Khám phá điều gì tạo nên một AI agent thành công trong môi trường sản xuất (và vì sao nhiều agent thất bại trên đường đi!). Tìm hiểu các nguyên tắc thiết kế agentic then chốt để sẵn sàng mở rộng, bao gồm hạ tầng và công cụ vững chắc, kiến trúc thiết kế mô-đun, và cơ chế đánh giá liên tục kèm vòng phản hồi.

AI Agents ngoài đời thực

Dùng agent hay không dùng agent

Ứng dụng agentic

Các nguyên tắc thiết kế cho tác tử có khả năng mở rộng

Chiến lược cho thiết kế có khả năng mở rộng

Áp dụng các trụ cột của thiết kế có thể mở rộng

AI Agents mở rộng (và thất bại) như thế nào

Đừng sập khi tăng quy mô!

Hạch toán cho agent

Không có guardrail là thất bại

Thiết kế Agent có thể mở rộng

Tìm hiểu các chiến lược cốt lõi để bảo đảm agent của bạn được phát triển với tư duy mở rộng ngay từ đầu. Hiểu cách Model Context Protocol (MCP) và Agent-to-Agent protocol (A2A) thúc đẩy khả năng mở rộng thông qua tiêu chuẩn hóa.

Mẫu thiết kế đa tác nhân

Bước nhảy từ tác tử đơn sang đa tác tử

Mẫu thiết kế multi-agent

Model Context Protocol (MCP)

Làm quen với MCP

MCP là MVP

Client, server, và mọi thứ ở giữa

Giao thức Agent-to-Agent (A2A)

Agent cards - Bắt Hết Tất Cả

MCP và A2A: bạn hay thù?

Phát triển Agent hướng đến khả năng mở rộng

Đến lúc đưa vào sản xuất, nhưng khoan đã! Xây dựng một khung kiểm thử vững chắc để bạn yên tâm rằng AI agent sẽ tiếp tục vận hành tốt trong môi trường sản xuất. Chọn chiến lược triển khai phù hợp nhất với bài toán của bạn, và học cách tích hợp nguồn dữ liệu thời gian thực vào hệ thống agentic.

Từ bản thử nghiệm đến triển khai sản xuất

FoodGPT

Kiểm thử một agent một cách vững chắc

Tùy chọn

Cần hoàn thành

Không bắt buộc

Còn gì cần kiểm tra?

Nạp dữ liệu nhanh và hiệu quả

Giá trị của dữ liệu thời gian thực

Xử lý lỗi một cách khéo léo: Giảm thiểu rủi ro

Thử lại với exponential backoff

Đặt ra luật lệ!

Chúc mừng bạn!

Triển khai Agent vào môi trường sản xuất ở quy mô lớn

Cheat Sheet

Course Glossary

Vì sao rất nhiều hệ thống agentic không thể vượt qua khoảng cách từ phát triển đến sản xuất? Trong khóa học này, bạn sẽ tìm ra câu trả lời! Học cách thiết kế và phát triển AI agent với tư duy mở rộng, dựa trên ba trụ cột của khả năng mở rộng: hạ tầng và công cụ vững chắc, kiến trúc thiết kế mô-đun, và cơ chế đánh giá liên tục kèm vòng phản hồi. Bạn sẽ tìm hiểu cách các framework agentic như Model Context Protocol (MCP) và Agent-to-Agent protocol (A2A) giúp tích hợp giữa nguồn dữ liệu và agent gọn gàng và nhanh hơn. Cuối cùng, tìm hiểu các bài kiểm thử và chiến lược triển khai để agent của bạn tạo ra giá trị.

Video có bản chép lời trực tiếp; bạn có thể hiển thị bằng cách nhấp vào "Show transcript" ở góc dưới bên trái của video.

Bảng thuật ngữ của khóa học nằm bên phải trong phần tài nguyên.

Để nhận tín chỉ CPE, bạn cần hoàn thành khóa học và đạt tối thiểu 70% ở bài đánh giá đủ điều kiện. Bạn có thể truy cập bài đánh giá bằng cách nhấp vào mục CPE credits ở bên phải.

Introduction to AI Agents

Khám phá cách mở rộng tác nhân AI với sự hỗ trợ từ các khung như MCP và A2A.

Xây dựng Hệ thống Agentic có thể mở rộng

Khám phá cách mở rộng AI agents, với sự hỗ trợ từ các framework như MCP và A2A.

Cơ bản về Trợ lý Trí tuệ Nhân tạo

Đảm bảo có guardrail trách nhiệm và khả năng quan sát (observability)

Nâng cấp lên phiên bản LLM mới nhất

Gỡ bỏ giới hạn chi phí và mức sử dụng khỏi các công cụ

Còn gì cần kiểm tra?

Xây dựng Hệ thống Agentic có thể mở rộng

Bài tập tương tác thực hành