آموزش استقرار و پیاده‌سازی عامل‌های هوش مصنوعی با OpenAI - آخرین آپدیت

یکپارچه‌سازی اجزای عامل هوشمند Integrating Intelligent Agent Components

• معرفی تخصص Specialization Introduction

• مقدمه دوره Course Introduction

• دستیار شخصی چندعاملی چیست؟ What Is a Multi-Agent Personal Assistant?

• نقش‌های عامل: برنامه‌ریز، اجراکننده، دانش، رابط Agent Roles : Planner, Executor, Knowledge, Interface

• طراحی ماژولار با استفاده از AgentKit SDK Modular Design Using AgentKit SDK

• عملی: ثبت عامل‌های تخصصی (عامل‌های استدلال، دانش، عملیات) Hands-On: Register Specialized Agents (Reasoner, Knowledge, Action Agents)

• عملی: ایجاد عامل هماهنگ‌کننده برای مدیریت زیرعامل‌ها Hands-On: Create a Coordinator Agent to Manage Sub-Agents

• عملی: اتصال عامل‌ها با استفاده از MCP برای اشتراک بافت (Context) Hands-On: Connect Agents Using MCP for Shared Context

• پروتکل‌های عامل‌محور برای سیستم‌های چندعاملی (MCP, A2A, ACP) Agentic Protocols for Multi-Agent Systems (MCP, A2A, ACP)

• عملی: پیاده‌سازی پیام‌رسانی A2A بین عامل هماهنگ‌کننده و عامل‌های کارگر Hands-On: Implement A2A Messaging Between Coordinator and Worker Agents

• عملی: مدیریت پاسخ‌های چندعاملی از طریق تبادل بافت MCP Hands-On: Handle Multi-Agent Responses via MCP Context Exchange

• عملی: تجمیع و اولویت‌بندی خروجی‌های چندعاملی Hands-On: Aggregate and Prioritize Multi-Agent Outputs

طراحی تعامل کاربر و شخصی‌سازی Designing User Interaction and Personalization

• اصول تجربه کاربری (UX) گفتگو محور برای سیستم‌های هوش مصنوعی Principles of Conversational UX for AI Systems

• عملی: ساخت رابط چت Streamlit برای دستیار Hands-On: Build a Streamlit Chat Interface for the Assistant

• عملی: اتصال بک‌اند چندعاملی (AgentKit Sessions) به فرانت‌اند Hands-On: Connect Multi-Agent Backend (AgentKit Sessions) to Frontend

• عملی: فعال‌سازی پاسخ‌های استریمینگ بلادرنگ Hands-On: Enable Real-Time Streaming Responses

• رفتار دستیار مبتنی بر بافت و شخصی‌سازی شده Contextual and Personalized Assistant Behavior

• عملی: ذخیره پروفایل‌های کاربر با استفاده از حافظه AgentKit Hands-On: Store User Profiles Using AgentKit Memory

• عملی: تطبیق پویا لحن، سبک و پیشنهادات Hands-On: Adapt Tone, Style, and Suggestions Dynamically

• عملی: حفظ بافت طولانی‌مدت با MCP Context Store Hands-On: Maintain Long-Term Context with MCP Context Store

• اتصال دستیار به APIها و ابزارهای خارجی Connecting the Assistant to External APIs and Tools

• عملی: ثبت ابزارهای خارجی در AgentKit (مانند تقویم، اسناد) Hands-On: Register External Tools in AgentKit (e.g., Calendar, Docs)

• عملی: اتوماسیون وظایف رایج از طریق فراخوانی تابع و یکپارچگی MCP Hands-On: Automate Common Tasks via Function Calls and MCP Integration

• عملی: طراحی جریان تکمیل وظیفه با هماهنگی A2A Hands-On: Design a Task Completion Flow with A2A Coordination

استقرار، تست و بهینه‌سازی Deployment, Testing, and Optimization

• اعتبارسنجی ارتباطات و منطق چندعاملی Validating Multi-Agent Communication and Logic

• عملی: نوشتن موارد تست برای جریان‌های استدلال و هماهنگی I Hands-On: Write Test Cases for Reasoning and Coordination Flows - I

• عملی: نوشتن موارد تست برای جریان‌های استدلال و هماهنگی II Hands-On: Write Test Cases for Reasoning and Coordination Flows - II

• عملی: اندازه‌گیری دقت پاسخ و تأخیر (Latency) Hands-On: Measure Response Accuracy and Latency

• گزینه‌های استقرار: Streamlit Cloud Deployment Options : Streamlit Cloud

• عملی: بسته‌بندی دستیار برای استقرار در ابر Hands-On: Package the Assistant for Cloud Deployment

• عملی: تنظیم ایمن کلیدهای API و متغیرهای محیطی Hands-On: Set Up API Keys and Environment Variables Securely

• عملی: فعال‌سازی نشست‌های (Sessions) چندعاملی در محیط‌های ابری Hands-On: Enable Multi-Agent Sessions in Cloud Environments

• عملی: استقرار دستیار چندعاملی با رابط Streamlit Hands-On: Deploy the Multi-Agent Assistant with Streamlit Interface

• خلاصه دوره Course Summary