لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش Spring AI + MCP: ساخت سیستمهای هوش مصنوعی توزیعشده با Java
- آخرین آپدیت
دانلود Spring AI + MCP: Build Distributed AI Systems with Java
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دستیارهای هوش مصنوعی را با استفاده از Spring AI، پروتکل کانتکست مدل (MCP) و میکروسرویسها با معماری واقعی سازمانی بسازید.
یک سیستم هوش مصنوعی توزیعشده را با استفاده از Spring AI و Model Context Protocol (MCP) در چندین میکروسرویس Spring Boot پیادهسازی کنید.
میکروسرویسهای Spring Boot را با استفاده از Spring AI MCP Server به ارائهدهندگان ابزار MCP تبدیل کنید.
یک دستیار هوش مصنوعی کلاینت MCP پیادهسازی کنید که بهطور پویا ابزارها را در سرویسهای مختلف شناسایی و اجرا میکند.
درک کنید چرا ارکستراسیون سختافزاری (Hardcoded) هوش مصنوعی شکست میخورد و معماریهای مبتنی بر قابلیت MCP چگونه این مشکل را حل میکنند.
سیستمهای MCP را با استفاده از لاگهای JSON-RPC، شمای ابزارها و اجرای زمان واقعی ابزارها تحلیل و عیبیابی کنید.
قابلیتهای پیشرفته MCP شامل Promptها، منابع (Resources) و حالتهای انتقال (Transport modes) را پیادهسازی کنید.
پیش نیازها: دانش برنامهنویسی پایه جاوا (کلاسها، REST APIها، Maven/Gradle).
آشنایی با مفاهیم بنیادی Spring Boot (کنترلرها، سرویسها، پیکربندی).
درک پایه از REST APIها و معماری میکروسرویس.
یک محیط توسعه مانند IntelliJ IDEA یا VS Code.
یک کلید API OpenAI برای اجرای نمونههای دستیار هوش مصنوعی.
سیستمهای مدرن هوش مصنوعی دیگر صرفاً چتباتهای ساده نیستند. اپلیکیشنهای دنیای واقعی به دستیارهای هوش مصنوعی نیاز دارند که بتوانند با سرویسهای بکاند تعامل داشته باشند، اکشنها را اجرا کنند، دادهها را بازیابی کنند و گردش کارهای توزیعشده را مدیریت نمایند.
در این دوره، شما یاد میگیرید که چگونه این سیستمها را با استفاده از Spring AI و Model Context Protocol (MCP) بسازید.
به جای مثالهای ساده، شما یک معماری کامل هوش مصنوعی توزیعشده را پیادهسازی خواهید کرد که با میکروسرویسهای Spring Boot ساخته شده است. این دوره بر اساس یک سیستم سازمانی واقعی به نام NexaCorp است که در آن یک دستیار هوش مصنوعی با سرویسهایی مانند منابع انسانی (HR)، مدیریت استقرار، اعلانها و مدیریت تیکتها تعامل دارد.
شامل دسترسی رایگان ۹۰ روزه به IntelliJ IDEA Ultimate برای تجربه توسعه حرفهای.
آنچه خواهید ساخت
در طول این دوره، شما یک سیستم هوش مصنوعی در سطح Production خواهید ساخت که شامل موارد زیر است:
چندین میکروسرویس Spring Boot
یک پایگاه داده PostgreSQL با جداسازی اسکیما به ازای هر سرویس
یک دستیار هوش مصنوعی ساده با ارکستراسیون دستی
یک دستیار هوش مصنوعی مبتنی بر MCP با شناسایی پویای ابزارها
گردش کارهای توزیعشده هوش مصنوعی در چندین سرویس
خواهید دید که یک دستیار هوش مصنوعی چگونه میتواند عملیاتی مانند موارد زیر را هماهنگ کند:
درخواست مرخصی کارکنان
یافتن مهندس جایگزین
تغییر تخصیص استقرارها
ارسال اعلانها در سرویسهای مختلف
برجستههای پیادهسازی دوره
این دوره کاملاً عملی است و موارد زیر را پوشش میدهد:
راهاندازی بکاند سازمانی
ساخت چندین میکروسرویس Spring Boot
استفاده از PostgreSQL با معماری schema-per-service
مدیریت اسکیما و دادههای اولیه با استفاده از Flyway
تأیید جداسازی سرویسها و ارتباطات بین-سرویسی
ارکستراسیون ساده هوش مصنوعی
ساخت یک دستیار هوش مصنوعی با Spring AI
استخراج قصد (Intent) ساختاریافته از زبان طبیعی
پیادهسازی منطق ارکستراسیون دستی با استفاده از REST APIها
درک محدودیتهای گردش کارهای سختافزاری هوش مصنوعی
پروتکل کانتکست مدل (MCP)
درک معماری MCP و ارتباطات JSON-RPC
تبدیل میکروسرویسها به ارائهدهندگان ابزار MCP
به اشتراکگذاری قابلیتهای دامنه با استفاده از Spring AI MCP server
بررسی شمای ابزارهای تولید شده بهصورت خودکار
دستیار هوش مصنوعی مبتنی بر MCP
ساخت یک دستیار کلاینت MCP با استفاده از Spring AI
فعالسازی شناسایی پویای ابزارها در سرویسها
اجازه دادن به LLM برای برنامهریزی و اجرای گردش کارها
حذف منطق ارکستراسیون از کد اپلیکیشن
عیبیابی و تحلیل زمان اجرا
بررسی لاگهای MCP و جریان اجرای ابزارها
درک تعاملات ابزارهای JSON-RPC
مدیریت خطاهای ابزار و اجرای ناقص گردش کار
گسترش سیستم با ارائهدهندگان ابزار MCP جدید
قابلیتهای پیشرفته MCP
این دوره همچنین ویژگیهای اضافی MCP را بررسی میکند، از جمله:
قابلیت Promptها برای دستورالعملهای استدلالی قابل استفاده مجدد
قابلیت Resources برای مصنوعات ساختاریافته
قابلیت Completions و موارد استفاده از آن
مدلهای انتقال MCP بدون وضعیت (Stateless) در مقابل استریمینگ (Streaming)
تکنولوژیهای مورد استفاده
Java
Spring Boot
Spring AI
Model Context Protocol (MCP)
PostgreSQL
Flyway
Gradle
Docker
سرفصل ها و درس ها
دموی سیستم MCP و آشنایی با دوره
Live MCP System Demo & Course Orientation
سیستم نهایی MCP در عمل
The Finished MCP System in Action
بررسی عمیق معماری سطح بالا
High-Level Architecture Deep Dive
نمایش نظرات