آموزش MCP: هوش مصنوعی مولد با پروتکل کانتکست مدل و Claude Code - آخرین آپدیت

دانلود MCP : Generative AI with Model Context Protocol, Claude Code

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره جامع MCP (پروتکل کانتکست مدل)، ایجنت‌های هوش مصنوعی، مهندسی پرامپت، Amazon Bedrock و Claude Code - از مبتدی تا متخصص ۲۰۲۵ تسلط بر پروتکل کانتکست مدل (MCP) - درک معماری MCP، اجزای سرور، انواع انتقال (Transport) و نمودارهای جریان برای ارتباطات هوش مصنوعی سازمانی ساخت ایجنت‌های هوش مصنوعی آماده تولید - ایجاد ایجنت‌های هوشمند با استفاده از Claude، CrewAI و Amazon Bedrock برای کاربردهای واقعی مانند برنامه‌ریزی سفر و ابزارهای کاربردی پیاده‌سازی سیستم‌های امن هوش مصنوعی - به‌کارگیری متدهای تست نفوذ، احراز هویت OAuth و بهترین رویه‌های امنیتی مخصوص معماری ایجنت‌های AI استفاده از کانتینرهای Docker، انتقال SSE، پروتکل‌های HTTP استریم‌شدنی و معماری‌های چند سروره برای استقرار در سطح سازمان ادغام هوش مصنوعی با گردش کارهای توسعه مدرن - اتصال ایجنت‌های AI به GitHub، پیاده‌سازی خط لوله‌های CI/CD و مدیریت بهینه هزینه‌های سرویس‌های ابری پیش نیازها: آشنایی مقدماتی با برنامه‌نویسی (به هر زبانی)

آینده توسعه هوش مصنوعی را با جامع‌ترین دوره ایجنت‌های هوش مصنوعی مولد و پروتکل کانتکست مدل (MCP) در سال ۲۰۲۵ تجربه کنید. این برنامه پیشرفته، هوش مصنوعی، امنیت سایبری و متدهای مدرن توسعه را ترکیب می‌کند تا شما را به یک متخصص آماده برای بازار کار تبدیل کند.

چرا این دوره ضروری است: صنعت هوش مصنوعی با سرعت در حال تغییر است و MCP در حال تبدیل شدن به استاندارد جدید پروتکل‌های ارتباطی AI است. شرکت‌های بزرگ تکنولوژی برای تعاملات امن و مقیاس‌پذیر ایجنت‌ها از MCP استفاده می‌کنند. این دوره شما را در خط مقدم این انقلاب تکنولوژیک قرار می‌دهد.

ویژگی‌های منحصر به فرد این دوره:

  • آخرین استانداردهای MCP: یادگیری جدیدترین پیاده‌سازی‌های Model Context Protocol

  • ایجنت‌های واقعی AI: ساخت سیستم‌های آماده تولید با استفاده از Claude و Amazon Bedrock

  • رویکرد امنیت‌محور: ادغام متدهای تست نفوذ در توسعه هوش مصنوعی

  • ابزارهای استاندارد صنعت: تسلط بر Docker، انتقال SSE، OAuth و گردش کارهای توسعه مدرن

  • پروژه‌های عملی: ساخت ایجنت‌های سفر، APIهای هواشناسی و معماری‌های چند سروره

مناسب برای:

  • توسعه‌دهندگان نرم‌افزار که قصد ورود به حوزه AI را دارند

  • متخصصان امنیت سایبری برای گسترش مهارت‌ها در امنیت AI

  • دانشمندان داده علاقه‌مند به مهارت‌های عملی پیاده‌سازی AI

  • کارآفرینان حوزه تکنولوژی برای ساخت محصولات مبتنی بر AI

  • هر کسی که به دنبال پیشرفت شغلی جدی در حوزه هوش مصنوعی است

برجسته‌های دوره: تسلط بر استک کامل توسعه AI از مفاهیم پایه تا استقرارهای پیشرفته سازمانی. شما با مبانی مدل‌های زبانی شروع کرده و از معماری MCP، اجزای سرور و پروتکل‌های انتقال عبور می‌کنید. یاد می‌گیرید چگونه ارتباطات امن AI را با استفاده از SSE و متدهای HTTP استریم پیاده کنید.

ساخت اپلیکیشن‌های واقعی شامل APIهای هواشناسی، ادغام با GitHub و کانتینری‌سازی با Docker. توسعه ایجنت‌های AI با CrewAI و Amazon Bedrock، شامل ایجنت‌های کنسولی و Inline. تسلط بر ابزارهای تحلیل هزینه و معماری‌های چند سروره برای مقیاس سازمانی.

این دوره در تمام مراحل بر امنیت تاکید دارد و تکنیک‌های تست نفوذ مخصوص سیستم‌های AI را آموزش می‌دهد. شما یاد می‌گیرید نقاط ضعف ارتباطات ایجنت‌های AI را شناسایی کرده و اقدامات امنیتی قدرتمند با OAuth و پروتکل‌های احراز هویت پیشرفته اعمال کنید.

مهارت‌های فنی که کسب خواهید کرد:

  • معماری و پیاده‌سازی پروتکل کانتکست مدل (MCP)

  • انواع انتقال MCP - پروتکل‌های STDIO، SSE (رویدادهای ارسالی سرور) و HTTP استریمینگ

  • MCP Inspector - استفاده از رابط کاربری MCP برای تست و اعتبارسنجی سرور

  • ادغام با GitHub از طریق سرورهای MCP

  • سرورهای MCP در Amazon Bedrock - یادگیری Amazon Inline Agents و پیکربندی سرورهای MCP

  • معماری Claude Code: درک نحوه عملکرد Claude Code به عنوان سرور و کلاینت MCP و نقش آن در توسعه به کمک AI

  • سرورهای MCP با Claude Code: بررسی عمیق سرورهای MCP، راه‌اندازی و ادغام برای گسترش قابلیت‌های Claude Code (ادغام با ۳ سرور MCP)

کاربردهای صنعتی: این دانش مستقیماً در نقش‌های مهندسی AI، امنیت سایبری، DevOps و توسعه Full-stack کاربرد دارد. شرکت‌ها در سراسر جهان به دنبال متخصصانی هستند که هم قابلیت‌های AI و هم پیامدهای امنیتی را درک کنند. تسلط بر پروتکل MCP به تنهایی شما را برای فرصت‌های مشاوره سطح بالا آماده می‌کند.

رویکرد یادگیری عملی: هر بخش شامل تمرینات کاربردی، پیاده‌سازی کدهای واقعی و یادگیری پروژه-محور است. شما پرتفولیویی از اپلیکیشن‌های AI خواهید ساخت تا تخصص خود را به کارفرمایان یا مشتریان احتمالی اثبات کنید.




سرفصل ها و درس ها

مفاهیم کلی General Concepts

  • نگاه کلی به مدل‌های زبانی 10,000 Foot view on Language Models

  • پارامترهای استنتاج LLM LLM Inference Parameters

تکامل MCP Evolution of MCP

  • راهکارهای فعلی، محدودیت‌ها و نیاز به MCP Current solutions and their limitations - Need for MCP

  • معماری کلاینت-سرور Client Server Architecture

همه چیز درباره MCP All About MCP

  • معماری MCP MCP Architecture

  • اجزای سرور MCP MCP Server Components

  • انواع انتقال در MCP MCP Transport Types

  • جریان MCP ارتباط سرور، کلاینت و میزبان در لایه انتقال MCP Flow - Server, Client and Host communication over Transport layer

  • جریان کامل (E2E) در MCP MCP - E2E Flow

تمرین عملی MCP انتقال STDIO با Cursor IDE Hands On MCP - STDIO Transport with Cursor IDE

  • مستندات MCP MCP Documentation

  • نصب پیش‌نیازها با پکیج UV Install Dependencies with UV package

  • بررسی API هواشناسی Walkthrough Weather API

  • فراخوانی API هواشناسی Invoke Weather API

  • آماده‌سازی سرور MCP Getting MCP Server Ready

  • میزبان، کلاینت و سرور MCP MCP Host, Client and Server

  • ابزار MCP Inspector MCP Inspector

استفاده از Claude با Github از طریق MCP و توکن‌های دسترسی Claude with Github using MCP and Github Access Tokens

  • ادغام Claude Desktop با Github Integrate Claude Desktop with Github

استفاده از MCP با Docker MCP with Docker

  • سرور MCP گیت‌هاب روی داکر محلی و Claude Desktop Github MCP Server on local Docker and Claude Desktop

  • ترکیب MCP با گیت‌هاب، داکر و Claude MCP with Github, Docker, Claude

تمرین عملی MCP انتقال SSE با Cursor IDE Hands On MCP - SSE Transport with Cursor IDE

  • سرور هواشناسی SSE SSE Weather Server

  • کلاینت SSE و دست‌دهی (Handshake) SSE Client - Handshake

  • کلاینت و سرور MCP روی SSE MCP Client Server over SSE

تمرین عملی MCP انتقال HTTP استریم‌شدنی Hands On MCP - Streamable HTTP Transport

  • تمرین عملی سرور HTTP استریم‌شدنی HandsOn - Streamable HTTP Server

  • استفاده از MCP Inspector MCP Inspector

  • کلاینت MCP با HTTP استریم MCP Client with HTTP Streamable

پرامپت‌ها و منابع MCP MCP Prompt & Resources

  • مقدمه‌ای بر پرامپت‌ها Introduction to Prompts

  • تکنیک‌های پرامپت نویسی Zero Shot و Few Shot و زنجیره افکار با Amazon Bedrock Prompting Techniques - Zero Shot, Few Shot, Chain-Of-Thought with Amazon Bedrock

  • تمرین عملی پرامپت‌های MCP MCP Prompts - Hands On

  • کلاینت MCP Inspector MCP Inspector - Client

  • تمرین عملی منابع MCP MCP Resources - Hands On

  • ادغام منابع MCP با Claude Integration - MCP Resource with Claude

  • به‌روزرسانی داده‌های منابع MCP MCP Resource - Data Refresh

  • کار با منابع در MCP Inspector Resource with MCP Inspector

معرفی Claude Code Claude Code

  • مقدمه‌ای بر Claude Code Introduction to Claude Code

  • نصب Claude Code Install Claude Code

  • رابط خط فرمان (CLI) در Claude Code Claude Code CLI

  • ساخت اپلیکیشن Hello World با Claude Code Hello World App with Claude Code

استفاده از MCP با Claude Code MCP with Claude Code

  • بررسی جامع سرورهای MCP MCP-Servers Walkthrough

  • سرور MCP با Puppeteer MCP Server with Puppeteer

  • سرور MCP با تفکر متوالی (Sequential Thinking) MCP Server with Sequential Thinking

  • سرور MCP گیت‌هاب بدون احراز هویت GitHub MCP Server - No auth

  • سرور MCP گیت‌هاب با احراز هویت GitHub MCP Server- Auth

راه‌اندازی ایجنت‌های Amazon Bedrock Amazon Bedrock Agents - Setup

  • معرفی Amazon Bedrock InlineAgent Amazon Bedrock InlineAgent - Intro

  • مقایسه Inline Agent و Bedrock Agent Inline Agent vs Bedrock Agent

  • بررسی کلاس Inline Agent Inline Agent Class Walkthrough

  • کنسول Amazon Bedrock Agent Amazon Bedrock Agent Console

  • پروفایل AWS و CLI AWS Profile - CLI

  • کلید دسترسی IAM IAM Access Key

سرور MCP با ایجنت‌های Amazon Bedrock MCP Server with Amazon Bedrock Agents

  • ایجنت Bedrock با سرور MCP زمان Bedrock Agent with Time MCP Server

  • ایجنت Bedrock با سرور MCP Perplexity Bedrock Agent with Perplexity MCP Server

  • ایجنت تحلیل هزینه با چندین سرور MCP و ابزارهای سازنده Cost Analysis Agent - Multi MCP Servers and Builder Tools

  • ارزیابی نتایج ایجنت تحلیل هزینه Cost Analysis Agent - Evaluate Result

ایجنت‌های هوش مصنوعی (AI Agents) AI Agents

  • طراحی ایجنتیک در زمان اجرا Agentic Design at Runtime

  • معرفی کتابخانه CrewAI Introduction to CrewAI library

  • نصب CrewAI Install CrewAI

  • تعریف ایجنت‌ها و وظایف (Tasks) Define Agents and Tasks

  • کلاس‌های پایه ایجنت سفر Travel Agent Base Classes

  • ایجنت برنامه‌ریز با Crewbase Planner Agent with Crewbase

  • اجرای چند-ایجنت با Crewbase Multi Agent Execution with Crewbase

  • ارزیابی اجرای چند-ایجنتیک Evaluate Multi Agentic Execution

بونوس ایجنت چندوجهی با ابزارها، Multi Hop و پرامپت ReAct Bonus - Multimodal AI Agent with Tools, Multi-Hop and ReAct Prompt

  • مورد کاربردی ایجنتیک با معماری چندوجهی، Multi Hop و ReAct Agentic Use Case with Multimodal, Multi-Hop and ReAct Architecture

  • پرامپت ReACT برای ایجنت‌های AI ReACT Prompt for AI Agents

  • اجرای ایجنت Run the Agent

  • چند ایجنت با ابزارهای متعدد Multi Agent with Multi Tools

سیستم RAG تولید تقویت شده با بازیابی RAG - Retrieval Augmentation Generation

  • جاسازی برداری (Vector Embedding) Vector Embedding

  • مفهوم RAG تولید تقویت شده با بازیابی RAG - Retrieval Augment Generation

  • اولین خط لوله RAG First RAG Pipeline

نمایش نظرات

آموزش MCP: هوش مصنوعی مولد با پروتکل کانتکست مدل و Claude Code
جزییات دوره
5.5 hours
67
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,075
4.4 از 5
دارد
دارد
دارد
Vrunda Patel
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Vrunda Patel Vrunda Patel

FirstLinkConsulting - خدمات آموزشی و مشاوره