Академия информационных систем
Оркестрация ИИ-агентов и мультиагентных систем
по запросу в будни
О курсе
Вы научитесь:
- • проектировать архитектуру мультиагентных систем и распределять роли между ИИ-агентами
- • строить workflows, графы состояний и сценарии оркестрации с использованием LangGraph, AutoGen и CrewAI
- • подключать агентов к внешним API, базам данных, инструментам и инфраструктурным сервисам
- • управлять памятью, контекстом, очередями задач, нагрузкой и fallback-сценариями
- • настраивать observability, логи, трейсинг, guardrails и метрики работы агентов
- • оценивать качество мультиагентных систем и интегрировать их с CI/CD и контейнерной инфраструктурой
Кому будет полезен курс
Разработчики
Backend-инженеры
LLM-инженеры
Технические специалисты, которым необходимо развертывать, мониторить и масштабировать агентные системы в продакшене
MLOps- и DevOps-инженеры
ИТ-руководители
Специалисты, которые уже работают с языковыми моделями через API и хотят перейти от одиночных ассистентов к мультиагентным системам
Преимущества нашей программы
Практическое проектирование мультиагентных систем: курс показывает, как создавать архитектуру ИИ-агентов, распределять роли, строить workflows и управлять взаимодействием агентов в реальных сценариях.
Фокус на эксплуатации, а не только на прототипах: вы научитесь подключать агентов к API, базам данных, очередям, контейнерной инфраструктуре и существующим инженерным пайплайнам.
Системный подход к надежности и контролю: курс помогает выстроить observability, guardrails, тестирование, метрики качества, безопасность и контроль действий агентов.
Результат, применимый в работе: по итогам обучения вы сможете спроектировать, реализовать и представить прототип мультиагентной системы с понятной архитектурой, метриками и планом развития.
Программа курса
Модуль 1. Введение в ИИ‑агентов и основы мультиагентных систем
Тема 1.1. Что такое ИИ‑агент: определение, компоненты, жизненный цикл
Лекция: понятие агента, отличие от обычной LLM‑вызовы, компоненты (память, инструменты, планирование).
Практика: разбор типовых архитектур агентов на примерах.
Тема 1.2. Мультиагентные системы: сценарии, преимущества и ограничения
Лекция: когда нужны несколько агентов, типовые паттерны ролей, плюсы распределённого рассуждения.
Практика: сравнение кейсов «один агент vs мультиагент» по качеству и стоимости.
Тема 1.3. Роли, цели и декомпозиция задач в мультиагентной системе
Лекция: формулирование ролей, распределение ответственности, стратегии декомпозиции.
Практика: упражнение по разбиению сложной задачи на подзадачи и назначению ролей.
Тема 1.4. Протоколы взаимодействия и стандарты
Лекция: A2A, MCP, ACP, базовые модели коммуникации (запрос‑ответ, публикация‑подписка).
Практика: симуляция обмена сообщениями между агентами в упрощённой среде.
Модуль 2. Инструментарий и фреймворки для мультиагентных систем
Тема 2.1. Обзор фреймворков: LangGraph, AutoGen, CrewAI
Лекция: сравнение по архитектуре, поддержке оркестрации, интеграции с инструментами.
Практика: запуск минимального примера в каждом фреймворке (Hello World для агентов).
Тема 2.2. Память, контекст и управление состоянием
Лекция: типы памяти (краткосрочная, долгосрочная), векторные хранилища, TTL, семантический поиск.
Практика: подключение векторной БД к агенту, реализация диалога с историей.
Тема 2.3. Инструменты и функции: вызов внешних API, код‑интерпретатор, файловые операции
Лекция: безопасность, валидация, обработка ошибок, лимиты.
Практика: создание агента с доступом к реальному API и обработкой ошибок.
Тема 2.4. Интеграция с инфраструктурой: Docker, очереди задач, оркестраторы
Лекция: контейнеризация агентов, очереди (RabbitMQ/Kafka), горизонтальное масштабирование.
Практика: сборка образа агента и запуск в Docker, отправка задач через CLI.
Модуль 3. Оркестрация: паттерны, логика и контроль
Тема 3.1. Паттерны оркестрации: последовательная, параллельная, условная
Лекция: схемы потоков, ветвления, обработка исключений, retry‑политики.
Практика: реализация нескольких паттернов в LangGraph/AutoGen.
Тема 3.2. Координация и синхронизация агентов
Лекция: механизмы синхронизации, барьеры, кворумы, консенсус в упрощённом виде.
Практика: моделирование сценария с ожиданием результатов от нескольких агентов.
Тема 3.3. Управление приоритетами, очередями и нагрузкой
Лекция: очереди задач, балансировка, лимиты параллелизма, backpressure.
Практика: настройка очереди и мониторинг нагрузки в демо‑среде.
Тема 3.4. Гибридная оркестрация: BPMN/Camunda + агенты
Лекция: как совместить детерминированную бизнес‑логику и недетерминированные ИИ‑шаги.
Практика: интеграция простого BPMN‑процесса с вызовом агента.
Тема 3.5. Динамическая оркестрация и адаптация
Лекция: авто‑перепланирование, изменение ролей «на лету», fallback‑стратегии.
Практика: сценарий, где агент меняет план при ошибке или изменении входных данных.
Модуль 4. Качество, безопасность и наблюдаемость
Тема 4.1. Метрики качества и оценка результатов
Лекция: точность, полнота, согласованность, latency, стоимость, human‑in‑the‑loop.
Практика: расчёт метрик на тестовом наборе задач.
Тема 4.2. Безопасность, приватность и контроль
Лекция: prompt injection, утечки данных, валидация ввода/вывода, RBAC.
Практика: внедрение проверок и фильтров в пайплайн агента.
Тема 4.3. Наблюдаемость: логи, трейсинг, алерты
Лекция: OpenTelemetry, распределённый трейсинг, структурированные логи, дашборды.
Практика: добавление трейсинга в агент и просмотр трейсов в Jaeger/Tempo.
Тема 4.4. Тестирование мультиагентных систем
Лекция: unit‑тесты агентов, моки инструментов, регрессионные тесты, симуляции.
Практика: написание тестов для простого сценария с двумя агентами.
Итоговая аттестация
Тема 5.1. Проектирование решения под задачу
Практикум: выбор архитектуры, ролей, инструментов, плана оркестрации.
Тема 5.2. Реализация прототипа
Практикум: сборка и отладка мультиагентной системы в выбранном фреймворке.
Тема 5.3. Презентация и обратная связь
Защита: демонстрация работы, разбор метрик, обсуждение улучшений.
По окончании обучения выдается
Удостоверение о повышении квалификации
Проектируйте мультиагентные ИИ-системы с понятными ролями, workflows и зонами ответственности
Оркестрируйте взаимодействие агентов с помощью LangGraph, AutoGen, CrewAI и внешних инструментов
Настраивайте observability, безопасность и оценку качества для надежной эксплуатации агентных систем
Как вы будете учиться
Получить персональное предложение
