آموزش جامع هوش مصنوعی عامل‌محور (Agentic AI) با پروتکل مدل کانتکست (MCP) - آخرین آپدیت

مبانی MCP Foundations of MCP

• معرفی دوره Course Introduction

• اهداف یادگیری Learning Objectives

• نحوه دسترسی اپلیکیشن‌های هوش مصنوعی به داده‌های خارجی How AI Apps Accessed External Data

• بررسی چالش‌های NxM The NxM Problems

پروتکل MCP و معماری آن MCP and Its Architecture

• پروتکل مدل کانتکست (MCP) Model Context Protocol (MCP)

• شباهت MCP به USB-C برای ابزارهای هوش مصنوعی Analogy: MCP is Like a USB-C for AI Tools

• چگونه MCP مشکل NxM را حل می‌کند How MCP Solves NxM

• مزایا: رفع نقاط ضعف و چالش‌های NxM The Benefits: Solving the NxM Pain Points

• درک معماری MCP Understanding MCP Architecture

• نقش میزبان‌ها (Hosts) در MCP Hosts Role in MCP

• نقش کلاینت‌ها (Clients) در MCP Client's Role in MCP

• انواع کلاینت‌های MCP MCP Clients: Types

فراخوانی توابع و مدیریت نشست‌ها Function Calling and Sessions

• نقش و انواع سرورها در MCP Server’s Role and Types in MCP

• پشت صحنه یک دستیار هوشمند AI Behind the Scenes of a Smart AI Assistant

• مثالی از نحوه قدرت‌بخشی MCP به دستیارهای هوش مصنوعی How MCP Powers the AI Assistance: Example

• لایه‌های MCP MCP Layers

• چگونه MCP فراخوانی توابع را بهبود می‌بخشد How MCP Improves Function Calling

• چرخه حیات اتصال Connection Lifecycle

• نحوه عملکرد نشست‌های (Sessions) MCP How MCP Sessions Work

پروتکل‌های ارتباطی و تحلیل ریسک Communication Protocols and Risk

• پروتکل Google A2A Google A2A Protocol

• مقایسه Google A2A و MCP Google A2A Vs. MCP

• استفاده از Python SDK برای MCP Python SDK for MCP

• تحلیل ریسک در MCP Risk Analysis in MCP

• جمع‌بندی و نکات کلیدی Key Takeaways