2026年 Agentic AI 工程大師班

使用 OpenAI Agents SDK、LangGraph、N8N、CrewAI、AutoGen、CoPilot、ChatGPT Agents 和 MCP 建立 AI 代理程式( Agents )！

從這 13.5 小時的課程，你會學到

使用 OpenAI Agents SDK、N8N、AutoGen、CrewAI、LangGraph 和 MCP 等尖端框架來建構和部署智慧自主 AI 代理程式。
建構能夠利用記憶、工具、防護機制和交接機制進行記憶、推理和協作的 AI 代理。
學習 OpenAI Agents SDK 的基礎元件，包括 Agent 物件和 Runner 類別。
建立和運行 AI 代理，並使用 OpenAI API 平台上的追蹤功能監控其活動。
建構代理之間的交接機制，實現上下文和輸入在代理之間的平滑傳遞（例如，規劃器 → 寫入器）。
實現防護機制以強制執行邊界（例如，防止對政治等受限主題做出回應）。
探索 CrewAI，建立更高階的代理工作流程，並使用自訂 Python 執行工具擴展代理，以進行分析和建模。
掌握 AutoGen 中多模型 AI 代理的基礎知識，並使用不同的語言學習模型（例如，GPT、Gemini、Claude）來建立代理團隊。
了解如何在 LangGraph 中設計代理的工作流程，包括將其連接到 Gradio 等介面以進行使用者互動。
使用 n8n 進行低程式碼自動化，建立與 Google Sheets、Calendar 和 Gmail 整合的 AI 驅動流程。
學習模型情境協定 (Model Context Protocol ，MCP) 的原則，以實現工具互通性，並建立與 MCP 服務互動的代理( agents )。
建立管理器函數，以協調從輸入到最終交付的多代理的工作流程( multi-agent workflows )。
建立整合 Tavily 網路搜尋的 AI 代理，以獲得結構化的即時搜尋結果。
透過整合 OpenAI 工具（例如程式碼解釋器）並將即時搜尋、記憶和推理功能整合到工作流程中來擴展代理 ( agents )。
將支援記憶功能的代理( memory-enabled agents )應用於實際用例（例如市場調查助理），以處理多輪查詢。
開發一個包含專業代理（規劃器、編寫器、分析器、搜尋代理）的函式庫，並協調它們之間的互動。
建立協作代理團隊，用於執行行銷策略等實際任務，並可選擇新增人工參與的用戶代理進行監督。
建立特定領域的 LangGraph 代理（例如，航班和飯店預訂），並為特定任務的工作流程定義自訂工具。
透過將自主代理封裝在函數工具介面後，建立工具作為代理，從而實現其他代理的無縫呼叫。
設計一個多代理研究助手，能夠對查詢進行分類、分配任務並產生可供高階主管審查的報告。
為廣告活動設計創意多代理管道( multi-agent pipelines )，其中包含創意總監、策略師和文案撰寫人等特定角色的代理( role-specific agents )。
建立並部署基於 Gradio 的 MCP 工具，作為代理可存取的標準化服務。
建立協作代理團隊，用於執行行銷策略等實際任務，並可選擇新增人工參與的用戶代理進行監督。

要求

您需要一台筆記型電腦和網路連線！
無需程式設計經驗；具備基本的 Python 技能者優先考慮。

課程說明

在本實踐大師班中，您將學習如何設計、建構和部署下一代 AI 代理，這些代理將記憶、工具、協作和自動化相結合，以解決現實世界的問題。課程從 OpenAI Agents SDK 入手，您將探索如何創建簡單的代理，並逐步擴展其功能，例如持久記憶、安全防護機制以及工作流程之間的平滑切換。

接下來，您將深入學習多代理系統，其中研究人員、分析師和撰稿人等專業代理商協同工作，傳遞上下文和輸出，從而建立複雜的交付成果。在此過程中，您將學習如何使用管理功能來協調這些系統，如何使用安全防護機制來強制執行倫理和領域邊界，以及如何為從市場調查到廣告宣傳等各種用例設計創意流程。

本課程將介紹多個用於建立生產就緒型代理工作流程的框架。您將探索用於多模型協作的 AutoGen、用於連接使用者介面的模組化流程的 LangGraph 以及用於進階編排的 CrewAI。您還將學習如何使用自訂工具擴展代理( agents )，從用於資料分析的 Python 程式碼執行到經典的機器學習模型，例如線性回歸、隨機森林和 XGBoost。

您將獲得模型上下文協定 (MCP) 的實務經驗，使代理( agents )能夠與標準化的外部服務互通，並學習如何使用 Gradio 建置和部署 MCP 工具。最後，您將了解像 n8n 這樣的低程式碼平台如何將所有內容整合到無縫的自動化流程中，整合 Gmail、Google Sheets、Google Calendar 和 AI 模型，從而創建完整的端到端系統。

課程結束時，您將具備以下技能：

建構具有記憶體、工具和推理能力的 AI 代理 ( agents )。
協調用於研究、分析和創意任務的多代理的工作流程。
整合防護機制、交接機制和監督機制，以確保安全可靠的輸出。
在 AutoGen、LangGraph、CrewAI 和 MCP 上部署高階代理的工作流程。
利用 n8n 等低程式碼工具連接到實際應用，實現業務流程自動化。

無論您是開發人員、資料科學家或業務創新者，本課程都將為您提供完整的工具包，助您設計可在生產環境中協作、自動化和擴展的 AI 系統。

目標受眾

希望建構 AI 代理的資料科學家、機器學習工程師和 AI 研究人員。
具備基本 Python 技能，希望將前沿的機器學習模型和代理框架整合到實際應用中的軟體開發人員。
希望建構 AI 驅動的自主代理的企業家和新創公司創辦人。
希望建構 AI 驅動的工作流程、助理和自動化原型系統的企業創新團隊或研發團隊。
尋求代理 AI 工程實務經驗的高級學生和教育工作者。

講師簡介

Prof. Ryan Ahmed, Ph.D., MBA | 超過55萬名學生 | 暢銷講師

我是 Ryan Ahmed 博士，教授、工程師，也是 Stemplicity 的創辦人。在 Stemplicity，我們致力於幫助人們擺脫炒作，並真正利用 AI 、Agentic AI、雲端運算和數據科學來建構產品。

過去十年間，我已為來自160個國家的超過55萬名學員授課，並將「Prof. Ryan Ahmed」的 YouTube 頻道發展到擁有超過26萬訂閱者。此外，我還為匯豐銀行、加拿大皇家銀行、Discover 和巴克萊銀行等機構的團隊提供企業 AI 培訓，服務範圍涵蓋美國、加拿大和英國。我曾在通用汽車、三星和Stellantis等公司擔任領導職務，負責加拿大和美國的電動車和自動駕駛汽車技術。

我擁有麥克馬斯特大學( McMaster University )的碩士、博士和工商管理碩士學位。同時，我也是一名註冊專業工程師和史丹佛大學認證的專案經理，在 AI 和電池系統領域發表了60多篇研究論文。

但這些資歷反而是最不重要的。我的真實想法是：“AI 是我們一生中最大的機會”，但大多數人卻袖手旁觀，因為他們認為自己需要會編程或擁有博士學位。其實不然。只要你願意嘗試，我就能幫你精通這項技術。

Stemplicity Inc. 簡單實踐 STEM

Stemplicity 致力於改變教育，讓高品質的學習觸手可及、經濟實惠且包容，惠及世界各地所有人。我們的使命是透過引人入勝、實用有趣且涵蓋科學、技術、工程和數學（STEM）領域的課程，賦予所有背景的學習者。我們力求化繁為簡，讓STEM教育變得輕鬆、愉悅且有成效。