Udemy / Эд Доннер, Лидженси - Полный курс по созданию ИИ-агентов и работе с MCP

Полный курс по созданию ИИ-агентов и работе с MCP (2026)

Слив курса Полный курс по созданию ИИ-агентов и работе с MCP [Udemy] [Эд Доннер, Лидженси]

*** 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 исследовател