课程
构建可扩展的 Agentic 系统
基础技能水平
更新时间 2025年12月
TheoryArtificial Intelligence1 小时 30 分钟10 视频29 道练习1,750 XP15,221成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
设计和开发用于扩展的智能体
了解如何在考虑可扩展性的前提下设计和开发 AI 智能体，遵循智能体可扩展性的三大支柱：模块化、鲁棒性和适应性。 了解生产环境中成功智能体的关键，以及为什么这么多人难以达到这一目标。探索 MCP 和 A2A 的强大力量
Anthropic 开发的模型上下文协议（MCP）彻底革新了智能体互操作性，为将智能体连接到数据源提供了统一的方法。 Google 开发的 Agent-to-Agent 协议（A2A）是对 MCP 的补充。 了解如何将这两个框架结合起来，以确保你的智能体集成具备可扩展性。实施智能体测试和部署最佳实践
在按下那个醒目的红色按钮、将您的智能体投入生产之前，您必须先降低随规模扩大而带来的风险。 了解如何创建一个稳健的测试框架，以捕获组件、集成、性能和安全方面的问题。 通过查看用例的需求，决定哪种部署类型最适合你的智能体。先决条件
Introduction to AI Agents1
Designing Scalable Agents
Discover what makes a successful AI agent in production (and how many of them fail on the way!) Learn about the key agentic design principles to set up your agents for scaling, including robust infrastructure and tooling, modular design architecture, and continuous evaluation and feedback loops.
2
Developing Agents for Scalability
Learn about key strategies to ensure that your agent is being developed with scalability in mind. Gain insights into how the Model Context Protocol (MCP) and the Agent-to-Agent protocol (A2A) enable scalability through standardization.
3
Deploying Agents into Production at Scale
Time for production, but not so fast! Build a robust testing framework to give you confidence that the AI agent will continue to perform in production. Choose the best deployment strategy for your use case, and learn how to integrate real-time data sources with your agentic system.
构建可扩展的 Agentic 系统
课程完成 加入超过19百万学习者，今天就开始构建可扩展的 Agentic 系统！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。