Комплексный расширенный курс для создания готовых к производству агентов ИИ с использованием Strands Agents SDK. Это хранилище содержит 6 прогрессивных лабораторий, которые обучают расширенным возможностям, включая интеграцию инструментов, сохранение памяти, протокол контекста модели (MCP) и всестороннюю наблюдаемость.

Обзор курса

Этот продвинутый курс обеспечивает фундаментальный и передовой опыт в создании готовых к производству агентов ИИ, ориентируясь на класс агентов, агентный цикл и полную экосистему компонентов, которые питают интеллектуальные автономные системы. Вы освоите основные принципы агентного ИИ, понимая, как агенты объединяют большие языковые модели, инструменты и память для создания систем, которые могут понимать, планировать и выполнять действия автономно.

** Темы курса:**

• Strands Agents SDK - Расширенная агентная архитектура и управление жизненным циклом Модельный контекстный протокол (MCP) - стандартизированная интеграция инструментов и сервисов Конфигурация мультипровайдера - Amazon Bedrock, Anthropic, OpenAI и Ollama **Продвинутая обработка ** - крючки, управление сеансами и стратегии разговора Системы памяти — долговременная постоянная память с FAISS, OpenSearch и Mem0

Advanced Strands Agents with MCP

A comprehensive advanced course for building production-ready AI agents using the Strands Agents SDK. This repository contains 6 progressive labs that teach advanced capabilities including tool integration, memory persistence, Model Context Protocol (MCP), and comprehensive observability.

🎯 Course Overview

This advanced course provides foundational and advanced expertise in building production-ready AI agents, focusing on the agent class, agentic loop, and the complete ecosystem of components that power intelligent autonomous systems. You’ll master core principles of agentic AI, understanding how agents combine large language models, tools, and memory to create systems that can understand, plan, and execute actions autonomously.

Course Topics:

• Strands Agents SDK - Advanced agent architecture and lifecycle management
• Model Context Protocol (MCP) - Standardized tool and service integration
• Multi-Provider Configuration - Amazon Bedrock, Anthropic, OpenAI, and Ollama
• Advanced Processing - Hooks, session management, and conversation strategies
• Memory Systems - Long-term persistent memory with FAISS, OpenSearch, and Mem0
• Enterprise Features - Observability, metrics analysis, and performance optimization

Prerequisites: Basic understanding of AI/ML concepts. For beginners, we recommend starting with Getting Started with Strands Agents (Course 1).

📚 Lab Structure

Lab 1: Overview of Strands Agents (12:52)

Files: first_agent.py

Learn fundamental agentic AI concepts and build your first Strands agent:

• Basic agent creation with default configuration (no API keys required)
• Core agent components and execution flow
• Agent result examination (message, metrics, state, stop reasons)
• Dynamic model configuration and system prompt modification
• Conversation history management and message clearing

Lab 2: Model Providers and Configuration (11:59)

Files: anthropic_model.py, bedrock_model.py, ollama_model.py, openai_model.py

Configure agents across multiple LLM providers for flexibility and cost optimization:

• Model architecture overview and provider-specific parameters
• Bedrock model setup with structured output capabilities
• Anthropic model configuration with thinking mode
• Ollama local deployment and OpenAI integration
• Metrics analysis and performance monitoring

Lab 3: Advanced Response Processing with Hooks (13:30)

Files: async_example.py, hook_example_1.py, hook_example_2.py

Implement custom logic to intercept and modify agent behavior at lifecycle points:

• Event-driven hook system and lifecycle management
• Before/after event handling and agent modifications
• Async iterators, callback handlers, and retry logic
• Tool hook examples and precision parameter setup

Lab 4: Tools and MCP Integration (18:55)