Deploying AI Agents: LLMs, LangGraph, and Production APIs

Ce cours n'est pas disponible en Français (France)

Nous sommes actuellement en train de le traduire dans plus de langues.

Deploying AI Agents: LLMs, LangGraph, and Production APIs

Ce cours fait partie de Spécialisation "Building and Deploying AI Agents with LLMs and LangChain"

Instructeur : Board Infinity

Inclus avec

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Expérience recommandée

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

4 modules

Obtenez un aperçu d'un sujet et apprenez les principes fondamentaux.

niveau Intermédiaire

Expérience recommandée

2 semaines à compléter

à 10 heures par semaine

Planning flexible

Apprenez à votre propre rythme

Ce que vous apprendrez

Integrate LLMs into modular LangGraph pipelines with efficient token and prompt management
Validate structured agent I/O using Pydantic-AI schemas for enterprise reliability
Deploy agents with FastAPI, Mem0, and vector stores for persistent state

Compétences que vous acquerrez

Catégorie : LLM Application
Catégorie : Context Management
Catégorie : Data Validation
Catégorie : Performance Testing
Catégorie : Artificial Intelligence and Machine Learning (AI/ML)
Catégorie : Memory Management
Catégorie : Agentic systems
Catégorie : Large Language Modeling
Catégorie : Application Deployment

Outils que vous découvrirez

Catégorie : AI Workflows
Catégorie : AI Orchestration
Catégorie : Agentic Workflows
Catégorie : LangGraph
Catégorie : LangChain
Catégorie : CrewAI
Catégorie : Vector Databases

Détails à connaître

Certificat partageable

Ajouter à votre profil LinkedIn

Récemment mis à jour !

mai 2026

Évaluations

17 devoirs

Enseigné en Anglais

91% of learners achieved a positive career outcome

Découvrez comment les employés des entreprises prestigieuses maîtrisent des compétences recherchées

En savoir plus sur Coursera pour les affaires

logos de Petrobras, TATA, Danone, Capgemini, P&G et L'Oreal

Élaborez votre expertise du sujet

Ce cours fait partie de la Spécialisation "Building and Deploying AI Agents with LLMs and LangChain"

Lorsque vous vous inscrivez à ce cours, vous êtes également inscrit(e) à cette Spécialisation.

Apprenez de nouveaux concepts auprès d'experts du secteur
Acquérez une compréhension de base d'un sujet ou d'un outil
Développez des compétences professionnelles avec des projets pratiques
Obtenez un certificat professionnel partageable

Il y a 4 modules dans ce cours

"Take your AI agent skills into production with this hands-on course on building, validating, and deploying LLM-powered agents using LangGraph, LangChain, Pydantic-AI, Mem0, CrewAI, Agno, and FastAPI. You’ll learn to turn prototypes into reliable, enterprise-grade agent systems.

Module 1 covers integrating LLMs (OpenAI, Anthropic) into LangGraph reasoning pipelines, designing nodes, control flow, token management, and iterative workflow testing. Module 2 focuses on schema enforcement with Pydantic-AI, structured outputs, and building a Business Workflow Assistant with validated, reliable I/O. Module 3 guides you through full deployment — FastAPI backends, persistent memory with Mem0 and vector stores, and orchestration with Agno and CrewAI in production. Module 4 teaches evaluation: metrics, logging, load testing, benchmarking, and comparing LangGraph, CrewAI, and Agno for enterprise-scale deployment. By the end of this course, you will: - Integrate LLMs into modular LangGraph reasoning pipelines - Validate agent I/O using Pydantic-AI schemas for reliable outputs - Deploy agents via FastAPI with Mem0 and vector-store persistence - Evaluate and benchmark frameworks to justify production choices"

This 4-hour module introduces learners to the transition from single-agent to collaborative multi-agent systems, emphasizing teamwork dynamics, communication strategies, and distributed reasoning.

Inclus

10 vidéos4 lectures5 devoirs

10 vidéosTotal 39 minutes

The Rise of Multi-Agent Collaboration5 minutes
Industry Trends in Distributed Intelligence5 minutes
Skills and Frameworks in Demand5 minutes
How LLM APIs Integrate with LangGraph3 minutes
Configuring Model Parameters for Reasoning5 minutes
Designing Reasoning Nodes in LangGraph3 minutes
Implementing Control Flow Between Nodes3 minutes
Balancing Independence and Oversight3 minutes
Creating a Multi-Node Reasoning Pipeline4 minutes
Iterative Testing and Refinement3 minutes

4 lecturesTotal 60 minutes

Career Scope in AI Agent Deployment15 minutes
Fundamentals of LLM Integration15 minutes
LangGraph Node Design for Reasoning15 minutes
Building an Intelligent Workflow15 minutes

5 devoirsTotal 180 minutes

Career Scope in Multi-Agent Systems30 minutes
From Single to Multi-Agent Systems30 minutes
Multi-Agent Roles and Responsibilities30 minutes
Introduction to CrewAI30 minutes
Foundations of Multi-Agent Collaboration60 minutes

This 4-hour module has learners design and simulate a functional, role-based workflow demonstrating structured collaboration between multiple agents using CrewAI's orchestration tools.

Inclus

5 vidéos3 lectures4 devoirs

5 vidéosTotal 17 minutes

Introduction to Data Validation5 minutes
Handling Validation Errors3 minutes
Implementing the Researcher-Writer-Editor Chain3 minutes
Managing Inter-Agent Feedback Loops4 minutes
Evaluating Reports and Output Reliability3 minutes

3 lecturesTotal 45 minutes

Schema Enforcement with Pydantic‑AI15 minutes
Implementing Structured Outputs15 minutes
Building the Business Workflow Assistant15 minutes

4 devoirsTotal 150 minutes

Planning Collaborative Workflows30 minutes
Building the Content Team30 minutes
Analyzing Team Performance30 minutes
Designing Role-Based Multi-Agent Workflows60 minutes

This 4-hour module explores shared memory integration in multi-agent systems, focusing on context continuity, communication efficiency, and memory optimization strategies using Mem0.

Inclus

7 vidéos3 lectures4 devoirs

7 vidéosTotal 29 minutes

FastAPI Setup for Agentic Workflows3 minutes
Creating Inference Endpoints3 minutes
Configuring Mem0 for State Management6 minutes
Persistent Memory Patterns for Agent Deployments.4 minutes
Combining Multiple Runtimes5 minutes
Task Collaboration in Production4 minutes
Deployment Walkthrough4 minutes

3 lecturesTotal 60 minutes

Building a FastAPI Agent Backend15 minutes
Persistence with Mem0 and Vector Stores30 minutes
Orchestration with Agno and CrewAI15 minutes

4 devoirsTotal 150 minutes

Understanding Shared and Private Memory30 minutes
Implementing Shared Memory with Mem030 minutes
Debugging and Optimizing Memory Coordination30 minutes
Shared Memory and Context Coordination60 minutes

In this final 4-hour module, learners orchestrate multi-agent collaboration using Agno, simulate a real-world Customer Support workflow, and conduct comparative evaluations of leading frameworks.

Inclus

5 vidéos3 lectures4 devoirs

5 vidéosTotal 18 minutes

Implementing Performance Benchmarks3 minutes
Analyzing Test Results and Bottlenecks3 minutes
Benchmarking Agent Reliability4 minutes
Comparative Analysis LangGraph vs CrewAI vs Agno4 minutes
Choosing the Right Framework for Production4 minutes

3 lecturesTotal 45 minutes

Building an Evaluation Pipeline15 minutes
Reliability and Performance Testing15 minutes
Framework Maturity and Reflection15 minutes

4 devoirsTotal 150 minutes

Custom Orchestration with Agno30 minutes
Case Study - Customer Support Workflow30 minutes
Framework Benchmarking and Reflection30 minutes
Orchestrating and Evaluating Multi-Agent Systems60 minutes

Obtenez un certificat professionnel

Ajoutez ce titre à votre profil LinkedIn, à votre curriculum vitae ou à votre CV. Partagez-le sur les médias sociaux et dans votre évaluation des performances.

Instructeur

Board Infinity

261 Cours421 186 apprenants

Offert par

Board Infinity

En savoir plus sur Machine Learning

Statut : Essai gratuit
Board Infinity
Building and Deploying AI Agents with LLMs and LangChain
Spécialisation
Statut : Essai gratuit
Board Infinity
MLOps and LLMOps: Deploying and Scaling AI in Production
Cours
Statut : Essai gratuit
Board Infinity
AI Agent Architecture: Reasoning, Memory, and LangGraph
Cours
Statut : Essai gratuit
Coursera
Build, Analyze, and Refactor LLM Workflows
Cours

Pour quelles raisons les étudiants sur Coursera nous choisissent-ils pour leur carrière ?

Felipe M.

Étudiant(e) depuis 2018

’Pouvoir suivre des cours à mon rythme à été une expérience extraordinaire. Je peux apprendre chaque fois que mon emploi du temps me le permet et en fonction de mon humeur.’

Jennifer J.

Étudiant(e) depuis 2020

’J'ai directement appliqué les concepts et les compétences que j'ai appris de mes cours à un nouveau projet passionnant au travail.’

Larry W.

Étudiant(e) depuis 2021

’Lorsque j'ai besoin de cours sur des sujets que mon université ne propose pas, Coursera est l'un des meilleurs endroits où se rendre.’

Chaitanya A.

’Apprendre, ce n'est pas seulement s'améliorer dans son travail : c'est bien plus que cela. Coursera me permet d'apprendre sans limites.’

Foire Aux Questions

To access the course materials, assignments and to earn a Certificate, you will need to purchase the Certificate experience when you enroll in a course. You can try a Free Trial instead, or apply for Financial Aid. The course may offer 'Full Course, No Certificate' instead. This option lets you see all course materials, submit required assessments, and get a final grade. This also means that you will not be able to purchase a Certificate experience.

When you enroll in the course, you get access to all of the courses in the Specialization, and you earn a certificate when you complete the work. Your electronic Certificate will be added to your Accomplishments page - from there, you can print your Certificate or add it to your LinkedIn profile.

Yes. In select learning programs, you can apply for financial aid or a scholarship if you can’t afford the enrollment fee. If fin aid or scholarship is available for your learning program selection, you’ll find a link to apply on the description page.