Agentic AI – tvorba agentů

• Backend / Full-stack vývojáři
• Tech lead / Architekti
• AI engineers
• Pokročilí uživatelé LLM (RAG, embeddings, API)

• agentní paradigma a rozdíl proti „promptování“
• návrh jedno- i multi-agentní architektury
• implementace autonomního agenta s nástroji
• limity, rizika a guardrails
• rozhodnutí, kdy agent použít a kdy ne
• navrhovat a nasazovat AI agenty ve vlastních projektech

• základní práce s LLM API
• znalost Pythonu
• základní orientace v architektuře aplikací

Úvod do Agentic AI

• Co je (a není) agent
• Prompt vs Chain vs Agent
• Deterministický kód × autonomní rozhodování
• Proč „AI workflow“ přestává stačit
• Typické use-cases
• Data extraction & enrichment
• Document processing pipelines
• Research & analysis
• Autonomous DevOps / IT ops
• Business procesy (SMB, enterprise)

Základní stavební kameny agenta

• Architektura agenta
• State (memory, context)
• Reasoning loop
• Tool calling
• Observation → Action → Reflection
• Typy paměti
• short-term (context window)
• long-term (vector DB)
• structured memory (JSON / DB)
• Determinismus vs autonomie
• kdy agenta „pustit z řetězu“
• kdy ho svázat pravidly

Implementace jednoduchého agenta

• Hands-on: single agent
• agent s jedním cílem
• nástroje (function calling)
• práce se stavem
• error handling
• Praktické téma
  „Agent, který analyzuje dokument, detekuje jazyk, shrne obsah a uloží metadata“
• Diskuze
• kde vzniká chaos
• typické chyby návrhu

Multi-agentní systémy

• Proč více agentů
• specializace
• paralelizace
• kontrola kvality
• Typy spolupráce
• manager ↔ worker
• peer-to-peer
• pipeline agentů
• voting / consensus
• Koordinace
• plánování
• delegace
• konflikty rozhodnutí

Agent + nástroje + data

• Integrace nástrojů
• DB
• REST / Graph API
• filesystem
• search (vector + keyword)
• Agent + RAG
• kdy RAG nestačí
• agent jako „query rewriter“
• iterativní vyhledávání
• Pozor na
• latency
• náklady
• nekonečné smyčky

Guardrails, bezpečnost a řízení rizik

• Rizika agentů
• halucinace v rozhodování
• destruktivní akce
• prompt injection
• runaway agent
• Guardrails
• policy-based constraints
• tool allow-list
• budget / step limits
• human-in-the-loop
• Audit & observability
• logování rozhodnutí
• replay
• explainability

Kdy (ne)používat agentní přístup

• Anti-patterns
• agent místo jednoduchého kódu
• agent místo SQL
• agent bez cíle
• Decision framework
• checklist: má agent smysl?
• agent × workflow × klasický kód
• Reálné architektury
• AI-first aplikace
• Enterprise integrace
• SMB scénáře

Závěr & roadmapa

• shrnutí klíčových principů
• best practices z praxe
• doporučený další postup
• Q&A

• Notebook s připojením k internetu
• Python prostředí (lokálně nebo v cloud IDE)
• Přístup k LLM API (klíč / účet)
• Doporučeno: VS Code + základní tooling pro práci s JSON/logy
• výhodou: RAG / embeddings, integrace externích služeb (REST/Graph)