Тренинг Разработка автономных AI агентов с помощью LangChain и LangGraph

Generative AI принес много новых возможностей и инструментов во все сферы бизнеса и IT. Но готовые инструменты на рынке не всегда помогают качественно и эффективно автоматизировать конкретные задачи или процессы организации. Для этой цели отлично подходят автономные агенты, вооруженные внутренними знаниями организации и набором инструментов, расширяющих их возможности. LangChain и LangGraph являются зрелой платформой для построения гибких автономных AI агентов и масштабирования их применения в организации. На тренинге мы разберем возможности этой платформы и научимся на практике разрабатывать и запускать AI агентов различной архитектуры и сложности.

Цели и задачи тренинга

познакомить с возможностями платформы LangChain и LangGraph для построения автономных AI агентов;
научиться подключать дополнительные источники знаний и инструменты к AI агентам;
разработать на практике несколько AI агентов различной архитектуры и сложности;
научиться оптимизировать работу AI агентов с точки зрения стоимости, качества и скорости работы.

Детальная программа

Часть 1

Generative AI и архитектура Transformer.
Принципы работы LLM и основные этапы ее обучения.
Возможности и ограничения LLM.
Доступные LLM на рынке и их классификация.

Часть 2

Обзор моделей от OpenAI и варианты их хостинга.
Регистрация аккаунта и использование песочницы.
Сравнение с моделями от Anthropic.
Разворачивание моделей на Amazon Bedrock.
Основы промпт инжиниринга.
Принципы использования и основные возможности OpenAI API.

Часть 3

Знакомство с LangChain.
Настройка окружения для работы с LangChain.
Краткий обзор основных фичей.
Использование шаблонов промптов.
Построение простой LangChain цепочки в режиме чата.
Использование структурных ответов.

Часть 4

Настройка памяти, различные режимы памяти.
Реализация персистентной памяти.
RAG для добавления приватных знаний в контекст.
Embedding и интеграция с различными векторными хранилищами.
Различные стратегии RAG.

Часть 5

Определение автономного агента.
Паттерн ReAct.
Добавление инструментов.
Существующие инструменты и их интеграция.
Протокол MCP и его преимущества.
Интеграция с существующими MCP серверами.
Реализация простого агента с набором инструментов.

Часть 6

Ограничение паттерна ReAct.
Другие архитектурные подходы к построению агентов.
Plan-Execute, ReWOO, мультиагентные архитектуры.
Знакомство с LangGraph для оркестрации агентов.
Построение агента Plan-Execute с помощью LangGraph.
Управление персистентной долгосрочной памятью.

Часть 7

Использование deep agents для долгосрочных задач.
Subagents, skills и sandboxes.
Архитектура agentic harness в Managed Agents от Anthropic.
Развёртывание агентов с помощью Managed Agents.

Часть 8

Мониторинг работы агентов.
Тестирование качества работы агентов.
Разворачивание и масштабирование агентов.
Оптимизация интеграции по стоимости и скорости работы.

Разработка автономных AI агентов с помощью LangChain и LangGraph