Contattataci

Struttura del corso

Comprensione dell’architettura di Mastra e dei concetti operativi fondamentali

  • Componenti principali e il loro ruolo negli ambienti di produzione
  • Modelli di integrazione supportati per contesti aziendali
  • Aspetti legati alla sicurezza e alla governance

Preparazione degli ambienti per l’implementazione degli agenti

  • Configurazione di ambienti runtime basati su container
  • Preparazione dei cluster Kubernetes adatti al carico di lavoro degli agenti AI
  • Gestione di segreti, credenziali e archivi di configurazione

Implementazione degli agenti AI su Mastra

  • Packaging degli agenti per un’implementazione corretta
  • Utilizzo di GitOps e flussi CI/CD per un rilascio automatizzato
  • Validazione delle implementazioni tramite test strutturati

Strategie di scalabilità per agenti AI in produzione

  • Schema di scaling orizzontale
  • Implementazione dell’autoscaling tramite HPA, KEDA e trigger basati su eventi
  • Strategie per la distribuzione del carico e la gestione delle richieste

Osservabilità, monitoraggio e registrazione dei log per gli agenti AI

  • Best practice per l’instrumentazione della telemetria
  • Integrazione di Prometheus, Grafana e sistemi di logging
  • Tracciamento delle prestazioni degli agenti, del loro comportamento deviante e delle anomalie operative

Ottimizzazione delle prestazioni e dell’efficienza delle risorse

  • Analisi delle performance dei carichi di lavoro degli agenti
  • Miglioramento della velocità di inferenza e riduzione della latenza
  • Tecniche per ottimizzare i costi nell’ambito di implementazioni su larga scala

Affidabilità, resilienza e gestione degli errori

  • Progettazione di sistemi resilienti anche in condizioni di carico elevato
  • Implementazione di meccanismi quali circuit breaker, tentativi ripetuti e limitazione del tasso di richieste
  • Pianificazione dei recuperi in caso di disastri per sistemi basati su agenti AI

Integrazione di Mastra negli ecosistemi aziendali

  • Interfacciamento con API, pipeline dati e bus event-driven
  • Allineamento delle implementazioni degli agenti alle pratiche DevSecOps aziendali
  • Adattamento dell’architettura alle infrastrutture esistenti della piattaforma

Riassunto e prossimi passi

Requisiti

  • Conoscenza della containerizzazione e dell’orchestrazione
  • Esperienza nella gestione di flussi CI/CD
  • Familiarità con i concetti fondamentali riguardanti l’implementazione di modelli AI

Destinatari del corso

  • Ingegneri DevOps
  • Sviluppatori backend
  • Ingegneri di piattaforma responsabili della gestione dei carichi di lavoro legati all’AI
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Corsi in Arrivo

Categorie relative