Lewati ke konten utama

Kursus

Membangun Sistem Agenik yang Dapat Diskalakan

Dasar1 jam 30 mnt

Temukan apa yang diperlukan untuk mengembangkan agen AI secara skala besar, dengan bantuan kerangka kerja seperti MCP dan A2A.

Python1 jam 30 mnt10 video29 Latihan1,750 XP19,981Pernyataan pencapaian

Buat Akun Gratis Anda

Lanjutkan dengan Google
atau
Dengan melanjutkan, Anda menyetujui Ketentuan Penggunaan, Kebijakan Privasi dan bahwa data Anda disimpan di AS.

Disukai oleh para pelajar di ribuan perusahaan

Melatih Sebuah Tim?

Coba untuk Bisnis

Deskripsi Kursus

Desain dan Kembangkan Agen untuk Skalabilitas

Pelajari cara merancang dan mengembangkan agen kecerdasan buatan (AI) dengan mempertimbangkan skalabilitas, mengikuti tiga pilar skalabilitas agen: modularitas, ketahanan, dan kemampuan beradaptasi. Temukan apa yang membuat seorang agen sukses dalam produksi, dan mengapa begitu banyak orang kesulitan untuk mencapainya.

Temukan Kekuatan MCP dan A2A

Protokol Konteks Model (MCP) yang dikembangkan oleh Anthropic telah merevolusi interoperabilitas agen, menciptakan pendekatan terpadu untuk menghubungkan agen dengan sumber data. Protokol Agent-to-Agent (A2A) yang dikembangkan oleh Google melengkapi MCP. Temukan cara menggabungkan kedua kerangka kerja ini untuk memastikan integrasi agen Anda dapat diskalakan.

Implementasikan Praktik Terbaik Pengujian dan Penempatan Agen

Sebelum menekan tombol merah besar dan meluncurkan agen Anda ke lingkungan produksi, Anda harus memitigasi risiko yang terkait dengan skalabilitas. Pelajari cara membuat kerangka kerja pengujian yang kokoh untuk mengidentifikasi masalah pada komponen, integrasi, kinerja, dan keamanan. Tentukan jenis deployment yang tepat untuk agen Anda dengan mempertimbangkan kebutuhan kasus penggunaan.

Prasyarat

Kurikulum

Ringkasan kursus

1

Merancang Agen yang Dapat Diskalakan

Ketahui apa yang membuat agen AI berhasil di produksi (dan mengapa banyak yang gagal di perjalanannya!). Pelajari prinsip desain agenik utama untuk menyiapkan agen Anda agar dapat diskalakan, termasuk infrastruktur dan peralatan yang andal, arsitektur desain modular, serta evaluasi berkelanjutan dan umpan balik berulang.
Mulai Bab
2

Mengembangkan Agen untuk Skalabilitas

Pelajari strategi kunci untuk memastikan agen Anda dikembangkan dengan mempertimbangkan skalabilitas. Dapatkan wawasan tentang bagaimana Model Context Protocol (MCP) dan Agent-to-Agent protocol (A2A) memungkinkan skalabilitas melalui standardisasi.
Mulai Bab
3

Menerapkan Agen ke Produksi dalam Skala Besar

Waktunya ke produksi, tetapi jangan terburu-buru! Bangun kerangka pengujian yang andal untuk memberi Anda keyakinan bahwa agen AI akan terus berkinerja di lingkungan produksi. Pilih strategi penerapan terbaik untuk kasus penggunaan Anda, dan pelajari cara mengintegrasikan sumber data waktu nyata dengan sistem agenik Anda.
Mulai Bab

Membangun Sistem Agenik yang Dapat Diskalakan

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Daftar Sekarang

Tingkatkan keterampilan data Anda dengan DataCamp for Mobile

Terus maju di mana saja dengan kursus seluler kami dan tantangan coding 5 menit harian.