Practical AI Agents предоставляет разработчикам комплексную структуру и готовые примеры для построения автономных агентов на основе больших языковых моделей. В нем показано, как интегрировать API-инструменты (например, веб-браузеры, базы данных, пользовательские функции), реализовать RAG-стиль памяти, управлять контекстом беседы и осуществлять динамическое планирование. Примеры легко адаптировать для чат-ботов, помощников по анализу данных, скриптов автоматизации задач или исследовательских инструментов. Репозиторий включает блокноты, Docker-файлы и конфигурационные файлы для ускорения настройки и развертывания во множестве сред.

AutoGen Hands-On предоставляет структурированную среду для изучения использования фреймворка AutoGen на практике с помощью примеров на Python. Здесь пользователи узнают, как клонировать репозиторий, устанавливать зависимости и настраивать API-ключи для развертывания мультиагентных систем. Каждый скрипт демонстрирует основные функции: определение ролей агентов, память сессий, маршрутизацию сообщений и схемы оркестрации задач. Код включает логирование, обработку ошибок и расширяемые хуки, позволяющие адаптировать поведение агентов и интегрировать их с внешними сервисами. Пользователи приобретают практический опыт построения коллаборативных рабочих процессов, где несколько агентов взаимодействуют для выполнения сложных задач, от чат-ботов поддержки клиентов до автоматизированных пайплайнов обработки данных. Руководство способствует внедрению лучших практик в координацию нескольких агентов и масштабируемую разработку AI.

Gemini Agent Cookbook — это структурированный открытый набор инструментов, предлагающий разнообразные практические примеры построения интеллектуальных агентов под управлением языковых моделей Gemini от Google. Он включает пример кода для организации цепочек многозадачного рассуждения, динамичного вызова внешних API, интеграции инструментов для получения данных и управления диалогами. В руководстве представлены лучшие подходы по обработке ошибок, управлению контекстом и инженерии подсказок, что подходит для автономных чатботов, автоматизации задач и систем поддержки принятия решений. Оно помогает разработчикам создавать собственных агентов, интерпретирующих запросы пользователей, получающих данные в реальном времени, выполняющих вычисления и генерирующих форматированный вывод. Следуя этим рецептам, инженеры могут ускорить прототипирование агентов и развертывать надежные приложения на базе ИИ в различных сферах.