LangChain Agents & LangGraph: автономные помощники
Создайте ReAct‑агента, который сам ищет информацию, вызывает внешние API и формирует отчёт. Освойте multi‑tool routing и прописывание state‑machine в LangGraph для сложной логики. Один интенсив — и команда уверенно работает с LangChain Agents на своём стеке
  • Что?
    Спроектируете ReAct‑агента, подключите несколько инструментов (поисковики, API), опишете state‑machine в LangGraph и соберёте авто‑отчёт.
  • Формат и длительность
    до 25 человек; 8 часов
  • Для кого?
    Backend‑разработчики и ML‑инженеры, которым нужен быстрый старт с агентным подходом.
Содержание
Введение в ReAct‑агенты и LangChain Agents — основные паттерны reasoning и вызова инструментов.
Подключение инструментов — добавляем поисковики и бизнес‑API, настраиваем multi‑tool routing.
LangGraph state‑machine — формализуем переходы состояний, обрабатываем ошибки и ретраи.
Генерация итогового отчёта — склейка шагов, вывод данных в читаемый документ или dashboard.
Практические советы по продакшн‑деплою — работа с OpenAI/Gemini/GigaChat, безопасность ключей и масштабирование.
Технологический стек
LangChain Agents, LangGraph, OpenAI API, Gemini API, GigaChat API
Предварительные требования
Python 3.10+, базовый REST API, Git.
Эксперты
  • Дмитрий Жечков
    Эксперт по AI и облачным решениям, архитектор облачных решений в Yandex Cloud, сосредоточен на разработке ПО с использованием Generative AI и агентных архитектур.
  • Носов Андрей
    Профильный специалист с более чем 20-летним опытом в ИТ, специализирующийся на архитектуре решений в области ИИ, LLM, RAG, NLP, системной интеграции и руководстве мультидисциплинарными командами. Практический опыт разработки 27 AI/ML решений. Эксперт в построении AI-инфраструктур и развитии продуктовых команд.
  • Александр Миленкин
    ML Team Lead | Dodo Brands
    Senior Data Scientist | Red Mad Robot
    Senior Data Scientist | X5 Retail Group
Стоимость
Фиксированная цена
за командный пакет
25 000 ₽/участник
для физических лиц
Ознакомьтесь с другими
мастер-классами
Закрываем конкретный вызов: внедрить RAG‑конвейер на LangChain, настроить MLOps‑CI/CD и мониторинг, освоить LoRA/RLHF‑тонкую настройку или добавить guardrails и безопасность
Ваша команда умеет собирать AI уже завтра: технологично, практично, экономно

Напишите нам, и мы подберем решение