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.

AI-agents in het wild

Opties

Andere automatiseringen

AI-agents

To agent or not to agent

Agentische applicaties

Ontwerpprincipes voor schaalbare agents

Modulariteit

Robuuste infrastructuur en tools

Continue evaluatie

Strategieën voor schaalbaar design

De pijlers van schaalbaar design afdwingen

Hoe AI-agents opschalen (en falen)

Niet falen tijdens het schalen!

Hogere kosten

Lagere kosten

Agentic accounting

Zonder guardrails gaat het mis

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

Waarom lukt het zoveel agentic-systemen niet om de stap van ontwikkeling naar productie te maken? In deze cursus ontdek je het! Leer AI-agents ontwerpen en ontwikkelen met schaalbaarheid in gedachten, aan de hand van de drie pijlers van agentic-schaalbaarheid: robuuste infrastructuur en tooling, modulaire ontwerparchitectuur en continue evaluatie- en feedbackloops. Je leert hoe agentic-raamwerken zoals het Model Context Protocol (MCP) en het Agent-to-Agent-protocol (A2A) schonere en snellere integraties tussen gegevensbronnen en agents mogelijk maken. Tot slot leer je welke tests en uitrolstrategieën nodig zijn om je agent daadwerkelijk waarde te laten leveren.

De video's bevatten live-transcripten die je kunt tonen door linksonder in de video op "Show transcript" te klikken.

De woordenlijst van de cursus vind je rechts in de sectie met bronnen.

Om CPE-credits te behalen, moet je de cursus afronden en een score van 70% halen op de gekwalificeerde toets. Je gaat naar de toets via de CPE-credits-callout aan de rechterkant.

<h2>Ontwerp en ontwikkel agents voor schaalbaarheid</h2>
Leer hoe je AI-agenten kunt ontwerpen en ontwikkelen met het oog op schaalbaarheid, volgens de drie pijlers van agentische schaalbaarheid: modulariteit, robuustheid en aanpassingsvermogen. Ontdek wat een goede agent in de productie maakt en waarom zo veel mensen moeite hebben om dat te bereiken.<br><br><h2>Ontdek de kracht van MCP en A2A</h2>
Het Model Context Protocol (MCP), ontwikkeld door Anthropic, heeft een revolutie teweeggebracht in de interoperabiliteit van agents, door een uniforme aanpak te creëren voor het verbinden van agents met gegevensbronnen. Het Agent-to-Agent-protocol (A2A) dat door Google is ontwikkeld, is een aanvulling op MCP. Ontdek hoe je deze twee frameworks kunt combineren om ervoor te zorgen dat de integraties van je agent schaalbaar zijn.<br><br><h2>Voer de beste praktijken voor het testen en implementeren van agents uit</h2>Voordat je op de grote rode knop drukt en je agent in productie neemt, moet je de risico's die gepaard gaan met schaalvergroting beperken. Leer hoe je een sterk testraamwerk kunt maken om problemen met onderdelen, integraties, prestaties en beveiliging te ontdekken. Kies welk type implementatie het beste bij je agent past door te kijken naar wat je nodig hebt.

Introduction to AI Agents

Ontdek hoe je AI-agenten kunt opschalen met hulp van frameworks zoals MCP en A2A.

Schaalbare Agentic-systemen bouwen

Ontdek wat er nodig is om AI-agenten op te schalen, met een beetje hulp van frameworks zoals MCP en A2A.

Basisprincipes van AI-agenten

🚀 Gebruik het best presterende model dat beschikbaar is

📚 Geef het model alle beschikbare context mee

💰 Gebruik een kosten-geoptimaliseerd model

⬇️ Verminder de context die naar het model wordt gestuurd

Agentic accounting

Schaalbare Agentic-systemen bouwen

Praktische interactieve oefening