A
После теории
Понятно, что делает LLM сама, а для чего ей нужен инструмент.
От базовой теории к двум рабочим сценариям
Сначала разберём, из чего состоит AI-агент. После этого соберём его из стандартных компонентов Evolution, а во втором задании добавим внешний skill «Азбуки вкуса» в ГигаАгент и попробуем собрать корзину прямо из диалога.
01Вводные
Что хотим получить к концу встречи и какие сценарии будем проверять.
02Теория
LLM, промпты, контекст, инструменты и MCP.
03Задание 1
Один агент + стандартные MCP Evolution.
04Задание 2
Подключение внешнего skill через MCP и создание корзины.
05Разбор
Смотрим, какие инструменты вызывал агент и почему.
По блокам
Что происходит на каждом шаге
1
Вводные и цели
Коротко обсуждаем, чем агент отличается от обычной LLM и зачем ему внешние инструменты.
2
Основы и теория
Разбираем термины из исходного материала: AI, LLM, токены, контекст, системный промпт, галлюцинации. Отдельно — как устроен агент и что делает MCP.
3
Практическое задание 1
Создаём агента из вкладки AI-агенты в Evolution. Подключаем Web Search MCP и Weather MCP. Просим предложить блюда на четырёх человек с учётом сегодняшней погоды в Москве.
4
Практическое задание 2
Участник открывает Agent Space, создаёт агента на базе ГигаАгента, добавляет внешний skill через MCP и проверяет сбор продуктовой корзины из обычного запроса.
5
Разбор результата
Сравниваем два подхода: что можно решить готовыми MCP, а где удобнее дать агенту специализированный интерфейс магазина.
B
После задания 1
Участник умеет собрать простого агента из готовых MCP без разработки своего backend.
C
После задания 2
Участник умеет добавить внешний skill в ГигаАгент и использовать его в пользовательском сценарии.