آموزش جامع پروتکل کانتکست مدل (MCP) توسط Anthropic - آخرین آپدیت
دانلود Introduction to Model Context Protocol by Anthropic
توضیحات دوره
این دوره درباره چیست؟
ایجاد یکپارچگی بین مدلهای هوش مصنوعی و سرویسهای خارجی اغلب نیازمند نوشتن کدهای سفارشی گسترده است. پروتکل کانتکست مدل (Model Context Protocol یا MCP) این فرآیند را استاندارد میکند و به Claude اجازه میدهد تا از طریق یک رابط کاربری ثابت به ابزارها، منابع داده و APIها متصل شود. در این دوره، شما یاد میگیرید که هم سرورهای MCP (که ابزارها، منابع و پرامپتها را ارائه میدهند) و هم کلاینتهای MCP (که از این قابلیتها استفاده میکنند) را با استفاده از SDK پایتون بسازید.با بررسی سه رکن اصلی MCP یعنی ابزارها (Tools)، منابع (Resources) و پرامپتها (Prompts) و نحوه ادغام آنها با هوش مصنوعی Claude شروع کنید. در ادامه، نحوه ساخت سرورها و کلاینتها را میآموزید و بررسی میکنید که MCP چگونه اتصالات به سیستمهای خارجی را ساده میکند. این دوره با یک پروژه عملی به پایان میرسد که در آن یک سیستم مدیریت اسناد را با استفاده از MCP پیادهسازی خواهید کرد.
توجه: این دوره توسط شرکت Anthropic تهیه شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی میکنیم.
مدرس
چه کسی این دوره را تدریس میکند؟
شرکت Anthropic یک شرکت منافع عمومی است که به تامین امنیت مزایای هوش مصنوعی و کاهش ریسکهای آن اختصاص یافته است. Anthropic یک شرکت تحقیقاتی در زمینه ایمنی AI است که سیستمهای هوش مصنوعی قابل اعتماد، تفسیرپذیر و هدایتپذیر میسازد.اهداف دوره
در پایان این دوره چه مهارتهایی کسب خواهم کرد؟
- توضیح معماری MCP و نحوه انتقال بار تعریف و اجرای ابزارها از سرور شما به سرورهای تخصصی MCP.
- تعریف سیستم ارتباطی مستقل از انتقال (Transport-agnostic) در MCP و انواع پیامهای مورد استفاده بین کلاینتها و سرورها.
- ترسیم جریان کامل درخواست-پاسخ از پرسشهای کاربر، از طریق کلاینتهای MCP به سرویسهای خارجی و بازگشت به Claude.
- ساخت سرورهای MCP با استفاده از SDK پایتون و بهکارگیری دکوراتورها برای تعریف ابزارها به جای نوشتن دستی طرحوارههای JSON.
- پیادهسازی قابلیتهای مدیریت اسناد با ابزارهای خواندن و ویرایش، با استفاده از توصیفات فیلد و Type Hintها.
- استفاده از MCP Inspector داخلی برای تست و عیبیابی عملکرد سرور در یک رابط کاربری مبتنی بر مرورگر.
- تعریف منابع (Resources) برای ارائه دادههای فقط-خواندنی، شامل منابع مستقیم با URIهای استاتیک و منابع قالببندی شده با پارامتر.
- پیادهسازی قابلیت خواندن منابع در کلاینتها با مدیریت صحیح انواع MIME برای محتوای JSON و متنی.
- ساخت پرامپتهایی که دستورالعملهای باکیفیت و پیشطراحی شده برای جریانهای کاری رایج (مانند فرمتبندی اسناد) ارائه میدهند.
- توضیح زمان استفاده از هر یک از ارکان MCP: ابزارها (کنترل شده توسط مدل)، منابع (کنترل شده توسط اپلیکیشن) و پرامپتها (کنترل شده توسط کاربر).
- بررسی الگوهای یکپارچهسازی کاربردی از جمله قابلیت تکمیل خودکار (Autocomplete) و تزریق کانتکست برای گفتگوهای AI.
مخاطبان دوره
این دوره برای چه کسانی است؟
- توسعهدهندگانی که قصد ساخت سرورهای MCP را دارند.
- مهندسانی که میخواهند Claude را بدون نوشتن کدهای پیچیده، با ابزارها و سرویسهای خارجی یکپارچه کنند.
- توسعهدهندگان نرمافزار علاقهمند به یکپارچهسازی مدلهای هوش مصنوعی.
- علاقهمندان به تکنولوژی که هدفشان بهینهسازی فرآیند اتصال بین سرویسهای AI و منابع داده خارجی است.
پیشنیازها
قبل از شروع این دوره چه چیزهایی باید بدانم؟
- تجربه برنامهنویسی مقدماتی با زبان پایتون (Python).
- آشنایی مقدماتی با APIها.
- آشنایی اولیه با الگوهای async و await در پایتون.
مقدمه Introduction
-
معرفی پروتکل MCP Introducing MCP
-
خوشآمدگویی به دوره Welcome to the course
-
کلاینتهای MCP MCP clients
۱. کار عملی با سرورهای MCP 1. Hands-On with MCP Servers
-
راهاندازی پروژه Project setup
-
تعریف ابزارها با MCP Defining tools with MCP
-
بررسی MCP Inspector The MCP Inspector
۲. اتصال با کلاینتهای MCP 2. Connecting with MCP Clients
-
دسترسی به منابع Accessing resources
-
پیادهسازی یک کلاینت Implementing a client
-
تعریف منابع Defining resources
-
پرامپتها در کلاینت Prompts in the client
-
تعریف پرامپتها Defining prompts
جمعبندی Conclusion
-
مرور کلی MCP MCP review
https://donyad.com/d/5a8918
Anthropic
شرکت Anthropic یک شرکت عامالمنفعه است که هدف آن تضمین مزایای هوش مصنوعی و کاهش خطرات آن است.
آنتروپیک یک شرکت تحقیقاتی و ایمنی هوش مصنوعی است. ما سیستمهای هوش مصنوعی قابل اعتماد، تفسیرپذیر و هدایتپذیری میسازیم. ما ایمنی هوش مصنوعی را به عنوان یک علم سیستماتیک میبینیم؛ تحقیقات انجام میدهیم، آنها را در محصولاتمان به کار میبریم، بینشهای بهدست آمده را به تحقیقاتمان بازمیگردانیم و به طور منظم یافتههای خود را با جهان به اشتراک میگذاریم. آنتروپیک تیمی متشکل از محققان، مهندسان، کارشناسان سیاستگذاری، رهبران کسبوکار و اپراتورهایی است که تجربیات خود را از حوزههای مختلف در این مسیر به کار میگیرند.
نمایش نظرات