آموزش ساخت ایجنتهای هوش مصنوعی با MCP - پروتکل کانتکست مدل - TS/PY - آخرین آپدیت
دانلود Build AI Agents with MCP - Model Context Protocol - TS/PY
تسلط بر پروتکل کانتکست مدل (MCP): ساخت سرورهای MCP در پایتون و تایپاسکریپت
یاد بگیرید چگونه سرورهای MCP را گام به گام بسازیدو ایجنتهای هوش مصنوعی آماده تولیدرا بر پایه پروتکل کانتکست مدل (MCP)ایجاد کنید. این دوره عملی همه چیز را از تنظیمات MCP Python SDKو TypeScript SDK تا استقرار و انتشار سرورهای امن MCPبرای یکپارچهسازی واقعی با LLMپوشش میدهد.
پروتکل کانتکست مدلاستانداردی نوظهور برای اتصال ایجنتهای هوش مصنوعیبه ابزارهای خارجی، منابع داده و APIها است. چه در حال ساخت راهکارهای هوش مصنوعی ایجنتی (Agentic AI)باشید، چه یکپارچهسازی کلاینتهای MCPبا مدلهای زبانی بزرگ، یا بررسی تفاوت MCP در مقابل سایر فریمورکهای یکپارچهسازی AI—این یک راهنمای کامل توسعه پروتکل کانتکست مدلبرای شماست.
شما بر معماری سرور MCPو کلاینت MCPمسلط میشوید، لایههای انتقال STDIO در برابر Streamable HTTPرا درک میکنید، یاد میگیرید چگونه ایجنتهای AI را با MCP بسازیدو مانند یک حرفهای، پیادهسازیهای خود را دیباگ، تست و بازرسیکنید. در پایان، با اعتماد به نفس کامل راهکارهای MCP را مستقر و منتشرمیکنید که امن، مقیاسپذیر و آماده تولید باشند.
آنچه بر آن مسلط خواهید شد
پایهها و راهاندازی
با درک عمیق از معماری MCP، هاستها و اکوسیستم آن شروع کنید. محیط توسعه خود را آماده کنید و اولین MCP خارجی خود را در عرض چند دقیقه متصل کنید—بدون نیاز به تجربه قبلی.
ساخت عملی با دو زبان برنامهنویسی
ابزار خود را انتخاب کنید—یا هر دو را یاد بگیرید! سرورهای کامل MCPرا در تایپاسکریپتو پایتونبا پیادهسازیهای موازی با استفاده از MCP Python SDKو TypeScript SDK بسازید. رویکردها را در کنار هم مقایسه کرده و آنچه برای پروژههایتان بهتر است انتخاب کنید.
مفاهیم کلیدی و حیاتی
تسلط بر لایههای انتقال MCP شامل پیادهسازیهای STDIO در مقابل Streamable HTTP
مسلط شدن بر سه رکن اصلی MCP: ابزارها (Tools)، منابع (Resources) و پرامپتها (Prompts)
درک زمان استفاده از منابع در مقابل ابزارها برای عملکرد بهینه
یادگیری ساخت سرورهای MCP امنبا الگوهای احراز هویت صحیح
دیباگ، تست و بازرسی MCPها مانند یک حرفهای
پروژه عملی دنیای واقعی
تئوری را به عمل تبدیل کنید با یک پروژه جامع MCP که در آن یک سیستم سفارش پیتزا با عملکرد کامل را با استفاده از الگوهای هوش مصنوعی ایجنتیمیسازید. یاد بگیرید چگونه تماسهای HTTP را مدیریت کنید، تصاویر را در پاسخها نمایش دهید، پارامترها را مدیریت کرده و سفارشات را از طریق یک پیادهسازی واقعی ردیابی کنید.
چرا این دوره؟
پشتیبانی موازی از زبانها:هر مفهوم اصلی هم در تایپاسکریپت و هم در پایتون آموزش داده میشود
یادگیری تدریجی:از "Hello World" تا یکپارچهسازیهای پیچیده LLM
مهارتهای آماده تولید:یادگیری الگوهای واقعی استقرار MCP، نه فقط مثالهای ساده
رویکرد امنیت-محور:ساخت و ایمنسازی سرورهای MCPبرای استفاده سازمانی
تمرین عملی:ساخت پروژههای واقعی و فعال ایجنت هوش مصنوعی
این دوره برای چه کسانی است
توسعهدهندگانی که به دنبال یکپارچهسازی ایجنتهای AIدر برنامههای موجود هستند
علاقهمندان به هوش مصنوعی که آمادهاند از تعاملات ساده چتبات فراتر رفته و به سراغ هوش مصنوعی ایجنتیبروند
مهندسان بکاند که در حال بررسی معماریهای مدرن AI و فریمورکهای یکپارچهسازی LLMهستند
هر کسی که کنجکاو است زیرساختهای نسل بعدی ایجنتهای AIرا بسازد
در پایان این دوره
شما با اطمینان سرورهای سفارشی MCPو کلاینتهای MCPخواهید ساخت که قابلیتهای هوش مصنوعی را با ابزارهای خارجی گسترش داده، منابع پویا ارائه کرده و یکپارچهسازیهای بینقصی ایجاد میکنند. چه در حال ساخت ابزارهای داخلی، محصولات تجاری یا پروژههای آزمایشی باشید، مهارتهای لازم را خواهید داشت تا هوش مصنوعی را باسیستمهای شما به کار بگیرید، نه فقط در کنار آنها.
آینده هوش مصنوعی گسترشپذیر است. یاد بگیرید آن را بسازید.
معرفی دوره Course introduction
-
خوشآمدگویی به دوره Welcome to the course
-
نکات یودمی Udemy tips
-
ابزارهای مورد نیاز Tools we will need
-
کدهای دوره Course code
مبانی MCP: درک معماری، سرورها و ایجنتها MCP Fundamentals: Understanding Architecture, Servers & Agents
-
مقدمهای بر پروتکل کانتکست مدل (MCP) Introduction to the Model Context Protocol
-
معماری MCP و یکپارچهسازی LLM MCP Architecture & LLM Integration
-
مفاهیم اصلی MCP: هاستها، کلاینتها و سرورها MCP Core Concepts: Hosts, Clients & Servers
-
هاستهای MCP و اتصال ایجنتهای AI MCP Hosts & AI Agent Connectivity
-
یافتن و نصب سرورهای MCP Finding & Installing MCP Servers
-
یکپارچهسازی اولین سرور MCP خارجی Integrating Your First External MCP Server
-
استفاده پیشرفته از سرورهای MCP خارجی Advanced External MCP Server Usage
ساخت سرورهای MCP آماده تولید در پایتون و تایپاسکریپت Building Production MCP Servers in Python & TypeScript
-
معرفی بخش Section intro
-
انتخاب بین پایتون و تایپاسکریپت برای توسعه MCP Choosing Between Python & TypeScript for MCP Development
-
راهاندازی توسعه MCP با تایپاسکریپت TypeScript MCP Development Setup
-
سرور MCP تایپاسکریپت: Hello World TypeScript MCP Server: Hello World
-
تایپاسکریپت: گسترش MCP TypeScript: Extending the MCP
-
راهاندازی توسعه با Python MCP SDK Python MCP SDK Development Setup
-
سرور MCP پایتون: Hello World Python MCP Server: Hello World
-
گسترش یک سرور MCP پایتون Extending a Python MCP Server
-
MCP Inspector: دیباگ و تست سرورهای MCP MCP Inspector: Debugging & Testing MCP Servers
المانهای پایه MCP و پروتکلهای انتقال و ارتباط: STDIO, HTTP MCP Primitives and Transport Protocols & Communication: STDIO, HTTP
-
مروری بر انتقال و المانهای پایه MCP MCP Transport & Primitives Overview
-
انتقال MCP: STDIO در مقابل Streamable HTTP MCP Transport: STDIO vs Streamable HTTP
-
شروع پروژه MCP: تایپاسکریپت و پایتون MCP Project Initialization: TypeScript & Python
-
انتقال MCP تایپاسکریپت: http TypeScript MCP transport: http
-
انتقال MCP پایتون: http Python MCP transport: http
-
المانهای پایه MCP MCP primitives
-
منابع MCP (Resources) MCP Resources
-
تایپاسکریپت: ساخت منابع TypeScript: building resources
-
پایتون: ساخت منابع Python: building resources
-
منابع در مقابل ابزارها (Resources vs Tools) Resources vs Tools
-
پرامپتهای MCP MCP Prompts
-
دموی پرامپتها Prompts Demo
پروژه عملی: ساخت یک سرور MCP واقعی با یکپارچهسازی API Practice Project: Building a Real-World MCP Server with API Integration
-
پروژه عملی: یکپارچهسازی ایجنت AI با MCP Practice Project: MCP AI Agent Integration
-
راهاندازی پروژه MCP و معماری REST API MCP Project Setup & REST API Architecture
-
یکپارچهسازی HTTP و REST API با MCP HTTP & REST API Integration with MCP
سرور MCP تایپاسکریپت: راهنمای جامع پیادهسازی TypeScript MCP Server: Complete Implementation Guide
-
مرور کلی پروژه MCP تایپاسکریپت TypeScript MCP Project Overview
-
MCP تایپاسکریپت: راهاندازی پروژه و اولین ابزار TypeScript MCP: Project Setup & First Tool
-
MCP تایپاسکریپت: پاسخهای تصویری در ابزارها TypeScript MCP: Image Responses in Tools
-
MCP تایپاسکریپت: ابزارهای دارای پارامتر TypeScript MCP: Tools with Parameters
-
MCP تایپاسکریپت: ابزار وضعیت سفارش TypeScript MCP: Order Status Tool
پایتون MCP SDK: ساخت سرورهای تولیدی با یکپارچهسازیهای سفارشی Python MCP SDK: Building Production Servers with Custom Integrations
-
مرور کلی پروژه MCP پایتون Python MCP Project Overview
-
MCP پایتون: راهاندازی پروژه Python MCP: Project Setup
-
MCP پایتون: پیادهسازی اولین ابزار Python MCP: First Tool Implementation
-
MCP پایتون: پاسخهای تصویری در ابزارها Python MCP: Image Responses in Tools
-
MCP پایتون: ابزارهای دارای پارامتر Python MCP: Tools with Parameters
-
MCP پایتون: ابزار وضعیت سفارش Python MCP: Order Status Tool
-
MCP پایتون: دموی کامل گردش کار Python MCP: Complete Workflow Demo
ایمنسازی سرورهای MCP: احراز هویت، مجوزدهی و انطباق Securing MCP Servers: Authentication, Authorization & Compliance
-
ایمنسازی ایجنتهای AI: مجوزدهی MCP Securing AI Agents: MCP Authorization
-
MCP OAuth 2.0: مجوزدهی دسترسی ایجنت AI MCP OAuth 2.0: Authorizing AI Agent Access
-
ساخت یک سرور OAuth برای ایجنتهای AI در MCP Building an OAuth Server for MCP AI Agents
-
احراز هویت ایجنت AI در MCP: برنامهریزی پیادهسازی MCP AI Agent Authentication: Implementation Planning
-
پاکسازی کش oauth در VSCode VSCode oauth cache cleaning
-
MCP تایپاسکریپت: سرور Express OAuth برای ایجنتهای AI TypeScript MCP: Express OAuth Server for AI Agents
-
MCP تایپاسکریپت: پیادهسازی OAuth 2.0 برای ایجنتهای AI TypeScript MCP: OAuth 2.0 Implementation for AI Agents
-
MCP پایتون: سرور FastAPI OAuth برای ایجنتهای AI Python MCP: FastAPI OAuth Server for AI Agents
-
MCP پایتون: پیادهسازی OAuth 2.0 برای ایجنتهای AI Python MCP: OAuth 2.0 Implementation for AI Agents
پایان End
-
سپاسگزاری! Thank you!
-
بونوس Bonus
https://donyad.com/d/b6bdcd
Alex Horea
وب و ابر توسعه دهندگان! من الکس هستم و خوشحالم که با شما ملاقات می کنم! من مدرک کارشناسی ارشد در فن آوری های اینترنتی دارم و من یک وب سایت علاقه مندان و توسعه دهنده ابر هستم. در سال های گذشته من طراحی و اجرای رابط کاربر و راه حل های ابر برای مشتریان مختلف از صنعت خودرو کار کردم. من به شدت بر این باور هستم که دانستن هرگز کافی نیست. دانش باید انجام شود، به همین دلیل است که من می خواهم آموزش خود را بر روی برنامه های بتنی، دنیای واقعی تمرکز کنم.
نمایش نظرات