آموزش ساخت ایجنت‌های هوش مصنوعی با پروتکل کانتکست مدل (MCP) از Pearson - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• ساخت ایجنت‌های هوش مصنوعی با پروتکل کانتکست مدل (MCP): مقدمه Build AI agents with Model Context Protocol (MCP): Introduction

1. شروع کار با پروتکل کانتکست مدل (MCP) برای ایجنت‌های هوش مصنوعی 1. Get Started with Model Context Protocol (MCP) for AI Agents

• آزمایشگاه: استفاده از هوش مصنوعی با MCP برای دریافت اطلاعات لحظه‌ای: آب و هوا Lab: Use AI with MCP to get real-time information: The weather

• اهداف یادگیری Learning objectives

• مرور دروس آموخته شده از HTTP Remember lessons learned from HTTP

• یادگیری دامنه‌های اطلاعاتی Learn the domains of information

• آزمایشگاه: استفاده از هوش مصنوعی برای دریافت اطلاعات لحظه‌ای: آب و هوا Lab: Use AI to get real-time information: The weather

• درک دلیل شکست استراتژی‌های باغ محصور Understand why walled garden strategies fail

• آشنایی با اپلیکیشن‌های کلاینت MCP Get familiar with MCP client applications

• یادگیری شباهت‌های MCP با HTTP Learn how MCP is similar to HTTP

• یادگیری دلیل ایجاد MCP Learn why MCP was created

2. یادگیری معماری سرورهای MCP 2. Learn the Architecture of MCP Servers

• درک انواع انتقال مورد استفاده: STDIO و Streamable HTTP Understand the types of transports used: STDIO and Streamable HTTP

• اهداف یادگیری Learning objectives

• یادگیری اصطلاحات و مفاهیم پایه Learn the basic terms and terminology

• یادگیری هدف از پرامپت‌ها در سرورهای MCP Learn the purpose of prompts in your MCP servers

• مرور: اپلیکیشن‌های کلاینت MCP Recap: MCP client applications

• اطلاعات بیشتر درباره روش‌های انتقال Learn more about transports

• درک زمان استفاده از ابزارها (Tools) در مقابل منابع (Resources) Understand when to apply tools vs. resources

• آشنایی با پروتکل پیام‌رسانی Get familiar with the message protocol

3. بررسی عمیق: ساخت سرور MCP در پایتون 3. Deep Dive: Create an MCP Server in Python

• تعریف پرامپت‌های شما Declare your prompts

• ساخت سرور MCP Create the MCP server

• تعریف ابزار شما Declare your tool

• یادگیری وابستگی‌ها Learn the dependencies

• مقایسه UV در مقابل PIP Compare UV vs. PIP

• تمرکز بر جزئیات پیاده‌سازی Focus on the implementation details

• تنظیم روش انتقال Set the transport

• آزمایشگاه: اجرای سرور MCP پایتون در MCP Inspector Lab: Run the Python MCP server in the MCP Inspector

• اهداف یادگیری Learning objectives

4. بررسی عمیق: ساخت سرور MCP در جاوا 4. Deep Dive: Create an MCP Server in Java

• ساخت سرور MCP Create the MCP server

• تمرکز بر جزئیات پیاده‌سازی Focus on the implementation details

• تعریف پرامپت‌های شما Declare your prompts

• آزمایشگاه: اجرای سرور MCP جاوا در Postman Lab: Run the Java MCP server in Postman

• اهداف یادگیری Learning objectives

• تنظیم روش انتقال Set the transport

• یادگیری وابستگی‌ها Learn the dependencies

• تعریف ابزار شما Declare your tool

5. بررسی عمیق: ساخت سرور MCP در Node.js 5. Deep Dive: Create an MCP Server in Node.js

• تمرکز بر جزئیات پیاده‌سازی Focus on the implementation details

• تعریف پرامپت‌های شما Declare your prompts

• آزمایشگاه: اجرای سرور MCP نود جی‌اس در Claude Desktop Lab: Run the Node.js MCP server in the Claude Desktop

• تنظیم روش انتقال Set the transport

• یادگیری وابستگی‌ها Learn the dependencies

• اهداف یادگیری Learning objectives

• ساخت سرور MCP Create the MCP server

• تعریف ابزار شما Declare your tool

6. استفاده از MCP با پایگاه داده PostgreSQL 6. Use MCP with the PostgreSQL Database

• پیکربندی سرور MCP Configure your MCP server

• آزمایشگاه: اجرای سرور MCP در PostgreSQL در Claude Desktop Lab: Run the PostgreSQL MCP server in the Claude Desktop

• یادگیری راه‌حل Learn the solution

• بحث درباره مسئله Discuss the problem

• اهداف یادگیری Learning objectives

جمع‌بندی Summary

• ساخت ایجنت‌های هوش مصنوعی با پروتکل کانتکست مدل (MCP): جمع‌بندی Build AI Agents with Model Context Protocol (MCP): Summary