Программирование
Разработка ИИ-агентов

Разработка ИИ-агентов

Практический курс по разработке ИИ-агентов и agentic AI-систем

26 мая

3 месяца

Онлайн

Вт/Чт 20:00 Мск

Для кого этот курс?

  • Backend- и Fullstack-разработчики на Python или JavaScript, которые хотят перейти от работы с LLM API к разработке полноценных ИИ-агентов
  • Team Lead и Tech Lead, желающие выстроить архитектуру агентных систем для рабочих сценариев и продакшена
  • ML/DS-инженеры, которым нужно научиться собирать агентные системы с инструментами, памятью, RAG и оценкой качества

Необходимые знания

  • Опыт разработки на Python или JavaScript
  • Базовые знания API
  • Понимание основ БД

Что даст вам этот курс?

  • Научитесь проектировать ИИ-агента как полноценную систему: разберете агентный цикл (ReAct), принципы контролируемого рассуждения и соберете базового агента
  • Сможете выбирать и подключать модели под задачу: освоите подходы к роутингу, fallback/HA и базовые принципы выбора модели на основе ограничений и метрик
  • Сможете интегрировать агента с инструментами и внешними системами: реализуете Function Calling и кастомные инструменты (API/SQL/SaaS), включая безопасную работу с токенами и доступами
  • Освоите протоколы и real-time взаимодействие: примените MCP, WebSockets/Streaming и Realtime API; разберете связность и сценарии агент–агент (A2A)
  • Научитесь строить память и RAG для агентных сценариев: реализуете управление контекстом, векторную/графовую память и гибридный поиск (Agentic RAG)
  • Сможете оркестрировать одиночные и мультиагентные решения: освоите LangGraph, n8n, SDK и handoffs (передача управления между агентами), включая типовые ошибки и особенности мультиагентных систем
  • Поймете, как довести агента до продакшена: внедрите оценку качества (evals) и наблюдаемость (observability), добавите guardrails (ограничители и защитные механизмы), лимиты стоимости, retries/circuit breakers и защиту от prompt injection/злоупотребления инструментами

Почему стоит освоить?

 
Курс позволит комплексно изучить ключевые инженерные темы разработки ИИ-агентов. Начиная с того, как устроено агентское «мышление», как выбирать и подключать модели, как проектировать работу с инструментами, протоколами реального времени и памятью, до того, как собирать устойчивые сценарии оркестрации от одиночного агента до мультиагентных систем.

Процесс обучения

Занятия в OTUS — это не заранее отснятый материал. Вебинары проходят в режиме реального времени, где преподаватели-практики рассказывают об актуальных кейсах и инструментах, которые нужны им в работе сейчас. Вы сможете активно участвовать голосом, практиковаться, задавать вопросы и получать обратную связь. Такой формат дает реальный результат. 

А если вы не смогли посетить занятие в реальном времени, то сможете посмотреть его в записи и задать вопрос преподавателю в закрытом Telegram-чате.

Портфолио

Индивидуальная разработка итоговой проектной работы

Обучайтесь у экспертов


Программу ведут действующие специалисты

Перспективы

 

Получите знания, которые помогут повысить вашу востребованность и доход

Партнеры

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Карьерные мероприятия в сообществе
    Публичный разбор резюме
    Публичное прохождение собеседования и воркшопы
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров
* Информация в этом разделе не предназначена для корпоративного обучения
Формат обучения

Интерактивные вебинары


2 онлайн-трансляции по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда

Практика

 

Домашние задания + проектная работа, для усиления вашего портфолио и компетенций

Активное комьюнити

Живое общение с преподавателями на вебинарах, переписки в Telegram чате и развёрнутые ответы при проверке ДЗ

Программа

Фундамент агентных систем

При использовании LLM как простого инструмента генерации возникает ограничение в создании автономных, надежных и масштабируемых решений. Изучение архитектуры агентного мышления, инфраструктуры моделей и data-driven роутинга позволит проектировать полноценные ИИ-агенты для production-среды;

Тема 1: Архитектура агента

Тема 2: Инфраструктура агентов

Тема 3: Бенчмарки и data-driven роутинг: от теории к коду // ДЗ

Инструменты агента

Без подключения внешних инструментов, API и автоматизации ИИ-агент остается ограниченным в выполнении реальных бизнес-задач. Изучение function calling, agent skills и кастомных интеграций позволит разрабатывать функциональных агентов, способных взаимодействовать с корпоративными системами, сервисами и рабочими процессами.

Тема 1: Function Calling: как дать агенту руки

Тема 2: Продуктивность разработчика и Agent Skills

Тема 3: Кастомные инструменты и автоматизация // ДЗ

Протоколы и коммуникация агентных систем

При отсутствии стандартизированного подключения инструментов, контекста и каналов взаимодействия агентные системы становятся ограниченными, медленными и плохо масштабируются. Изучение протоколов подключения, real-time коммуникации и межагентного взаимодействия позволит проектировать гибкие, расширяемые и высокопроизводительные агентные платформы.

Тема 1: Model Context Protocol (MCP)

Тема 2: Real-time коммуникация

Тема 3: OpenAI Realtime API и A2A взаимодействие // ДЗ

Хранилище и контекст

Ответы агента становятся неточными, когда не хватает памяти, фактов и связей между данными. Освоение векторных баз, Agentic RAG и графовой памяти дает агенту управляемый доступ к знаниям и позволяет повысить точность решений, работать с долгосрочным контекстом в сложных предметных областях;

Тема 1: Векторная память и Agentic RAG

Тема 2: Графовая память и сложный контекст // ДЗ

Оркестрация и логика агентных систем

Без управляемой логики и оркестрации ИИ-агенты не справляются со сложными задачами, теряют контроль над процессом выполнения и не масштабируются. Изучение методов планирования, фреймворков и мультиагентных подходов позволит проектировать устойчивые и управляемые агентные системы для сложных сценариев;

Тема 1: Декомпозиция задач и самокоррекция

Тема 2: Агентные фреймворки: OpenAI и Anthropic SDK

Тема 3: Продвинутая оркестрация: LangGraph

Тема 4: Low-code оркестрация: n8n

Тема 5: Мультиагентные системы и Swarm // ДЗ

Оценка, наблюдаемость и безопасность ИИ-агента

Непонятно, действительно ли агент решает задачу или просто тратит токены и создает риски? Внедрение evals, observability и guardrails делает качество, стоимость и поведение агента измеримыми. Это позволяет контролировать надежность, безопасность и бюджет агентной системы в продакшене.

Тема 1: Оценка (Evals) и Observability

Тема 2: Безопасность и Guardrails // ДЗ

Проектная работа

Тема 1: Выбор темы и организация проектной работы

Тема 2: Консультация по проектам и домашним заданиям

Тема 3: Защита проектных работ и подведение итогов курса

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Выпускной проект

 
Тема проектной работы: "Создание ИИ-агента: от проектирования до запуска"

Студент разработает прикладного ИИ-агента под выбранный сценарий, включающий:
  • Агентный цикл (ReAct) и управление выполнением задач
  • Интеграции через инструменты (Function Calling + кастомные инструменты к API/SQL/SaaS)
  • Память и Agentic RAG (векторная/графовая память, гибридный поиск, управление контекстом)
  • Оркестрацию (SDK/LangGraph или n8n) и при необходимости взаимодействие агент–агент (A2A)
  • Метрики, трассировка, контроль деградаций
  • Защита от prompt injection, контроль доступа к инструментам и лимиты стоимости

Преподаватели

Руководитель курса

Артём Рева

Lead AI Engineer & AI Agents Architect

Михаил Манылов

Начальник отдела информационных технологий, безопасности и режима

АО АВВА РУС

Илья Ящук

Станислав Никуличев

Tech Lead

NDA, ex Microsoft, ex Yandex

Раиль Сулейманов

Machine Learning Engineer

Garage IT

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Прошедшие
мероприятия

Станислав Никуличев
Открытый вебинар
Как собрать AI workflow без сложной инфраструктуры: первый ИИ-агент в n8n за 60 минут
Артём Рева
Открытый вебинар
LangGraph + MCP в Cursor IDE: создаем автономного агента для глубокого анализа Google Trends

Этот курс может оплатить ваш работодатель

Обучайтесь за счёт работодателя или разделите оплату 50/50
  • Подробно расскажем об интересующем вас курсе
  • Объясним, как договориться с работодателем
  • Сообщим стоимость обучения и варианты оплаты
  • Ответим на вопросы
  • Предоставим шаблон договора и счёт на оплату

Подтверждение знаний и навыков

OTUS осуществляет лицензированную образовательную деятельность.

Вы получите сертификат о прохождении обучения, а также можете получить удостоверение о повышении квалификации.

После обучения:

  • Удостоверение о повышении квалификации: если вы успешно защитили выпускной проект и готовы предоставить копию документа о высшем или среднем профессиональном образовании

  • Доступ к учебным материалам курса

  • Ваш личный проект, который поможет проходить собеседования

Частые вопросы

Чем курс по разработке ИИ-агентов отличается от курса по нейросетям или промпт-инжинирингу?
Курс посвящен не только работе с LLM и промптами, а проектированию полноценных агентных систем. Вы научитесь собирать AI-агентов с инструментами, памятью, RAG, оркестрацией, оценкой качества, наблюдаемостью и защитой для production-сценариев.
Подойдет ли курс, если я уже умею работать с LLM API?
Да. Курс рассчитан на разработчиков, которые хотят перейти от простых LLM-интеграций к созданию ИИ-агентов с многошаговой логикой, инструментами, контекстом, памятью и оркестрацией.
Какие технологии и фреймворки изучаются на курсе?
В программе есть ReAct, Function Calling, MCP, WebSockets/Streaming, OpenAI Realtime API, Agentic RAG, LangGraph, n8n, SDK, evals, observability и guardrails.
Будет ли на курсе практика, применимая к реальным задачам?
Да. На курсе предусмотрены домашние задания и выпускной проект, в котором студент собирает прикладного ИИ-агента под выбранный сценарий — с инструментами, памятью, оркестрацией, метриками и защитой.
Разбирается ли на курсе мультиагентная архитектура?
Да. В программе есть отдельные темы по мультиагентным системам, handoffs, A2A-взаимодействию, Swarm и продвинутой оркестрации в LangGraph». Это отражено в блоках программы и результатов обучения.
Подойдет ли курс для разработки корпоративных AI-агентов?
Да. Программа включает интеграции с API/SQL/SaaS, управление доступами, устойчивость, observability и контроль стоимости, то есть темы, критичные для корпоративного внедрения.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.
Обязательно ли выполнять все домашние задания?
Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.
Смогу ли я совмещать учебу с работой?
Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания — не чаще 1 раза в неделю.
Что, если в середине курса я не смогу продолжать обучение?
Вы можете бесплатно перейти в другую группу. Но только один раз.
Я могу вернуть деньги?
Да, мы можем вернуть деньги за то время курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца за вычетом фактически понесенных расходов.
Может ли мой работодатель оплатить курс?
Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.
Остались вопросы?
Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам исчерпывающую информацию.