DX Heroes logo

Zpět na postřehy

#ai
#llm
#mcp
#vzdělávání

Kde se naučit AI, LLM a MCP: komentovaný rozcestník zdrojů

Délka: 

10 min

Publikováno: 

10. června 2026

Kde se naučit AI, LLM a MCP: komentovaný rozcestník zdrojů

Workshopy a kurzy vám dají dobré základy. Co s nimi uděláte, závisí na tom, co si dostudujete sami.

Tenhle rozcestník je výběr primárních zdrojů pro samostudium práce s AI. Zaměřuje se na oficiální dokumentaci, akademické texty a materiály přímo od autorů technologií. Třetí strany přidáváme jen tam, kde vysvětlují lépe nebo srozumitelněji než primární zdroj.

Jak to číst:

  • Páteří jsou oficiální dokumentace a primární zdroje (Anthropic, MCP project, OWASP, NIST, autoři klíčových prací). Třetí strany jen výjimečně.
  • Většina kvalitních zdrojů je anglicky — jazyk uvádíme u každé položky.
  • Praktická část míří na Claude (Claude Code / Cowork), ale teorie — LLM, prompting, bezpečnost — je obecná a platí napříč nástroji.
  • Úroveň: 🟢 začátečník · 🔵 středně pokročilý · 🔴 pokročilý

Kde začít

Nemáte čas na celý seznam? Tyhle zdroje pokryjí základ od toho, jak LLM funguje, přes psaní promptů až po stavbu prvního agenta.

  1. Elements of AI — česky 🟢 CZ — úplné základy, co AI je a není. Zdarma, certifikát.
  2. The Illustrated Transformer 🔵 EN nebo video 3Blue1Brown 🟢 EN — jak LLM uvnitř funguje.
  3. Anthropic: Prompting best practices 🔵 EN — jak psát prompty.
  4. Anthropic: Building Effective Agents 🔵 EN — co je (a co není) agent. Nejcitovanější text k tématu.
  5. Claude Code: Best practices + Memory / CLAUDE.md 🔵 EN — jak agenta reálně vést.
  6. Co je MCP 🟢 EN — jak se agent napojí na data a nástroje.
  7. OWASP Top 10 pro LLM aplikace (2025) + The lethal trifecta 🔵 EN — na co si dát pozor.
  8. Hands-on: Claude Code in Action nebo MCP: Build Rich-Context AI Apps 🔵 EN

Základy generativní AI a LLM

Rozumět tomu, jak LLM funguje, vám pomůže psát lepší prompty, nastavovat agenty a chápat, proč model dělá to, co dělá.

Jak funguje transformer a LLM

Tokenizace

Embeddingy

  • Introduction to Embeddings — Cohere docs · 🔵 EN. Embeddingy jako vektory, podobnost, základ sémantického vyhledávání a RAG.

Kontextové okno

  • What is a context window? — IBM Think · 🔵 EN. Kontext jako pracovní paměť, cena attention a „lost in the middle“.

Parametry vzorkování (temperature, top-p)

  • What is LLM Temperature? — IBM Think · 🔵 EN. Nejlepší vendor-neutrální výklad temperature, top-k a top-p.
    • ⚠️ Poznámka: nejnovější modely Claude (Opus 4.7+) temperature/top_p nepřijímají, teorie ale platí obecně.

Výběr modelu

Prompt engineering

Prompting není magie. Je to disciplína s jasně popsanými technikami; Anthropic má k tomu nejlepší veřejnou dokumentaci.

Stavba AI agentů

Vězte, co agenta dělá agentem a co ho dělá špatně navrženým. Tyhle texty jsou základ předtím, než začnete stavět.

Koncepty (vendor-neutrální)

Claude Code

Claude Desktop a Cowork

Agent Skills

MCP — napojení agentů na data a nástroje

Model Context Protocol je standard, který definuje, jak agent komunikuje s externími systémy. Podrobnou analýzu rizik najdete v našem článku MCP pod lupou: jak AI agenti komunikují s nástroji a jaká rizika to přináší.

Oficiální MCP

MCP v Claude a u Microsoftu

Vendor-neutrální výklad

Bezpečnost, governance a dobré návyky

Přečtěte si je dřív, než agentovi dáte přístup k interním systémům. Rizika jsou asymetrická: náklady na pochopení jsou nízké, náklady na incident ne. Hlubší analýzu najdete v našem článku Bezpečnost agentní AI.

Rizika LLM a agentů

Prompt injection a „lethal trifecta“

Bezpečnost MCP a Claude Code

Governance frameworky

Kurzy (zdarma, hands-on)

Chcete si teorii osahat v praxi? Tyhle kurzy jsou zdarma a dobře strukturované.

České zdroje

Kvalitních českých zdrojů ke studiu AI není mnoho. Tyhle jsou výjimky.

Zpět na postřehy

Chcete být o krok napřed?

Nenechte si utéct naše nejlepší postřehy. Žádný spam, jen praktické analýzy, pozvánky na exkluzivní eventy a shrnutí podcastů přímo do vaší schránky.