Who Should Attend (กลุ่มลูกค้าเป้าหมาย):

• นักพัฒนาซอฟต์แวร์และวิศวกร: ที่ต้องการเพิ่มทักษะด้าน AI และพัฒนาโปรแกรมที่สามารถโต้ตอบกับผู้ใช้ได้อย่างชาญฉลาด
• นักวิทยาศาสตร์ข้อมูล (Data Scientists): ที่ต้องการนำ AI Agent ไปประยุกต์ใช้ในการประมวลผลข้อมูลและสร้างรายงานอัตโนมัติ
• นักวิจัยและนักศึกษา: ที่ต้องการนำความรู้ไปใช้ในการสร้างสรรค์โครงการด้าน AI และ Autonomous Systems
• ผู้จัดการผลิตภัณฑ์และผู้บริหาร: ที่ต้องการเข้าใจศักยภาพของ AI Agent เพื่อนำมาวางแผนและกำหนดกลยุทธ์ทางธุรกิจ

คุณสมบัติของผู้เข้าอบรม

• มีพื้นฐานความรู้และประสบการณ์ในการเขียนโปรแกรมด้วย Python
• มีความเข้าใจในแนวคิดการเขียนโปรแกรมเชิงวัตถุ (Object-Oriented Programming) มีความคุ้นเคยกับการใช้งาน Git และ GitHub
• มีความสนใจและต้องการเรียนรู้เกี่ยวกับเทคโนโลยี AI และ Generative AI

• ความเชี่ยวชาญเชิงเทคนิคในการพัฒนา AI Agent: ผู้เข้าอบรมจะได้รับความรู้เชิงลึกและทักษะปฏิบัติในการใช้ Google ADK เพื่อออกแบบ, พัฒนา และปรับใช้ AI Agent ที่ซับซ้อน สามารถใช้ Function Calling เพื่อเชื่อมต่อกับ APIs ภายนอก และจัดการ State & Memory ในระบบได้อย่างมีประสิทธิภาพ
• ความสามารถในการสร้าง Autonomous Systems: สามารถสร้างระบบที่ขับเคลื่อนด้วยตัวเอง (Autonomous Systems) ที่สามารถดำเนินการตามภารกิจที่ซับซ้อนได้อย่างเป็นลำดับและแม่นยำ ซึ่งเป็นทักษะที่สำคัญอย่างยิ่งในยุคของ AI ที่ทำงานได้ด้วยตนเอง

วันที่ 1: Foundations of Google ADK & Your First Agent

เป้าหมาย: ทำความเข้าใจแกนหลักของ ADK และสามารถสร้าง Agent พร้อมเครื่องมือ (Tools) พื้นฐานได้

• Session 1: Introduction to AI Agents & Google ADK
  • แนวคิดหลักของ AI Agent: ความแตกต่างระหว่าง Chatbot, Copilot และ Autonomous Agent
  • ทำไมต้อง Google ADK?: เจาะลึกบทบาทและจุดเด่นของ ADK ในการสร้าง Agent ที่ซับซ้อน
  • สถาปัตยกรรมและองค์ประกอบหลักของ ADK:ทำความเข้าใจแกนหลัก 3 ส่วน:
    • Instructions: คำสั่งหรือเป้าหมายที่มอบให้กับ Agent
    • Tools: ฟังก์ชันที่ Agent สามารถเรียกใช้เพื่อโต้ตอบกับโลกภายนอก
    • Reasoning Loop: วงจรการ "คิด-วางแผน-ดำเนินการ" ของ Agent

Workshop 1: Environment Setup & "Hello, Agent!"

• การติดตั้ง Google ADK และ Library ที่จำเป็น
• การตั้งค่า API Key สำหรับเชื่อมต่อกับ LLM (เช่น Gemini)
• สร้าง Agent ตัวแรกที่สามารถรับ Instructions และโต้ตอบอย่างง่ายได้
• Session 2:Mastering Tools & Function Calling
  • หลักการทำงานของ Tools: เรียนรู้ว่า Agent แปลงภาษาธรรมชาติเป็น Function Call ได้อย่างไร
  • การสร้าง Tools ด้วย @adk.tool: วิธีการแปลงฟังก์ชัน Python ธรรมดาให้กลายเป็นเครื่องมือที่ Agent รู้จักและใช้งานได้
  • การเขียน Docstrings ที่ดีเพื่อให้ Agent เข้าใจการทำงานและพารามิเตอร์ของ Tool

Workshop 2: Building an Agent with Custom Tools

• พัฒนา Agent ที่มีความสามารถเฉพาะทาง โดยการสร้าง Tools หลายๆ รูปแบบ
• กรณีศึกษา: สร้าง Agent คำนวณเลข, Agent ค้นหาข้อมูลผ่าน API, หรือ Agent จัดการข้อความเบื้องต้น

วันที่ 2: Advanced Agent Capabilities & Integration

เป้าหมาย: สร้าง Agent ที่ทำงานซับซ้อนหลายขั้นตอนได้, จัดการสถานะ (State) และเชื่อมต่อกับระบบภายนอกได้

• Session 3: State & Memory Management
  • ความสำคัญของ State: ทำไม Agent ต้องจำสิ่งที่เคยทำไปแล้ว?
  • เทคนิคการจัดการ State ใน ADK: เรียนรู้เทคนิคการส่งต่อข้อมูลและผลลัพธ์ระหว่างการเรียกใช้ Tool แต่ละครั้ง เพื่อให้ Agent ทำงานต่อเนื่องได้อย่างสมบูรณ์
• Session 4: Building Agents for Multi-step Tasks
  • การวางแผนของ Agent (Agentic Planning): ออกแบบ Agent ที่สามารถวางแผนและเรียกใช้ Tools หลายตัวตามลำดับเพื่อบรรลุเป้าหมายที่ซับซ้อน
  • กรณีศึกษา: พัฒนา "Trip Planner Agent" ที่ต้องค้นหาเที่ยวบิน, จองโรงแรม, และแนะนำสถานที่ท่องเที่ยว ซึ่งเป็นการเรียกใช้ Tools หลายอย่างประกอบกัน

Workshop 3: Integration with External APIs & Databases

• ฝึกปฏิบัติเชื่อมต่อ Agent กับ External APIs (เช่น API สภาพอากาศ, API แผนที่)
• สร้าง Tool สำหรับอ่านและเขียนข้อมูลลงในฐานข้อมูล (SQL หรือ NoSQL) เพื่อให้ Agent สามารถจัดการข้อมูลแบบเรียลไทม์ได้

• Session 5: Designing for Reliability with Human-in-the-Loop
  • เรียนรู้วิธีการออกแบบขั้นตอนให้ มนุษย์เข้ามาตรวจสอบ (Review), ยืนยัน (Confirm) หรือตัดสินใจ (Decide) ในระหว่างที่ Agent ทำงาน
  • ประโยชน์ด้านความปลอดภัย, ความแม่นยำ และการสร้างความน่าเชื่อถือให้กับระบบ

วันที่ 3: Evaluation, Deployment & Real-world Applications

เป้าหมาย: สามารถประเมินประสิทธิภาพ, นำ Agent ไปใช้งานจริง และเข้าใจถึงข้อควรพิจารณาด้านจริยธรรม

• Session 6: Testing & Evaluating Agents with ADK Eval
  • ความท้าทายในการทดสอบ Agent: ทำไมการทดสอบ Agent ถึงซับซ้อนกว่าซอฟต์แวร์ทั่วไป
  • ทำความรู้จัก adk.eval: เรียนรู้วิธีการใช้เฟรมเวิร์กการประเมินผลของ ADK
  • Workshop: สร้างชุดข้อมูลทดสอบ (Test Datasets) และใช้ adk.eval เพื่อวัดประสิทธิภาพ,ความแม่นยำ และความสมํ่าเสมอของ Agent ที่สร้างขึ้น
• Session 7: Deployment Strategies
  • แนวทางการนำ Agent ไปใช้งานจริง:
    • การห่อหุ้ม Agent ด้วย Web API (เช่น FastAPI, Flask)
    • การ Deploy บนสภาพแวดล้อมที่ยืดหยุ่น เช่น Google Cloud Run หรือ Cloud Functions
  • ขอควรพิจารณาด้าน Performance และ Scalability
• Session 8: AI Ethics & Safety
  • อภิปรายประเด็นด้านความรับผิดชอบ, ความปลอดภัย, และความเป็นส่วนตัวในการพัฒนา AI Agent
  • แนวปฏิบัติที่ดีที่สุดในการสร้าง Agent ที่โปร่งใสและเชื่อถือได้
• Final Project Workshop: Build Your Own Business Agent
  • พัฒนา AI Agent สำหรับกรณีการใช้งานจริง:
    • Productivity Agent: Agent ช่วยสรุปอีเมลและสร้าง Task list
    • Customer Support Agent: Agent ช่วยตอบคำถามลูกค้าเบื้องต้นจากฐานข้อมูล
    • Data Entry Agent: Agent ช่วยรับข้อมูลและบันทึกลงในระบบหลังบ้าน