CommencezCommencez gratuitement

Accueil
Cours
Créer des harnais d'agents IA avec Strands Agents

Outils d'encadrement d'agent et boucle de l'agent

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Cette activité fait partie du cours

Créer des harnais d'agents IA avec Strands Agents

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Découvrez le fonctionnement des agents IA, comment configurer différents fournisseurs de modèles, connecter des outils avec MCP, et ajouter des rappels et de la diffusion en continu à votre harnais d'agent.

Exercise 1: Outils d'encadrement d'agent et boucle de l'agent

Exercice en cours

Exercise 2: Comprendre les harnais d'agent Exercise 3: Fournisseurs de modèles Exercise 4: Configuration des fournisseurs de modèles Exercise 5: MCP et l'écosystème des outils Exercise 6: Rappels et diffusion en continu Exercise 7: Outils et fonctions de rappel Exercise 8: Un agent harness se décrit le mieux comme Exercise 9: Ce qui se passe après l'exécution d'un outil Exercise 10: Pourquoi utiliser un modèle différent pour les évaluations Exercise 11: Quel risque de sécurité avec les outils d'agent Exercise 12: Pourquoi supprimer le gestionnaire de sortie par défaut

Maîtrisez le comportement de votre agent avec des hooks, étendez‑le avec des plugiciels et des compétences, et améliorez sa fiabilité grâce à Strands Steering.

Exercise 1: Crochets Exercise 2: Plugiciels et compétences Exercise 3: Pilotage Exercise 4: Crochets et plugiciels Exercise 5: Gardez vos agents sur les rails avec le Steering Exercise 6: Les hooks sont le plus analogues à Exercise 7: Ce que l'agent voit lorsqu'un crochet annule un appel d'outil Exercise 8: Divulgation progressive dans les compétences d'agent Exercise 9: Résultats de la logique d'orientation Exercise 10: Orientation basée sur un LLM vs orientation déterministe

Maîtrisez l'ingénierie du contexte, la gestion des conversations et la mémoire persistante avec des gestionnaires de session.

Exercise 1: Conception du contexte et gestion de la conversation Exercise 2: Conception du contexte Exercise 3: Gestionnaires de session Exercise 4: Conserver l'historique de la conversation Exercise 5: Comportement du gestionnaire de conversation à fenêtre glissante Exercise 6: Gestionnaires par résumé vs par fenêtre glissante Exercise 7: Comment les gestionnaires de session sont-ils implantés

Créez des systèmes multi‑agents avancés à l'aide d'agents‑comme‑outils, de flux de travail en graphe et d'essaims d'agents.

Exercise 1: Des agents comme outils Exercise 2: Flux de travail en graphe Exercise 3: Essaims d'agents Exercise 4: Architectures multiagents Exercise 5: Contexte d'un agent spécialiste dans agents-as-tools Exercise 6: L'agent C s'exécute après l'achèvement de A et B Exercise 7: Ce qui se passe lors d'un handoff dans un essaim

Évaluez vos agents de façon rigoureuse et déployez‑les dans le nuage avec Amazon Bedrock AgentCore.

Exercise 1: Évaluer les agents Exercise 2: Techniques d'évaluation Exercise 3: Déployer des agents dans le nuage Exercise 4: Déployer en production avec AgentCore Exercise 5: Ce que le filtrage d'outils aide à prévenir Exercise 6: Prévenir les appels répétés à un outil qui échoue Exercise 7: Principal avantage d'une architecture de plugiciels pour les compétences Exercise 8: Ce que le déchargement de contexte fait avec de grands résultats d'outils Exercise 9: Pourquoi les agents-comme-outils ne peuvent pas garantir l'ordre d'invocation Exercise 10: Risque de sécurité propre aux essaims d'agents Exercise 11: Pourquoi l'évaluation en un seul tour est insuffisante Exercise 12: Ce que vérifie un évaluateur de trajectoire Exercise 13: Ce qui ne change pas lors d'un déploiement dans le nuage