ข้ามไปยังเนื้อหาหลัก

คอร์ส

การสร้างระบบ Agentic ที่รองรับการขยายขนาด

เบื้องต้น1 ชม. 30 นาที

ค้นพบสิ่งที่ต้องใช้ในการขยายสเกลเอเจนต์ AI พร้อมความช่วยเหลือเล็กน้อยจากเฟรมเวิร์กอย่าง MCP และ A2A

Python1 ชม. 30 นาที10 วิดีโอ29 แบบฝึกหัด1,750 XP17,631ใบแสดงความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
การดำเนินการต่อหมายความว่าคุณยอมรับ เงื่อนไขการใช้งาน, ของเรา นโยบายความเป็นส่วนตัว และข้อมูลของคุณถูกจัดเก็บไว้ในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในหลายพันบริษัท

รายละเอียดคอร์ส

ออกแบบและพัฒนาเอเจนต์เพื่อการขยายสเกล

เรียนรู้วิธีออกแบบและพัฒนาเอเจนต์ AI โดยคำนึงถึงความสามารถในการขยายระบบ ตามสามเสาหลักของความสามารถในการขยายของเอเจนต์ ได้แก่ ความเป็นโมดูล ความแข็งแกร่งทนทาน และความสามารถในการปรับตัว ค้นพบว่าอะไรทำให้เอเจนต์ประสบความสำเร็จในสภาพแวดล้อมการใช้งานจริง และทำไมหลายคนจึงไปไม่ถึงจุดนั้น

ค้นพบพลังของ MCP และ A2A

โปรโตคอลบริบทของโมเดล (MCP) ที่พัฒนาโดย Anthropic ได้ปฏิวัติการทำงานร่วมกันของเอเจนต์ สร้างแนวทางแบบรวมศูนย์สำหรับการเชื่อมต่อเอเจนต์กับแหล่งข้อมูล โปรโตคอล Agent-to-Agent (A2A) ที่พัฒนาโดย Google ช่วยเสริม MCP ค้นหาว่าเฟรมเวิร์กทั้งสองนี้สามารถผสานกันเพื่อให้การเชื่อมต่อของเอเจนต์ของคุณปรับขนาดได้อย่างไร

นำแนวปฏิบัติที่ดีที่สุดในการทดสอบและปรับใช้เอเจนต์ไปใช้

ก่อนจะกดปุ่มสีแดงขนาดใหญ่และนำเอเจนต์ของคุณขึ้นใช้งานจริง คุณต้องลดความเสี่ยงที่มาพร้อมกับการขยายสเกลให้ได้ก่อน เรียนรู้วิธีสร้างเฟรมเวิร์กการทดสอบที่แข็งแกร่งเพื่อจับปัญหาเกี่ยวกับคอมโพเนนต์ การผสานรวม ประสิทธิภาพ และความปลอดภัย ตัดสินใจว่าประเภทการปรับใช้งานแบบใดเหมาะกับเอเจนต์ของคุณ โดยพิจารณาจากความต้องการของกรณีการใช้งาน

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงสร้างคอร์ส

1

การออกแบบ Agent ที่รองรับการขยายขนาด

เรียนรู้ว่าอะไรทำให้ AI Agent ประสบความสำเร็จใน Production และสาเหตุที่ Agent จำนวนมากล้มเหลวระหว่างทาง ทำความเข้าใจหลักการออกแบบ Agentic ที่สำคัญเพื่อเตรียม Agent ให้พร้อมสำหรับการขยายขนาด ทั้งโครงสร้างพื้นฐานและเครื่องมือที่แข็งแกร่ง สถาปัตยกรรมแบบ Modular และวงจรการประเมินผลและข้อเสนอแนะอย่างต่อเนื่อง
เริ่มบทเรียน
2

การพัฒนา Agent เพื่อรองรับการขยายขนาด

เรียนรู้กลยุทธ์สำคัญเพื่อให้แน่ใจว่า Agent ของคุณได้รับการพัฒนาโดยคำนึงถึงการขยายขนาดตั้งแต่ต้น รวมถึงทำความเข้าใจว่า Model Context Protocol (MCP) และ Agent-to-Agent Protocol (A2A) รองรับการขยายขนาดผ่านการสร้างมาตรฐานได้อย่างไร
เริ่มบทเรียน
3

การ Deploy Agent สู่ Production ในระดับขนาดใหญ่

ถึงเวลา Deploy แล้ว แต่อย่าเพิ่งรีบ! สร้างกรอบการทดสอบที่แข็งแกร่งเพื่อให้มั่นใจว่า AI Agent จะทำงานได้อย่างต่อเนื่องใน Production เลือกกลยุทธ์การ Deploy ที่เหมาะกับกรณีการใช้งานของคุณ และเรียนรู้วิธีเชื่อมต่อแหล่งข้อมูลแบบ Real-time กับระบบ Agentic
เริ่มบทเรียน

การสร้างระบบ Agentic ที่รองรับการขยายขนาด

เรียนจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp บนมือถือ

ก้าวหน้าได้ทุกที่ด้วยคอร์สมือถือและแบบฝึกหัดการเขียนโค้ด 5 นาทีประจำวันของเรา