Книга «AI Agents in Action»: как строить и оркестрировать автономных агентов

На Amazon доступна страница книги Майкла Лэнхэма «AI Agents in Action: Build, orchestrate, and deploy autonomous multi-agent systems», выпущенной Manning Publications. Это практическое руководство о том, как создавать автономных агентов на базе больших языковых моделей — от чат-ботов без написания сценариев диалога до полностью независимых агентов, которые работают в фоне и не требуют постоянного присмотра. Автор описывает подход, при котором агент получает знания через retrieval-augmented генерацию, хранит память, пользуется программными инструментами, сам планирует задачи и учится на собственном опыте. Ключевая мысль книги: большинство продакшн-систем с ИИ — это множество согласованных взаимодействий между пользователем, моделями и разными источниками данных. Агенты упаковывают такие взаимодействия в автономные компоненты, которые обрабатывают информацию, принимают решения и учатся в фоне. Поэтому основная часть материала посвящена не отдельным промптам, а архитектуре: паттернам поведения агентов, проектированию готовых к продакшену ассистентов, управлению знаниями и памятью, обратным связям для самоулучшения и оркестрации коллективных мультиагентных систем. Отдельно разбираются речевые и зрительные возможности агентов. В примерах используются OpenAI Assistants API, GPT Nexus, LangChain, Prompt Flow, AutoGen и CrewAI. В книге разбирается prompt engineering для создания агентов с разными персонами и профилями, а также построение мультиагентных взаимодействий, устойчивых в непредсказуемой среде. Автор подчёркивает, что не предлагает игрушечных примеров и хрупких ассистентов: цель — надёжный ИИ, способный справляться с задачами вроде переговоров с высокой ценой ошибки. Содержание охватывает введение в агентов, работу с большими языковыми моделями, взаимодействие с GPT-ассистентами, мультиагентные системы, наделение агентов действиями, построение автономных ассистентов, сборку платформы агентов, память и знания, промпты через Prompt Flow, рассуждения и оценку, планирование и обратную связь. В приложениях — доступ к моделям OpenAI и настройка окружения Python. Книга рассчитана на Python-программистов среднего уровня; объём — 344 страницы. Майкл Лэнхэм — разработчик и автор книг по глубокому обучению, включая Evolutionary Deep Learning. Покупатели печатного издания получают электронную версию в PDF и ePub от Manning Publications. Для джуна материал полезен как карта перехода от одиночных вызовов модели к системе, где несколько агентов делят инструменты, память и планирование.