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

• 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

• 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 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

• 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

• 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

• 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 исследовательских агентов с помощью Gradio и HuggingFace Space

• День 1 - Framework CrewAI: создание совместных команд AI-агентов
• День 1 - Обзор фреймворка CrewAI: агенты, задачи и режимы обработки
• День 1 - CrewAI и LightLLM: гибкий фреймворк для интеграции нескольких LLM
• День 1 - Практика по CrewAI: настройка проекта AI-дебатов с GPT-4o mini
• День 1 - Как создать систему AI-дебатов с помощью CrewAI и нескольких LLM
• День 1 - Построение AI-системы дебатов с CrewAI: сравнение разных LLM
• День 2 - Создание проектов на CrewAI: инструменты, контекст и интеграция Google Search
• День 2 - Построение мультиагентных систем финансовых исследований с CrewAI
• День 2 - Усиление AI-агентов с помощью веб-поиска: решение проблемы knowledge cutoff
• День 3 - Создание Stock Picker на CrewAI: мультиагентная система для инвестиций
• День 3 - Реализация Pydantic-выводов в CrewAI: практикум по агенту для отбора акций
• День 3 - Разработка собственных инструментов для CrewAI: JSON Schema и push-уведомления
• День 4 - Память в CrewAI: векторное хранилище и SQL-реализация для AI-агентов
• День 4 - CrewAI для задач программирования: агенты, которые генерируют и запускают Python-код
• День 4 - Создание AI-агента, пишущего на Python: практическая реализация на CrewAI
• День 5 - Создание AI-команд: настройка CrewAI для совместной разработки
• День 5 - Совместная разработка AI-агентов для торгового фреймворка
• День 5 - Создание торгового приложения с использованием GPT-4o и Claude
• День 5 - От отдельных модулей к полноценным системам: продвинутые техники CrewAI

• День 1 - Обзор LangGraph: графовая архитектура для надежных AI-агентов
• День 1 - Обзор LangGraph: сравнение framework, studio и platform-компонентов
• День 1 - Теория LangGraph: ключевые компоненты для построения продвинутых агентных систем
• День 2 - Глубокое погружение в LangGraph: управление состоянием в графовых агентных workflow
• День 2 - Освоение LangGraph: как задавать state-объекты и использовать reducers
• День 2 - Основы LangGraph: создание nodes, edges и workflows шаг за шагом
• День 2 - Практика по LangGraph: создание OpenAI-чатбота на графовых структурах
• День 3 - Продвинутый разбор LangGraph: super steps и checkpointing
• День 3 - Настройка LangSmith и создание собственных инструментов для приложений на LangGraph
• День 3 - Tool calling в LangGraph: работа с conditional edges и tool nodes
• День 3 - Checkpointing в LangGraph: как сохранять память между диалогами
• День 3 - Создание постоянной AI-памяти с SQLite: управление состоянием в LangGraph
• День 4 - Интеграция Playwright с LangGraph: создание AI-агентов для веб-серфинга
• День 4 - Создание AI-веб-ассистентов: реализация с Playwright, LangChain и Gradio
• День 4 - LLM-агенты-оценщики: создание feedback loops со структурированными выходными данными
• День 4 - Создание feedback loops для LLM: реализация worker-evaluator в LangGraph
• День 4 - Создание AI-sidekick с использованием LangGraph, Gradio и браузерной автоматизации
• День 5 - Agentic AI: добавление Web Search, файловой системы и Python REPL в вашего ассистента
• День 5 - Интеграция инструментов LangChain: создание мощного AI-sidekick с нуля
• День 5 - Создание AI-workflows: graph builders и техники взаимодействия узлов
• День 5 - Создание изолированных пользовательских сессий в приложениях Gradio с помощью управления состоянием
• День 5 - Внутри AI feedback loops: как AI оценивает и исправляет ошибки
• День 5 - Улучшения AI-ассистента: память, уточняющие вопросы и кастомные инструменты

• День 1 - Microsoft AutoGen 0.5.1: обзор фреймворка AI-агентов для начинающих
• День 1 - AutoGen и другие agent frameworks: сравнение возможностей и компонентов
• День 1 - Практика по Agent Chat в AutoGen: создание инструментов и интеграция базы данных
• День 1 - Основные AI-компоненты: модели, сообщения и агенты
• День 2 - Продвинутый Agent Chat в AutoGen: мультимодальные возможности и структурированные выходные данные
• День 2 - Реализация primary и evaluator-агентов в AutoGen с LangChain
• День 2 - Практика по headless web scraping: интеграция MCP Server Fetch в AutoGen
• День 3 - AutoGen Core: основа распределенных коммуникаций между агентами
• День 3 - Коммуникация агентов в AutoGen Core: message handlers и dispatching
• День 3 - Регистрация агентов и обработка сообщений в AutoGenCore: практические примеры
• День 3 - Автономные агенты в AutoGenCore: Rock Paper Scissors с GPT-4o и Llama
• День 4 - Distributed runtime в AutoGen Core: архитектура и обзор компонентов
• День 4 - Реализация распределенных AI-агентов с AutoGen Core и gRPC runtime
• День 4 - Создание распределенных агентных систем: межпроцессное взаимодействие в AutoGen
• День 5 - Создание автономных агентов, которые пишут и развертывают других агентов в AutoGen
• День 5 - Реализация обмена сообщениями между агентами с AutoGen Core и templates
• День 5 - Создание автономных AI-агентов, которые сотрудничают с использованием Async Python

• День 1 - Введение в MCP: USB-C в мире Agentic AI
• День 1 - Понимание MCP hosts, clients и servers
• День 1 - Использование MCP servers с OpenAI Agents SDK
• День 1 - Изучение node-based MCP servers и доступа к инструментам
• День 1 - Создание агента, который использует несколько MCP servers
• День 1 - MCP marketplaces и вопросы безопасности
• День 2 - Введение в Week 6 Day 2: создание собственного MCP server
• День 2 - Подключение бизнес-логики к вашему MCP server
• День 2 - Создание клиентского кода для работы с вашим MCP server
• День 2 - Итоги: возможности вашего кастомного MCP server
• День 3 - Изучение типов MCP servers и памяти агента
• День 3 - Brave Search API: вызов веб-поиска через MCP server
• День 3 - Интеграция Polygon API для данных фондового рынка
• День 3 - Продвинутые рыночные инструменты с использованием платного тарифа Polygon
• День 4 - Что дальше: запуск нашего Agent Trading Floor
• День 4 - Просмотр пользовательского интерфейса для торговой активности
• День 4 - Как торговые агенты работают и принимают решения
• День 4 - Управление портфелем с помощью четырех автономных агентов
• День 5 - Какой agent framework выбрать?
• День 5 - Ключевые настройки и запуск торговой системы
• День 5 - Рекомендации по выбору agentic frameworks
• День 5 - 10 ключевых уроков по созданию agent solutions
• День 5 - Итоги курса и финальное прощание - продолжайте создавать

Udemy / Эд Доннер - ИИ-программист: от Vibe-кодера до инженера по ИИ-агентам за 3 недели

• Проект 1: Многофункциональный персональный веб-сайт с цифровым двойником на основе ИИ, созданный без написания единой строки кода.
• Проект 2: Платформа управления проектами на основе Kanban, с которой можно общаться в чате.
• Проект 3: Юридический помощник на основе SaaS, который составляет юридические документы, такие как консультационные соглашения, с возможностью загрузки в формате PDF.
• Выпускной проект 4: Рабочая станция для торговли в реальном времени с виртуальными сделками на основе реальных рыночных данных, оснащенная ИИ-помощником для торговли и разработки стратегий.
• Ускорьте разработку с помощью передовых рабочих процессов, таких как Ralph Loops, feature-dev, GSD, Jira и интеграция с GitHub.
• Значительно увеличьте скорость доставки, используя команды агентов, работающих на вас, с помощью субагентов, роев и оркестраторов, включая команды агентов Claude и Gas Town.
• Используйте Cursor, Copilot, Codex, Antigravity для создания программного обеспечения с неутомимым помощником-искусственным интеллектом рядом.
• Создайте точные файлы AGENTS_md и CLAUDE_md, используя лучшие практики, чтобы обеспечить успех вашего проекта.
• Ознакомьтесь с другими агентами командной строки для программирования, включая Codex, Open Code и Amp.
• Откройте для себя расширенные возможности Agentic AI Coding с помощью навыков, MCP, хуков и плагинов.
• Исследуйте новые горизонты с помощью Claude Agent SDK, Cowork и OpenClaw.

• Я, конечно, немного предвзят, но думаю, что этот курс должен пройти каждый!
• Люди, не обладающие техническими навыками, смогут уверенно разрабатывать полноценные продукты, научившись «быть руководителем» и управлять разработкой программного обеспечения с помощью Coding Agents. Вы будете владеть кодом, даже если еще не умеете программировать.
• Технические специалисты всех уровней, от начинающих до опытных инженеров, будут в восторге от этого курса. Я покажу вам, как создать команду неустанно работающих программистов. Я покажу вам, как избавиться от халтуры в рамках магистерской программы. И самое главное, я покажу вам, как сохранить удовольствие от программирования. Это новый способ работы, но он может быть таким же увлекательным, если не более.

• Этот курс предназначен для людей с любым уровнем подготовки: от опытных инженеров-программистов до тех, кто никогда не писал ни строчки кода, и для всех, кто находится между этими крайностями.

• День 1 — Добро пожаловать на курс: Создание 3D-игры с использованием Cursor AI
• День 1 — Создание шутера от первого лица с использованием Cursor AI Agent.
• День 1 — Недостающее руководство по программированию агентного ИИ
• День 1 — Знакомство с преподавателем и план 3-недельного курса по программированию в области искусственного интеллекта.
• День 1 - Vibe Coding, программисты Agentic и программисты-конструкторы, такие как Клод Код
• День 1 — 8 этапов программирования ИИ: от ChatGPT до оркестрации агентов.
• День 1 — Подведение итогов: Ваше уникальное путешествие в мир агентского программирования впереди
• День 2 — Как работают LLM: объяснение использования жетонов, памяти и логического мышления.
• День 2 — Инструменты, циклы и определение агентов искусственного интеллекта
• День 2 — Контекстная инженерия: системные подсказки, контекстные окна и agents.md
• День 2 - Освоение agents.md: Стратегия контекстного окна для программирования агентов
• День 2 — Эволюция рабочих процессов программирования в сфере ИИ: от YOLO до Ralph Loops
• День 2 — За гранью ажиотажа: сравнение линейных моделей анализа в искусственном интеллекте.
• День 3 — Практическое занятие по программированию с использованием Cursor, Copilot, Codex и Agentic Vibe.
• День 3 — Изучение файла agents.md и настроек курсора для Vibe Coding.
• День 3 — Создание приложения Kanban с помощью агента Cursor AI в режиме YOLO.
• День 3 — Создание канбан-доски с помощью GitHub Copilot в VS Code
• День 3 — Расширение OpenAI Codex VS Code: разработка приложения с использованием Kanban без предварительного обучения.
• День 3 — Создание приложения Kanban с использованием Antigravity IDE и Gemini 3 Pro
• День 3 - Курсор против второго пилота против кодекса против антигравитации: окончательный вердикт
• День 4 — Режим «Живи на полную»: Выбор подходящей магистерской программы для агентного программирования в IDE.
• День 4 — Пять принципов успешного программирования Vibe: Будьте боссом
• День 4 — Ответственное программирование в стиле YOLO: настройка OpenRouter для проектов в области искусственного интеллекта.
• День 4 — Режим «Живешь один раз»: Создание веб-сайта на Next.js с использованием GPT Codex в курсоре
• День 4 — Добавление чата с использованием цифрового двойника ИИ с помощью OpenRouter и Vibe Coding.
• День 4 — Уроки, проверка кода с помощью Opus и межмодельное взаимодействие.
• День 5 - Карпати о программировании в стиле Vibe и правилах создания коммерческого MVP.
• День 5 — Веб-приложения: основы: фронтенд, бэкенд, API и настройка Docker.
• День 5 — Настройка полнофункционального проекта с использованием GitHub Copilot и FastAPI
• День 5 — Пошаговое создание проекта с помощью ИИ-помощника: планирование и структурирование.
• День 5 — Создание приложения Kanban с использованием GitHub Copilot, Docker и FastAPI
• День 5 — Создание приложения Kanban с помощью Codex: отладка функции перетаскивания.
• День 5 — Приложение Kanban с ИИ-помощником завершено: Codex, OpenRouter и подведение итогов первой недели.

• День 1 — Добро пожаловать на Pro Week: от программирования в Vibe до разработки в Vibe.
• День 1 — Взлет Клода Кода: история, настройка и установка в VS Code.
• День 1 — Начало работы с Claude Code CLI: инициализация, контекст и тестирование.
• День 1 - Обзор кода Клода: исправление ошибок и рефакторинг кода
• День 1 - OpenCode: Использование бесплатных моделей, таких как GLM 4.7, в качестве альтернативы коду Клода.
• День 1 — AMP Code, OpenCode и Claude Code с OpenRouter и Ollama
• День 2 — Углубленный анализ команд, сочетаний клавиш и настроек в Claude Code.
• День 2 — Сессии, контрольные точки и Git: управление рабочим процессом Claude Code
• День 2 — Объяснение контрольных точек кода Клода, функции перемотки назад и режима YOLO.
• День 2 - Код Клода: Режим YOLO: Обход разрешений для автономного программирования
• День 2 - Ральф в цикле в программе Claude Code: Программирование автономных агентов на автопилоте
• День 3 - MCP, навыки и плагины: три основных строительных блока Claude Code.
• День 3 — Объяснение работы серверов MCP: хосты, клиенты и обнаружение для Claude Code
• День 3 — Добавление MCP-серверов в код Клода: Context7 и Polygon IO
• День 3 — Навыки против MCP: более простой способ добавления способностей от Клода Кода
• День 3 — Торговые площадки навыков: Установка Agent Browser в Claude Code
• День 3 — Плагины Claude Code: маркетплейс, установка и лучшие практики.
• День 3 - MCP против навыков против плагинов: выбор правильной настройки кода Claude
• День 4 — Разработка с использованием Claude Code, Jira, MCP и плагинов.
• День 4 — Подключение кода Клода к серверу Jira MCP и репозиторию GitHub.
• День 4 — Настройка GitHub MCP Server и плагина Featured Dev в Claude Code
• День 4 - Автономия кода Клода: от задачи в Jira до запроса на слияние через сервер MCP
• День 4 — Клод Код создает полноценное приложение Next.js из задачи в Jira.
• День 4 — Стратегии отладки кода Клода: дисциплинированный подход
• День 5 — Создание SaaS-платформы: навыки программирования с помощью Claude Code и настройка Claude.md.
• День 5 — Написание файла claude.md и создание пользовательских навыков для Cerebras
• День 5 — Настройка задач Jira для Клода Кода по разработке нашей версии продукта (V1).
• День 5 — Разработка новых функций с помощью Claude Code, Jira и FastAPI
• День 5 — Тестирование генератора юридических документов на основе ИИ с помощью Cerebras и Claude Code.
• День 5 — Финальное слияние запросов на слияние, полная демонстрация SaaS и победа на 2-й неделе в Claude Code.

Udemy / Эд Доннер - Автоматизация с помощью ИИ в n8n: создание ИИ-агентов и голосовых агентов

• Проект 1: Создание автономного финансового агента, который отслеживает цены на MarketStack и перебалансирует портфели в Google Sheets, используя логику OpenAI.
• Проект 2: Развертывание разговорного голосового агента с использованием ElevenLabs и Twilio, который применяет Supabase RAG для получения глубоких экспертных знаний в предметной области.
• Проект 3: Разработать многоагентную систему выхода на рынок с использованием MCP и FireCrawl для сбора лидов, обогащения данных и планирования встреч.
• Создавайте автономных агентов искусственного интеллекта с использованием n8n, способных планировать, рассуждать и выполнять сложные бизнес-процессы без написания единой строки кода.
• С помощью ElevenLabs и Twilio создавайте голосовых агентов, работающих в режиме реального времени, которые обрабатывают телефонные звонки, управляют возражениями клиентов и мгновенно запускают бизнес-процессы.
• Внедрите конвейеры Agentic RAG (Retrieval Augmented Generation) с использованием векторных хранилищ Supabase, чтобы наделить ваших агентов глубокими, уникальными знаниями о вашем бизнесе.
• Освойте расширенные возможности n8n, включая веб-хуки, преобразование данных в формате JSON и выражения, для создания корпоративных каналов передачи данных и интеграций.
• Интегрируйте LLM-компании (OpenAI, Gemini, Anthropic) с основными бизнес-инструментами, такими как Google Sheets, Slack, Gmail и Telegram, для автоматизации ручных административных задач.

• Предприниматели, менеджеры по продуктам и представители бизнеса: вы сможете создавать эффективные продукты на основе агентного ИИ без программирования.
• Инженеры по искусственному интеллекту: вы сможете применять ИИ в реальных задачах с поразительной скоростью.
• Руководители агентств, занимающихся ИИ: вы займете позицию лидера агентства по автоматизации с использованием ИИ, чтобы автоматизировать, ускорить и расширить возможности ваших клиентов.

• Этот курс предназначен для людей с любым уровнем подготовки: от профессиональных программистов до тех, кто никогда не писал ни строчки кода, и для всех, кто находится между ними. Единственное требование — здоровое желание заниматься разработкой. И мы будем много этим заниматься!

• Неделя 1 — Автоматизация с помощью рабочих процессов в облаке n8n.
• Неделя 2: Ускорьте работу с помощью голосовых агентов и RAG.
• Неделя 3: Усиление эффекта с помощью многоагентных систем и MCP.