Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Dauer 14 Stunden
Schulungsübersicht
Wiederholung der Grundkonzepte von AutoGen
- Definition von Agenten und Gruppen
- Function Calling und Rollenketten
- Einschränkungen der integrierten Agenten und Bedarf an Individualisierung
Aufbau von Custom Agents mit Python
- Definition des Agentenverhaltens durch user_proxy- und AssistantAgent-Subklassen
- Integration rollenspezifischer Logik und Entscheidungsfindung
- Erstellung wiederverwendbarer Agentenmodule und Mixins
Erweiterte Tool-Integration und -Routung
- Registrierung, Bindung und Aufruf von Tools
- Bedingte Weiterleitung von Eingaben an spezifische Tools
- Verwaltung von mehrstufigen Toolchains und zusammengesetzten Aktionen
Planung und Kontextverwaltung
- Gestaltung von Task-Zerlegern und Zwischenplanern
- Beibehaltung des Kontextes über gekettete Agenten hinweg
- Implementierung von Bereichsspeicher (Scoped Memory) für langlaufende Sitzungen
Fehlerbehandlung und Wiederherstellungsmechanismen
- Erkennung und Verwaltung fehlgeschlagener oder unvollständiger Interaktionen
- Von Agenten ausgelöste Wiederholungen (Retries) und Fallback-Logik
- Protokollierung, Fehlersuche (Debugging) und Validierung von Antworten
Multi-Agenten-Zusammenarbeit mit individuellen Rollen
- Koordination von Spezialisten innerhalb dynamischer Agentengruppen
- Orchestrierung von Reasoning-Loops und kooperativen Workflows
- Rollen trennung vs. Rollenvermischung bei der Aufgabenverteilung
Strategien für die Einführung in der Praxis
- Optimierung für Leistung und Kosten (Token-Verbrauch, Caching)
- Integration von AutoGen-Workflows in Web-Apps oder Pipelines
- Sicherheit, Observability und Integration von Nutzerfeedback
Voraussetzungen
- Sicherer Umgang mit Python-Programmierung
- Erfahrung in der Entwicklung von LLM-basierten Anwendungen
- Vertrautheit mit Function Calling und der Designmethodik von Multi-Agenten-Systemen
Zielgruppe
- Senior-Entwickler
- Platform Engineers
- AI-Architekten
Erfahrungsberichte (1)
Mir gefiel, dass er ständig Beispiele zur Verfügung stellte, aber auch Zeit für individuelle Arbeit an dem bereitstellte, was er vorgestellt hatte.
Iacob Giorgel
Kurs - Agentic AI Unleashed: Crafting LLM Applications with AutoGen
Maschinelle Übersetzung