강의

멘토링

로드맵

AIエージェント完全マスター:LangGraph・RAG・MCP・マルチエージェント実践開発

生成AI時代には、単にプロンプトを作成するだけでは実務上の問題を解決することは困難です。実際のサービスでは、自ら判断し、ツールを呼び出し、データを検索し、複数のエージェントが協業するAIシステムを設計できなければなりません。 この講義は、AIエージェントを初めて設計する開発者から、実務で運用可能なシステムを構築しようとするエンジニアまで、すべての人を対象とした実践中心のコースです。 LangGraphを活用したエージェントアーキテクチャの設計から、状態管理(State Management)、Tool Calling、APIおよびMCP連携、自然言語データベース制御、RAG構築、セマンティック検索、Few-shot Learning、Reflection、Fine-tuningまで段階的に学習します。 また、マルチエージェント協業構造、Supervisorパターン、Actor-Critic戦略、非同期通信、自動評価システム、Quality Gateの構築方法を実際のプロジェクトを通じて習得します。 最後に、Metrics・Logs・Tracingベースのモニタリング、Shadow Deployment、Canary Deployment、Drift Detection、RCA自動化、A/Bテストまで、実際の運用環境で必要となるMLOpsおよびAIエージェント運用戦略も併せて学びます。 講義を終える頃には、最新のAIエージェント技術を活用して、実際のサービスに適用可能な高性能AIシステムを自ら設計・開発し、運用できるようになります。

8名 が受講中です。

難易度 初級

受講期間 無制限

Python
Python
LangGraph
LangGraph
AI Agent
AI Agent
RAG
RAG
mcps
mcps
Python
Python
LangGraph
LangGraph
AI Agent
AI Agent
RAG
RAG
mcps
mcps

受講後に得られること

  • エージェントアーキテクチャ設計とUX実装 - モデル・ツール・状態管理設計、LangGraph実習、検証戦略、テキスト・グラフィック・音声UX実装

  • RAGと学習手法 - ローリングコンテキスト、セマンティック検索、チャンキング、RAGパイプライン構築とフューショット・リフレクション・ファインチューニングのマスター

  • モニタリングと運用の最適化 - メトリクス・ログ・トレース、シャドウ・カナリアリリース、ドリフト検出、RCA自動化、ABテストの意思決定

  • ツール連携とオーケストレーション - ローカル・API・MCPツール連携、自然言語DB制御、セマンティック・階層的ツール選択、実行トポロジー設計

  • マルチエージェントの協業と評価 - スペシャリスト・スーパーバイザー設計、コーディネーション戦略、非同期通信、自動採点とクオリティゲートの構築

AIエージェント完璧マスター

LangGraph・RAG・MCP・マルチエージェントの実践開発から運用まで

LLMを活用したAIエージェントは、今や単なるチャットボットを超え、実際のサービスを自動化し業務を遂行する核心技術となりました。

この講義では、LangGraphを活用したAIエージェントの設計から、Tool Calling、MCP(Model Context Protocol)、RAG(Retrieval-Augmented Generation)、マルチエージェントの協調、そして実際の運用(Monitoring & Deployment)まで、AIエージェント開発の全過程を実習中心に学習します。

実際のプロジェクトに基づきAIエージェントを直接構築し、検索・データベース・API・外部ツールを連携させ、複数のエージェントが協業するシステムを設計する方法を習得します。

また、Shadow Deployment、Canary Deployment、Drift Detection、RCA、A/B Testingなど、実際のサービス運用で使用されるMLOpsおよびAI運用戦略まで併せて扱うため、実務でもすぐに活用できます。

この講座は、AI Engineer、Backend Developer、Software Engineer、MLOps Engineer、AI Product Managerだけでなく、AIサービスを直接構築しようとするすべての開発者のための実践的なカリキュラムです。

学習内容

① AIエージェント設計およびUX実装

学習内容

  • AIエージェントの核となる概念の理解

  • LangGraphベースのワークフロー構築

  • 状態(State)管理

  • Tool Calling

  • エージェント検証戦略

  • テキストUX

  • StreamlitベースのGUI

  • 音声UXの実装

② Tool Integration & Orchestration

学習内容

  • Local Tool 連動

  • REST API 連動

  • MCP(Model Context Protocol)

  • MySQL 自然言語クエリ

  • Multi-MCP

  • ヒューマンアプルーバル (Human Approval)

  • Orchestration Pattern

  • Chain

  • Parallel

  • Single Agent Workflow

③ RAG & AI 学習技法

学習内容

  • Rolling Context Window

  • Semantic Search

  • Embedding

  • Vector Search

  • チャンキング

  • RAG Pipeline 構築

  • Few-shot Learning

  • Reflection

  • ファインチューニング(Fine-tuning)

④ マルチエージェントシステム

学習内容

  • Single Agent

  • マルチエージェント

  • Specialist Agent

  • Supervisor Agent

  • LangGraph ワークフロー

  • Actor-Critic

  • 民主的なコラボレーション

  • Message Broker

  • 非同期通信

  • Quality Gate

⑤ 運用および最適化

学習内容

  • モニタリング

  • メトリクス

  • Logs

  • Tracing

  • ダッシュボード

  • Alert

  • Shadow Deployment

  • Canary Deployment

  • ドリフト検知 (Drift Detection)

  • RCA

  • A/B テスト

受講前のご案内

受講前のご案内

前提知識

次の内容を知っていれば、よりスムーズに学習できます。

  • Pythonの基礎文法

  • 関数とクラス

  • APIの基本概念

  • データベースの基礎(SQL)

  • LLM(OpenAI, Claude, Gemini など)に関する基本的な理解

※ 必須ではありません。講義の中で必要な概念については併せて説明します。


学習環境

推奨開発環境

  • Python 3.11 以上

  • VS Code

  • Jupyter Notebook

  • LangGraph

  • OpenAI API または互換性のある LLM API

  • MySQL

  • Streamlit


講義構成

  • 全5パート

  • 45の講義

  • 約32時間

  • 実習中心

  • プロジェクトベースの学習


質問およびフィードバック

受講中にご不明な点がございましたら、いつでも質問掲示板を通じてお問い合わせいただけます。

可能な限り迅速に回答し、よくある質問は講義資料にも継続的に反映していきます。


アップデートのご案内

AI技術は急速に発展しています。

新しいLangGraph機能、MCPアップデート、最新のAI Agent技術および実務事例が追加される場合、講義を継続的にアップデートする予定です。


このような方におすすめです

  • AIエージェントをゼロから直接開発したい開発者

  • LangGraphを本格的に学びたい方

  • RAGを実務レベルで構築したい方

  • MCPを活用したAIシステムを作りたい方

  • マルチエージェントシステムを設計したい方

  • AIサービスを実際の運用環境にデプロイしたいエンジニア

  • 最新のAI Agent技術をプロジェクトに適用したいすべての開発者

こんな方に
おすすめです

学習対象は
誰でしょう?

  • AIエージェントを直接実装・運用するAIエンジニア・ソフトウェア開発者

  • 技術スタックと自動化の範囲を決定しなければならない技術リーダー・PM

  • 単一エージェントの限界を超え、マルチエージェントを導入しようとしている開発者

  • 実際のサーバー環境でエージェントを運用し、データに基づいて最適化を図ろうとする実務者

前提知識、
必要でしょうか?

  • Pythonプログラミング経験(基本文法とライブラリが使用可能なレベル)

  • LLM APIの使用経験(必須ではありません)

  • データベースとAPIの基本概念の理解(関連内容の学習に有利)

  • 開発環境が構築されたコンピュータ

こんにちは
eunj45339です。

コンピューター教育の講師として、コンピューターの基礎、C++プログラミング、Microsoft Excel、そして機械学習の基礎を専門的に教えています。初心者から中級者まで理解しやすい段階的な教育方式を通じて、概念を分かりやすく体系的に説明し、実習中心の学習を提供します。私の目標は、すべての学習者が確かな実力を身につけ、実際のプロジェクトに応用できる能力を養えるようサポートすることです。

カリキュラム

全体

45件 ∙ (32時間 4分)

講座資料(こうぎしりょう):

授業資料
講座掲載日: 
最終更新日: 

受講レビュー

まだ十分な評価を受けていない講座です。
みんなの役に立つ受講レビューを書いてください!

似ている講座

同じ分野の他の講座を見てみましょう!