# Zoran Marić — zoranmaric.com > AI Solutions Architect i softverski inženjer iz Beograda. Gradim inteligentne proizvode: AI agenti, veliki jezički modeli (LLM), Model Context Protocol (MCP) i moderna arhitektura. Sajt sadrži portfolio i pet interaktivnih, dvojezičnih (srpski/engleski) tutorijala — dva o osnovama jezičkih modela i prompta, i tri o izradi AI agenata sa Claude API-jem, od nule, u čistom Pythonu, bez teških okvira. ## O autoru - Zoran Marić — AI Solutions Architect & Software Engineer. - 15+ godina iskustva: PHP/Laravel, Python/Flask/Django; danas fokus na AI agente, LLM i MCP. - Trenutni projekat: EUPPN (European Plant Protection Network) — AI platforma za zaštitu bilja: https://euppn.net - LinkedIn: https://www.linkedin.com/in/webmaric/ - Kod svih tutorijala (GitLab): https://gitlab.com/webmaric/tutorials ## Agenti od prvog tokena — serija u pet delova (redosled čitanja: Osnove 1 → Osnove 2 → Agenti 1 → Agenti 2 → Agenti 3) - [Osnove 1 — Model ispod agenta](https://zoranmaric.com/model-ispod-agenta/): šta je jezički model zapravo — jedan API poziv, tokeni, context window, sampling, `stop_reason`, tool use, structured outputs, streaming, izbor modela i cena. Za one koji nikad nisu direktno zvali LLM API. - [Osnove 2 — Prompt i kontekst](https://zoranmaric.com/prompt-i-kontekst/): šta staviš u model — anatomija prompta (`system` vs `user`), preciznost, few-shot primeri, granica između uputstva i podataka (prompt injection), kontekst kao budžet, dovlačenje znanja i evaluacija promptova. - [Agenti 1 — Agentska petlja](https://zoranmaric.com/agentska-petlja/): kako AI agent radi kao petlja (posmatraj → misli → deluj → proveri), tool use, spoljna verifikacija, kočnice i uslovi izlaska. Za programere nove u agentima. - [Agenti 2 — Agent bez nadzora](https://zoranmaric.com/agent-bez-nadzora/): memorija, context engineering, ograde i dozvole (allowlist), čovek u petlji, observability (trag), evali, orkestracija. - [Agenti 3 — Agent kao proizvod](https://zoranmaric.com/agent-kao-proizvod/): pravi alati umesto igračke, MCP (Model Context Protocol), agent kao FastAPI HTTP servis, stanje po korisniku, async i konkurentnost, trošak i latencija. ## Rečnik AI izraza - [Rečnik AI izraza](https://zoranmaric.com/recnik/): 50 pojmova objašnjenih kratko i bez žargona, na srpskom i engleskom, u četiri grupe. - Model: LLM, token, kontekst, prozor konteksta, prompt, system prompt, poruke i uloge, parametri (težine), trening, otvoreni modeli (open weights), dotreniravanje, inferencija, sampling, temperatura, halucinacija, granica znanja, streaming, latencija, multimodalnost, embedding, rasuđivanje. - Prompt i kontekst: few-shot, lanac rasuđivanja, prompt injection, jailbreak, structured outputs, RAG, deljenje na odlomke (chunking), vektorska baza, keširanje prompta, context engineering, sažimanje, memorija. - Agenti: agent, agentska petlja, okvir za agente, alat, tool use, MCP, verifikacija, ograda, sandbox, čovek u petlji, kočnice, orkestracija. - Produkcija: eval, benchmark, trag (observability), rate limit, cena po tokenu. - Svaki pojam ima svoje sidro (npr. https://zoranmaric.com/recnik/#token) i link na lekciju iz serije u kojoj je razrađen. ## Napomene - Svaki tutorijal ima 12 lekcija, dvojezičan je (srpski i engleski) i dolazi sa pokretljivim Python kodom (samo `anthropic` SDK). - Preporučeni redosled: Model ispod agenta → Prompt i kontekst → Agentska petlja → Agent bez nadzora → Agent kao proizvod. Osnove su samostalne i mogu se preskočiti ako već radiš sa LLM API-jem. - Pristup je besplatan. - Glavna ideja serije: agent nije prompt, agent je petlja — inteligencija dolazi iz strukture petlje (cilj, alati, verifikacija, kočnice), ne iz savršenog prompta.