Сообщить об ошибке

Что пошло не так?

AI Агенты и Tool Use — AI Academy

AI Academy/Курсы/AI Агенты и Tool Use

⌘K

EN Войти Регистрация

ПродвинутыйИнженерия

AI Агенты и Tool Use

Полный курс по созданию AI-агентов: от базового tool use через Claude и OpenAI до сложных многоагентных систем. Покрывает function calling, MCP протокол, агентные фреймворки (LangChain, AutoGen, CrewAI), memory patterns, planning, human-in-the-loop и production-деплой агентов.

4модуля

16уроков

525 минобщее время

Разработчики, создающие автономные AI-системыкому подходит

Прогресс

0%0 / 16 уроков

Войдите, чтобы сохранять прогресс.

Модуль 1

Основы Tool Use

Что такое tool use, как модель решает звать инструмент или отвечать сама, схема инструмента и различия между Claude, OpenAI и Gemini.

Что такое tool use

Tool use позволяет модели вызывать ваши функции вместо галлюцинации ответа. Разбираем JSON Schema, цикл вызова и различия Claude / OpenAI / Gemini.

Function calling в Claude

Полный цикл tool_use в Claude: блоки tool_use и tool_result, параллельные вызовы и принудительный выбор инструмента через tool_choice.

Function calling в OpenAI

Массив tools у OpenAI, tool_calls и tool_choice, параллельные вызовы в GPT-4o и работа с инструментами при streaming.

4

Дизайн хороших инструментов

Single responsibility, чёткие описания, типизированные параметры, граница «инструмент vs знание в system prompt» и обработка ошибок инструментов.

30 мин

Модуль 2

Архитектуры агентов

ReAct, planning, memory и протокол MCP — фундаментальные паттерны построения одиночного агента.

Паттерн ReAct с нуля

Реализуем цикл Reason–Act–Observe без фреймворка: мысль, действие, наблюдение, условия остановки, max iterations и обработка сбоев инструментов.

Plan-and-Execute и декомпозиция задач

Паттерн plan-and-execute: разбиение задачи, граф зависимостей, перепланирование при сбоях и структурированный вывод плана.

Память агента

In-context память и управление историей, внешняя память через vector store, эпизодическая vs семантическая память и суммаризация.

Model Context Protocol (MCP)

Что такое MCP, архитектура клиент/сервер, Claude Desktop + MCP-серверы, простой MCP-сервер и различие tools / resources / prompts.

Модуль 3

Многоагентные системы

Оркестратор + субагенты и три популярных фреймворка: LangChain, AutoGen, CrewAI.

Оркестратор и субагенты

Паттерн orchestrator + subagents, когда несколько агентов оправданы, маршрутизация задач и агрегация результатов.

Агенты в LangChain

AgentExecutor, create_tool_calling_agent, кастомные инструменты через @tool и трассировка агентов в LangSmith.

AutoGen: ConversableAgent и GroupChat

ConversableAgent, AssistantAgent и UserProxyAgent, GroupChat и nested chats, агент с исполнением кода.

CrewAI: Crew, Agent, Task, Process

Ролевые агенты CrewAI, Task с ожидаемым результатом, sequential vs hierarchical process и передача контекста между задачами.

Модуль 4

Продакшн-агенты

Human-in-the-loop, наблюдаемость, безопасность и деплой агентов в продакшн.

Human-in-the-loop

Когда останавливаться на одобрение человека, паттерны interrupt, approval gates и асинхронные агентные процессы.

Наблюдаемость агентов

LangSmith и Langfuse, трассировка вызовов инструментов, учёт стоимости по агентам, дебаг упавших вызовов и replay.

Безопасность агентов

Prompt injection в входах инструментов, отравление результатов, песочница для кода, rate limiting действий и ограничение скоупа.

Деплой агентов

Stateless vs stateful агенты, персистентность состояния (Redis, Postgres), долгоживущие и webhook-агенты, деплой на Modal и Fly.io.

AAI AcademyRU Начать обучениеКаталог

Обзор

AI Academy Прогресс Достижения Рейтинг Аналитика Заметки Уведомления Команда API Тарифы Настройки

Обучение

Треки8 Курсы51

Библиотеки

Промпты30 Воркфлоу12 Инструменты22 Сравнение Блог

Обновлено · 14 мая 2026

Сохранить прогресс