Agentic AI — autonomiczni agenci (CrewAI/AutoGen/LangGraph)
Porównawczy warsztat trzech wiodących frameworków agentowych — CrewAI, AutoGen i LangGraph — obejmujący orkiestrację multi-agent, podział ról między agentami i wdrożenie produkcyjne systemów autonomicznych agentów AI.
Agent to więcej niż chatbot z narzędziami
Autonomiczny agent AI planuje, działa i obserwuje wyniki swoich działań w pętli, zamiast jednorazowo odpowiadać na pytanie. Szkolenie zaczyna od tej fundamentalnej różnicy — czym function calling i pamięć agenta różnią się od klasycznej aplikacji LLM — zanim przejdzie do budowy systemów złożonych z wielu współpracujących agentów.
Trzy frameworki, jeden przypadek użycia
Zamiast uczyć jednego narzędzia, warsztat prowadzi przez ten sam przypadek biznesowy zaimplementowany kolejno w CrewAI, AutoGen i LangGraph — tak by uczestnicy mogli bezpośrednio porównać podejście oparte na rolach zespołowych, wzorce konwersacyjne human-in-the-loop oraz modelowanie przepływu jako grafu stanów. To porównanie, którego brakuje przy nauce pojedynczego frameworka, jest podstawą świadomego wyboru narzędzia do konkretnego projektu.
Od prototypu do produkcji z guardrails
Autonomia agenta bez kontroli to ryzyko operacyjne — pętle nieskończone, nieprzewidziane decyzje, rosnące koszty wywołań modelu. Ostatni moduł szkolenia skupia się na projektowaniu guardrails, obsłudze błędów i monitoringu systemu wieloagentowego, tak by przejście z demo do produkcji nie kończyło się niekontrolowanym zachowaniem agentów.
Korzyści
- Zrozumienie różnic architektonicznych między CrewAI, AutoGen i LangGraph
- Zaprojektowanie systemu wielu agentów z podziałem ról i przepływem zadań między nimi
- Zbudowanie mechanizmów kontroli i bezpieczeństwa dla autonomicznych agentów (guardrails)
- Wdrożenie produkcyjne systemu agentowego z monitoringiem i obsługą błędów
Dla kogo jest to szkolenie?
Wymagania wstępne
- Znajomość podstaw Pythona
- Podstawowa znajomość działania modeli językowych (LLM) i promptowania
Program szkolenia
Fundamenty agentic AI — od chatbota do autonomicznego agenta
- Czym różni się agent od klasycznej aplikacji LLM — pętla planowania, działania i obserwacji
- Narzędzia (tools) i function calling jako podstawa działania agenta
- Pamięć agenta: krótkoterminowa, długoterminowa, współdzielona między agentami
- Kiedy pojedynczy agent wystarczy, a kiedy potrzebny jest system multi-agent
CrewAI — role, zespoły i procesy
- Model ról (role-based) w CrewAI i definiowanie zespołu agentów
- Procesy sekwencyjne i hierarchiczne w CrewAI
- Budowa pierwszego zespołu agentów realizujących wspólne zadanie
- Mocne strony i ograniczenia CrewAI w projektach produkcyjnych
AutoGen i LangGraph — konwersacyjne i grafowe podejście do orkiestracji
- AutoGen: agenci konwersacyjni i wzorce human-in-the-loop
- LangGraph: modelowanie przepływu agentów jako grafu stanów
- Porównanie trzech frameworków: kiedy wybrać który — kryteria decyzyjne
- Łączenie podejść — hybrydowe architektury agentowe
Produkcja: bezpieczeństwo, monitoring i skalowanie
- Guardrails: ograniczanie autonomii agenta i kontrola nad krytycznymi decyzjami
- Obsługa błędów, pętli nieskończonych i nieprzewidzianych działań agenta
- Monitoring i observability systemu wieloagentowego w produkcji
- Koszty operacyjne systemów agentowych i optymalizacja liczby wywołań modelu
Formy realizacji
Online
- Wygoda uczestnictwa z dowolnego miejsca
- Interaktywne sesje na żywo z trenerem
- Materiały dostępne przez 30 dni
- Brak kosztów dojazdu
Stacjonarnie
- Bezpośredni kontakt z trenerem i grupą
- Intensywne warsztaty praktyczne
- Networking z innymi uczestnikami
- Pełne skupienie na nauce
Najczęściej zadawane pytania
Czym różni się to szkolenie od Agentic AI — budowanie autonomicznych agentów i Agentic AI — budowanie autonomicznych agentów (LangGraph, CrewAI) w naszym katalogu?
Te szkolenia koncentrują się na jednym lub dwóch frameworkach. To szkolenie obejmuje trzy wiodące frameworki — w tym AutoGen, nieobecny w pozostałych pozycjach katalogu — z bezpośrednim porównaniem architektonicznym i kryteriami wyboru, oraz kładzie większy nacisk na orkiestrację wielu agentów i wdrożenie produkcyjne niż na naukę pojedynczego narzędzia.
Który framework — CrewAI, AutoGen czy LangGraph — jest najlepszy?
Nie ma jednego najlepszego wyboru — CrewAI sprawdza się przy jasno zdefiniowanych rolach zespołowych, AutoGen przy wzorcach konwersacyjnych i human-in-the-loop, a LangGraph przy złożonych przepływach wymagających precyzyjnej kontroli stanu. Na szkoleniu budujemy ten sam przypadek użycia we wszystkich trzech frameworkach, żeby uczestnicy mogli porównać je na własnym przykładzie.
Czy autonomiczni agenci są bezpieczni w środowisku produkcyjnym?
Wymagają świadomego projektowania guardrails — ograniczeń określających, jakie działania agent może wykonać samodzielnie, a które wymagają zatwierdzenia człowieka. Na szkoleniu pokazujemy wzorce kontroli autonomii, obsługi błędów i zapobiegania pętlom nieskończonym, które są częstym problemem w pierwszych wdrożeniach systemów agentowych.
Ile kosztuje utrzymanie systemu wieloagentowego w produkcji?
Koszt zależy od liczby wywołań modelu na zadanie — system multi-agent z kilkoma iteracjami planowania i wykonania może generować znacznie więcej wywołań niż pojedynczy prompt. Na szkoleniu omawiamy techniki optymalizacji: dobór modeli o różnej cenie do różnych ról agentów, caching i ograniczanie liczby iteracji.
Poproś o ofertę
Możliwości dofinansowania
Sprawdź możliwości dofinansowania dla Twojej firmy
Baza Usług Rozwojowych
Dofinansowanie do 80% dla MŚP ze środków EFS
Sprawdź dostępnośćKrajowy Fundusz Szkoleniowy
Dofinansowanie do 100% dla pracodawców
Dowiedz się więcejZaufali nam
Szkolimy zespoły największych polskich firm
Zainteresowany tym szkoleniem?
Skontaktuj się z nami - przygotujemy ofertę dopasowaną do potrzeb Twojego zespołu.