Статья · июль 2026
Интенсив Google × Kaggle по AI-агентам: что внутри и что я построил
Пять дней курса, один капстоун-проект и главный вывод, который я теперь применяю в каждом внедрении. С видео, открытым кодом и живым демо.
Артём Борисов - бизнес-консультант, внедрение AI-сотрудников
Что это за курс
«5-Day AI Agents Intensive» - интенсив Google и Kaggle про то, как строить AI-агентов, которым можно доверить реальную работу. Формат плотный: на каждый день - вайтпейпер, подкаст, живой стрим и практика в коде. В финале - капстоун-проект, который проходит ревью. Именно за него, а не за просмотр лекций, дают сертификат.
Я прошёл все пять дней июньского набора 2026 года и сдал капстоун по треку Agents for Business. Ниже - краткая карта курса и разбор того, что я построил.
Vibe coding и новый цикл разработки
Агент = модель + обвязка. Контекст-инжиниринг как ключевой навык. Чем тесты отличаются от оценки траектории агента.
Инструменты и протоколы
Открытые стандарты, на которых собираются агентные системы: MCP - связь модели с инструментами, A2A - общение агентов между собой.
Навыки агентов (Agent Skills)
Навык как процедурная память агента: папка с инструкцией, три уровня раскрытия, композиция навыков и лестница допуска Read / Draft / Act.
Безопасность и оценка
Контекст как периметр защиты, песочницы, защита от prompt injection, наблюдаемость и оценка агента по семи измерениям.
Спецификации и AgentOps
Спека как источник правды (BDD/Gherkin), Zero-Trust, безопасный вывод в прод: ~80% работы над агентом - это обвязка, не модель.
Капстоун: AI-сметчик для электромонтажной компании
Задачу я взял не учебную, а из собственной практики: подрядчик получает эскиз объекта - часто фото рукописного плана - и тратит 2-3 дня на смету, коммерческое предложение, договор и заявку в магазин. Капстоун «Chance Electro» делает этот путь за ~10 минут: эскиз, PDF, голос или текст на входе - пакет документов и вердикт «брать или не брать» на выходе.
Внутри - три агента, которые общаются по открытому протоколу A2A (Agent2Agent) и берут цены из общего MCP-сервера поверх реального прайс-листа. Паттерны - из курса Google, движок распознавания - Claude. Каждый вызов модели обёрнут в guardrails: фильтр prompt injection на двух языках, лимит бюджета, проверка выхода.
Агент-аналитик проекта
единственный, кто зовёт LLM
Читает фото эскиза, PDF, голос или текст через компьютерное зрение и превращает в структурированный проект. Если данных не хватает - не выдумывает, а задаёт уточняющие вопросы человеку.
Фабрика документов
детерминированный код
Собирает коммерческое предложение, договор, счёт и заявку в магазин. Без LLM: одинаковый вход - одинаковый выход, всегда.
Советник по рентабельности
детерминированный код
Считает маржу, обратным счётом выводит «сколько дней работ укладывается в целевую маржу» и выносит вердикт: брать или не брать.
Четыре вывода, которые я забрал в практику
1. Агент - там, где нужно суждение. Инструмент - там, где нет
LLM в системе стоит ровно в одной точке: чтение неструктурированного ввода. Всё, что касается денег, считает детерминированный код. В задаче, где надо быть точным до рубля, LLM в расчёте маржи был бы и дороже, и хуже.
2. Компьютерное зрение недетерминировано - это лечится процессом
Одно и то же фото эскиза от прогона к прогону давало разный объём работ. Решение: жёсткая схема извлечения, уточняющие вопросы вместо догадок и человек, который подтверждает смету. Черновик делает AI, решение принимает человек.
3. Тестируйте агента на реальном входе, не на синтетике
Прайс-матчер идеально работал на тестовых данных и молча выдавал нулевые цены на реальном выводе компьютерного зрения. Урок: агент, читающий изображения, проверяется на изображениях реалистичного качества.
4. Спека до кода окупается
Поведенческая спецификация была написана до первой строки кода и до сих пор описывает систему: «агент должен спрашивать, а не выдумывать», «неизвестную позицию помечать, а не оценивать».
Честно: самым полезным в курсе оказались не технологии, а рамка мышления. До интенсива я ставил вопрос «что может AI-агент?». После - «где именно в процессе нужно суждение, а где хватит обычного кода?». Ответ на второй вопрос экономит клиенту деньги дважды: на токенах и на ошибках.
Эту же рамку я применяю в клиентских внедрениях - от ERP с AI-сметчиком для электромонтажной компании до AI-администратора серф-школы. Кейсы с деталями - на этом сайте.
Частые вопросы
Что такое интенсив Google × Kaggle по AI-агентам?+
«5-Day AI Agents Intensive» - бесплатный 5-дневный курс от Google и Kaggle: вайтпейперы, подкасты, стримы и практика по каждому дню. Темы: агентная разработка, протоколы MCP и A2A, навыки агентов, безопасность и вывод агентов в продакшн. Сертификат выдаётся за капстоун-проект, который проходит ревью.
Что такое мультиагентная система?+
Система из нескольких AI-агентов, каждый из которых отвечает за свою часть работы и общается с другими по протоколу (например, A2A - Agent2Agent). В моём капстоуне три агента: один читает эскизы и голос через LLM, два других - детерминированные, они собирают документы и считают экономику. Так система остаётся точной там, где важны цифры.
Что такое MCP и зачем он бизнесу?+
MCP (Model Context Protocol) - открытый стандарт подключения AI к инструментам и данным компании: прайс-листам, CRM, базам. В капстоуне все три агента берут цены из одного MCP-сервера, поэтому цена в коммерческом предложении и цена в расчёте маржи не могут разойтись.
Можно ли доверять AI-агенту расчёты и деньги?+
Расчёты - детерминированному коду, суждения - агенту, финальное решение - человеку. Это главный принцип, который я вынес из курса и применяю во внедрениях: LLM ставится только там, где нужно интерпретировать неструктурированные данные, а деньги считает обычный проверяемый код.
Кто автор и чем подтверждён опыт?+
Артём Борисов - бизнес-консультант, внедряет AI-сотрудников в малый и средний бизнес. Курс Google × Kaggle пройден полностью, капстоун-проект сдан в срок по треку Agents for Business: публичное видео и живое демо приложены к статье.
Хотите AI-агента под задачу вашего бизнеса?
Посмотрите живое демо капстоуна, а потом обсудим, где в вашем процессе нужно суждение, а где хватит кода.