Szkolenie: Pydantic AI - agenci, ustawienia i grafy workflow
Szkolenie Pydantic AI to praktyczne wprowadzenie do budowy agentów AI w oparciu o typowanie, walidację danych i zwykłe funkcje Pythona, bez konieczności poznawania dedykowanego języka definiowania agentów. Uczestnicy poznają wspólny interfejs dla wielu dostawców modeli językowych, zarządzanie konfiguracją aplikacji za pomocą Pydantic Settings, budowę odpornych na awarie przepływów pracy z wykorzystaniem Pydantic Graph oraz obserwowalność działania agentów
Trenerzy praktycy
Kameralne grupy
Czas trwania szkolenia:2 dni (16h)
Poziom zaawansowania:
Kod kursu:AI/PYDANTIC-AI
pythonagenci-aipydantic-aipydantic-graph
Dostępne terminy szkolenia
Termin
Trener
Cena
Lokalizacja
Zapis
Termin:
3 września - 4 września
Trwają zapisy na szkolenie
Dostępne w Bazie Usług Rozwojowych
online_payments
Trener:
Trener-Sages
Cena:
2450 PLN netto
Dowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT
Lokalizacja:
Zdalne
Zdalne
Zapytaj o inne lokalizacje - w tym celu skorzystaj z chatu
Szkolenie przygotowuje do budowy agentów AI w oparciu o typowanie, Pydantic i natywne mechanizmy Pythona, bez uczenia się dedykowanego języka definiowania agentów
Szkolenie uczy integrowania agentów z wieloma dostawcami modeli językowych, takimi jak OpenAI, Gemini i Ollama, za pomocą wspólnego interfejsu
Szkolenie pokazuje, jak zarządzać konfiguracją aplikacji agentowej za pomocą Pydantic Settings, z uwzględnieniem zmiennych środowiskowych i wielu środowisk uruchomieniowych
Szkolenie przygotowuje do projektowania złożonych, wieloetapowych przepływów pracy agentów w formie grafu stanów przy użyciu Pydantic Graph oraz mechanizmów trwałego wykonania
Szkolenie omawia zasady obserwowalności i testowania agentów AI z wykorzystaniem Pydantic Logfire, standardu OpenTelemetry oraz dedykowanych modeli testowych
Dla kogo?
Programistów Python chcących budować agentów i aplikacje AI w oparciu o typowany, testowalny kod
Twórców rozwiązań opartych na FastAPI, planujących rozszerzenie aplikacji o funkcje agentowe
Architektów i inżynierów odpowiedzialnych za projektowanie złożonych, wieloetapowych systemów AI
Efekty kształcenia
Uczestnik projektuje agentów AI wykorzystujących typowane dane wejściowe i wyjściowe zgodne z modelami Pydantic
Uczestnik integruje agentów z wybranym dostawcą modelu językowego przy użyciu jednolitego interfejsu programistycznego
Uczestnik konfiguruje ustawienia aplikacji agentowej za pomocą Pydantic Settings i zmiennych środowiskowych
Uczestnik modeluje wieloetapowe przepływy pracy agentów w formie grafu stanów przy użyciu Pydantic Graph
Uczestnik monitoruje działanie agentów i analizuje wywołania narzędzi dzięki integracji z Pydantic Logfire
Uczestnik testuje logikę agentów w izolacji od rzeczywistych modeli językowych przy użyciu modeli testowych
Wymagania
Podstawowa znajomość języka Python, w tym typowania (type hints)
Ogólne zrozumienie podstawowych pojęć związanych z modelami językowymi i promptowaniem
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Agent jako zwykła funkcja Pythona otoczona typowanym kontraktem wejścia i wyjścia
Definiowanie instrukcji systemowych oraz statycznych i dynamicznych promptów
Wymuszanie ustrukturyzowanych odpowiedzi modelu za pomocą modeli Pydantic
Obsługa błędów walidacji i automatyczne ponawianie zapytań do modelu
Uruchamianie agentów w trybie synchronicznym, asynchronicznym i strumieniowym
Mechanizm dependency injection jako sposób przekazywania zasobów do agenta bez stanu globalnego
Definiowanie narzędzi (tools) jako typowanych funkcji Pythona wywoływanych przez model
Przekazywanie kontekstu biznesowego, połączeń do baz danych i sesji użytkownika
Kontrola dostępu do narzędzi w zależności od kontekstu wywołania
Testowanie narzędzi agenta w izolacji od rzeczywistego modelu językowego
Wspólny interfejs programistyczny dla OpenAI, Gemini i Ollama
Zmiana dostawcy modelu bez zmiany logiki agenta
Model Context Protocol jako standard podłączania zewnętrznych narzędzi i źródeł danych
Integracja ze standardami strumieni zdarzeń interfejsu użytkownika
Współpraca wielu agentów w ramach jednego systemu
Definiowanie ustawień aplikacji jako typowanych modeli Pydantic
Wczytywanie konfiguracji ze zmiennych środowiskowych, plików env i sekretów
Rozdzielenie ustawień dla środowiska developerskiego, testowego i produkcyjnego
Wczesne wykrywanie błędów konfiguracji dzięki walidacji przy starcie aplikacji
Modelowanie procesu agentowego jako grafu stanów złożonego z węzłów i przejść
Sterowanie logiką warunkową oraz pętlami w ramach przepływu pracy
Trwałe wykonanie (durable execution) i wznawianie procesu po awarii lub restarcie
Włączanie etapów wymagających akceptacji lub decyzji człowieka
Dokumentowanie i wizualizacja przepływu pracy na podstawie definicji grafu
Integracja z Pydantic Logfire i standardem OpenTelemetry w celu śledzenia wywołań agenta
Analiza kosztów, czasu odpowiedzi oraz liczby wywołanych narzędzi
Budowa zestawów testów oraz ewaluacji jakości odpowiedzi agenta
Zastępowanie rzeczywistych wywołań modelu językowego modelami testowymi
Osadzenie agenta w aplikacji FastAPI i przygotowanie do wdrożenia produkcyjnego
Autorem szkolenia jest Marcin Wierzbiński
Analityk danych i badacz sztucznej inteligencji z doświadczeniem akademickim i komercyjnym.
Na co dzień wykłada na Uniwersytecie Warszawskim, a swoje kompetencje rozwijał również w międzynarodowych instytucjach badawczych, takich jak Instytut Maxa Plancka w Berlinie.
Specjalizuje się w uczeniu maszynowym, analizie danych na dużą skalę oraz bioinformatyce – w szczególności w przetwarzaniu i analizie danych genetycznych. Prowadzi praktyczne kursy z zakresu analizy danych i deep learningu, kładąc…
Wybrane opinie
Przeczytaj pozytywne opinie pochodzące z ankiet satysfakcji z naszych szkoleń wypełnianych wyłącznie przez ich uczestników po realizacji usługi
Prowadzacy robił świętną robotę w przedstawianiu nam zawiłości React Natie
5.08.2026
Artur Kozłowski, Capgemini Polska Sp. z o.o.
Ani razu nie przysnąłem, prowadzący świetnie dawkował sekcje teoretyczne z zadaniami praktycznymi. Każde dodatkowe pytanie było dokładnie wytłumaczone.
5.08.2026
Olga Lachowska, Capgemini Polska Sp. z o.o.
Bardzo dużo warsztatow, niesamowicie doświadczony i pomocny proawdzący
29.07.2026
Uczestnik szkolenia “AI-Driven Development — warsztaty z Claude Code dla developerów”
Przemysław Śmietana
bardzo duża wiedza prowadzącego, i teoretyczna. i praktyczna. Ciekawy i praktyczny sposób jej przekazywania. Osobiście miałem problem z tak długą formą wykładu.
27.07.2026
Maksym Lypchak, Capgemini Polska Sp. z o.o.
to szkolenie nie jest dla osob ktore tylko zaczynaja swoja przygode ze Spring lub BE. najlepiej miec juz jakies doswiadczenie przed zapisaniem sie na kurs - chociaz w capgemini training calendarzu bylo napisane ze tez jest entry-level i w opisie szkolenia nie bylo punktow zwiazanych z wymaganiami na te szkolenia (java +1 rok doszwiadczenia)).
24.07.2026
Uczestnik szkolenia “Docker w praktyce”
Juliusz Drygalski, Capgemini Polska Sp. z o.o.
Bo było. Bardzo dużo przekazanej wiedzy i dobrze wszystko wytłumaczone. Prowadzący topka
24.07.2026
Uczestnik szkolenia “Architektura systemowa i integracja systemów”
Michał Michalczuk
Ogólnie bardzo dobre, ale bardzo skondensowane i intesywne - zabrakło czasu na więcej praktyki