آموزش مدیریت Azure API برای ایجنت‌های هوش مصنوعی (AI Agents) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه دوره Course Introduction

پیوستن به انجمن دیسکورد Join the Discord Community

• پیوستن به انجمن دیسکورد Join the Discord Community

هوش مصنوعی مولد با APIM - معرفی موارد استفاده خاص در APIM GenAI With APIM - Introduction to AI Specific APIM Use-Cases

• مقدمه‌ای بر مدیریت API با هوش مصنوعی Azure: رابطه APIM و Azure AI Introduction to API Management with Azure AI: APIM Loves Azure AI

مبانی مدیریت Azure API Azure API Management Basics

• مقدمه‌ای بر مدیریت Azure API و چرخه حیات API Introduction to Azure API Management and API Lifecycle

• چرخه حیات API با Azure APIM: درک بخش طراحی (Design) API Lifecycle with Azure APIM : Understanding the "Design" Part

• نکته: مخزن گیت‌هاب برای آزمایشگاه‌های دوره Note: GitHub Repo For the Labs in the Course

• آزمایشگاه ۱: استقرار نمونه مدیریت Azure API Lab 1: Deploying Azure API Management Instance

• چرخه حیات API با Azure APIM: درک بخش توسعه (Develop) API Lifecycle with Azure APIM : Understanding the "Develop" Part

• آزمایشگاه ۲: ساخت یک HTTP API از ابتدا در Azure APIM (تمرین عملی) Lab 2: Building an HTTP API from Scratch in Azure APIM (Hands-On Lab)

• آزمایشگاه ۳: ساخت یک API از مشخصات OpenAPI (تمرین عملی) Lab 3: Building an API From OpenAPI Spec (Hands-On Lab)

• چرخه حیات API با Azure APIM: درک بخش ایمن‌سازی (Secure) API Lifecycle with Azure APIM : Understanding the "Secure" Part

• چرخه حیات API با Azure APIM: درک بخش انتشار (Publish) API Lifecycle with Azure APIM : Understanding the "Publish" Part

• آزمایشگاه ۴: دسترسی به پورتال توسعه‌دهندگان Azure APIM برای تست APIها Lab 4: Accessing Azure APIM Dev Portal for Testing APIs (Hands-On Lab)

• آزمایشگاه ۵: ایجاد سیاست‌های محدودیت نرخ و کش برای APIها Lab 5: Creating Rate Limiting and Caching Policies for our APIs (Hands-On Lab)

• چرخه حیات API با Azure APIM: درک بخش مقیاس‌پذیری (Scale) API Lifecycle with Azure APIM : Understanding the "Scale" Part

• چرخه حیات API با Azure APIM: درک بخش مانیتورینگ و تحلیل API Lifecycle with Azure APIM : Understanding the "Monitor and Analyze" Part

• آزمایشگاه ۶: تحلیل معیارهای استفاده با App Insights و Log Analytics Lab 6: Analyzing usage Metrics with App Insights and Log Analytics Workspace

هوش مصنوعی مولد با APIM - استفاده از Azure OpenAI با APIM GenAI With APIM - Azure OpenAI with APIM

• آزمایشگاه ۱: استقرار منبع Azure OpenAI با مدل GPT-4o Lab 1: Deploying an Azure OpenAI Resource with a GPT-4o LLM (Hands-On Lab)

• آزمایشگاه ۲: ایجاد OpenAI API با Azure APIM Lab 2: Creating an OpenAI API With Azure APIM (Hands-On Lab)

• آزمایشگاه ۳: فراخوانی OpenAI API از نوت‌بوک‌های پایتون Lab 3: Calling our OpenAI API from Python Notebooks (Hands-On Lab)

هوش مصنوعی مولد با APIM - ساخت OpenAI API از ابتدا (برای درک بهتر) GenAI with APIM - Building an OpenAI API from Scratch (For Better Understanding)

• آزمایشگاه ۱: ساخت OpenAI API به عنوان یک APIM HTTP API Lab 1: Building an OpenAI API as an APIM HTTP API (Hands-On Lab)

• آزمایشگاه ۲: افزایش امنیت و کلیدهای API با Named Values Lab 2: Doubling Down on Security & API Keys with "Named Values" (Hands-On Lab)

• آزمایشگاه ۳: افزایش امنیت با احراز هویت Managed Identity Lab 3: Doubling Down on Security with "Managed Identity Auth" (Hands-On Lab)

هوش مصنوعی مولد با APIM - استفاده از AI Foundry با APIM GenAI with APIM - AI Foundry with APIM

• مقدمه‌ای بر Azure AI Foundry Introduction to Azure AI Foundry

• آزمایشگاه ۱: استقرار منبع Azure AI Foundry Lab 1: Deploying an Azure AI Foundry Resource (Hands-On Lab)

• آزمایشگاه ۲: ایجاد API برای Azure AI Foundry با Azure APIM Lab 2: Creating an Azure AI Foundry API with Azure APIM (Hands-On Lab)

• آزمایشگاه ۳: فراخوانی AI Foundry API از نوت‌بوک‌های پایتون Lab 3: Calling our AI Foundry API from Python Notebooks (Hands-On Lab)

هوش مصنوعی مولد با APIM - کش معنایی با Azure Redis Cache GenAI with APIM - Semantic Cache with Azure Redis Cache

• مقدمه‌ای بر Azure Managed Redis و جستجوی معنایی Introduction to Azure Managed Redis and Semantic Search

• مقدمه‌ای بر بردارهای Embedding (Vector Embeddings) Introduction to Vector Embeddings

• آزمایشگاه ۱: استفاده از Vector Embeddings از منبع Azure OpenAI Lab 1: Making Use of Vector Embeddings from Azure OpenAI Resource (Hands-On Lab)

• آزمایشگاه ۲: راه‌اندازی و مشاهده کش معنایی در عمل Lab 2: Setting Up and Seeing Semantic Cache in Action (Hands-On Lab)

هوش مصنوعی مولد با APIM - فیلترهای ایمنی محتوا GenAI with APIM - Content Safety Filters

• مقدمه‌ای بر Azure Content Safety با Azure APIM Introduction to Azure Content Safety with Azure APIM

• آزمایشگاه ۱: استقرار و بررسی Azure Content Safety Studio Lab 1: Deploying an Azure Content Safety Studio and Walkthrough (Hands-On Lab)

• آزمایشگاه ۲: فراخوانی Content Safety Studio با استفاده از فراخوانی‌های API Lab 2: Calling Azure Content Safety Studio with API Calls (Hands-On Lab)

• آزمایشگاه ۳: پیکربندی سیاست APIM برای ایمنی محتوا Lab 3: Configuring Content Safety APIM Policy (Hands-On Lab)

• آزمایشگاه ۴: مشاهده فیلترهای ایمنی محتوا در عمل با نوت‌بوک پایتون Lab 4: Content Safety Filters in Action with Python Notebook (Hands-On Lab)

هوش مصنوعی مولد با APIM - استقرارهای چند منطقه‌ای با متعادل‌ساز بار GenAI with APIM - Multi-Region Load Balanced Deployments

• مقدمه‌ای بر استقرارهای چند منطقه‌ای و متعادل‌ساز بار در APIM Introduction to Azure APIM Multi-Region Load Balanced Deployments

• آزمایشگاه ۱: استقرار چند منطقه‌ای Azure OpenAI Lab 1: Deploying Multi-Region Azure OpenAI Deployments (Hands-On Lab)

• آزمایشگاه ۲: ایجاد قطع‌کننده مدار (Circuit Breaker) و استخرهای Backend متعادل‌ساز بار Lab 2: Creating Circuit Breakers and Load Balancer backend Pools (Hands-On Lab)

• آزمایشگاه ۳: مشاهده متعادل‌سازی بار در عمل با نوت‌بوک پایتون Lab 3: Seeing Load Balancing in Action with Python Notebook (Hands-On Lab)

هوش مصنوعی مولد با APIM - ادغام Prompt Flow GenAI with APIM - Prompt Flow Integration

• مقدمه بخش Section Introduction

• مقدمه‌ای بر Prompt Flow Introduction to Prompt Flow

• آزمایشگاه ۱: توسعه Prompt Flow با عنوان "گفتگو با ویکی‌پدیا" Lab 1: Developing "Chat-With-Wikipedia" Prompt Flow (Hands-On Lab)

• آزمایشگاه ۲: اتصال Prompt Flow به VSCode Lab 2: Onboarding our Prompt Flow to VSCode (Hands-On Lab)

• آزمایشگاه ۳: ساخت و ارسال Prompt Flow به Container Registry Lab 3: Creating and Pushing Prompt Flow to Container Registry (Hands-On Lab)

• آزمایشگاه ۴: استقرار Prompt Flow روی Azure Container Instance Lab 4: Deploying Prompt Flow to Azure Container Instance (Hands-On Lab)

• آزمایشگاه ۵: ادغام Prompt Flow با Azure API Management Lab 5: Prompt Flow Integration with Azure API Management (Hands-On Lab)

هوش مصنوعی مولد با APIM - سرورهای MCP (پروتکل زمینه مدل) GenAI with APIM - MCP (Model Context Protocol) Servers

• مقدمه ماژول: چه انتظاری داشته باشیم Introduction to the Module: What to Expect

• مقدمه‌ای بر سرورهای MCP Introduction to MCP Servers

• بررسی دقیق معماری Client-Server در MCP Detailed Breakdown of the MCP Client-Server Architecture

• APIM و سرورهای MCP: دیدگاه مدیر فنی و معمار راه‌حل APIM and MCP Servers: CTO and Solution Architect POV

• آزمایشگاه: استقرار سرور MCP از راه دور روی Azure Container Apps Lab: Deploying Remote MCP Server to Azure Container Apps (Hands-On Lab)

• آزمایشگاه: ادغام سرور MCP با APIM Lab: Integrating MCP Server with APIM (Hands-On Lab)

• آزمایشگاه: ادغام سرور MCP با ایجنت AI Foundry Lab: Integrating our MCP Server with AI Foundry Agent (Hands-On Lab)

• آزمایشگاه: سیاست محدودیت نرخ با سرور MCP Lab: Rate Limiting Policy with MCP Server (Hands-On Lab)

• آزمایشگاه: تبدیل HTTP REST API به سرور MCP Lab: Converting HTTP REST API to MCP Server (Hands-On Lab)

• آزمایشگاه: پیاده‌سازی سیاست احراز هویت ساده در سرور MCP Lab: Implementing Simple Authorization Policy in MCP Server (Hands-On Lab)

• آزمایشگاه: سیاست‌های احراز هویت Entra ID و JWT در سرور MCP Lab: Entra ID and JWT Auth Policies in MCP Server (Hands-On Lab)