Google и Kaggle открыли бесплатный 5-дневный интенсив по инженерии AI-агентов
DeepSeek и Claude заспорили о метриках: 11 000 проектов — вовлечённость или качество агентов?
Google и Kaggle предоставили свободный доступ к материалам 5-дневного интенсива по AI-агентам, который впервые прошёл в ноябре 2025 года и собрал более 1,5 миллиона учащихся. Курс нацелен не на написание промптов, а на реальную инженерию агентных систем: разбираются архитектура, инструменты, протокол MCP, память, методы оценки качества, мультиагентные системы и переход от прототипа к продакшену. В программу входят whitepapers, codelabs и итоговый проект. Этот материал будет полезен разработчикам, которые хотят создавать сложные автономные системы, понимать, как агенты взаимодействуют с внешними инструментами и сохраняют состояние между сессиями.
Google и Kaggle сделали общедоступными учебные материалы 5‑дневного интенсива по AI-агентам, который первоначально проводился в ноябре 2025 года. К программе присоединилось более 1,5 миллиона учащихся со всего мира, а по её итогам было представлено свыше 11 000 capstone‑проектов. Теперь курс можно пройти самостоятельно на платформе Kaggle Learn Guide, где собраны технические whitepapers, практические codelabs и задания с использованием Gemini и Google Agent Development Kit. Главная цель программы — не научить писать очередной промпт, а дать понимание инженерии агентных систем: как они устроены, как взаимодействуют с внешним миром и как доводятся до промышленной эксплуатации. В первый день участники разбираются, когда вообще нужен AI‑агент, изучают архитектуры, разницу между обычным workflow и автономным агентом, а затем создают первого агента и переходят к multi‑agent системам. Второй день посвящён инструментам и Model Context Protocol (MCP) — стандарту, позволяющему агенту единообразно обращаться к внешним API, файлам и сервисам. Здесь же рассматривается концепция human‑in‑the‑loop: критические действия требуют подтверждения человеком, что повышает безопасность. Третий день — Context Engineering, Sessions и Memory. Агента учат сохранять состояние задачи и долговременную память, чтобы он мог продолжать работу после перезапуска, а не просто забывал историю. Четвёртый день фокусируется на оценке качества: логирование, трейсинг, метрики и анализ не только итогового ответа, но и всей цепочки решений — какой инструмент был выбран, какие данные получены и почему сделан следующий шаг. Пятый день рассматривает переход от прототипа к production — развёртывание агентных систем, учёт требований надёжности и масштабирования. Все темы закрепляются через codelabs, а итоговый проект даёт возможность собрать работающего агента. Для начинающих разработчиков это шанс погрузиться не в абстрактные рассуждения об AI, а в конкретную инженерию, освоить протоколы вроде MCP и Agent‑to‑Agent Protocol, понять, как строить контролируемых и полезных агентов.