実践的な AI エージェント構築：最初のループから本番環境まで
AI エージェントは大規模言語モデルを使用して推論し、ツールを呼び出し、複数のステップでアクションを実行するプログラムです。静的なコードでは処理できないタスクに対応します。このトラックは LLM エージェントループの仕組みから本番環境での信頼性の高い、可視化されたエージェントのデプロイメントまで、すべてをカバーします。カリキュラムは 6 段階（A1 から C2）にわたる 60 コース、そして実務で使用されるツール（LangChain、LangGraph、LlamaIndex、ベクトルデータベース、すべての主要 LLM プロバイダーが提供する関数呼び出し API）に基づいています。
学習内容
LLM API とエージェント向けプロンプトエンジニアリングの基礎から始まり、ツール使用とエージェントを本当に有用にする関数呼び出しパターンを学びます。コアスキルには、retrieval-augmented generation（RAG）パイプラインとベクトルデータベース統合の構築、メール、カレンダー、Slack、GitHub、ウェブスクレイピングエージェントの作成、会話メモリと構造化出力パースの設計、エージェントのテストとループのデバッグ、マルチツールエージェントにおける ReAct パターンの適用が含まれます。上級段階では、マルチエージェントオーケストレーション、長期計画、コンピュータユース・ブラウザエージェント、コード生成エージェント、サンドボックスと安全なコード実行、監査証跡を用いたエージェントガバナンスに取り組みます。
学習パス
パスは A1 のAI エージェント入門から始まり、A2 の基礎（プロンプトエンジニアリング、実践的な LLM API、ファイルシステム操作、会話メモリ）を経て進みます。B1 ではツールキットを拡張し、API 統合、RAG 基礎、ベクトルデータベース、可視化、LangChain 基礎、ドキュメント、データ分析、ワークフロー自動化向けのドメイン固有エージェントを学びます。B2 ではその知識を深め、ステートフルエージェント向け LangGraph、LlamaIndex、ReAct パターン、メモリアーキテクチャ、非同期およびイベント駆動設計、エージェントセーフティとガードレール、コストとレイテンシの最適化に取り組みます。C1 段階では高度な RAG テクニック、マルチエージェントオーケストレーション、本番環境デプロイメント、エージェントタスク用モデルファインチューニング、マルチモーダルパイプラインをカバーします。トラックは C2 の自己改善型エージェントシステムと自律システムへの道で締めくくられます。
学習方法
各コースは短い、的を絞ったレッスンに分かれており、組み込みコードエディタでリアルタイムフィードバックを受けながら進めます。行き詰まったときはいつでも AI チューターが利用でき、すべての演習は実行可能なコードに基づいているため、概念は理論的ではなく具体的なままです。