поиска через MCP server
• День 3 – Интеграция Polygon API для данных фондового рынка
• День 3 – Продвинутые рыночные инструменты с использованием платного тарифа Polygon
• День 4 – Что дальше: запуск нашего Agent Trading Floor
• День 4 – Просмотр пользовательского интерфейса для торговой активности
• День 4 – Как торговые агенты работают и принимают решения
• День 4 – Управление портфелем с помощью четырех автономных агентов
• День 5 – Какой agent framework выбрать?
• День 5 – Ключевые настройки и запуск торговой системы
• День 5 – Рекомендации по выбору agentic frameworks
• День 5 – 10 ключевых уроков по созданию agent solutions
• День 5 – Итоги курса и финальное прощание – продолжайте создавать