AI Agents for Beginners: 18 уроков от Microsoft по созданию агентов
📂 Исходный код на GitHubКурс Microsoft из 18 уроков по основам разработки AI-агентов: текстовые уроки, короткие видео и примеры кода на Python с использованием Microsoft Agent Framework и Microsoft Foundry Agent Service. Охватывает паттерны проектирования, tool use, agentic RAG, память агентов, context engineering и протоколы MCP, A2A, NLWeb.
Курс AI Agents for Beginners от Microsoft — это 18 последовательных уроков про то, как писать AI-агентов с нуля. Каждый урок самодостаточен: текстовая часть, короткое видео, примеры кода на Python и ссылки для углубления. Репозиторий создан в конце 2024 года, лицензия MIT, около 75,7 тысяч звёзд и 24,9 тысячи форков. Исходный язык — английский, но есть официальный русский перевод и ещё 53 других, всего 54 языка.
Для тех, кто проектирует coding-агентов, курс полезен по трём причинам. Во-первых, он разбирает те же слои, из которых состоит любой агентный харнесс: вызов инструментов, планирование, память, управление контекстом, многоагентная координация. Во-вторых, здесь MCP, A2A и NLWeb разобраны как протоколы, а не как магические функции, которые «работают в фреймворке». В-третьих, это не вендорский туториал на 20 страниц, а структурированная программа, где паттерны разложены по отдельным урокам и с примерами кода.
Что внутри
| Параметр | Значение |
|---|---|
| Уроков | 18 (нумерованные каталоги 01-…18-) |
| Видео | 13 (к урокам 1–13) |
| Переводов | 54, включая русский |
| Примеры кода | Python, в папке code_samples внутри каждого урока |
| Стек | Microsoft Agent Framework, Microsoft Foundry Agent Service V2 |
| Лицензия | MIT |
| Основной язык репозитория | Jupyter Notebook |
| Плейсхолдер | нужен аккаунт Azure |
Формат урока повторяется: README с теорией и целями обучения, короткое видео, папка с примерами и ссылки на дополнительные материалы. Авторы прямо пишут, что уроки не зависят друг от друга — можно начать с любого. Отдельный урок 00 про настройку среды объясняет, как запускать код, есть инструкции для Codespaces, devcontainer и requirements.txt.
Программа: 18 уроков
| № | Урок | Фокус |
|---|---|---|
| 01 | Введение в AI-агентов | что такое агент и зачем он нужен |
| 02 | Обзор агентных фреймворков | сравнение подходов к построению агентов |
| 03 | Паттерны проектирования | базовый словарь паттернов |
| 04 | Tool Use | вызов инструментов, JSON-схемы аргументов |
| 05 | Agentic RAG | извлечение знаний агентом, а не поиском |
| 06 | Надёжные агенты | надёжность, отладка, доверие к выдаче |
| 07 | Planning | декомпозиция задач |
| 08 | Multi-Agent | несколько агентов и распределение ролей |
| 09 | Metacognition | рефлексия и самокритика агента |
| 10 | Агенты в продакшене | вывод в бой |
| 11 | Протоколы: MCP, A2A, NLWeb | стандарты взаимодействия |
| 12 | Context Engineering | что попадает в окно контекста |
| 13 | Память агента | долговременная и рабочая память |
| 14 | Microsoft Agent Framework | сам фреймворк |
| 15 | Computer Use Agents | управление браузером и компьютером |
| 16 | Масштабируемое развёртывание | агенты под нагрузкой |
| 17 | Локальные агенты | запуск без облака |
| 18 | Безопасность агентов | атаки и защита |
Что важно именно для AI-кодинга
Tool use как ядро агента. Урок 04 — это, по сути, описание всего, что делает coding-агент: модель получает описание доступных функций, схемы аргументов и решает, какую вызвать. Тот же механизм лежит в основе любого харнесса, где агент редактирует файлы или гоняет команды.
Context Engineering. Урок 12 отделён от остальных и посвящён только тому, что именно попадает в контекстное окно и в каком порядке. Это самая практичная часть курса для тех, кто борется с разрастанием контекста.
Память. Урок 13 разбирает управление памятью агента — разделение на рабочую и долговременную, отбор того, что стоит сохранять между сессиями.
Мультиагентность и рефлексия. Уроки 08 и 09 показывают, когда нескольким агентам лучше, чем одному, и как агент может проверять собственную работу перед выдачей результата.
Протоколы вместо интеграций. Урок 11 — самый цитируемый. MCP описан как открытый стандарт с архитектурой host / client / server и тремя примитивами: tools, resources, prompts. Отдельно объясняется, чем MCP лучше прямого вызова API: динамическое обнаружение инструментов, переносимость между разными LLM и единая схема аутентификации вместо зоопарка ключей. A2A отвечает за взаимодействие агентов между собой, NLWeb — за естественноязыковые интерфейсы к любому сайту, чтобы агент мог находить и читать контент.
Computer Use. Урок 15 про агентов, которые управляют браузером и компьютером напрямую, вместо того чтобы писать отдельный интеграционный код под каждый сайт.
Стек и требования
Примеры написаны на Python и используют Microsoft Agent Framework вместе с Microsoft Foundry Agent Service V2. Для запуска нужен аккаунт Azure. Часть примеров поддерживает альтернативных провайдеров с OpenAI-совместимым API — например, MiniMax с моделями на 204K токенов контекста; настройка описана в уроке 00.
Клонирование: не тяните 3 ГБ
Полный клон со всеми переводами весит около 3 ГБ. Авторы рекомендуют shallow или sparse clone:
# only the latest commit
git clone --depth 1 https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
# or only the folders you need
git sparse-checkout set 00-course-setup 01-intro-to-ai-agentsЛибо вариант без переводов целиком:
git clone --filter=blob:none --sparse https://github.com/microsoft/ai-agents-for-beginners.git
cd ai-agents-for-beginners
git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'Заодно в репозитории есть STUDY_GUIDE.md с методическими рекомендациями и AGENTS.md — то есть материалы изначально задуманы так, чтобы по ним мог работать и ИИ-агент.
Кому подойдёт
Тем, кто уже пишет с агентами и хочет закрыть базу за пару вечеров, — можно идти по урокам 03, 04, 07, 12, 13. Тем, кто делает MCP-серверы, урок 11 стоит прочитать целиком вместе с отдельным курсом MCP for Beginners. Тем, кто начинает путь в GenAI с нуля, авторы отправляют сначала к курсу Generative AI for Beginners на 21 урок.
Ограничения честные: курс Python-first и привязан к облаку Microsoft, а 13 из 18 уроков идут с видео — последние пять (14–18) придётся читать. Вопросы по курсу задают в Discord-канале Microsoft Foundry.