Building Safe and Reliable AI Agents on AWS

kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.

Building Safe and Reliable AI Agents on AWS

Dozent: Morgan Willis

Fragen Sie Coursera

5 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

4 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

5 Module

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.

Stufe Mittel

Einige einschlägige Kenntnisse erforderlich

4 Stunden zu vervollständigen

Flexibler Zeitplan

In Ihrem eigenen Lerntempo lernen

Was Sie lernen werden

Explain why production AI agents require safety controls beyond prompts and model behavior.
Identify the four major agent failure modes: saying something wrong, doing something wrong, adversarial abuse, and excessive cost.
Describe the role of the agent harness and key AWS components used to host and secure an agent system.

Kompetenzen, die Sie erwerben

Kategorie: Responsible AI
Kategorie: Security Controls
Kategorie: Development Testing
Kategorie: Site Reliability Engineering
Kategorie: Verification And Validation
Kategorie: Enterprise Architecture
Kategorie: Agentic systems
Kategorie: AI Security
Kategorie: Tool Calling
Kategorie: Prompt Patterns
Kategorie: Context Management
Kategorie: Generative AI Agents
Kategorie: Authorization (Computing)

Werkzeuge, die Sie lernen werden

Kategorie: AI Orchestration
Kategorie: Model Context Protocol
Kategorie: AI Workflows
Kategorie: Amazon Web Services
Kategorie: Amazon Bedrock
Kategorie: Agentic Workflows
Kategorie: Prompt Engineering

Wichtige Details

Kürzlich aktualisiert!

August 2026

Bewertungen

5 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Weitere Informationen zu Coursera für Unternehmen

Logos von Petrobras, TATA, Danone, Capgemini, P&G und L'Oreal

In diesem Kurs gibt es 5 Module

This course teaches learners how to design AI agents that are trustworthy enough for production use. Using a customer service agent example built on AWS, learners explore the major ways agents fail in real-world environments and the architectural patterns used to reduce those risks. The course covers agent harness design, layered guardrails, steering, tool safety, policy enforcement, evaluations, observability, and cost controls. By the end of the course, learners will be able to explain and apply practical mitigation techniques for deploying safer AI agents with AWS services such as Amazon Bedrock, Strands Agents SDK, Agent Runtime, Agent Gateway, Lambda, and AgentCore policy.

This module introduces the central challenge of production AI agents: balancing usefulness with risk. Learners examine real-world failures, the four major failure modes, and the concept of the agent harness as the system layer where safety, reliability, and observability are engineered.

Das ist alles enthalten

2 Videos2 Lektüren1 Aufgabe

This module establishes the technical foundation of the course by introducing the customer service agent example and the AWS services used to build it. Learners explore the basic agent code structure, how tools are exposed through MCP, and where hosting and orchestration happen in AWS.

Das ist alles enthalten

2 Videos2 Lektüren1 Aufgabe

This module focuses on layered controls that help agents stay on topic and follow business rules. Learners examine why prompt-only safety is insufficient, then explore Amazon Bedrock Guardrails and Strands steering patterns, including LLM-as-a-judge and deterministic workflow checks.

Das ist alles enthalten

2 Videos2 Lektüren1 Aufgabe

This module explores how agents interact with tools and why that interaction must be tightly controlled. Learners study risks caused by hallucinated tool inputs, unclear tool design, and context-dependent authorization. They then learn how interceptors, intent-based tool design, and Cedar policies can reduce those risks.

Das ist alles enthalten

2 Videos2 Lektüren1 Aufgabe

This module brings together the operational practices needed to run agents reliably over time. Learners explore evaluation strategies that go beyond the happy path, real-time observability, runtime cost limits, and the full end-to-end architecture of the example customer service agent.