Арнольд Оберлейтер - MCP: Создание агентов с помощью Claude, Cursor, Flowise, Python и n8n

• Введение в протокол контекста модели (MCP): практические советы по началу работы с курсом и как можно расширить возможности LLM с помощью инструментов, подсказок и ресурсов
• Основы MCP и интеграция инструментов в Claude Desktop: понимание структуры JSON, сравнение типов серверов, настройка с помощью Node.js и установка с помощью установщика MCP
• Создавайте собственные рабочие процессы в Claude Desktop: получайте доступ к локальным приложениям, интегрируйте базы данных и подключайте ключи API для безопасного взаимодействия.
• Подключите MCP к Cursor & Vibe Coding: установите Python через pyenv, изучите интерфейс Cursor, подключитесь к OpenAI или Claude и используйте MCP гибко.
• Ключи API и контроль доступа: настройка OpenAI, OpenRouter и других, понимание различий в ценах, ограничений и настройка проекта в Cursor
• Разместите свой собственный сервер MCP в n8n: установите Node.js, изучите основы, такие как триггеры и действия, разберитесь с клиентом и хостом MCP и безопасно настройте свой сервер.
• Расширьте возможности сервера n8n MCP: подключитесь к узлам Claude, Cursor или GitHub, бесплатно интегрируйте функциональность Zapier и добавляйте собственные инструменты.
• Интеграция баз данных векторных данных в MCP: автоматическое управление Pinecone через Google Диск, экспорт рабочих процессов и создание агентов RAG с поиском векторов
• Интеграция HTTP и хостинг, соответствующий требованиям GDPR: отправляйте HTTP-запросы на сервер MCP даже без официального MCP, изучите лучшие практики хостинга
• Используйте MCP в Flowise, LangChain и LangGraph: установите Flowise, изучите интерфейс, сравните платформы агентов и ознакомьтесь с реальными примерами использования.
• Агенты инструментов с MCP: интеграция доступа к электронной почте, календарям, Airtable, веб-скрапингу и Pinecone в Flowise для масштабируемой автоматизации
• Flowise AI Agents V2 и новые функции: использование LangGraph, работа с SQLite в качестве менеджера записей и объединение агентов инструментов с доступом к вектору
• Создавайте специализированные рабочие процессы с помощью MCP: голосовое управление для LLM, автоматизация в Blender, создание собственных изображений с помощью OpenAI и рабочих процессов n8n
• Разработайте свой собственный сервер MCP на Python: изучите основы программирования сервера, разберитесь в репозитории GitHub, интегрируйте инструменты и используйте MCP Inspector.
• Определите собственные шаблоны и ресурсы подсказок: используйте modelcontextprotocol Python SDK для управления пользовательскими подсказками и структурами данных и подключите их к Claude.

• Но как это работает на практике?
• Как создать собственные MCP-серверы?
• Как вы используете такие клиенты, как Claude Desktop, Cursor, Windsurf, n8n или Flowise?
• И как все это можно автоматизировать, обезопасить и интегрировать в свой собственный проект ИИ?

• Получите полный обзор концепции MCP, принципов ее работы и сфер ее применения.
• Узнайте, как инструменты, подсказки и ресурсы можно подключить к LLM, таким как Claude, GPT или Gemini, с помощью MCP.
• Начните с практических советов, материалов и специального центра курса, полного ресурсов и тщательно отобранных ссылок.
• Понимать основные принципы проектирования подсказок и то, как системные подсказки работают в контексте MCP.

• Установите Claude Desktop с использованием Node.js и NVM и настройте свои первые серверные структуры.
• Используйте файлы JSON и официальный установщик MCP для подключения инструментов, баз данных или собственных API.
• Понимать различные типы серверов (серверы инструментов, серверы подсказок, серверы баз данных MCP) и варианты их использования
• Подключите Claude Desktop к локальной системе или онлайн-сервисам и включите защищенный API-ключом доступ.
• Установите Python с помощью pyenv и настройте менеджер пакетов UV для запуска вашего первого локального сервера MCP.

• Настройте Cursor как гибкий клиент, подключите его к существующим серверам MCP (например, Zapier) и изучите его ограничения и сильные стороны.
• Используйте Vibe Coding и конфигурации на основе Python для настройки структуры MCP.
• Эффективно управляйте ключами API, изучайте структуры ценообразования и создавайте собственную настройку MCP для разных инструментов

• Узнайте, как установить и настроить n8n локально и использовать его как полнофункциональную платформу MCP.
• Создавайте триггеры и действия, а также используйте пользовательские узлы для подключения Claude, Cursor, GitHub или Google Drive.
• Интегрируйте Pinecone и другие векторные базы данных для агентов RAG непосредственно в ваш сервер MCP.
• Узнайте, как размещать серверы MCP на VPS и обеспечивать их круглосуточную работу с безопасным доступом.
• Используйте параметры аутентификации и стратегии хостинга, соответствующие GDPR, для безопасного развертывания

• Установите Flowise и создайте сложные рабочие процессы инструментов (электронная почта, календарь, Airtable, веб-поиск) с помощью Agent V2
• Используйте LangGraph для управления многоэтапными процессами агентов с четким разделением ролей и выполнением инструментов.
• Управляйте базами данных Pinecone через SQLite, объединяйте функциональность LangChain и создавайте масштабируемые автоматизации
• Изучите интерфейс Flowise и создайте собственных помощников с полной интеграцией MCP.

• Создавайте голосовые интерфейсы для вашего LLM и управляйте своим ИИ с помощью речевого ввода с помощью MCP
• Автоматизируйте 3D-процессы в Blender с помощью Claude, Python и собственного MCP-сервера
• Используйте API OpenAI с n8n для автоматической генерации изображений
• Поделитесь идеями с сообществом и исследуйте креативные или нетрадиционные варианты использования.

• Узнайте, как писать MCP-серверы с использованием Python и TypeScript, включая обработку запросов, интеграцию инструментов и ресурсы.
• Используйте modelcontextprotocol Python SDK для разработки собственных шаблонов подсказок, совместимых с Claude.
• Используйте MCP Inspector для отладки и диагностики, а также расширьте свою настройку с помощью событий, отправленных сервером (SSE).
• Понимать все типы транспорта для MCP: STDIO, SSE и Streamable HTTP — когда и как их использовать
• Опубликуйте свой сервер MCP на GitHub и изучите варианты хостинга, такие как Cloudflare, AWS или Azure.
• Избегайте распространенных ошибок и применяйте лучшие практики для стабильной и безопасной разработки сервера.

• Распознавать и понимать такие угрозы, как отравление инструментов, побег из тюрьмы, инъекции подсказок и попытки взлома MCP
• Защитите свой сервер MCP с помощью ключей API, аутентификации и надлежащего контроля доступа.
• Понимание ключевых правил конфиденциальности данных, таких как GDPR и Закон ЕС об искусственном интеллекте, а также решение проблем, связанных с хостингом генеративного ИИ.
• Изучите реальные примеры и получите четкие рекомендации о том, как соблюдать юридические и технические требования.

• Вы научитесь создавать, размещать, разрабатывать и интегрировать агенты на базе MCP в такие инструменты, как Claude, n8n, Cursor или Flowise.
• Вы научитесь создавать безопасные серверы MCP, объединять их в своих проектах и даже предлагать их как услугу.

• Создавайте конечные точки SSE для сервера MCP: включайте соединения в режиме реального времени, активируйте пользовательские инструменты с помощью событий и избегайте распространенных ошибок при разработке сервера.
• Понимание и предотвращение рисков безопасности MCP: распознавание и минимизация отравления инструментов, краж MCP, джейлбрейков и инъекций с помощью безопасных стратегий
• Конфиденциальность, GDPR и правовые рамки для MCP: узнайте свои права и обязанности при размещении, обработке данных и использовании инструментов LLM в соответствии с законом.

• Разработчики искусственного интеллекта, технические специалисты и специалисты по автоматизации, которые хотят понять протокол контекста модели (MCP), создать собственные серверы или расширить существующие клиенты, такие как Claude, Cursor, n8n или Flowise.
• Частные лица и энтузиасты ИИ, которые наконец хотят понять, как можно расширить возможности LLM с помощью инструментов, подсказок и ресурсов, а также создать и запустить своих первых агентов MCP.
• Предприниматели и фрилансеры, желающие использовать рабочие процессы ИИ на базе MCP для автоматизации рутинных задач, оптимизации процессов или создания собственного предложения услуг ИИ.
• Разработчики программного обеспечения и инженеры-консультанты, работающие на стыке API LLM, интеграции инструментов и автоматизации рабочих процессов, которые хотят применить MCP в своих собственных проектах.
• Технически подкованные пользователи и новички в области ИИ, желающие объединить такие инструменты, как Claude Desktop, Cursor, n8n или Flowise, и глубоко погрузиться в экосистему MCP.

• Введение – обзор, советы и понимание протокола контекста модели
• Основы MCP в Claude Desktop и настройка: установка Node.js, Python и NVM
  
• Интеграция MCP в Cursor, Vibe кодинг и ключи API
• MCP в n8n — создайте свой собственный сервер и клиент: хостинг, безопасность и многое другое
  
• MCP в LangChain, LangGraph и Flowise
• Специальные рабочие процессы — автоматизация с помощью Blender, генерация изображений и многое другое
• Программируйте свой собственный MCP-сервер — шаг за шагом на Python
  
• Клиент MCP (большинству не нужен, но давайте рассмотрим его подробнее)
• Безопасность, конфиденциальность, GDPR и распространенные проблемы с MCP

Виктор Потипако - Карточка для маркетплейсов с ИИ за 15 минут (2025)

Тариф Все сам

Ты уже сделал свою первую карточку и убедился, что работать с нейросетями — проще, чем ты думал! Теперь пора вывести твои навыки на новый уровень и начать зарабатывать на этом!

Марафон «Карточка для маркетплейсов с ИИ за 15 минут» — это не просто обучение, а готовая система для фриланса!

Что ты освоишь на марафоне:

• Как читать технические задания — ты научишься понимать, что нужно заказчику и как грамотно задавать уточняющие вопросы.
• Анализ ниши и создание прототипа — ты узнаешь, какие карточки работают лучше всего и как создать продающий дизайн с первого раза.
• Дополнительные нейросети и плагины для Figma — ускоряй работу, используй новые инструменты, чтобы делать карточки в несколько кликов!
• Как увеличить конверсию — убедись, что твоя карточка не просто красивая, но и реально привлекает клиентов и продажи.
• Как отличать слабые карточки от сильных — научишься анализировать конкурентов, находить ошибки и делать карточки, которые работают.
• Где искать клиентов и как зарабатывать от 12 000₽ в месяц — ты поймешь, как выйти на стабильный доход без сложных навыков и стартового капитала.

Это не просто марафон а реальный инструмент для заработка! Ты не тратишь месяцы на обучение, а сразу получаешь практические навыки, которые можно применить и начать зарабатывать. Нейросети делают процесс легким и быстрым, а заказчики уже ищут специалистов, которые могут создать эффективные карточки. Ты не просто изучаешь теорию — ты выходишь на рынок с реальным навыком и доходом!

Автор: Виктор Потипако

• 20 лет в маркетинге и дизайне c 2005 г
• 12 лет опыта в бизнесе, управлении и предпринимательстве
• В 2013 году основал и 8 лет управлял своим дизайн-агентством
• Работал с: Gallina Blanca, М. Видео, Samsung, Yota, Karchar, Heinz, Mail.ru и др.
• Высшее образование ФГБОУ ВО «НГУАДИ» по специальности «Дизайн»
• Общее: 39 лет, женат, 1 ребенок, живет: Москва/Бали

Тариф Все сам
Идеально, если ты хочешь пройти марафон в удобном для себя темпе

Udemy / Арнольд Оберлейтер - Агенты RAG: создание приложений и GPT с API/MCP, LangChain и n8n (2025)

*** Язык английский + озвучка на русском языке (ИИ)***

Чему вы научитесь:

• Введение в рабочие процессы RAG и инструменты, такие как NotebookLM от Google, с основными советами
• Основы LLM и технологии RAG: ChatGPT, Claude, Gemini, Deepseek, Llama, Mistral, xAI, Grok, вызов функций, векторные базы данных, встраивание и фрагментация
• Основы ChatGPT и управление моделями: интерфейс, модели, настройки, GPT, OpenAI Playground и вычисления во время тестирования
• Создание чат-ботов RAG с помощью пользовательских GPT: подготовка данных из PDF-файлов, веб-страниц HTML, видео YouTube, источников данных CSV и адаптация стиля письма
• RAG с открытым исходным кодом с Ollama и AnythingLLM: установка, модели, оптимизация фрагментации и встраивания, а также создание локального бота
• Возможности агента и интеграция с несколькими LLM: системные подсказки, контроль температуры, веб-поиск, скрапинг и функции ИИ-агента с Flowise/LangGraph
• OpenAI API и Flowise для агентов RAG: цены, настройка проекта, соответствие GDPR, Playground против Response API, установка Node.js, Marketplace и OpenAI Assistant
• Расширенные рабочие процессы Flowise: веб-скрапинг, встраивание, векторные базы данных, HTML-разделитель, импорт/экспорт JSON и агенты инструментов (электронная почта, календарь, Airtable, веб-хуки)
• Пользовательский интерфейс чат-бота и самостоятельный хостинг: разработка интерфейса, Ollama и LangChain, хостинг на Render, брендинг Replit, интеграция WordPress и настройка Flowise
• Агенты RAG с n8n: локальная установка, интерфейс, триггеры/действия, автоматизация Pinecone через Google Drive, рабочие процессы и узел AI-агента
• Объединение и маркетинг Flowise и n8n: лид-боты RAG, интеграция веб-сайтов, брендинг CSS, продажи, маркетинг, привлечение клиентов и стратегии предложения
• Специальные стратегии RAG: n8n MCP с Claude Desktop, веб-перехватчики, действия GPT, генерация с расширенным кэшем, GraphRAG, LightRAG и контекстное извлечение
• Безопасность, защита данных и правовая база: джейлбрейки, инъекции подсказок, отравление данных, цензура, основы GDPR, Закон ЕС об искусственном интеллекте и авторские права
• Стратегии ведущих поставщиков ИИ и сравнение: OpenAI, Anthropic, Microsoft, Google xAI, Meta's LlaMA, Deepseek, Mistral и другие

Одной из важнейших концепций в мире ИИ является RAG — Retrieval-Augmented Generation!
Вам нужно дать знания магистрам права!
Но как создать эффективных чат-ботов RAG и интеллектуальных агентов ИИ для оптимизации ваших бизнес-процессов и личных проектов?
В этом курсе вы узнаете именно это — подробно и понятно — с использованием ChatGPT, Claude, Google Gemini, программ LLM с открытым исходным кодом, Flowise, n8n и многого другого!

Основы: LLM, RAG и векторные базы данных
Создайте прочную основу для своих проектов ИИ:

• Углубите свои знания LLM: ChatGPT, Claude, Gemini, Deepseek, Llama, Mistral и многие другие.
• Понять, как работают вызов функций и взаимодействие через API в LLM.
• Узнайте, почему векторные базы данных и модели встраивания являются основой RAG.
• Освойте интерфейс ChatGPT, модели GPT, настройки и OpenAI Playground.
• Изучите ключевые концепции, такие как Test‑Time Compute (например, OpenAI o1, o3; Deepseek R1).
• Узнайте, как работает NotebookLM от Google, и эффективно используйте его в проектах RAG.

Простые реализации RAG с ChatGPT и пользовательскими GPT.
Быстро и легко запустите свои первые приложения ИИ:

• Создайте своего первого RAG-бота из PDF-файлов с помощью пользовательских GPT.
• Превращайте HTML-страницы и видеоролики YouTube в интерактивные чат-боты RAG.
• Обучайте ChatGPT вашему личному стилю письма с помощью RAG.
• Используйте данные CSV для создания интеллектуальных чат-ботов и изучите весь потенциал пользовательских тегов GPT.

RAG с программами LLM с открытым исходным кодом: AnythingLLM и Ollama
Погрузитесь в мир локального ИИ:

• Установите и используйте Ollama: узнайте о моделях, командах и требованиях к оборудованию.
• Эффективно интегрируйте AnythingLLM с Ollama — оптимизируйте фрагментацию и встраивание.
• Создавайте локальные чат-боты RAG и точно контролируйте язык и поведение с помощью системных подсказок и настроек температуры.
• Используйте такие возможности агента, как веб-поиск, сбор данных и многое другое.

Flowise: RAG с LangChain и LangGraph — это просто
Используйте возможности API OpenAI для профессиональных приложений:

• Изучите API OpenAI, модели ценообразования, соответствие GDPR и настройку проектов.
• Создавайте эффективные приложения RAG с помощью OpenAI Playground и API-интерфейсов реагирования.
• Установите Flowise, управляйте обновлениями и освойте его интерфейс, включая Marketplace и OpenAI Assistant.
• Создавайте комплексные чат-потоки RAG с помощью веб-скрапинга, встраивания, HTML-разделителей и векторных баз данных.
• Разработайте собственный пользовательский интерфейс чат-бота и займитесь техническими деталями Flowise.
• Реализуйте локальную безопасность на основе ИИ с помощью Ollama и LangChain и используйте узлы-агенты Flowise (например, электронная почта, календарь, Airtable).
• Объедините векторные базы данных Pinecone с Supabase и Postgres.
• Освойте оперативную разработку и последовательных агентов с рабочими процессами с участием человека.

n8n: Создание автоматизированных систем ИИ и агентов RAG
Используйте n8n как мощную платформу автоматизации для ваших проектов ИИ:

• Изучите локальную установку, обновления и основы n8n.
• Автоматизируйте обновления базы данных Pinecone через Google Диск.
• Разрабатывайте чат-ботов RAG с узлами ИИ-агентов, векторными базами данных и дополнительными инструментами.
• Создавайте автоматизированных чат-ботов на основе веб-сайтов с помощью HTML-запросов и скрапинга.

Хостинг, продажа и монетизация ваших агентов RAG.
Выводите свои проекты ИИ на профессиональный рынок:

• Размещайте приложения Flowise и n8n на таких платформах, как Render, и встраивайте их в веб-сайты (HTML, WordPress).
• Создавайте фирменные профессиональные чат-боты и предлагайте их как услуги или отдельные продукты.
• Разработайте эффективные стратегии маркетинга и продаж для ваших ИИ-агентов.

Расширенные рабочие процессы и специализированные методы RAG.
Внедряйте профессиональные передовые технологии:

• Изучите продвинутые методы, такие как веб-хуки, MCP с Клодом, действия GPT и интеграция n8n.
• Понимать протокол контекста модели (MCP) и создавать серверы и клиенты MCP в n8n и Claude Desktop.
• Изучите инновационные стратегии RAG, такие как Cache‑Augmented Generation (CAG), GraphRAG (Microsoft), LightRAG и контекстный поиск Anthropic.
• Оптимизируйте фрагментацию, встраивание и извлечение Top-K для ваших приложений RAG.
• Выберите правильную стратегию для своих проектов и максимизируйте результаты RAG.

Безопасность, конфиденциальность и правовые основы.
Эффективно защитите свои проекты ИИ:

• Распознавать риски безопасности (эксплойты Telegram, джейлбрейки, инъекции подсказок, отравление данных).
• Защитите свой ИИ от атак и уважайте авторские права на создаваемый контент.
• Углубите свое понимание GDPR и предстоящего Закона ЕС об искусственном интеллекте, чтобы обеспечить соблюдение правовых норм.

Станьте экспертом в области автоматизации ИИ, агентов ИИ и RAG!
К концу этого курса вы будете полностью подготовлены к созданию, оптимизации и успешному маркетингу чат-ботов RAG, агентов ИИ и автоматизации.

Для кого этот курс:

• Частные лица, интересующиеся ИИ и автоматизацией, которые хотят создать собственных агентов RAG
• Предприниматели, желающие повысить эффективность, сэкономить деньги или построить бизнес на основе ИИ
• Любой желающий узнать что-то новое и получить глубокие знания об агентах RAG
• Всем, кто хочет наконец понять RAG и автоматизировать задачи

Материалы курса
10 разделов • 100 лекций • Общая продолжительность 17 ч 56 мин

• Введение
• Основы: LLM, RAG, векторных баз данных и интерфейс ChatGPT
• Практический RAG с ChatGPT и пользовательским GPT
• Реализация RAG с помощью программ LLM с открытым исходным кодом: AnythingLLM и Ollama
• Чат-боты и агенты RAG с API OpenAI: LangChain и LangGraph в Flowise
• Создание чат-ботов и агентов RAG с помощью n8n
• Приложения RAG с Flowise и n8n: хостинг, самостоятельный хостинг и продажа стали проще
• Расширенные рабочие процессы: WebHooks, MCP, Claude, GPT, RAG и стратегии фрагментации
• Проблемы, безопасность и авторские права в RAG Agents
• Что дальше?