Данная дисциплина посвящена проектированию, разработке и эксплуатации автономных AI-агентов — интеллектуальных систем, способных воспринимать окружение, ставить цели и выполнять действия для их достижения с помощью инструментов. Курс начинается с фундаментальных принципов построения агентов и переходит к практическому освоению современных фреймворков, таких как LangChain и LangGraph, для создания цепочек рассуждений и управления сложными конвейерами обработки данных.
Особое внимание уделяется архитектурным паттернам, включая Retrieval-Augmented Generation (RAG) для повышения точности агентов, проектированию надежных и безопасных многоагентных систем, а также вопросам промышленного внедрения: деплою, мониторингу и интеграции с enterprise-инструментами (например, n8n).
Цель освоения дисциплины
Сформировать системное понимание архитектуры AI-агентов, их компонентов (LLM, планировщик, память, инструменты) и циклов взаимодействия (Reasoning-Acting).
Освоить современные фреймворки и инструменты для разработки агентов: LangChain/LangGraph для оркестрации, векторные БД для RAG, платформы автоматизации (n8n).
Изучить методы повышения надежности и качества агентных систем: валидация ответов, семантическое тестирование, управление контекстом, безопасность от prompt-инъекций.
Научить проектировать и развертывать многоагентные системы с четким разделением ролей и кооперативным взаимодействием в production-среде.
Дать практические навыки создания end-to-end агентных решений для реальных бизнес-кейсов: от прототипирования до мониторинга.
Планируемые результаты обучения
объясняет принципы архитектуры автономных агентов (ReAct, Plan-and-Execute).
Объясняет паттерны проектирования многоагентных систем (децентрализованные, иерархические).
Содержание учебной дисциплины
Тема 1. Введение в AI-агенты. LangChain. RAG (Retrieval-Augmented Generation)
Тема 2. Инструменты и интеграции. Надежность и безопасность. Качество агентов
Тема 3. LangGraph
Тема 4. Архитектуры многоагентных систем. Развертывание агентных систем
Тема 5. Low-code платформы
Элементы контроля
Лабораторная работа
Проект
Промежуточная аттестация
2026/2027 3rd module
0.3 * Проект + 0.7 * Лабораторная работа
Список литературы
Рекомендуемая основная литература
Золкин, А. Л., Многоагентные системы групповой робототехники : учебное пособие / А. Л. Золкин, Ф. Ф. Хабибуллин. — Москва : Русайнс, 2025. — 189 с. — ISBN 978-5-466-09637-8. — URL: https://book.ru/book/959106 (дата обращения: 09.12.2025). — Текст : электронный.
Рекомендуемая дополнительная литература
Искусственный интеллект. Введение в многоагентные системы : учебник для вузов, Бессмертный, И. А., 2024
Чуканов, С. Н. Многоагентные системы : учебно-методическое пособие / С. Н. Чуканов, Н. Н. Егорова. — Омск : СибАДИ, 2022. — 99 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/315227 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
Программа дисциплины
Аннотация
Цель освоения дисциплины
Планируемые результаты обучения
Содержание учебной дисциплины
Элементы контроля
Промежуточная аттестация
Список литературы
Рекомендуемая основная литература
Рекомендуемая дополнительная литература
Авторы