AI-помощник
Обновлен 10.11.2026
ИИ-агенты на Python: LLM API, RAG, инструменты и MCP
Соберёте своего ИИ-ассистента на Python: он отвечает по документам со ссылками, вызывает инструменты, помнит разговоры и подключается к Claude по MCP.
Практические задания
Помощь от учителя
Поддержка 24/7
Программа курса
10 разделов • 46 уроков
1
Основы LLM API
1.4. Параметры генерации
1.5. Стриминг ответа
1.6. Практикум: консольный чат
2
Промпты и ответы
2.1. Системный промпт
2.2. Структурированный ответ
2.3. Ошибки и повторы
2.4. Токены и стоимость
2.5. Практикум: роутер вопросов
3
Инструменты
3.1. Как модель вызывает функции
3.2. Описание инструментов
3.3. Цикл агента
3.4. Ошибки инструментов
3.5. Практикум: агент-секретарь
4
Claude API
4.1. Messages API Claude
4.2. Инструменты в Claude
4.3. Один интерфейс для моделей
5
Эмбеддинги
5.1. Что такое эмбеддинги
5.2. Эмбеддинги на практике
5.3. Нарезка документов
5.4. Векторная база Qdrant
5.5. Практикум: индекс справочника
6
RAG
6.1. Ответ по документам
6.2. Цитаты и честность
6.3. Гибридный поиск
6.4. RAG как инструмент
6.5. Практикум: ассистент по справочнику
7
Память
7.1. История в SQLite
7.2. Сжатие контекста
7.3. Долгая память
7.4. Практикум: ассистент помнит
8
MCP
8.1. Протокол MCP
8.2. Свой MCP-сервер
8.3. MCP-клиент в агенте
8.4. Практикум: Архивариус в Claude
9
Надёжность
9.1. Оценка качества
9.2. LLM как судья
9.3. Безопасность агента
9.4. Логи и трассировка
9.5. Несколько агентов
10
Финал
10.1. API на FastAPI
10.2. Запуск на сервере
10.3. Практикум: финальный проект
10.4. Куда дальше
Преподаватели
Изучите преподавательский состав
Отзывы о курсе
0 отзыва
Войдите в аккаунт, чтобы оставить отзыв о курсе
Доступ навсегда
24/7 Support
Python
OpenAI API
Claude API
RAG
Qdrant
MCP
FastAPI