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

  • چرا ارکستراسیون سخت‌افزاری هوش مصنوعی شکست می‌خورد Why Hardcoded AI Orchestration Fails

  • نقشه راه دوره و مسیر یادگیری Course Roadmap & Learning Path

  • دریافت رایگان IntelliJ IDEA (۹۰ روزه) Free IntelliJ IDEA (90 Days)

  • دسترسی به سورس کد (راهنمای گیت‌هاب) Accessing Source Code (GitHub Guide)

ساخت میکروسرویس‌های دامنه سازمانی Building the Enterprise Domain Microservices

  • دامنه NexaCorp و معماری سرویس‌ها NexaCorp Domain & Service Architecture

  • ساخت سرویس HR با PostgreSQL و Flyway Building hr-service with PostgreSQL and Flyway

  • ساخت میکروسرویس سرویس استقرار Building deployment-service Microservice

  • افزودن سرویس اعلان‌ها و سرویس تیکت Adding notification-service and ticket-service

  • تأیید نهایی بک‌اند (End-to-End) End-to-End Backend Verification

ساخت دستیار هوش مصنوعی ساده Building the Naive AI Assistant

  • چرا هوش مصنوعی را به سیستم بک‌اند اضافه کنیم؟ Why Add AI to the Backend System?

  • ایجاد سرویس دستیار هوش مصنوعی ساده Creating the ai-assistant-naive Service

  • استخراج قصد (Intent) با استفاده از LLM Intent Extraction Using LLM

  • پیاده‌سازی منطق ارکستراسیون دستی Implementing Manual Orchestration Logic

  • شناسایی محدودیت‌های معماری Identifying Architectural Limitations

مقدمه‌ای بر پروتکل کانتکست مدل (MCP) Introduction to Model Context Protocol (MCP)

  • از ارکستراسیون سخت‌افزاری تا نمایش قابلیت‌ها From Hardcoded Orchestration to Capability Exposure

  • پروتکل کانتکست مدل (MCP) چیست؟ What Is Model Context Protocol (MCP)?

  • درک JSON RPC در MCP Understanding JSON-RPC in MCP

  • مرور کلی قابلیت‌های MCP MCP Capabilities Overview

  • حالت‌های انتقال (Transport Modes) در MCP Transport Modes in MCP

  • نمایش زنده MCP با استفاده از پروژه POC Live MCP Teaser Using a POC Project

تبدیل میکروسرویس‌ها به سرورهای MCP Converting Microservices into MCP Servers

  • آماده‌سازی سرویس HR برای MCP Preparing hr-service for MCP

  • به اشتراک‌گذاری اولین ابزار MCP Exposing the First MCP Tool

  • به اشتراک‌گذاری قابلیت‌های تکمیلی HR Exposing Additional HR Capabilities

  • تبدیل سرویس استقرار به MCP Converting deployment-service to MCP

  • تأیید چندین ارائه‌دهنده ابزار MCP Verifying Multiple MCP Tool Providers

ساخت دستیار کلاینت MCP Building the MCP Client Assistant

  • طراحی دستیار مبتنی بر MCP Designing the MCP-Based Assistant

  • ایجاد سرویس دستیار هوش مصنوعی MCP Creating the ai-assistant-mcp Service

  • فعال‌سازی یکپارچگی ابزارهای MCP Enabling MCP Tool Integration

  • مدیریت تجزیه Timestamp برای آرگومان‌های ابزار MCP Handling Timestamp Parsing for MCP Tool Arguments

  • اولین گردش کار کامل MCP First End-to-End MCP Workflow

  • نحوه ارکستراسیون ابزارهای MCP توسط LLM How the LLM Orchestrates MCP Tools

اثبات هوش توزیع‌شده Proving Distributed Intelligence

  • درک لاگ‌های MCP Understanding MCP Logs

  • اجرای ناقص گردش کار Partial Workflow Execution

  • مدیریت ورودی‌های نامعتبر ابزار Handling Invalid Tool Inputs

  • گسترش سیستم با یک ارائه‌دهنده ابزار MCP جدید Extending the System with a New MCP Tool Provider

  • بررسی شمای ابزارهای MCP Inspecting MCP Tool Schemas

فراتر از ابزارها: قابلیت‌های پیشرفته MCP Beyond Tools: Advanced MCP Capabilities

  • زمانی که ابزارها کافی نیستند When Tools Are Not Enough

  • پیاده‌سازی Promptهای MCP (سمت سرور) Implementing MCP Prompts (Server Side)

  • استفاده از Promptهای MCP در دستیار Using MCP Prompts in the Assistant

  • درک منابع (Resources) MCP و محدودیت‌های آن‌ها Understanding MCP Resources and Their Limitations

  • درک Completionهای MCP Understanding MCP Completions

  • انتقال MCP بدون وضعیت در مقابل استریم‌شونده Stateless vs Streamable MCP Transport

نمایش نظرات

آموزش Spring AI + MCP: ساخت سیستم‌های هوش مصنوعی توزیع‌شده با Java
جزییات دوره
3 hours
44
(آخرین آپدیت)
424
4.7 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Infiproton Tech Infiproton Tech

مهندس | منتور | راهنمای شما برای یادگیری مهارت‌های کدنویسی واقعی

Harish B N Harish B N

برنامه‌نویس نرم‌افزار، کوچ و مدرس