Agentic AI Foundations (MLAGAF)

Cloud
Strojově přeloženo

V tomto kurzu prozkoumáte základní koncepty, architektury a vzory stojící za systémy agentní AI na platformě AWS. Dozvíte se, jak se agentní AI vyvinula z velkých jazykových modelů (LLM), díky čemu je agent považován za agentního a jak odlišit typy agentů od architektur a vzorů workflow, které je uspořádávají. Prostřednictvím praktických cvičení a ukázek vedených lektorem vytvoříte konverzačního agenta v nástroji Amazon Quick, uplatníte specifikacemi řízený vývoj (spec-driven development) v prostředí Kiro, sestavíte agenta pomocí sady Strands Agents SDK a seznámíte se s tím, jak Amazon Bedrock AgentCore převádí agenta z prototypu do produkčního nasazení.

  • Úroveň kurzu: Základní (Fundamental)
  • Délka: 1 den


Aktivity

Tento kurz zahrnuje prezentace, praktická cvičení, skupinová cvičení a ukázky vedené lektorem. V praktických cvičeních vytvoříte miniprojekt v prostředí Kiro a projdete si pythonový notebook, ve kterém sestavíte agenta pomocí sady Strands Agents SDK.


Cíle kurzu

V tomto kurzu se naučíte:

  • Vysvětlit vývoj od modelů LLM k systémům agentní AI s využitím čtyřfázového přechodu od asistentů generativní AI k autonomním multiagentním systémům
  • Identifikovat klíčové komponenty a určující charakteristiky AI agenta a zařadit agenty do spektra autonomie
  • Rozlišovat typy agentů, které popisují úroveň rozhodovací komplexity jednotlivého agenta, od agentních architektur, které popisují organizaci celého systému
  • Zvolit pro daný scénář vhodné vzory workflow, včetně řetězení promptů (prompt chaining), paralelizace, směrování (routing) a orchestrace
  • Popsat protokoly interoperability Model Context Protocol (MCP) a Agent2Agent (A2A) a jejich vzájemně se doplňující role
  • Vytvořit chatovacího agenta v Amazon Quick a vysvětlit, jak demonstruje agentní chování
  • Popsat specifikacemi řízený vývoj (spec-driven development) a způsob, jakým Kiro využívá řetězec požadavků, návrhu a úkolů k vedení agentního vývoje
  • Sestavit základního agenta pomocí sady Strands Agents SDK
  • Popsat, jak možnosti Amazon Bedrock AgentCore, včetně pozorovatelnosti (observability), převádějí agenta z fáze prototypu do produkce


Cílová skupina

Tento kurz je určen pro:

  • Vývojáře softwaru, kteří s agentní AI začínají a hledají základní znalosti
  • Technické specialisty, kteří zkoumají možnosti AI a zajímají se o základní komponenty a aplikace agentní AI
  • Vývojové týmy, které vyhodnocují řešení agentní AI a potřebují rozlišovat mezi jednotlivými typy agentů
  • Uživatele AWS rozšiřující své znalosti do oblasti agentní AI, včetně stávajících uživatelů nástrojů Kiro, Amazon Quick a Amazon Bedrock AgentCore


Předpoklady

Účastníkům tohoto kurzu doporučujeme mít:

  • Absolvovaný kurz Generative AI Essentials nebo ekvivalentní pracovní zkušenosti
  • Základní znalost AWS Cloudu a základní zkušenosti s vývojem softwaru, včetně základní znalosti jazyka Python


Osnova kurzu

Modul 0: Úvod do kurzu

  • Cíle kurzu, program a struktura modulů
  • Požadavky a vymezení cílové skupiny
  • Přístup k praktickým cvičením, registrace a ověření prostředí
  • Prostředí agentní AI na AWS: které řešení odpovídá vaší roli a případu užití

Modul 1: Porozumění agentní AI

  • Přísliby a omezení modelů LLM
  • Inovace pohánějící agenty
  • Vývoj směrem k agentní AI
  • Anatomie agenta: komponenty, charakteristiky a typy
  • Skupinová diskuse: Kde se nacházíte ve spektru autonomie?

Modul 2: Agentní AI na AWS

  • Ekosystém agentní AI na AWS: aplikace, modely a nástroje a infrastruktura
  • Převzít, nebo vybudovat? Předpřipravení agenti na AWS
  • Přehled Amazon Quick a živá ukázka lektora
  • Praktické cvičení: Vytvoření chatovacího agenta v Amazon Quick

Modul 3: Architektury agentů, interoperabilita a vzory workflow

  • Případová studie: e-mailový agent ve společnosti AnyCompany Consulting
  • Agentní architektury: jednoagentní, multiagentní a spektrum autonomie (agency spectrum)
  • Protokoly interoperability: Model Context Protocol (MCP) a Agent2Agent (A2A)
  • Vzory workflow: řetězení promptů (prompt chaining), paralelizace, směrování (routing) a orchestrace
  • Skupinová diskuse: volba architektury a vzoru pro e-mailového agenta

Modul 4: Kiro a specifikacemi řízený vývoj

  • Kiro a specifikacemi řízený vývoj: řetězec požadavků, návrhu a úkolů
  • Praktické cvičení: Zrychlení vývoje softwaru pomocí nástroje Kiro

Modul 5: Vytváření agentů pomocí sady Strands

  • Vytváření agentů pomocí sady Strands Agents SDK a agentní smyčka (agentic loop)
  • Praktické cvičení: Vytvoření prvního agenta ve Strands

Modul 6: Amazon Bedrock AgentCore: Od prototypu k produkci

  • Schopnosti AgentCore: od prototypu k produkci

Modul 7: Shrnutí kurzu a doporučený studijní plán

  • Shrnutí kurzu
  • Doporučený studijní plán a další kroky