آموزش معماری‌های هوش مصنوعی عامل‌محور (Agentic AI) با الگوها، فریم‌ورک‌ها و MCP [ویدئویی] - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• ابزارها و منابع دوره - اسلایدهای آموزشی Tools and Resources for the Course - Course Slides

• پروژه دوره: طراحی معماری Agentic AI برای میکروسرویس‌های فروشگاه آنلاین Course Project: Design Agentic AI Architecture for EShop Microservices

• تکامل: از هوش مصنوعی مولد به هوش مصنوعی عامل‌محور The Evolution: From Generative AI to Agentic AI

عامل‌های هوش مصنوعی چیستند؟ اصول کلیدی What are AI Agents? Key Principles

• عامل‌های هوش مصنوعی چیستند؟ اصول کلیدی What are AI Agents? Key Principles

• عامل‌های هوش مصنوعی چگونه از AI مولد استفاده می‌کنند؟ How AI Agents Use Generative AI?

• چه زمانی از عامل‌های هوش مصنوعی استفاده کنیم (و چه زمانی نکنیم) When to Use AI Agents (And When Not To)

• کجا از عامل‌ها استفاده کنیم؟ موارد استفاده واقعی برای عامل‌های AI Where to Use Agents? Real-world Use Cases for AI Agents

• بخش‌های دشوار: چالش‌ها و محدودیت‌های عامل‌های هوش مصنوعی The Hard Parts: Challenges and Limitations of AI Agents

• [طراحی] طراحی اولین عامل هوش مصنوعی ساده شما [DESIGN] Designing Your First Simple AI Agent

کالبدشناسی عامل: بررسی عمیق اجزای اصلی Agent Anatomy - A Deep Dive Into Core Components

• مقدمه - کالبدشناسی عامل: بررسی عمیق اجزای اصلی Introduction - Agent Anatomy: A Deep Dive Into Core Components

• «مغز» - مدل پایه (LLM) The "Brain" - The Foundation Model (LLM)

• «حواس» - ادراک و مدیریت ورودی‌ها The "Senses" - Perception and Input Handling

• «نقشه راه» - برنامه‌ریزی و تجزیه وظایف The "Blueprint" - Planning and Task Decomposition

• «دفترچه یادداشت» - معماری حافظه The "Notebook" - The Architecture of Memory

• «دست‌ها» - اقدام و فراخوانی ابزارها The "Hands" - Action and Tool Calling

• «حلقه بازخورد» - یادگیری و تطبیق The "Feedback Loop" - Learning and Adaptation

• «صدا» - ارتباطات عامل The "Voice" - Agent Communication

• [طراحی] ساخت عامل «دستیار پژوهشی» [DESIGN] Building a "Research Assistant" Agent

• حلقه عامل‌محور: ادراک، استدلال، اقدام، یادگیری (PRAL) The Agentic Loop: Perception, Reasoning, Action, Learning (PRAL)

• [طراحی] ساخت عامل ChatGPT با استفاده از حلقه PRAL [DESIGN] Build ChatGPT Agent with The Agentic Loop (PRAL)

• [طراحی] ساخت عامل سلامت با حلقه PRAL و حضور انسان در چرخه [DESIGN] Build Health Agent with The Agentic Loop (PRAL) & Human-in-the-loop

هوش مصنوعی عامل‌محور (Agentic AI) چیست؟ What is Agentic AI?

• مقدمه - هوش مصنوعی عامل‌محور چیست؟ Introduction - What is Agentic AI?

• عامل هوش مصنوعی در مقابل Agentic AI: تفاوت حیاتی AI Agent vs. Agentic AI: The Critical Difference

• معماری عامل‌محور چیست؟ (سیستم چند-عاملی MAS) What is Agentic Architecture? (Multi-Agent System (MAS))

• Agentic AI چگونه کار می‌کند: معماری‌های سطح سیستم (ارکستراسیون یا کورئوگرافی) How Agentic AI Works: System-Level Architectures (Orchestration or Choreography)

• [طراحی] ارکستراسیون و کورئوگرافی در معماری‌های Agentic AI [DESIGN] Orchestration and Choreography of Agentic AI Architectures

• بخش‌های دشوار: چالش‌های سیستم‌های Agentic AI The Hard Parts: Challenges of Agentic AI Systems

از جریان‌های کاری سنتی به جریان‌های کاری عامل‌محور From Traditional to Agentic Workflows

• مقدمه - از جریان‌های کاری سنتی به جریان‌های کاری عامل‌محور Introduction - From Traditional to Agentic Workflows

• اجزای جریان کاری عامل‌محور: وضعیت، گره‌ها و یال‌ها Components of Agentic Workflow: State, Nodes and Edges

• الگوهای ارکستراسیون عامل‌محور (ترتیبی، همزمان، گروهی، انتقال) Agentic Orchestration Patterns (Sequential, Concurrent, Group chat, Handoff)

• فریم‌ورک‌هایی برای ساخت جریان‌های کاری (کد-محور) Frameworks for Building Workflows (Code-First)

• پلتفرم‌هایی برای ساخت جریان‌های کاری (کم-کد/Low-Code) Platforms for Building Workflows (Low-Code)

چشم‌انداز فریم‌ورک‌ها The Frameworks Landscape

• مقدمه - چشم‌انداز فریم‌ورک‌ها Introduction - The Frameworks Landscape

• «جعبه ابزار عمومی»: LangChain و LangGraph The "Generalist Toolkit": LangChain & LangGraph

• «متخصص داده»: بررسی عمیق LlamaIndex The "Data Specialist": LlamaIndex Deep Dive

• «متخصص چند-عاملی»: فریم‌ورک Agent مایکروسافت The "Multi-Agent Specialist": Microsoft Agent Framework

• «پلتفرم‌های مدیریت شده»: عامل‌های ابری (AWS, Azure, Google) The "Managed Platforms": Cloud Agents (AWS, Azure, Google)

دلیل استفاده از الگوهای طراحی عامل‌محور The "Why" of Agentic Design Patterns

• مقدمه - دلیل استفاده از الگوهای طراحی عامل‌محور Introduction - The "Why" of Agentic Design Patterns

• اصول طراحی عامل‌محور The Agentic Design Principles

• الگوی «استفاده از ابزار» (Tool Use) The "Tool Use" Pattern

• الگوی «برنامه‌ریزی» (Planning) The "Planning" Pattern

• الگوی «تامل/بازاندیشی» (Reflection) The "Reflection" Pattern (Metacognition)

• الگوی ترکیبی ReAct The "ReAct" Compound Pattern

• مقدمه‌ای بر الگوهای چند-عاملی Introduction to Multi-Agent Patterns

• الگوی «مسیریاب و متخصص» (Router & Specialist) The "Router & Specialist" Pattern

• الگوی «انتقال» (Handoff - جریان کاری ترتیبی) The "Handoff" Pattern (Sequential Workflow)

• الگوی «گفتگوی گروهی / مناظره» The "Group Chat / Debate" Pattern

• الگوی «سرمایه/زمره» (Swarm - موازی‌سازی) The "Swarm" Pattern (Parallelization)

• مقدمه‌ای بر الگوهای کنترل و ایمنی Introduction to Control & Safety Patterns

• الگوی «حضور انسان در چرخه» (HITL) The "Human-in-the-Loop" (HITL) Pattern

• الگوی «خروج / منطق سفارشی» The "Ejection / Custom Logic" Pattern

محدودیت‌های RAG سنتی The Limitations of Traditional RAG

• مقدمه - محدودیت‌های RAG سنتی Introduction - The Limitations of Traditional RAG

• عامل‌محور RAG (Agentic RAG) چیست؟ What is Agentic RAG?

• مقایسه Agentic RAG و RAG سنتی: تفاوت حیاتی Agentic RAG vs. Traditional RAG: The Critical Difference

• Agentic RAG چگونه کار می‌کند: حلقه «پژوهشگر فعال» How Agentic RAG Works: The "Active Researcher" Loop

• موارد استفاده از Agentic RAG Agentic RAG Use Cases

پروتکل‌های ارتباطی عامل‌ها Agent Communication Protocols

• مقدمه - «مشکل پروتکل» Introduction - The "Protocol Problem"

• پروتکل ارتباطی عامل (ACP) چیست؟ What is the Agent Communication Protocol (ACP)?

• پروتکل A2A (عامل به عامل) چیست؟ What is the A2A (Agent-to-Agent) Protocol?

• پروتکل تعامل کاربر با عامل (AG UI) چیست؟ What is the Agent-user interaction (AG-UI) protocol?

• پروتکل کانتکست مدل (MCP) چیست؟ What is the Model-Context Protocol (MCP)?

• دیدگاه معمار: MCP در مقابل ACP و A2A The Architect's View: MCP vs. ACP vs. A2A

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

• مقدمه - چرا MCP؟ Introduction - Why MCP?

• معماری MCP: میزبان/کلاینت، سرور و پروتکل The MCP Architecture: MCP Host/Client, Server and Protocol

• مفاهیم اصلی و تعاریف MCP (بررسی عمیق Spec) MCP Core Concepts & Definitions (The "Spec" Deep Dive)

• چرخه حیات MCP (نحوه عملکرد) The MCP Lifecycle (How it Works)

• دیدگاه معمار: MCP در مقابل OpenAPI (دلیل انتخاب) The Architect's View: MCP vs. OpenAPI (The "Why")

• الگوهای طراحی MCP و مطالعات موردی MCP Design Patterns & Case Studies

مهندسی کانتکست (زمینه) Context Engineering

• مهندسی کانتکست (Context Engineering) چیست؟ What is Context Engineering?

• مهندسی پرامپت در مقابل مهندسی کانتکست (تغییر حیاتی) Prompt Engineering vs. Context Engineering (The Critical Shift)

• کالبدشناسی کانتکست (انواع کانتکست) The Anatomy of Context (Types of Context)

• استراتژی‌هایی برای مهندسی کانتکست موثر Strategies for Effective Context Engineering

• مثال‌هایی از موارد استفاده مهندسی کانتکست Example Use Cases of Context Engineering

چرخه حیات توسعه عامل‌های هوش مصنوعی AI Agent Development Lifecycle

• توسعه عامل هوش مصنوعی چیست؟ تغییر به سمت احتمالات What is AI Agent Development? The Probabilistic Shift

• چرخه حیات توسعه عامل (ADLC): راهنمای ۷ مرحله‌ای The Agent Development Lifecycle (ADLC): A 7-Step Guide

• بررسی عمیق: چالش «ارزیابی» Deep Dive: The Challenge of "Evaluation"

• بررسی عمیق: AgentOps (مشاهده‌پذیری و نظارت) Deep Dive: "AgentOps" (Observability & Monitoring)

• ملاحظات سازمانی: گاردریل‌های LLM برای جلوگیری از نشت داده و تزریق پرامپت Enterprise Considerations: LLM Guardrails for Data Leakage, Prompt Injection

• چرخه حیات «ابزار»: مدیریت سرورهای MCP The "Tool" Lifecycle: Managing MCP Servers

• «نقشه راه»: معماری مرجع برای یک پلتفرم Agentic AI The "Blueprint": Reference Architecture for an Agentic AI Platform

جمع‌بندی Conclusion

• سپاسگزاری Thanks