آموزش پروژه‌های هوش مصنوعی عامل‌محور (Agentic AI): FastAPI، MCP، استقرار در AWS و Gemini 3 - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• مسیر یادگیری تسلط بر عوامل هوش مصنوعی | تماشای ضروری AI Agent Mastery Learning Path | Must Watch

• دانلود فایل‌های کد از اینجا Download Code Files Here

• راه‌اندازی محیط Gen AI Gen AI Environment Setup

• نصب Requirements.txt با مدیریت بسته UV python Install Requirements.txt with UV python Package Manager

تازه‌های هوش مصنوعی Latest in AI

• توضیح مهندسی حلقه (Loop Engineering) Loop Engineering Explained

====== بخش اول: شروع کار با Langchain و Gemini 3 ====== ====== PART 1 - Getting Started with Langchain and Gemini 3 ======

• مقدمه Introduction

مبانی عوامل هوش مصنوعی (تئوری) AI Agents Foundation (Theory)

• آناتومی عامل Agent Anatomy

• تفاوت عامل هوش مصنوعی با LLM AI Agent vs LLM

• نحوه عملکرد عامل ReACT How ReACT Agent Works

• الگوهای عامل برای وظایف تخصصی Agent Patterns for Specialized Tasks

• استراتژی جایگزینی مدل (Model Fallback) در محیط عملیاتی Model Fallback Strategy in Production

• انواع پیام‌ها در عامل‌ها Type of Messages in Agents

• چک‌لیست آماده‌سازی برای محیط عملیاتی Your Production Ready Checklist

راه‌اندازی Gemini AI Studio و Langsmith گوگل Google's Gemini AI Studio and Langsmith Setup

• نگاهی کوتاه به راه‌اندازی Gemini و Langsmith Sneak Peek to Gemini and Langsmith Setup

• دریافت ۳۰۰ دلار اعتبار رایگان گوگل کلاد Claim 300 USD Free Google Cloud Credit

• ساخت کلید API رایگان Gemini در Google AI Studio Create Free Gemini API Key in Google AI Studio

• بررسی قابلیت‌های Google AI Studio Explore Google AI Studio Features

• قیمت‌گذاری مدل‌های Google Gemini Google Gemini Models Pricing

• توضیح Rate Limitها - انتخاب مدل مناسب برای عامل‌های خودگردان Rate Limits Explained - Which Model to Select for Autonomous Agents

• توضیح صفحه جدید داشبورد Rate Limit در Gemini New Gemini Rate Limit Dashboard Page Explained

• ساخت و بارگذاری کلید API Langsmith برای ردیابی عامل Create and Load Langsmith API Key for Agent Tracing

• تست کلیدهای API گوگل Gemini و Langsmith Test Google Gemini and Langsmith API Keys

بوت‌کمپ ChatGoogleGenerativeAI با Gemini 3 ChatGoogleGenerativeAI Bootcamp with Gemini 3

• نگاهی کوتاه به بوت‌کمپ Gemini 3 با Langchain Sneak Peek of Gemini 3 Bootcamp with Langchain

• مروری بر مدل Gemini 3 گوگل Google's Gemini3 Model Overview

• راه‌اندازی API رایگان جستجوی وب و آب و هوا برای Gemini و Ollama Gemini, Ollama Free Web Search and Weather API Setup

• مروری بر ChatGoogleGenerativeAI, HumanMessage, SystemMessage و AIMessage Overview of ChatGoogleGenerativeAI, HumanMessage, SystemMessage and AIMessage

• گفتگو با مدل هوش مصنوعی Gemini 3 گوگل Chat with Google's Gemini 3 AI Model

• بررسی عمیق پیام‌های مدل‌های چت - محتوا، متن و بلوک‌های محتوایی Deep Dive into Chat Models AI Messages - content, text and content blocks

• مقایسه پاسخ مدل‌های Gemini 3 و Gemini 2 - بررسی متادیتای پیام AI Gemini3 and Gemini2 Models Response Comparison - Explore AI Message Metadata

• استریمینگ پاسخ‌های ChatModel ChatModel's Response Streaming

• تحلیل تصویر از طریق URL با مدل Gemini 3 Analyze Image from URL with Google Gemini 3 Model

• تحلیل فایل تصویر محلی با Google Gemini Analyze Local Image File with Google Gemini

• تحلیل اسناد PDF مالی Financial PDF Documents Analysis

• ساخت ابزار رایگان جستجوی وب Ollama برای Langchain Create Free Ollama Web Search Langchain Tool

• ساخت ابزار رایگان جستجوی آنی آب و هوا برای Langchain Create Free Real-time Weather Search Langchain Tool

• فراخوانی ابزار (Function Calling) در LLMها Tool Calling (Function Calling) in LLMs

• فعال و غیرفعال کردن قابلیت تفکر (Reasoning) در مدل‌های Gemini Enable and Disable Thinking (Reasoning) Support in Gemini Models

• تثبیت پاسخ Gemini (Grounding) با ابزار جستجوی داخلی گوگل Gemini Response Grounding with Google's In-Built Search Tool

• توضیح Caching کانتکست در Gemini و قیمت‌گذاری آن Google Gemini Context Caching and Pricing Explained

• آپلود اسناد برای Caching کانتکست در Gemini Upload Documents for Gemini Context Caching

• گفتگو با کانتکست کش شده - استفاده از Context Caching برای کاهش هزینه در نسخه Pro Chatting with Cached Context - Utilize Context Caching for Cost Saving in Pro

• تولید تصاویر اینفوگرافیک مالی با مدل Nano Banana Pro Generate Financial Infographic Images with Nano Banana Pro Model

====== بخش دوم: مبانی عامل‌های هوش مصنوعی ====== ====== PART 2 - AI Agent Fundamentals ======

• مقدمه Introduction

مبانی عامل‌های هوش مصنوعی (کدنویسی) AI Agent Fundamentals (Coding)

• راه‌اندازی نوت‌بوک مبانی عامل هوش مصنوعی AI Agent Fundamentals Notebook Setup

• معماری عامل هوش مصنوعی Architecture of AI Agent

• ساخت اولین عامل خود Create Your First Agent

• اجرا و ردیابی اولین پاسخ عامل Execute and Trace Your First Agent Response

• نحوه مدیریت وضعیت‌های (States) عامل توسط Langchain How Agent States are Managed by Langchain

• پیکربندی مدل و System Prompt Model and System Prompt Configuration

• نحوه کنترل کیفیت خروجی عامل بر اساس System Prompt How to Control Agent Output Quality Based on System Prompt

• ساخت و دیباگ عوامل هوش مصنوعی با LangChain Building and Debugging AI Agents with LangChain

ابزارهای عامل (Agent Tools) Agent Tools

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• راه‌اندازی نوت‌بوک Notebook Setup

• بررسی عمیق پیکربندی ابزارهای Langchain Deep Dive into Langchain Tools Configuration

• ساخت عامل همراه با ابزارها Create Agent with Tools

• اجرای عامل با اولین فراخوانی ابزار Run Your Agent with First Tool Call

• بررسی عمیق پاسخ عامل و مدیریت وضعیت (State) عامل Deep Dive into Agent Response and Agent State Management

• نحوه فراخوانی ابزارها به صورت متوالی و موازی How to Call Tools in Sequence and Parallel

• اتفاقی که هنگام بروز خطا در ابزار برای اجرای عامل می‌افتد What Happens to Agent Execution when a Tool Throws Error

• بررسی عمیق Hooks و Wrap در Langchain برای مدیریت خطاهای ابزار Deep Dive into Langchain's Hooks and Wrap to Handle Tool Errors

• مدیریت بهینه خطاهای ابزار در عامل‌های سطح عملیاتی Handle Tool Errors Gracefully in Production Level Agents

• مقدمه‌ای بر ToolRuntime برای دسترسی به وضعیت‌های عامل در فراخوانی ابزارها Introduction to ToolRuntime to Access Agent States in Tool Calls

• دسترسی به وضعیت‌های عامل در داخل فراخوانی‌های ابزار Access Agent States inside the Tool Calls

• دسترسی به داده‌های کانتکست تغییرناپذیر در فراخوانی‌های ابزار Access Immutable Context Data Inside Tool Calls

حافظه عامل - حافظه کوتاه‌مدت و مهندسی کانتکست Agentic Memory - Short Term Memory & Context Engineering

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• راه‌اندازی نوت‌بوک و تعریف حافظه کوتاه‌مدت در عامل‌ها Notebook Setup and What is Short Term Memory in Agents

• حافظه کوتاه‌مدت عامل - InMemorySaver Agent Short Term Memory - InMemorySaver

• حافظه کوتاه‌مدت عامل - ذخیره تاریخچه چت در SQLite Agent Short Term Memory - Store Chat Histories in SQLite

• حافظه کوتاه‌مدت عامل - ذخیره تاریخچه چت در سرور PostgreSQL Agent Short Term Memory - Store Chat Histories in PostgreSQL Server

• توضیح تخلیه کانتکست (Context Offloading) Context Offloading (Context Engineering) Explained

• راه‌اندازی تخلیه کانتکست Context Offloading Setup

• نحوه دریافت دائمی اتصال تازه به دیتابیس How to Always Get Fresh DB Connection

• خلاصه‌سازی تاریخچه چت و ذخیره محلی در فایل .md در زمان اجرا Summarize Chat Histories and Save it Locally in .md File in Runtime

• بارگذاری کانتکست تخلیه شده در وضعیت عامل - بخش اول Load Offloaded Context in Agent State Part 1

• بارگذاری کانتکست تخلیه شده در وضعیت عامل - بخش دوم Load Offloaded Context in Agent State Part 2

• پاکسازی پیام‌های قبلی در وضعیت عامل پس از تخلیه کانتکست Clear Previous Messages in Agent State After Context Offloading

حافظه عامل - حافظه بلندمدت Agentic Memory - Long Term Memory

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• حافظه بلندمدت در عوامل هوش مصنوعی چیست؟ What is Long-term Memory in AI Agents

• توضیح راه‌اندازی حافظه بلندمدت Long-term Memory Setup Explained

• راه‌اندازی مدل Embedding گوگل Gemini Google Gemini Embedding Model Setup

• راه‌اندازی PostgresSQL با Embedding برای ذخیره حافظه بلندمدت PostgresSQL Setup with Embedding for Long-term Memory Store

• ذخیره حافظه کاربر در دیتابیس PostgresSQL Store User Memory to PostgresSQL DB

• خواندن حافظه کاربر از ذخیره‌ساز حافظه بلندمدت Read User Memory from Long-term Memory Store

• ذخیره ترجیحات کاربر در زمان اجرا - بخش اول Save User Preferences in Runtime Part 1

• ذخیره ترجیحات کاربر در زمان اجرا - بخش دوم Save User Preferences in Runtime Part 2

• بازیابی ترجیحات (حافظه) کاربر در Thread IDهای مختلف Retrieve User Preferences (Memory) Across the Thread IDs

• نحوه ارائه نتایج شخصی‌سازی شده به کاربران توسط عامل How to Offer Personalized Agentic Result to Users

استریمینگ عامل و پاسخ‌های ساختاریافته Agent Streaming and Structured Responses

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر استریمینگ پاسخ‌های عامل Introduction to Agent Response Streaming

• استریم پاسخ عامل در حالت 'messages' Stream Agent Response in 'messages' Mode

• استریم پاسخ عامل در حالت‌های 'update' و 'values' Stream Agent Response in 'update' and 'values' Mode

• نوشتن متد کمکی برای استریم پاسخ عامل - بخش اول Writing Utility Method for Agent Response Streaming Part 1

• نوشتن متد کمکی برای استریم پاسخ عامل - بخش دوم Writing Utility Method for Agent Response Streaming Part 2

• دریافت پاسخ ساختاریافته از عامل Get Structured Response from Agent

میان‌افزار عامل (Agent Middleware) Agent Middleware

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر میان‌افزار عامل (Agent Middleware) - بخش اول Introduction to Agent Middleware Part 1

• مقدمه‌ای بر میان‌افزار عامل (Agent Middleware) - بخش دوم Introduction to Agent Middleware Part 2

• راه‌اندازی نوت‌بوک برای میان‌افزارهای عامل Notebook Setup for Agent Middlewares

• نوشتن میان‌افزار سفارشی برای کوتاه کردن (Trim) وضعیت عامل Write Custom Middleware to Trim Agent State

• کوتاه کردن وضعیت عامل در زمان اجرا با استفاده از میان‌افزار سفارشی Trim Agent State in Runtime using Custom Middleware

• حذف پیام وضعیت عامل با استفاده از After Model Middleware Hooks Delete Agent State Message with After Model Middleware Hooks

• میان‌افزار خلاصه‌سازی - بخش اول Summarization Middleware Part 1

• میان‌افزار خلاصه‌سازی - بخش دوم Summarization Middleware Part 2

• ایجاد برنامه‌ریزی وظایف با میان‌افزار TODO Create Task Planning with TODO Middleware

• انتخاب دینامیک مدل برای وظایف پیچیده - بخش اول Dynamic Model Selection for Complex Tasks Part 1

• انتخاب دینامیک مدل برای وظایف پیچیده - بخش دوم Dynamic Model Selection for Complex Tasks Part 2

• محدود کردن فراخوانی‌های مدل و ابزار برای جلوگیری از حلقه بی‌نهایت - بخش اول Limit Model and Tool Calls to Avoid Infinite Loop Part 1

• محدود کردن فراخوانی‌های مدل و ابزار برای جلوگیری از حلقه بی‌نهایت - بخش دوم Limit Model and Tool Calls to Avoid Infinite Loop Part 2

• ایمن‌سازی عامل AI با میان‌افزار جایگزینی مدل (Model Fallback) Failsafe Your AI Agent with Model Fallback Middleware

• انتخاب دینامیک System Prompt بر اساس پروفایل کاربر برای اپلیکیشن AI Select System Prompt Dynamically Based on User Profile for Your AI App

• توانمندسازی عامل AI برای جستجوی فایل‌ها به صورت محلی Enable AI Agent to Search Files Locally

حفاظ‌های عامل (Guardrails) و انسان در چرخه (HITL) Agent Guardrails and Human in the Loop (HITL)

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه Guardrails و HITL و راه‌اندازی نوت‌بوک Agent Guardrails & HITL Introduction and Notebook Setup

• حفاظت از اطلاعات شخصی کاربران با PII Guardrails - بخش اول Protect Users Personal Information with PII Guardrails Part 1

• حفاظت از اطلاعات شخصی کاربران با PII Guardrails - بخش دوم Protect Users Personal Information with PII Guardrails Part 2

• حفاظت از اطلاعات شخصی کاربران با PII Guardrails - بخش سوم Protect Users Personal Information with PII Guardrails Part 3

• جلوگیری از اشتباهات عامل با نگه داشتن انسان در چرخه (HITL) Avoid Agent Blunders by Keeping Human in The Loop (HITL)

• نوشتن کد HITL برای عوامل هوش مصنوعی Write HITL Code for AI Agents

• قطع اجرای عامل برای تایید انسانی Interrupt Agent Execution for Human Approval

• ویرایش وضعیت عامل پس از وقفه HITL Edit Agent State After HITL Interrupt

• رد درخواست اجرای ابزار توسط عامل پس از وقفه HITL Reject Agent Tool Execution Request After HITL Interrupt

مهندسی پرامپت Prompt Engineering

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• هنر مهندسی پرامپت - بخش اول The Art of Prompt Engineering Part 1

• هنر مهندسی پرامپت - بخش دوم The Art of Prompt Engineering Part 2

• مقایسه کیفیت خروجی عامل: پرامپت ساده در مقابل پرامپت مهندسی شده Agent Output Quality Comparison Basic vs Engineered Prompt

• مهندسی پرامپت بر اساس نقش و محدودیت Role and Constraint Based Prompt Engineering

• مهندسی پرامپت Few Shot و آگاه به کانتکست Few Shot and Context Aware Prompt Engineering

• مهندسی پرامپت برای استفاده از ابزارهای عامل Prompt Engineering for Agent Tool Usage

• مهندسی پرامپت زنجیره افکار (Chain of Thoughts - CoT) Chain of Thoughts (CoT) Prompt Engineering

====== بخش سوم: پروژه‌های عامل هوش مصنوعی | پروژه‌های Gen AI ====== ====== PART 3 - AI Agent Projects | Gen AI Projects ======

• مقدمه‌ای بر پروژه‌های Gen AI Introduction to Gen AI Projects

مقدمه‌ای بر MCP برای پروژه‌های Gen AI Introduction to MCP for Gen AI Projects

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر MCP و ابزارهای Langchain Introduction to MCP and Langchain Tools

• مقایسه MCP در مقابل سرویس‌های RestAPI MCP vs RestAPI Services

• مقدمه‌ای بر معماری MCP Introduction to MCP Architecture

• ویژگی‌های MCP - بخش اول MCP Features Part 1

• ویژگی‌های MCP - بخش دوم MCP Features Part 2

پروژه ۱: جستجوی زنده هتل با Airbnb MCP AI Agent Project 1 - Live Hotel Search with Airbnb MCP

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• برنامه عملیاتی برای پروژه‌های واقعی هوش مصنوعی Plan of Attack for Real-World AI Projects

• رفع خطای SSL Airbnb در ویندوز Airbnb SSL Error on Windows

• پیکربندی سرور Airbnb MCP Configure Airbnb MCP Server

• مقدمه‌ای بر آداپتور Langchain MCP Introduction to Langchain MCP Adapter

• راه‌اندازی airbnb_mcp.py با UV airbnb_mcp.py Setup with UV

• راه‌اندازی پروژه MCP MCP Project Setup

• دریافت ابزارهای Airbnb MCP در زمان اجرا Fetch Airbnb MCP Tools in Runtime

• مهندسی پرامپت برای جستجوی هتل Airbnb Airbnb Hotel Search Prompt Engineering

• جستجوی زنده هتل Airbnb با عامل هوش مصنوعی Live Airbnb Hotel Search with AI Agent

• جستجوی هتل در حالت چت Hotel Search in Chat Mode

پروژه ۲: عامل برنامه‌ریز سفر AI Agent Project 2 - Travel Planner Agent

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر عامل برنامه‌ریز سفر Introduction to Travel Planner Agent

• چرخه توسعه اپلیکیشن‌های هوش مصنوعی AI Application Development Cycle

• راه‌اندازی پروژه عامل برنامه‌ریز سفر Travel Planner Agent Project Setup

• بارگذاری تنظیمات MCP از یک مکان متمرکز Load MCP Config from Centralized Location

• پیکربندی سرور Google Calendar MCP Configure Google Calendar MCP Server

• پیکربندی اعتبارنامه‌های احراز هویت گوگل - بخش اول Configure Google Auth Credentials Part 1

• پیکربندی اعتبارنامه‌های احراز هویت گوگل - بخش دوم Configure Google Auth Credentials Part 2

• مجوز دادن به عامل AI برای استفاده از سرویس‌های تقویم گوگل Authorize AI Agent to Use Your Google Calendar Services

• دریافت لیست ابزارهای موجود در Google Calendar MCP Get the List of Available Tools in Google Calendar MCP Tools

• ساخت عامل AI با حافظه و Google Calendar MCP Create AI Agent with Memory and Google Calendar MCP

• برنامه‌ریزی سفر شما با عامل هوش مصنوعی Plan Your Travel Trip with Your AI Agent

• تست عامل در حالت چت Play with Your Agent in Chat Mode.mp4

ایمن‌سازی عوامل AI با اجرای امن کد Securing AI Agents with Safe Code Execution

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر امنیت عامل هوش مصنوعی Introduction to AI Agent Security

• نحوه جلوگیری از حذف فایل‌ها و سرقت اعتبارنامه‌ها در حالت Sandbox How File System Deletion and Creds Theft Prevented in Sandbox Mode

• ویژگی‌های اصلی اجرای کد در E2B Sandbox E2B Sandbox Code Execution Core Features

• راه‌اندازی کلید API رایگان E2B Sandbox Setup E2B Sandbox Free API KEY

پروژه ۳: عامل اجرای کد | امنیت عامل AI در محیط عملیاتی AI Agent Project 3 - Code Execution Agent | AI Agent Security in Production

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• راه‌اندازی نوت‌بوک Notebook Setup

• اولین اجرای کد در حالت Sandbox Your First Code Execution in Sandbox Mode

• رسم نمودارها و اشکال در حالت Sandbox Plot Charts and Figure in Sandbox Mode

• نوشتن ابزار کمکی برای تحلیل داده‌ها Write Helper Tool for Data Analysis

• آپلود فایل‌های داده در سرور Sandbox راه دور برای تحلیل Upload Data Files on Remote Sandbox Server for Analysis

• نوشتن ابزار عامل برای اجرای کد در حالت Sandbox Write Agent Tool to Run Code in Sandbox Mode

• مهندسی پرامپت برای عامل اجرای کد Prompt Engineering for Code Execution Agent

• ساخت عامل اجرای کد Create Code Execution Agent

• تحلیل دیتاست فیلم‌های IMDB با عامل اجرای کد Analyze IMDB Movies Dataset with Code Execution Agent

• تحلیل جریان‌های نقدی و ترازنامه اپل و گوگل Apple and Google Cash Flows and Balance Sheet Analysis

• تحلیل دیتاست تایتانیک با عامل AI اجرای کد Analyze Titanic Dataset with Code Execution AI Agent

پروژه ۴: عامل تحلیلگر گوگل شیت و امور مالی AI Agent Project 4 - Google Sheet and Finance Analyzer Agent

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• فعال‌سازی APIهای گوگل شیت و گوگل درایو Enable Google Sheet and Google Drive API

• راه‌اندازی پیکربندی Google Sheet MCP Google Sheet MCP Config Setup

• راه‌اندازی پیکربندی سرور Yahoo Finance MCP Yahoo Finance MCP Server Config Setup

• راه‌اندازی پروژه تحلیل عاملانه گوگل شیت Agentic Google Sheet Analysis Project Setup

• تایید اتصال به گوگل شیت و گوگل درایو Verify Google Sheet and Google Drive Connection

• عامل تحلیل گوگل شیت در عمل Google Sheet Analysis Agent in Action

• تحلیل عمیق با عامل شما در حالت چت Deep Analysis with Your Agent in Chat Mode

• نوشتن داده‌های تحلیل شده در گوگل شیت در زمان اجرا از طریق عامل AI Writing Back Analyzed Data in Google Sheet in Runtime Through AI Agent

پروژه ۵: عامل گزارش روزانه | اتوماسیون Gmail با عامل AI AI Agent Project 5 - Daily Briefing Agent | Automate Gmail with AI Agent

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• راه‌اندازی پیکربندی سرور Gmail MCP Gmail MCP Server Config Setup

• احراز هویت دسترسی Gmail برای عامل AI Authenticate Gmail Access to AI Agent

• بررسی عمیق ابزارهای Gmail MCP برای امنیت عامل Deep Dive Gmail MCP Tools for Agent Security

• نوشتن عامل و پرامپت گزارش روزانه Write Daily Briefing Agent and Prompt

• عامل AI گزارش روزانه در عمل Daily Briefing AI Agent in Action

پروژه ۶: ساخت و استقرار دستیار هوش مصنوعی شخصی روی AWS EC2 AI Agent Project 6 - Build and Deploy Personal AI Assistant on AWS EC2

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر رابط کاربری چت Langchain Agent Introduction to Langchain Agent Chat UI

• راه‌اندازی WSL برای ویندوز (ویدیو یوتیوب) WSL Setup for Windows (YouTube Video)

• راه‌اندازی مخزن (Repo) رابط کاربری چت Langchain Agent Langchain Agent Chat UI Repo Setup

• راه‌اندازی پروژه رابط کاربری چت Langchain Agent Langchain Agent Chat UI Project Setup

• چت با عامل شما با رابط کاربری Langsmith Studio Chat with Your Agent with Langsmith Studio Chat UI

• چت با عامل شما با رابط کاربری Langchain Chat Chat with Your Agent with Langchain Chat UI

• ساخت حساب AWS با ۲۰۰ دلار اعتبار رایگان Create AWS Account with $200 Free Credit

• لانچ Ubuntu EC2 Instance Launch Ubuntu EC2 Instance

• اتصال VS Code به EC2 Instance و راه‌اندازی مخزن Connect VS Code with EC2 Instance and Repo Setup

• راه‌اندازی پروژه روی EC2 Instance Project Setup on EC2 Instance

• اجرای سرور Langchain Agent روی EC2 Instance Run Langchain Agent Server on EC2 Instance

• تغییر نوع EC2 Instance Change EC2 Instance Type

• میزبانی رابط کاربری چت Langchain Agent روی EC2 Instance Host Langchain Agent Chat UI on EC2 Instance

• اتصال رابط کاربری چت به سرور بک‌اند عامل Connect Chat UI with Backend Agent Server

• راه‌اندازی پروژه دستیار شخصی عامل‌محور روی EC2 Setup Agentic Personal Assistant Project on EC2

• راه‌اندازی اعتبارنامه‌های سرور Gmail MCP روی EC2 Instance Gmail MCP Server Credentials Setup on EC2 Instance

• استقرار عامل دستیار شخصی روی AWS EC2 Deploy Personal Assistant Agent on AWS EC2

• اتصال سرور Google Sheet MCP به عامل دستیار Attach Google Sheet MCP Server with Assistant Agent

• دستیار هوش مصنوعی شخصی در عمل Personal AI Assistant in Action

پروژه ۷: ساخت اولین درگاه REST API برای عامل AI با FastAPI AI Agent Project 7 - Build Your First AI Agent REST API Gateway with FastAPI

• نگاهی کوتاه به مسیر یادگیری پیش رو 00 Sneak Peek - Learning Path Ahead

• نحوه تعامل رابط کاربری چت و اپلیکیشن عامل AI How Chat UI and AI Agent App Works Together

• نحوه عملکرد رابط کاربری ChatGPT - بخش اول How ChatGPT UI Interface Works Part 1

• نحوه عملکرد رابط کاربری ChatGPT - بخش دوم How ChatGPT UI Interface Works Part 2

• مقدمه‌ای بر REST API برای اپلیکیشن‌های GenAI Introduction to REST API for GenAI Applications

• بررسی عمیق دست‌دهی (Handshake) درخواست کلاینت-سرور با مثال پیشخدمت و آشپزخانه Deep Dive Client-Server Request Handshake Through Waiter-Kitchen Example

• نوشتن اولین اپلیکیشن سرور با FastAPI Write Your First Server App with FastAPI

• تست اولین سرور FastAPI از طریق Swagger UI و درخواست‌های Curl Test Your First FastAPI Server Through Swagger UI and Curl Requests

• اجرا و پیکربندی سرور FastAPI با سرور Uvicorn Run and Configure FastAPI Server with Uvicorn Server

• تست و دیباگ REST API با Postman Test and Debug REST API with Postman API Tester

• استفاده از CORS، Guardrails و اعتبارسنجی داده‌ها با Pydantic برای عامل‌های AI امن CORS, Guardrails and Data Validation with Pydantic for Secure AI Agents

• راه‌اندازی سرور FastAPI با Pydantic و حفاظ‌های CORS FastAPI Server Setup with Pydantic and CORS Guardrails

• نوشتن Endpoint مربوط به POST چت در سرور FastAPI برای عامل‌های AI Write chat POST Endpoint in FastAPI Server for AI Agents

• تست Endpoint سفارشی چت عامل AI با FastAPI Swagger UI Test Your AI Agent Custom Chat API Endpoint with FastAPI Swagger UI

• تست جامع درگاه API عامل AI با Postman Test Your AI Agent API Gateway End to End with Postman

پروژه ۸: دستیار هوش مصنوعی Full Stack (Streamlit + FastAPI) AI Agent Project 8 - Full-Stack AI Personal Assistant (Streamlit + FastAPI)

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• مقدمه‌ای بر استریمینگ پاسخ در FastAPI Introduction to Response Streaming in FastAPI

• راه‌اندازی پروژه برای استریم پاسخ از سرور FastAPI Project Setup for Response Streaming from FastAPI Server

• مقداردهی اولیه سرور FastAPI با ابزارهای سرور MCP و CORS Initialize FastAPI Server with MCP Server Tools and CORS

• مقداردهی اولیه عامل AI و مدل Gemini برای استریم پاسخ Initialize AI Agent and Gemini Model for Response Streaming

• استریمینگ پاسخ‌های ناهمگام (Async) از عامل AI Async Response Streaming from AI Agent

• استریم پاسخ عامل AI از طریق سرور FastAPI Stream AI Agent Response Through FastAPI Server

• مقدمه‌ای بر Streamlit Introduction to Streamlit

• مقداردهی اولیه اپلیکیشن Streamlit Initialize Streamlit Application

• مدیریت تاریخچه چت با Session State در Streamlit Manage Chat Histories with Streamlit Session State

• نمایش پیام‌های چت با آیکون‌های کاربر و دستیار AI Display Chat Messages with User and AI Assistant Icons

• دریافت استریم زنده عامل AI در اپلیکیشن Streamlit - بخش اول Receive Live AI Agent Stream in Streamlit App Part 1

• دریافت استریم زنده عامل AI در اپلیکیشن Streamlit - بخش دوم Receive Live AI Agent Stream in Streamlit App Part 2

• تست جامع دستیار هوش مصنوعی شخصی با استریم چت آنی End to End Testing of Your Personal AI Assistant with Realtime Chat Stream

• اصلاح مسیر دانلود گزارش‌های PDF PDF Reports Download Dir Correction

• تولید گزارش PDF با دستیار هوش مصنوعی شخصی Generate PDF Report with Your Personal AI Assistant

• تست جامع دستیار هوش مصنوعی شخصی همراه با گزارش PDF End to End Testing of Personal AI Assistant with PDF Report

پروژه ۹: استقرار عوامل AI روی AWS EC2 با FastAPI و Streamlit AI Agent Project 9 - Deploy AI Agents on AWS EC2 with FastAPI & Streamlit

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• برنامه عملیاتی برای استقرار عامل FastAPI و Streamlit روی سرور AWS Plan of Attack for Deploying FastAPI and Streamlit Agent on AWS Server

• راه‌اندازی و اتصال EC2 Instance به VS Code Setup and Connect EC2 Instance with VS Code

• استقرار پروژه عامل AI با FastAPI و Streamlit روی سرور AWS EC2 Deploy AI Agent Project with FastAPI and Streamlit on AWS EC2 Server

• پیکربندی امنیتی EC2 Instance برای دسترسی امن به عامل AI Security Configuration of AWS EC2 Instance for Secure AI Agent Access

• تست جامع عامل دستیار هوش مصنوعی شخصی مستقر شده روی AWS EC2 End to End Testing of Personal AI Assistant Agent Deployed on AWS EC2

پروژه ۱۰: ساخت عامل تحلیلگر MySQL شخصی برای دیتابیس تجارت الکترونیک AI Agent Project 10 - Build Personal MySQL Analyst Agent for Ecommerce DB

• نگاهی کوتاه به مسیر یادگیری پیش رو Sneak Peek - Learning Path Ahead

• نحوه اتصال دستیار هوش مصنوعی شخصی به دیتابیس MySQL تجارت الکترونیک How to Connect Your Personal AI Assistant with MySQL E-commerce Database

• دانلود دیتاست تجارت الکترونیک و ثبت‌نام رایگان برای MySQL DB در TiDB Download E-commerce Dataset and Free Sign Up for MySQL DB on TiDB

• بارگذاری اعتبارنامه‌های سرور MySQL در نوت‌بوک Load MySQL Servers Creds in Notebook

• ساخت دیتابیس تجارت الکترونیک روی سرور MySQL Create E-commerce Database on MySQL Server

• آپلود دیتابیس تجارت الکترونیک به سرور MySQL Upload E-commerce database to MySQL Server

• پیکربندی سرور MySQL MCP Configure MySQL MCP Server

• پیکربندی سرور استریمینگ FastAPI برای سرور MySQL MCP Configure FastAPI Streaming Server for MySQL MCP Server

• تست جامع عامل تحلیلگر MySQL شخصی شما End to End Testing of Your Personal My SQL Analyst Agent