Agentic Engineering & Multi‑Agent Systems - AI03

Описание

Программа охватывает проектирование и внедрение агентных систем: архитектуры планирования и рассуждения, стандартизированный tool‑use через MCP, иерархическую память и самоисправление, обучение агентов в среде с использованием GRPO, обеспечение безопасности и операционное сопровождение (AgentOps).

Аудитория

Инженеры прикладного ИИ, архитекторы решений, разработчики платформ и ассистентов, команды, внедряющие автономные workflow‑системы.

Расписание:

День 1. Архитектуры reasoning‑агентов.

Проектирование агентов под reasoning‑native модели и интеграция внутреннего монолога в архитектуру. Подходы LATS и Monte‑Carlo Tree Search для задач с высокой ценой ошибки. Сопоставление детерминированных графов (LangGraph) и динамических роёв (Swarm, CrewAI). Паттерн Plan‑then‑Review с разделением ролей планировщика и исполнителя.

День 2. Tool‑use и экосистема MCP.

Model Context Protocol как единый интерфейс между агентами и внешними системами (SQL, Slack, GitHub, браузер). Structured tool calling и проектирование отказоустойчивых API со стратегиями самовосстановления. Агентный визуальный интерфейс и навигация по веб‑ и desktop‑приложениям через vision‑модели. Изоляция инструментов в sandbox‑средах (E2B, контейнеры) с ограничением ресурсов.

День 3. Память и когнитивная архитектура.

Иерархическая память: рабочая, семантическая (поверх GraphRAG) и эпизодическая. Петли самоисправления и автоматическое уточнение системного промпта на основе логов. Shared state в мультиагентных системах и предотвращение состояний гонки. Роль агента‑критика и блокирование галлюцинаций до выдачи финального ответа.

День 4. Агентное обучение и reward engineering.

GRPO для агентных сценариев и обучение в специфической бизнес‑среде. Проектирование сред (ART, RLFactory) и симуляций бизнес‑процессов. Reward engineering и защита от поведенческого «читинга». Дистилляция навыков крупных рассуждающих моделей в компактные локальные SLM.

День 5. Развёртывание и безопасность.

AgentOps: трассировка цепочек, аудит затрат и мониторинг траекторий рассуждений. Guardrails и обеспечение суверенности данных через локальные и кастомные фильтры. Human‑in‑the‑loop для критических действий (платежи, удаление данных). Сборка и защита итогового мультиагентного решения под прикладную задачу слушателя.