Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Durata 21 ore
Struttura del corso
Comprensione dell'architettura Mastra e dei concetti operativi
- Componenti principali e il loro ruolo in produzione
- Pattern di integrazione supportati per ambienti enterprise
- Considerazioni su sicurezza e governance
Preparazione degli ambienti per la distribuzione degli agenti
- Configurazione degli ambienti runtime dei container
- Preparazione dei cluster Kubernetes per i carichi di lavoro degli agenti AI
- Gestione di segreti, credenziali e repository di configurazione
Distribuzione degli agenti AI Mastra
- Pacchettizzazione degli agenti per la distribuzione
- Utilizzo di GitOps e CI/CD per la consegna automatizzata
- Validazione delle distribuzioni tramite test strutturati
Strategie di scalabilità per agenti AI in produzione
- Pattern di scalabilità orizzontale
- Autoscaling con HPA, KEDA e trigger eventi-driven
- Strategie di distribuzione del carico e gestione delle richieste
Osservabilità, monitoraggio e logging per agenti AI
- Best practice per la strumentazione della telemetria
- Integrazione con Prometheus, Grafana e stack di logging
- Monitoraggio delle prestazioni degli agenti, del drift e delle anomalie operative
Ottimizzazione delle prestazioni e dell'efficienza delle risorse
- Profilazione dei carichi di lavoro degli agenti
- Miglioramento delle prestazioni di inferenza e riduzione della latenza
- Approcci di ottimizzazione dei costi per distribuzioni di agenti su larga scala
Affidabilità, resilienza e gestione dei guasti
- Progettazione per la resilienza sotto carico
- Implementazione di circuit breaker, retry e rate limiting
- Pianificazione del disaster recovery per sistemi basati su agenti
Integrazione di Mastra negli ecosistemi enterprise
- Interfacciamento con API, pipeline dati e bus di eventi
- Allineamento delle distribuzioni degli agenti con i flussi DevSecOps enterprise
- Adattamento delle architetture agli ambienti di piattaforma esistenti
Sintesi e Prossimi Passi
Requisiti
- Conoscenza dei concetti di containerizzazione e orchestrazione
- Esperienza con i flussi di lavoro CI/CD
- Familiarità con i concetti di distribuzione dei modelli AI
Pubblico di Riferimento
- Ingegneri DevOps
- Sviluppatori backend
- Ingegneri di piattaforma responsabili dei carichi di lavoro AI