강의

멘토링

커뮤니티

BEST
AI Technology

/

AI Agent Development

Phát triển AI Agent sử dụng LangGraph (feat. MCP)

LangGraph chứa đầy bí quyết của người phụ trách AI Agent tại các tập đoàn lớn. Tôi sẽ chia sẻ những kiến thức đã tích lũy được qua những thử thách trong công việc thực tế.

(4.9) 129 đánh giá

1,635 học viên

  • jasonkang
ai활용
에이전트
prompt engineering
LLM
AI Agent
LangGraph
Model Context Protocol

Đánh giá từ những học viên đầu tiên

Bạn sẽ nhận được điều này sau khi học.

  • LLM Agent

  • LLM

  • Prompt Engineering

  • Retrieval Augmented Generation(RAG)

  • AI Agent

Phát triển LLM Agent!
Dễ dàng và mạnh mẽ hơn với LangGraph



LLM agent đóng vai trò cốt lõi trong việc hiểu yêu cầu của người dùng, tự động hóa các tác vụ phức tạp và giải quyết vấn đề. Tuy nhiên, quá trình thiết kế và triển khai agent có cấu trúc phức tạp và nhiều công việc lặp lại nên không hề dễ dàng. LangGraph giúp đơn giản hóa quá trình này, hỗ trợ phát triển các LLM agent mạnh mẽ một cách hiệu quả.


Lý thuyết một cách gọn gàng
Debug và tối ưu hóa như thực chiến

Chỉ những điều cốt lõi từ tài liệu chính thức đồ sộ!

Tài liệu chính thức của LangGraph rất đồ sộ, nhưng thông tin cần thiết lại có hạn. Chúng tôi đã chuẩn bị chương trình học tập trung vào các khái niệm chính được lựa chọn trực tiếp dựa trên kinh nghiệm của các kỹ sư thực tế.

Đúng như cách được sử dụng trong thực tế công việc!

Tôi sẽ trình bày quá trình viết prompt và debug mà không chỉnh sửa gì cả. Thông qua khóa học, bạn có thể trải nghiệm cách các kỹ sư thực tế giải quyết lỗi và tối ưu hóa prompt.

Tôi khuyến nghị cho những người như thế này

Nhà phát triển có kinh nghiệm với LangChain

Nếu bạn đã trải nghiệm những hạn chế của LangChain thì thông qua khóa học này, bạn có thể cắm cánh cho việc phát triển agent

Nhà phát triển tò mò về LLM Agent

Chuyên gia trong ngành sẽ chia sẻ về Agentic AI mà Jensen Huang của NVIDIA đã đề cập tại CES 2025

Nhà sáng lập công nghệ và đội ngũ startup

Nếu bạn muốn phát triển sản phẩm hoặc dịch vụ dựa trên AI thì có thể học các công nghệ mới nhất về phát triển agent

Sau khi hoàn thành khóa học

  • Hiểu sự khác biệt giữa LangGraph và LangChain: Nắm bắt được sự khác biệt về cấu trúc và cách sử dụng của hai framework này, bạn có thể lựa chọn công cụ phù hợp nhất cho dự án của mình.

  • Thiết kế và triển khai Agent: Có thể thiết kế các agent đa dạng như Retrieval agent, Self-RAG, Corrective RAG và tự động hóa workflow.

  • Cấu hình quy trình làm việc phức tạp: Có thể thiết kế quy trình làm việc xử lý hiệu quả các tác vụ phức tạp bằng cách sử dụng hệ thống Multi-Agent và RouteLLM.

  • Khả năng sử dụng công cụ: Có thể mở rộng chức năng của agent và cải thiện khả năng giải quyết vấn đề bằng cách sử dụng các công cụ đa dạng trong LangGraph.


Bạn sẽ học những nội dung như thế này

1⃣ Chiến lược Kỹ thuật Prompt

Ngay cả khi thực hiện cùng một chức năng, bạn cũng cần viết prompt khác nhau tùy theo mô hình được sử dụng. Học cách viết prompt hiệu quả phù hợp với từng tình huống bằng cách sử dụng PromptTemplate
ChatPromptTemplate của LangGraph.

2⃣ Mẹo tối ưu hóa LLM Agent cực hay

Thay vì sử dụng các mô hình cao cấp đắt tiền như gpt-4o, việc chia nhỏ công việc thành các đơn vị nhỏ và sử dụng lặp lại các mô hình nhẹ như gpt-4o-mini sẽ hiệu quả hơn. Học cách chia nhỏ prompt thành các đơn vị nhỏ để tối ưu hóa chi phí và hiệu suất.

3⃣ Tất cả về việc sử dụng công cụ (tool) LangGraph

Bạn sẽ học cách sử dụng các công cụ cơ bản của LangChain, cũng như phương pháp phát triển các công cụ tùy chỉnh (custom tool) mà agent có thể trực tiếp sử dụng khi cần thiết để mở rộng chức năng. Ngoài ra, bạn có thể thiết kế hệ thống có sự can thiệp của con người (human-in-the-loop) để triển khai các agent có độ tin cậy cao hơn.

Người tạo ra khóa học này

  • (Cựu) Phát triển và vận hành GenAI Platform của Tập đoàn GS

  • (Cựu) Tech Lead của startup trí tuệ nhân tạo y tế vòng Series C

  • (Cựu) Huấn luyện viên khóa học AI Hanghae Plus

Hackathon GS Group Tôi đã tích lũy những kinh nghiệm quý báu từ việc coaching và phát triển/vận hành các dự án thực tế đa dạng trong ngành.

Bạn có thắc mắc gì không?

Q. Sự khác biệt giữa LangChain và LangGraph là gì?

LangChain chủ yếu kết nối các tác vụ theo dạng chuỗi, trong khi LangGraph sử dụng cấu trúc đồ thị để có thể tạo ra các quy trình làm việc phức tạp hơn. LangGraph hỗ trợ các tác vụ agent đa dạng thông qua việc kết nối các node một cách linh hoạt.

Q. Tôi mới tiếp xúc với LangChain lần đầu, có thể tham gia khóa học không?

Nếu bạn có kinh nghiệm sử dụng Python thì việc học khóa học này sẽ không có vấn đề gì, nhưng nếu bạn chưa quen với cú pháp LangChain thì có thể sẽ khó hiểu.

Nếu bạn mới bắt đầu với LangChain thì tôi khuyên bạn nên xem khóa học cơ bản của giảng viên

Q. Nếu có phần nào không hiểu trong quá trình học thì phải làm sao?

Nếu có bất kỳ thắc mắc nào trong quá trình học, hãy đăng câu hỏi lên Inflearn bất cứ lúc nào! Tôi sẽ trả lời nhanh nhất có thể và
khi cần thiết sẽ cập nhật bài giảng thông qua việc quay thêm video

Những lưu ý trước khi học

Môi trường thực hành

  • Hệ điều hành và phiên bản (OS): MacOS

    • Nếu bạn có môi trường có thể chạy Python thì có thể theo dõi bài giảng bất kể hệ điều hành nào như Windows, Linux, v.v.

  • Công cụ sử dụng:

    • Tất cả live coding đều được thực hiện trong môi trường Notebook.

    • Không có editor nào đặc biệt được khuyến nghị nhưng trong khóa học sẽ sử dụng Cursor

Tài liệu học tập

  • Chúng tôi cung cấp mã nguồn của các Notebook được sử dụng trong bài giảng thông qua GitHub Repository

    • Video bài gi강 không có "chú thích" và giải thích bổ sung thông qua "Markdown".

  • Chúng tôi cung cấp trang Notion để giải thích lý thuyết

Kiến thức tiên quyết và lưu ý

  • Kiến thức cần thiết: Python

  • Kiến thức lựa chọn : LangChain

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Nhà phát triển quan tâm đến LLM

  • Nhà phát triển đang triển khai/vận hành ứng dụng LLM

  • Developer muốn nâng cao LLM Application

Cần biết trước khi bắt đầu?

  • Python

Xin chào
Đây là

14,651

Học viên

973

Đánh giá

451

Trả lời

4.9

Xếp hạng

9

Các khóa học

Chương trình giảng dạy

Tất cả

29 bài giảng ∙ (6giờ 20phút)

Tài liệu khóa học:

Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Tất cả

129 đánh giá

4.9

129 đánh giá

  • johnsonmoshy6님의 프로필 이미지
    johnsonmoshy6

    Đánh giá 1

    Đánh giá trung bình 5.0

    5

    100% đã tham gia

    This is an excellent hands-on lecture! You explained complex topics like LangGraph, MCP, and RAG in an easy-to-understand way, making it simple to grasp and immediately applicable to real work. The instructor's explanations were really clear and beneficial. I highly recommend it!

    • 강병진
      Giảng viên

      Thank you so much for the kind words! I'm glad to hear the lecture was helpful. I train other engineers how to use LangGraph and build AI agents in real-world projects at work, and I believe those hands-on experiences naturally carried over into this lecture. It's great to know that practical background helped make the concepts more accessible and applicable.

  • 이성규님의 프로필 이미지
    이성규

    Đánh giá 6

    Đánh giá trung bình 5.0

    Đã chỉnh sửa

    5

    100% đã tham gia

    랭체인 기본기부터 시작해서 RAG강의까지 쭉 도움을 너무 많이 받아서 랭그래프도 이어서 수강하였습니다. 실무에서 바로 쓰일 수 있을 내용들을 퀄리티 좋게 너무 잘 풀어서 설명해주십니다. 책 출판 계획이라고 강의에서 언급해주셨는데, 출판되면 꼭 커뮤니티같은곳에 언급해주셨으면합니다. 구입의사있습니다.

    • 강병진
      Giảng viên

      와, 정말 감동적인 수강평이네요! 🥹🙏 제 강의가 실무에 바로 적용될 수 있도록 준비한 만큼, 이렇게 좋은 피드백을 받으니 보람이 넘칩니다. 랭체인부터 랭그래프까지 함께해 주셨다니, 정말 감사드립니다! 책 출간도 열심히 준비 중인데, 꼭 커뮤니티에 소식 전해드릴게요! 이렇게 관심 가져주시는 것 자체가 저에게 큰 힘이 됩니다. 앞으로도 도움이 되는 강의와 콘텐츠로 보답하겠습니다. 진심 어린 후기 남겨주셔서 다시 한번 감사드립니다!

  • 전준영님의 프로필 이미지
    전준영

    Đánh giá 2

    Đánh giá trung bình 5.0

    5

    32% đã tham gia

    • 김기호님의 프로필 이미지
      김기호

      Đánh giá 4

      Đánh giá trung bình 5.0

      5

      32% đã tham gia

      • 전경희님의 프로필 이미지
        전경희

        Đánh giá 1

        Đánh giá trung bình 5.0

        5

        32% đã tham gia

        1.463.428 ₫

        Khóa học khác của jasonkang

        Hãy khám phá các khóa học khác của giảng viên!

        Khóa học tương tự

        Khám phá các khóa học khác trong cùng lĩnh vực!