آموزش آگنو: هوش مصنوعی عامل‌محور با پروتکل MCP - آخرین آپدیت

دانلود Agno Agentic AI with MCP Protocol

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

دوره آموزشی جامع هوش مصنوعی عاملی با Agno و پروتکل MCP

یاد بگیرید چگونه با استفاده از پروتکل MCP (پیام، زنجیره، طرح) سیستم‌های عامل هوشمند و ساختاریافته بسازید.

تجربه عملی در توسعه عوامل مالی به دست آورید که می‌توانند داده‌ها را تجزیه و تحلیل کرده و وظایف دنیای واقعی را خودکار کنند.

درک کنید که چگونه حافظه را در عوامل خود ادغام کنید تا بتوانند تعاملات گذشته را به یاد بیاورند و تصمیمات آگاهانه بگیرند.

با استفاده از Agno Playground، جریان‌های کاری عامل را در یک محیط تعاملی شبیه‌سازی و تجسم خواهید کرد.

سیستم‌های چند عاملی ایجاد کنید که در آن عوامل با هم همکاری می‌کنند، وظایف را محول می‌کنند و مشکلات را با هم حل می‌کنند.

پیش‌نیازها: دانش پایه پایتون

با این دوره متمرکز و عملی، قدرت هوش مصنوعی عاملی را آزاد کنید. این دوره به شما می‌آموزد که چگونه با استفاده از چارچوب Agno Agentic و پروتکل MCP (متن مدل)، عوامل مالی هوشمند بسازید. چه یک علاقه‌مند به هوش مصنوعی، توسعه‌دهنده یا نوآور فناوری مالی باشید، این دوره به شما کمک می‌کند تا تکامل بعدی جریان‌های کاری هوش مصنوعی را از طریق پروژه‌های عملی درک کنید.

شما به بررسی اینکه چگونه Agno توسعه عوامل مستقل و هدف‌محور را با استفاده از برنامه‌ریزی ساختاریافته و الگوهای ارتباطی ساده می‌کند، خواهید پرداخت. یاد بگیرید که عوامل مالی را طراحی کنید که می‌توانند داده‌های بازار را تجزیه و تحلیل کنند، وظایف را اجرا کنند و دانش را با استفاده از عوامل حافظه حفظ کنند. Agno Playground، یک محیط بصری برای آزمایش و شبیه‌سازی عوامل با اعلان‌ها و جریان‌های وظایف پویا را کاوش کنید.

این دوره بر همکاری چند عاملی تأکید دارد، جایی که عوامل به عنوان تیم با هم ارتباط برقرار می‌کنند و هماهنگ می‌شوند تا مسائل پیچیده را حل کنند. با استفاده از موارد استفاده مالی واقعی، شما عواملی را ایجاد خواهید کرد که نه تنها به طور مستقل عمل می‌کنند، بلکه در محیط‌های چند عاملی برنامه‌ریزی، تأمل و واگذاری وظایف نیز انجام می‌دهند.

آنچه خواهید ساخت:

  • یک عامل تحلیلگر مالی هوشمند با استفاده از Agno و MCP
  • یک عامل تقویت‌شده با حافظه قادر به یادآوری و استدلال
  • یک سیستم چند عاملی که در آن عوامل در وظایف مالی با هم همکاری می‌کنند
  • استفاده از Agno Playground برای شبیه‌سازی و تجسم جریان‌های کاری

هیچ تجربه قبلی در چارچوب‌های عامل مورد نیاز نیست—فقط درک پایه‌ای از پایتون و مفاهیم هوش مصنوعی کافی است.

سفر خود را به دنیای هوش مصنوعی عاملی امروز آغاز کنید و سیستم‌هایی بسازید که فکر می‌کنند، برنامه‌ریزی می‌کنند و به طور مستقل عمل می‌کنند.


سرفصل ها و درس ها

مقدمه Introduction

  • معرفی چارچوب عامل Agno Agno Agent Framework Introduction

  • کلید API Open AI Open AI API Key

  • نصب Visual Studio Code Visual studio code install

  • راه اندازی پروژه با UV Project Setup with UV

  • نصب UV UV installation

  • اجرای برنامه با UV Run Program with UV

  • همه منابع کد All Code Resources

پروژه: دستیار مالی Agno Project Agno Financial assistant

  • دستیار مالی Agno Agno Financial assistant

عامل حافظه Agno Agno memory Agent

  • بررسی اجمالی عامل حافظه Memory Agent Overview

  • تکه تکه کردن VectorDB VectorDB Chunking

  • عامل حافظه Agno Agno memory Agent

  • نمایش عامل حافظه Agno Agno Memory Agent Demo

عامل چندگانه Agno Agno Multi Agent

  • معرفی عامل چندگانه Agno Agno Multi Agent Intro

  • عامل Yahoo Finance و وب Yahoo Finance and Web Agent

  • نمایش عامل Yahoo Finance Demo Yahoo Finance Agent

  • نمایش عامل وب Demo Web Agent

زمین بازی Agno Agno Playground

  • معرفی زمین بازی Agno Agno Playground intro

  • عامل مالی و وب زمین بازی Playground Finance and Web Agent

  • نمایش عامل مالی زمین بازی PlayGround Demo Finance Agent

  • نمایش عامل وب زمین بازی Playground Demo Web Agent

بررسی اجمالی پروتکل MCP MCP Protocol Overview

  • معرفی پروتکل MCP MCP Protocol Intro

  • MCP در مقابل غیر MCP MCP vs Non MCP

  • ارتباط MCP بین اجزا MCP Communication between components

پروژه: عامل Agno با MCP Project: Agno Agent with MCP

  • معرفی معماری MCP MCP Architecture Intro

  • معرفی سرور Agno MCP Agno MCP server Intro

  • کد سرور Agno MCP Agno MCP server code

  • کد کلاینت Agno MCP Agno MCP Client Code

  • نمایش Agno MCP Demo Agno MCP

پیوست - پایتون Appendix- Python

  • عملکرد داخلی پایتون Internal Working of Python

  • نوع داده عدد Data Type Number

  • نوع داده رشته Data Type String

  • نوع داده بولی Data Type Boolean

  • عملگر پایتون Operator Python

  • لیست مجموعه Collection List

  • تاپل مجموعه Collection Tuple

  • مجموعه ست Collection Set

  • دیکشنری Dictionary

  • شرط If Else If Else Condition

  • حلقه While While Loop

  • حلقه For For Loop

  • معرفی تابع Function Intro

  • کد تابع Function Code

  • تابع Lambda Lambda Function

  • تابع آرایه Array Function

  • معرفی کلاس Class Introduction

  • مقداردهی اولیه کلاس Class Init

  • کلاس str Class str

  • کلاس و تابع Class and Function

  • معرفی وراثت Inheritance Intro

  • وراثت با مقداردهی اولیه Inheritance with Init

  • تکرار کننده Iterator

  • چندریختی Polymorphism

  • محدوده پایتون Scope Python

  • ماژول های پایتون Modules Python

  • تاریخ های پایتون dates python

  • ماژول های ریاضی math modules

  • عبارت منظم regular expression

  • شیء JSON json object

  • بسته Pip Pip package

  • رسیدگی به استثنا Exception handling

  • ورودی کاربر User Input

  • فرمت رشته String format

  • خواندن فایل File read

  • نوشتن فایل File write

نمایش نظرات

آموزش آگنو: هوش مصنوعی عامل‌محور با پروتکل MCP
جزییات دوره
5 hours
64
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,038
4.9 از 5
ندارد
دارد
دارد
Rahul Raj
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rahul Raj Rahul Raj

SRP AI: آموزش الکترونیکی با هوش مصنوعی