لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش ابزارهای CrewAI، پروتکل MCP و سیستمهای Agentic RAG
- آخرین آپدیت
دانلود CrewAI Tools, MCP, and Agentic RAG
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این برنامه شما را با ابزارهای CrewAI، پروتکل MCP و Agentic RAG آشنا میکند که برای توسعهدهندگان و متخصصان هوش مصنوعی با هدف ساخت سیستمهای چندعاملی (Multi-agent) هوشمند و آماده برای محیط عملیاتی طراحی شده است. شما با بررسی نحوه استفاده عاملها از ابزارها برای تعامل با سیستمهای خارجی، از جمله ابزارهای داخلی CrewAI و توسعه ابزارهای سفارشی برای جریانهای کاری واقعی، شروع خواهید کرد.
سپس، به سیستمهای حافظه و دانش خواهید پرداخت و یاد میگیرید که عاملها چگونه اطلاعات را در طول تعاملات ذخیره، بازیابی و اولویتبندی میکنند. شما با Agentic RAG آشنا خواهید شد تا عاملهای دانشمحور بسازید که دادههای مرتبط را بازیابی کرده و پاسخهای دقیق و متناسب با متن (Context-aware) تولید میکنند. از طریق نمایشهای عملی، سیستمهایی طراحی خواهید کرد که حافظه و بازیابی اطلاعات را برای بهبود قابلیت اطمینان و کاهش توهمات (Hallucinations) ترکیب میکنند.
با پیشرفت در دوره، بر گسترش قابلیتهای عاملها با استفاده از پروتکل بافت مدل (Model Context Protocol - MCP) تمرکز خواهید کرد. یاد خواهید گرفت که عاملها چگونه از طریق سرورهای MCP به صورت پویا ابزارها را کشف کرده و با آنها تعامل میکنند که این امر امکان ارتباط ساختاریافته و طراحی سیستمهای مقیاسپذیر را فراهم میکند. همچنین، کنترل دسترسی مبتنی بر نقش (RBAC)، احراز هویت و جریانهای کاری امن را برای اطمینان از رفتار ایمن و کنترلشده عاملها در محیطهای واقعی پیادهسازی خواهید کرد.
در پایان این برنامه، شما قادر خواهید بود:
- تشخیص دهید که چگونه ابزارها قابلیتهای عاملها را گسترش داده و جریانهای کاری ساختاریافته را در CrewAI فعال میکنند.
- سیستمهای حافظه و Agentic RAG را برای ساخت عاملهای هوشمند و دانشمحور به کار بگیرید.
- نحوه بازیابی و استفاده عاملها از دانش را برای بهبود دقت و کاهش توهمات تحلیل کنید.
- پروتکل MCP را برای فعالسازی کشف پویا و ارتباط ساختاریافته عاملها ادغام کنید.
- سیستمهای عاملی امن با مکانیزمهای کنترل دسترسی مبتنی بر نقش و احراز هویت طراحی کنید.
- جریانهای کاری چندعاملی مقیاسپذیر با ترکیب ابزارها، حافظه، MCP و بازیابی اطلاعات توسعه دهید.
این برنامه برای توسعهدهندگان، مهندسان هوش مصنوعی و متخصصان فنی علاقهمند به ساخت سیستمهای عاملی پیشرفته و جریانهای کاری خودکارسازی هوشمند ایدهآل است. تجربه قبلی در برنامهنویسی پایتون و مفاهیم پایه هوش مصنوعی به حداکثر رساندن تجربه یادگیری شما کمک میکند.
آموزشگیرندگان به یک اتصال اینترنت پایدار، یک مرورگر وب مدرن و دسترسی به ابزارهای توسعه پایتون نیاز دارند. این دوره از CrewAI و فناوریهای مرتبط استفاده میکند که نیاز به سختافزار خاص ندارند. آشنایی اولیه با APIها و پایتون توصیه میشود.
به ما بپیوندید و ساخت عاملهای هوشمندی را یاد بگیرید که میتوانند با ابزارها تعامل کنند، دانش را حفظ کنند، به صورت امن عمل کنند و سیستمهای هوش مصنوعی دنیای واقعی را در مقیاس بالا مدیریت کنند.
سرفصل ها و درس ها
ابزارسازی عاملها و یکپارچهسازی با CrewAI
Agent Tooling and Integration with CrewAI
معرفی تخصص
Specialization Introduction
مقدمه دوره
Course Introduction
مرور اکوسیستم ابزارهای CrewAI
CrewAI Tool Ecosystem Overview
نمایش عملی: ساخت ابزار تحقیق وب با SerperDevTool و ScrapeWebsiteTool
Demonstration: Building a Web Research Tool with SerperDevTool and ScrapeWebsiteTool
نمایش عملی: تشکیل تیم (Crew) و تفسیر نتایج
Demonstration: Assembling the Crew and Interpreting Results
نمایش عملی: جریان کاری گزارش فروش با ابزارهای دادهای CrewAI
Demonstration: Sales Reporting Workflow with CrewAI Data Tools
نمایش عملی: اجرای جریان کاری فروش CrewAI و تحلیل نتایج
Demonstration: Running the CrewAI Sales Workflow and Analyzing the Results
ساخت ابزارهای سفارشی با استفاده از دکوراتور @tool
Creating Custom Tools with @tool Decorator
نمایش عملی: توسعه ابزارهای تحلیل بازار کار برای عاملهای CrewAI
Demonstration: Developing Job Market Analysis Tools for CrewAI Agents
نمایش عملی: تشکیل تیم هوش بازار کار
Demonstration: Assembling the Job Market Intelligence Crew
نمایش عملی: اجرای جریان کاری هوش بازار کار
Demonstration: Executing the Job Market Intelligence Workflow
ابزارهای یکپارچهسازی API برای عاملها
API Integration Tools for Agents
نمایش عملی: طراحی جریانهای کاری زنجیرهای عاملها با Tool Hooks
Demonstration: Designing Chained Agent Workflows with Tool Hooks
نمایش عملی: اجرای جریان خبری زنجیرهای و تولید یادداشت تحریریه
Demonstration: Running the Chained News Workflow and Generating the Editorial Memo
سیستمهای حافظه و دانش برای عاملهای هوشمند
Memory and Knowledge Systems for Intelligent Agents
مبانی و کاربرد حافظه در CrewAI
CrewAI Memory Fundamentals and Usage
نمایش عملی: شروع کار با حافظه یکپارچه CrewAI در یک جریان کاری مستقل
Demonstration: Getting Started with CrewAI Unified Memory in a Standalone Workflow
نمایش عملی: بازیابی، جستجو و بستن حافظه یکپارچه CrewAI
Demonstration: Recalling, Exploring, and Closing CrewAI Unified Memory
معماری پیشرفته حافظه در CrewAI
Advanced Memory Architecture in CrewAI
نمایش عملی: پیکربندی حافظه CrewAI با تنظیمات سفارشی LLM و Embedder
Demonstration: Configuring CrewAI Memory with Custom LLM and Embedder Settings
نمایش عملی: پیوست کردن حافظه اختصاصی نقش به عاملها
Demonstartion: Attaching Role-Specific Memory to Agents
نمایش عملی: مدیریت ذخیرهسازی، محدوده (Scope) و پایداری حافظه CrewAI
Demonstration: Managing CrewAI Memory Storage, Scopes, and Persistence
منابع دانش و Agentic RAG
Knowledge Sources and Agentic RAG
نمایش عملی: ساخت یک عامل RAG مستقل با منابع دانش CrewAI
Demonstration: Building a Standalone RAG Agent with CrewAI Knowledge Sources
نمایش عملی: هماهنگسازی جریان کاری RAG: وظایف، دانش مشترک و خروجی نهایی
Demonstration: Orchestrating the RAG Workflow: Tasks, Shared Knowledge, and Final Output
گسترش عاملها با پروتکل بافت مدل (MCP)
Extending Agents with Model Context Protocol (MCP)
مقدمهای بر پروتکل بافت مدل (MCP)
Introduction to Model Context Protocol (MCP)
نمایش عملی: کشف و استفاده از ابزارهای MCP از طریق کاوش سرور
Demonstration: Discovering and Using MCP Tools via Server Exploration
نمایش عملی: طراحی یک سرور MCP برای ارائه ابزارهای خبری پویا
Demonstration: Designing an MCP Server to Expose Dynamic News Tools
نمایش عملی: کشف ابزار MCP و خروجی گزارش صبحگاهی مبتنی بر عامل
Demonstration: MCP Tool Discovery and Agent-Driven Morning Briefing Output
درک مدل سرور-کلاینت در MCP
Understanding the MCP Server–Client Model
نمایش عملی: ساخت یک جریان کاری تحقیق با استفاده از فیلد MCP در CrewAI
Demonstration: Building a Research Workflow Using MCPs Field in CrewAI
نمایش عملی: طراحی یک سرور MCP تحقیقاتی با ابزارهای سفارشی در CrewAI
Demonstration: Designing a Research MCP Server with Custom Tools in CrewAI
نمایش عملی: اجرای خط لوله (Pipeline) تحقیقاتی مبتنی بر MCP در CrewAI
Demonstration: Running an MCP-Driven Research Pipeline in CrewAI
روشهای ادغام MCP در CrewAI
MCP Integration Approaches in CrewAI
نمایش عملی: کنترل دسترسی مبتنی بر نقش در MCP: رفتار عامل تازهکار در مقابل ارشد
Demonstration: Role-Based Access Control in MCP: Junior vs Senior Agent Behavior
نمایش عملی: ایمنسازی ابزارهای MCP با اعتبارسنجی توکن و کنترل دسترسی
Demonstration: Securing MCP Tools with Token Validation and Access Control
نمایش عملی: تحلیل رفتار عامل تحت محدودیتهای دسترسی MCP
Demonstration: Analyzing Agent Behavior Under MCP Access Restrictions
جمعبندی دوره و ارزیابی
Course Wrap-Up and Assessment
نمایش نظرات