Agentic AI Foundations (MLAGAF)
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
Více od Amazon Web Services (AWS)
Advanced Architecting on AWS | Cloud
Advanced Architecting on AWS Jam Day | Cloud
Advanced Architecting on AWS with AWS Jam | Cloud
Advanced AWS Well-Architected Best Practices | Cloud
Advanced Generative AI Development on AWS | Cloud
Amazon SageMaker Studio for Data Scientists | Cloud