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.

Agenti AI nel mondo reale

Opzioni

Altre automazioni

Agenti AI

Agente o non agente

Applicazioni agentiche

Principi di progettazione per agenti scalabili

Modularità

Infrastruttura e strumenti solidi

Valutazione continua

Strategie per un design scalabile

Applicare i pilastri di un design scalabile

Come gli agenti AI scalano (e falliscono)

Non fallire quando scali!

Costi più alti

Costi più bassi

Contabilità agentica

Senza guardrail si rischia il fallimento

Designing Scalable Agents

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.

Multi-Agent Design Patterns

Making the leap from single to multi-agents

Multi-agent design patterns

The Model Context Protocol (MCP)

Getting to know MCP

MCP is the MVP

Clients, servers, and everything in between

The Agent-to-Agent (A2A) Protocol

Agent cards - Gotta Catch 'Em All

MCP and A2A: friend or foe?

Developing Agents for Scalability

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.

From Proof-of-Concept to Production

Robustly testing an agent

What's left to check?

Fast and Efficient Data Ingestion

The value of real-time data

Failing Gracefully: Mitigating Risks

Retry with exponential backoff

Laying down the law!

Congratulations!

Deploying Agents into Production at Scale

Cheat Sheet

Course Glossary

Perché così tanti sistemi agentici non riescono a superare il divario tra sviluppo e produzione? In questo corso lo scoprirai! Impara a progettare e sviluppare agenti di AI pensando alla scalabilità, seguendo i tre pilastri della scalabilità agentica: infrastruttura e strumenti robusti, architettura modulare e cicli continui di valutazione e feedback. Scoprirai come framework agentici come il Model Context Protocol (MCP) e l’Agent-to-Agent protocol (A2A) consentono integrazioni più pulite e veloci tra fonti di dati e agenti. Infine, imparerai test e strategie di distribuzione per mettere il tuo agente nelle condizioni di generare valore.

I video includono trascrizioni in tempo reale che puoi visualizzare facendo clic su "Show transcript" in basso a sinistra nei video.

Il glossario del corso è disponibile a destra nella sezione delle risorse.

Per ottenere i crediti CPE devi completare il corso e raggiungere un punteggio del 70% nella valutazione qualificata. Puoi accedere alla valutazione facendo clic sul riquadro dei crediti CPE sulla destra.

<h2>Progettare e sviluppare agenti per il ridimensionamento</h2>
Impara a progettare e sviluppare agenti AI pensando alla scalabilità, seguendo i tre punti chiave della scalabilità degli agenti: modularità, robustezza e adattabilità. Scopri cosa rende un agente di successo nella produzione e perché tanti fanno fatica a diventarlo.<br><br><h2>Scopri la potenza di MCP e A2A</h2>
Il Model Context Protocol (MCP) creato da Anthropic ha cambiato il modo in cui gli agenti interagiscono, mettendo a punto un modo unico per collegare gli agenti alle fonti di dati. Il protocollo Agent-to-Agent (A2A) creato da Google va di pari passo con MCP. Scopri come questi due framework possono essere combinati per garantire che le integrazioni del tuo agente siano scalabili.<br><br><h2>Metti in pratica le migliori pratiche per testare e distribuire gli agenti</h2>Prima di premere il grande pulsante rosso e far partire il tuo agente in produzione, devi ridurre i rischi che vengono con il ridimensionamento. Scopri come creare un solido framework di test per individuare eventuali problemi relativi a componenti, integrazioni, prestazioni e sicurezza. Decidi quale tipo di distribuzione è più adatto al tuo agente valutando le esigenze del caso d'uso.

Introduction to AI Agents

Scopri come scalare agenti AI con l'aiuto di framework come MCP e A2A.

Creare sistemi agentici scalabili

Scopri cosa serve per far crescere gli agenti di intelligenza artificiale, con un po' di aiuto da framework come MCP e A2A.

Nozioni di base sugli agenti AI

➗ Dividi l’attività dell’utente in *sottoattività* chiare per i sotto-agenti

🖥️ Assicurati che le risorse di calcolo e archiviazione scalino con il traffico degli utenti

🧪 Aggiungi logging e tracciamento ai principali componenti e processi

Strategie per un design scalabile

Creare sistemi agentici scalabili

Esercizio pratico interattivo