GH-600: Developing in Agentic AI Systems

Learn how to design, develop, deploy, and manage agentic AI systems using GitHub. Build practical skills to integrate AI agents into software development workflows, automate development tasks, and govern intelligent agents across the software development lifecycle (SDLC).

GH-600: Developing in Agentic AI Systems course equips developers and AI engineers with the knowledge and hands-on skills to build, deploy, and operate agentic AI systems within GitHub-based software development environments. Participants will learn how to design AI agent architectures, configure custom agents and tools, manage agent memory and execution, and coordinate multi-agent workflows. The course also covers evaluating agent performance, implementing governance and guardrails, and securely operating AI agents in production SDLC workflows using GitHub as the control plane.

Key takeaways

You will learn how to:

  • Design and implement agentic AI systems within GitHub-based development workflows.
  • Configure and customize AI agents, GitHub Copilot, and MCP servers.
  • Manage agent memory, state, execution, and orchestration.
  • Coordinate multiple AI agents to automate software development tasks.
  • Evaluate, optimize, and supervise AI agent performance.
  • Implement governance, security controls, and guardrails for production AI systems.

Prerequisites

Required

  • Experience with GitHub and GitHub workflows
  • Understanding of the Software Development Lifecycle (SDLC)
  • Familiarity with GitHub Copilot and AI coding assistants
  • Basic knowledge of DevOps and source control

Recommended

  • Experience with Model Context Protocol (MCP) servers
  • Knowledge of custom AI agents and prompt engineering
  • Understanding of code quality, security, and review practices
  • Experience working in collaborative software development environments

Target audience
  • AI Engineer
  • Software Developer
  • Full Stack Developer
  • System Architect
  • Platform Engineer
  • Security Engineer

 

Se alle kurs innen dette fagområdet

 


Learning objectives:

Foundations of Agentic AI in GitHub

  • Introduction
  • Define Agentic AI in the SDLC
  • Explain the Agent Lifecycle: Plan, Act, Evaluate
  • Describe GitHub as the System of Record and Control Plane
  • Identify Responsibilities, Risks, Anti-Patterns, and Traceability Needs
  • Apply the Contributor Model to Agent-Generated Work

Designing Agent Architecture and SDLC Integration

  • Introduction
  • Map Agent Responsibilities to the SDLC
  • Define Inputs, Outputs, and Success Criteria
  • Separate Planning, Reasoning, and Execution
  • Implement Pull Request Governance Using Templates, Checks, CODEOWNERS, Rules, and Environment Gates
  • Build Reliable Workflows Using Outputs, Contexts, Triggers, and Cross-Job Handoffs
  • Control and Operate Agents with Observability, MCP, Secrets, Hooks, and Reliability

Tooling, MCP, and Agent Execution Environments

  • Introduction
  • How Agents Interact with GitHub APIs and Workflows
  • Model Context Protocol (MCP) Servers, Registries, and Allow Lists
  • Execution Context and Boundaries
  • Agent Execution Limits and Protections

Multi-Agent Systems and Orchestration

  • Introduction
  • Define Multi-Agent Responsibilities in the SDLC
  • Orchestrate Agents Using GitHub Workflows
  • Isolate Execution Using Branches, Workflows, Permissions, and Concurrency
  • Detect and Resolve Conflicts Using GitHub-Native Arbitration
  • Make the System Observable with Attribution, Evidence, and Handoffs
  • Operate Reliably at Scale by Diagnosing Failures and Recovering Safely

Memory, State, and Evaluation

  • Introduction
  • Implement Agent Memory Strategies
  • Persist Agent State and Manage Context Drift
  • Ensure Continuity of Agent Memory and State Across Tools and Environments
  • Define Evaluation Signals and Enforce Quality Gates
  • Analyze Agent Failures and Improve Behavior

Governance, Guardrails, and Operations

  • Introduction
  • Define Risk-Based Autonomy and Action Boundaries
  • Enforce Governance with GitHub Controls
  • Design Human-in-the-Loop Workflows
  • Control Agent Capabilities Using Least Privilege
  • Make Actions Observable, Traceable, and Auditable
  • Maintain Governance and Operational Reliability

Certification:

This course leads to the GitHub Certified Agentic AI Developer certification.

 

FAQ – GH-600: Developing in Agentic AI Systems

Hva koster kurset?
Prisen er 9 500 NOK for 1 dag. Kurset inkluderer digital kursdokumentasjon og hands-on labs. Lunsj og forfriskninger er inkludert ved klasseromskurs.

Hvor lenge varer kurset?
Kurset går over 1 dag fra kl. 09.00 til 16.00.

Hvordan gjennomføres kurset?
Kurset gjennomføres med engelsk kursdokumentasjon og engelsktalende instruktør. Undervisningen kombinerer faglig gjennomgang og praktiske øvelser med GitHub, GitHub Copilot, MCP-servere og AI-agenter.

Hvem passer kurset for?
Kurset passer for utviklere og tekniske fagpersoner som ønsker å bygge, integrere og administrere agentiske AI-systemer i programvareutvikling.

  • AI Engineers
  • Software Developers
  • Full Stack Developers
  • System Architects
  • Platform Engineers
  • Security Engineers

Hvilke forkunnskaper kreves?
Du bør ha erfaring med GitHub og GitHub workflows, forståelse av Software Development Lifecycle (SDLC), kjennskap til GitHub Copilot og AI-assisterte utviklingsverktøy, samt grunnleggende kunnskap om DevOps og versjonskontroll.

Hvilke forkunnskaper anbefales?
Det er en fordel med erfaring fra MCP-servere, custom AI agents, prompt engineering, kodekvalitet, sikkerhet, code review og samarbeid i utviklingsteam.

Hva lærer jeg i løpet av kurset?
Du lærer hvordan agentiske AI-systemer kan brukes til å automatisere og forbedre programvareutvikling. Etter kurset vil du kunne:

  • Designe og implementere agentiske AI-systemer i GitHub-baserte utviklingsprosesser
  • Konfigurere og tilpasse AI-agenter, GitHub Copilot og MCP-servere
  • Administrere agent memory, state og execution
  • Orkestrere flere AI-agenter for automatisering av utviklingsoppgaver
  • Evaluere og optimalisere ytelsen til AI-agenter
  • Implementere governance, sikkerhetskontroller og guardrails
  • Bruke GitHub til sporbarhet, kontroll og overvåkning av agentbaserte arbeidsflyter

Er kurset praktisk rettet?
Ja. Kurset inkluderer hands-on labs og praktiske øvelser knyttet til agentarkitektur, GitHub workflows, MCP-integrasjoner, multi-agent orchestration, testing og sikker drift av AI-agenter.

Hvilke temaer dekkes i kurset?
Kurset dekker blant annet:

  • Agentic AI i Software Development Lifecycle (SDLC)
  • Agent lifecycle: Plan, Act, Evaluate
  • GitHub som control plane for AI-agenter
  • Agentarkitektur og SDLC-integrasjon
  • GitHub Actions, pull request governance og CODEOWNERS
  • Model Context Protocol (MCP), tools og execution environments
  • Multi-agent systems og orchestration
  • Agent memory, state og context management
  • Evaluering, quality gates og performance optimization
  • Human-in-the-loop workflows
  • Least privilege, guardrails og sikkerhet
  • Observability, auditability og operational reliability

Hva er agentisk AI i programvareutvikling?
Agentisk AI innebærer at AI-agenter kan planlegge, utføre og evaluere oppgaver som en del av utviklingsprosessen. I GitHub kan slike agenter støtte kodeutvikling, testing, dokumentasjon og automatisering, underlagt definerte sikkerhets- og kvalitetskontroller.

Hvordan sikrer man AI-agenter i GitHub?
Kurset viser hvordan GitHub-funksjoner som permissions, pull request checks, CODEOWNERS, rules og environment gates kan brukes sammen med least privilege, human-in-the-loop og sporbarhet for å kontrollere agentenes handlinger.

Får jeg sertifisering etter kurset?
Kurset forbereder deg til GitHub Certified Agentic AI Developer-sertifiseringen. Sertifiseringen oppnås ved å bestå tilhørende eksamen.

Er eksamen inkludert?
Eksamen er ikke inkludert i kursprisen.

Hva gjør dette kurset nyttig?
Kurset viser hvordan GitHub kan brukes som en kontrollert plattform for agentisk AI i utviklingsprosessen. Du lærer å kombinere AI-agenter, automatisering og multi-agent workflows med sikkerhet, governance og kvalitetskontroll for mer effektive og pålitelige utviklingsprosesser.

 

GitHub & AI-assistert utvikling

GitHub Actions & DevOps

Agentic AI & multi-agent-løsninger

Security & Responsible AI