آموزش دوره جامع مهندسی هوش مصنوعی عامل‌گرا (2025) - آخرین آپدیت

سرفصل ها و درس ها

هفته 1 Week 1

• روز 1 - نمایش عامل هوش مصنوعی خودمختار: استفاده از N8n برای کنترل دستگاه‌های خانه هوشمند Day 1 - Autonomous AI Agent Demo: Using N8n to Control Smart Home Devices

• روز 1 - توضیح چارچوب‌های عامل هوش مصنوعی: OpenAI SDK، Crew AI، LandGraph و AutoGen Day 1 - AI Agent Frameworks Explained: OpenAI SDK, Crew AI, LandGraph & AutoGen

• روز 1 - تنظیمات مهندسی عامل: درک Cursor IDE، UV و گزینه‌های API Day 1 - Agent Engineering Setup: Understanding Cursor IDE, UV & API Options

• روز 1 - تنظیمات ویندوز برای توسعه هوش مصنوعی: Git، Cursor IDE و UV Package Manager Day 1 - Windows Setup for AI Development: Git, Cursor IDE & UV Package Manager

• روز 1 - تنظیم مک شما برای پروژه‌های هوش مصنوعی: GitHub، Cursor IDE و کلید OpenAI API Day 1 - Setting Up Your Mac for AI Projects: GitHub, Cursor IDE & OpenAI API Key

• روز 1 - ساخت اولین گردش کار عامل هوش مصنوعی خود با OpenAI API: گام به گام Day 1 - Building Your First Agentic AI Workflow with OpenAI API: Step-by-Step

• روز 1 - معرفی هوش مصنوعی عامل‌محور: ایجاد گردش‌های کاری چند مرحله‌ای LLM + خودمختاری Day 1 - Introduction to Agentic AI: Creating Multi-Step LLM Workflows + Autonomy

• روز 2 - ساخت عوامل موثر: توضیح خودمختاری LLM و یکپارچه‌سازی ابزار Day 2 - Building Effective Agents: LLM Autonomy & Tool Integration Explained

• روز 2 - 5 الگوی طراحی ضروری گردش کار LLM برای ساخت سیستم‌های هوش مصنوعی قوی Day 2 - 5 Essential LLM Workflow Design Patterns for Building Robust AI Systems

• روز 2 - درک الگوهای عامل در مقابل گردش کار در طراحی برنامه LLM Day 2 - Understanding Agent vs Workflow Patterns in LLM Application Design

• روز 3 - هماهنگ‌سازی چند LLM: مقایسه GPT-4o، Claude، Gemini و DeepSeek Day 3 - Orchestrating Multiple LLMs: Comparing GPT-4o, Claude, Gemini & DeepSeek

• روز 3 - یکپارچه‌سازی Multi-LLM API: مقایسه OpenAI، Anthropic و سایر مدل‌ها Day 3 - Multi-LLM API Integration: Comparing OpenAI, Anthropic & Other Models

• روز 3 - مقایسه API های LLM: استفاده از کتابخانه کلاینت OpenAI با Claude، Gemini و ++ Day 3 - Comparing LLM APIs: Using OpenAI Client Library with Claude, Gemini & ++

• روز 3 - هماهنگ‌سازی چند مدلی: ایجاد سیستمی برای ارزیابی پاسخ‌های هوش مصنوعی Day 3 - Multi-Model Orchestration: Creating a System to Evaluate AI Responses

• روز 3 - اتصال الگوهای عامل‌محور به استفاده از ابزار: بلوک‌های ساختمانی ضروری هوش مصنوعی Day 3 - Connecting Agentic Patterns to Tool Use: Essential AI Building Blocks

• روز 4 - مقایسه چارچوب‌های عامل هوش مصنوعی: سادگی در مقابل قدرت در هماهنگ‌سازی LLM Day 4 - Comparing AI Agent Frameworks: Simplicity vs Power in LLM Orchestration

• روز 4 - منابع در مقابل ابزارها: دو راه برای افزایش قابلیت‌های LLM در هوش مصنوعی عامل‌محور Day 4 - Resources vs. Tools: Two Ways to Enhance LLM Capabilities in Agentic AI

• روز 4 - ساخت یک ربات چت وب که مانند شما عمل می‌کند با استفاده از Gradio و OpenAI Day 4 - Build a Web Chatbot That Acts Like You Using Gradio & OpenAI

• روز 4 - استفاده از Gemini برای ارزیابی پاسخ‌های GPT-4: یک خط لوله Multi-LLM Day 4 - Using Gemini to Evaluate GPT-4 Responses: A Multi-LLM Pipeline

• روز 4 - ساخت گردش‌های کاری LLM عامل‌محور: منابع، ابزارها و خروجی‌های ساختاریافته Day 4 - Building Agentic LLM Workflows: Resources, Tools & Structured Outputs

• روز 5 - ساخت آواتار شغلی خود: فراخوانی عملکرد LLM با هشدارهای Push Day 5 - Building Your Career Alter Ego: LLM Function Calling with Push Alerts

• روز 5 - رمزگشایی تماس‌های ابزار LLM: نحوه پردازش و اجرای درخواست‌های عملکرد Day 5 - LLM Tool Calls Demystified: How to Process and Execute Function Requests

• روز 5- ساخت دستیارهای هوش مصنوعی: پیاده‌سازی ابزارها برای رسیدگی به سوالات ناشناخته Day 5- Building AI Assistants: Implementing Tools for Handling Unknown Questions

• روز 5 - ایجاد و استقرار یک عامل هوش مصنوعی: از حلقه چت تا فضاهای HuggingFace Day 5 - Creating & Deploying an AI Agent: From Chat Loop to HuggingFace Spaces

• روز 5 - استقرار ربات‌های گفتگو شغلی در Gradio Day 5 - Deploying Career Conversation Chatbots to Gradio

• روز 5 - جمع‌بندی هفته پایه: ساخت عوامل هوش مصنوعی کامل با APIها و ابزارها Day 5 - Foundation Week Wrap-up: Building Complete AI Agents with APIs & Tools

هفته 2 Week 2

• روز 1 - درک Async Python: پایه و اساس OpenAI Agents SDK Day 1 - Understanding Async Python: The Foundation for OpenAI Agents SDK

• روز 1 - مبانی OpenAI Agents SDK: ایجاد، ردیابی و اجرای عوامل Day 1 - OpenAI Agents SDK Fundamentals: Creating, Tracing, and Running Agents

• روز 1 - معرفی کلاس‌های Agent، Runner و Trace در OpenAI Agents SDK Day 1 - Introduction to Agent, Runner, and Trace Classes in OpenAI Agents SDK

• روز 1 - Vibe Coding: 5 نکته ضروری برای تولید کد کارآمد با LLMها Day 1 - Vibe Coding: 5 Essential Tips for Efficient Code Generation with LLMs

• روز 1 - OpenAI Agents SDK: درک مفاهیم اصلی برای توسعه هوش مصنوعی Day 1 - OpenAI Agents SDK: Understanding Core Concepts for AI Development

• روز 2 - ساخت عوامل فروش هوش مصنوعی با SendGrid: ابزارها و همکاری در Agent SDK Day 2 - Build AI Sales Agents with SendGrid: Tools & Collaboration in Agent SDK

• روز 2 - تماس‌های همزمان LLM: پیاده‌سازی Asyncio برای اجرای موازی عامل Day 2 - Concurrent LLM Calls: Implementing Asyncio for Parallel Agent Execution

• روز 2 - تبدیل عوامل به ابزارها: ساخت سیستم‌های هوش مصنوعی سلسله مراتبی Day 2 - Converting Agents into Tools: Building Hierarchical AI Systems

• روز 2 - جریان کنترل عامل: چه زمانی از Handoffs در مقابل عوامل به عنوان ابزار استفاده کنیم Day 2 - Agent Control Flow: When to Use Handoffs vs. Agents as Tools

• روز 2 - از فراخوانی عملکرد تا خودمختاری عامل: اتوماسیون فروش با OpenAI SDK Day 2 - From Function Calls to Agent Autonomy: Sales Automation with OpenAI SDK

• روز 2 - هوش مصنوعی عامل‌محور برای تجارت: ایجاد ابزارهای تعاملی دستیابی به فروش Day 2 - Agentic AI for Business: Creating Interactive Sales Outreach Tools

• روز 3- یکپارچه‌سازی چند مدلی: استفاده از Gemini، DeepSeek و Grok با OpenAI Agents Day 3- Multi-Model Integration: Using Gemini, DeepSeek & Grok with OpenAI Agents

• روز 3 - پیاده‌سازی Guardrails و خروجی‌های ساختاریافته برای سیستم‌های عامل هوش مصنوعی قوی Day 3 - Implementing Guardrails & Structured Outputs for Robust AI Agent Systems

• روز 3- ایمنی هوش مصنوعی در عمل: پیاده‌سازی Guardrails برای برنامه‌های کاربردی عامل LLM Day 3- AI Safety in Practice: Implementing Guardrails for LLM Agent Applications

• روز 4 - ساخت عوامل تحقیقاتی عمیق: پیاده‌سازی ابزار جستجوی وب OpenAI Day 4 - Building Deep Research Agents: Implementing OpenAI's Web Search Tool

• روز 4 - ساخت یک عامل برنامه‌ریز: استفاده از خروجی‌های ساختاریافته با Pydantic در هوش مصنوعی Day 4 - Building a Planner Agent: Using Structured Outputs with Pydantic in AI

• روز 4 - ساخت یک خط لوله تحقیقاتی End-to-End با عوامل GPT-4 و وظایف Async Day 4 - Building an End-to-End Research Pipeline with GPT-4 Agents & Async Tasks

• روز 4 - ساخت یک عامل تحقیقاتی عمیق: جستجوهای موازی با AsyncIO Day 4 - Building a Deep Research Agent: Parallel Searches with AsyncIO

• روز 5 - ساخت یک سیستم تحقیقاتی هوش مصنوعی مدولار با پیاده‌سازی Gradio UI Day 5 - Building a Modular AI Research System with Gradio UI Implementation

• روز 5 - برنامه تحقیقاتی عمیق: Gradio برای تجسم و نظارت بر عوامل هوش مصنوعی خودمختار Day 5 - Deep Research App: Gradio to Visualize & Monitor Autonomous AI Agents

• روز 5 - استقرار عوامل تحقیقاتی هوشمند با Gradio و HuggingFace Spaces Day 5 - Deploying Smart Research Agents with Gradio and HuggingFace Spaces

هفته 3 Week 3

• روز 1 - چارچوب Crew AI: ایجاد تیم‌های عامل هوش مصنوعی مشارکتی Day 1 - Crew AI Framework: Creating Collaborative AI Agent Teams

• روز 1 - توضیح چارچوب Crew AI: آموزش Agents، Tasks و حالت‌های پردازش Day 1 - Crew AI Framework Explained: Agents, Tasks & Processing Modes Tutorial

• روز 1 - Crew AI و LightLLM: چارچوب انعطاف‌پذیر برای ادغام چند LLM Day 1 - Crew AI & LightLLM: Flexible Framework for Integrating Multiple LLMs

• روز 1 - آموزش Crew AI: راه‌اندازی یک پروژه مناظره با GPT-4o mini Day 1 - Crew AI Tutorial: Setting Up a Debate Project with GPT-4o mini

• روز 1 - چگونه یک سیستم مناظره هوش مصنوعی با استفاده از Crew AI و چند LLM ایجاد کنیم Day 1 - How to Create an AI Debate System Using Crew AI and Multiple LLMs

• روز 1 - ساخت سیستم‌های مناظره هوش مصنوعی با CrewAI: مقایسه LLMهای مختلف Day 1 - Building AI Debate Systems with CrewAI: Compare Different LLMs

• روز 2 - ساخت پروژه‌های Crew AI: ابزارها، متن و یکپارچه‌سازی جستجوی گوگل Day 2 - Building Crew AI Projects: Tools, Context & Google Search Integration

• روز 2 - ساخت سیستم‌های تحقیقاتی مالی چند عاملی با Crew.ai Day 2 - Building Multi-Agent Financial Research Systems with Crew.ai

• روز 2- بهبود عوامل هوش مصنوعی با جستجوی وب: حل مشکل قطع دانش Day 2- Enhancing AI Agents with Web Search: Solving the Knowledge Cutoff Problem

• روز 3 - ساخت یک Stock Picker Crew AI: سیستم چند عاملی برای سرمایه‌گذاری‌ها Day 3 - Building a Crew AI Stock Picker: Multi-Agent System for Investments

• روز 3 - پیاده‌سازی خروجی‌های Pydantic در Crew AI: آموزش عامل Stock Picker Day 3 - Implementing Pydantic Outputs in Crew AI: Stock Picker Agent Tutorial

• روز 3 - توسعه ابزار سفارشی برای Crew AI: JSON Schema و Push Notifications Day 3 - Custom Tool Development for Crew AI: JSON Schema & Push Notifications

• روز 4 - حافظه Crew AI: ذخیره‌سازی برداری و پیاده‌سازی SQL برای عوامل هوش مصنوعی Day 4 - Crew AI Memory: Vector Storage & SQL Implementation for AI Agents

• روز 4 - Crew AI برای وظایف کدنویسی: عواملی که کد پایتون را تولید و اجرا می‌کنند Day 4 - Crew AI for Coding Tasks: Agents That Generate & Run Python Code

• روز 4 - ایجاد یک عامل هوش مصنوعی نویسنده پایتون: پیاده‌سازی عملی با Coda Day 4 - Create a Python-Writing AI Agent: Practical Implementation with Coda

• روز 5 - ساخت تیم‌های هوش مصنوعی: پیکربندی Crew AI برای توسعه مشارکتی Day 5 - Building AI Teams: Configure Crew AI for Collaborative Development

• روز 5 - توسعه عامل هوش مصنوعی مشارکتی برای یک چارچوب تجارت سهام Day 5 - Collaborative AI Agent Development for a Stock Trading Framework

• روز 5 - ساخت یک برنامه کاربردی تجارت با استفاده از GPT-4o و Claude Day 5 - Building a Trading Application Using GPT-4o & Claude

• روز 5 - از ماژول‌های منفرد تا سیستم‌های کامل: تکنیک‌های پیشرفته CrewAI Day 5 - From Single Modules to Complete Systems: Advanced CrewAI Techniques

هفته 4 Week 4

• روز 1 - توضیح LangGraph: معماری مبتنی بر گراف برای عوامل هوش مصنوعی قوی Day 1 - LangGraph Explained: Graph-Based Architecture for Robust AI Agents

• روز 1 - توضیح LangGraph: مقایسه اجزای چارچوب، استودیو و پلتفرم Day 1 - LangGraph Explained: Framework, Studio, and Platform Components Compared

• روز 1 - تئوری LangGraph: اجزای اصلی برای ساخت سیستم‌های عامل پیشرفته Day 1 - LangGraph Theory: Core Components for Building Advanced Agent Systems

• روز 2 - بررسی عمیق LangGraph: مدیریت وضعیت در گردش‌های کاری عامل مبتنی بر گراف Day 2 - LangGraph Deep Dive: Managing State in Graph-Based Agent Workflows

• روز 2 - تسلط بر LangGraph: چگونه اشیاء حالت را تعریف کنیم و از Reducers استفاده کنیم Day 2 - Mastering LangGraph: How to Define State Objects & Use Reducers

• روز 2 - مبانی LangGraph: ایجاد Nodes، Edges و Workflows گام به گام Day 2 - LangGraph Fundamentals: Creating Nodes, Edges & Workflows Step-by-Step

• روز 2 - آموزش LangGraph: ساخت یک ربات چت OpenAI با ساختارهای گراف Day 2 - LangGraph Tutorial: Building an OpenAI Chatbot with Graph Structures

• روز 3 - آموزش پیشرفته LangGraph: توضیح Super Steps و Checkpointing Day 3 - LangGraph Advanced Tutorial: Super Steps & Checkpointing Explained

• روز 3 - راه‌اندازی Langsmith و ایجاد ابزارهای سفارشی برای برنامه‌های LangGraph Day 3 - Setting Up Langsmith & Creating Custom Tools for LangGraph Applications

• روز 3 - فراخوانی ابزار LangGraph: کار با Conditional Edges و Tool Nodes Day 3 - LangGraph Tool Calling: Working with Conditional Edges & Tool Nodes

• روز 3 - Checkpointing LangGraph: چگونه حافظه را بین مکالمات حفظ کنیم Day 3 - LangGraph Checkpointing: How to Maintain Memory Between Conversations

• روز 3 - ساخت حافظه پایدار هوش مصنوعی با SQLite: مدیریت حالت LangGraph Day 3 - Building Persistent AI Memory with SQLite: LangGraph State Management

• روز 4 - یکپارچه‌سازی Playwright با LangGraph: ایجاد عوامل هوش مصنوعی مرورگر وب Day 4 - Playwright Integration with LangGraph: Creating Web-Browsing AI Agents

• روز 4 - ایجاد دستیاران وب هوش مصنوعی: پیاده‌سازی Playwright، LangChain و Gradio Day 4 - Create AI Web Assistants: Playwright, LangChain & Gradio Implementation

• روز 4 - عوامل ارزیاب LLM: ایجاد حلقه‌های بازخورد با خروجی‌های ساختاریافته Day 4 - LLM Evaluator Agents: Creating Feedback Loops with Structured Outputs

• روز 4- ایجاد حلقه‌های بازخورد LLM: پیاده‌سازی Worker-Evaluator در LangGraph Day 4- Creating LLM Feedback Loops: Worker-Evaluator Implementation in LangGraph

• روز 4 - ساخت یک دستیار هوش مصنوعی با استفاده از LangGraph، Gradio و اتوماسیون مرورگر Day 4 - Building an AI Sidekick Using LangGraph, Gradio & Browser Automation

• روز 5 - هوش مصنوعی عامل‌محور: جستجوی وب، سیستم فایل و Python REPL را به دستیار خود اضافه کنید Day 5 - Agentic AI: Add Web Search, File System & Python REPL to Your Assistant

• روز 5 - یکپارچه‌سازی ابزار LangChain: ساخت یک دستیار هوش مصنوعی قدرتمند از ابتدا Day 5 - LangChain Tool Integration: Building a Powerful AI Sidekick from Scratch

• روز 5 - ایجاد گردش‌های کاری هوش مصنوعی: سازندگان گراف و تکنیک‌های ارتباط Node Day 5 - Creating AI Workflows: Graph Builders & Node Communication Techniques

• روز 5 - ایجاد جلسات کاربری مجزا در برنامه‌های Gradio با استفاده از مدیریت وضعیت Day 5 - Creating Isolated User Sessions in Gradio Apps Using State Management

• روز 5 - داخل حلقه‌های بازخورد هوش مصنوعی: مشاهده نحوه ارزیابی و تصحیح اشتباهات توسط هوش مصنوعی Day 5 - Inside AI Feedback Loops: Seeing How AI Evaluates & Corrects Errors

• روز 5 - ارتقاء دستیار هوش مصنوعی: حافظه، سوالات روشن‌کننده و ابزارهای سفارشی Day 5 - AI Assistant Upgrades: Memory, Clarifying Questions & Custom Tools

هفته 5 Week 5

• روز 1 - Microsoft Autogen 0.5.1: توضیح چارچوب عامل هوش مصنوعی برای مبتدیان Day 1 - Microsoft Autogen 0.5.1: AI Agent Framework Explained for Beginners

• روز 1 - AutoGen در مقابل سایر چارچوب‌های عامل: مقایسه ویژگی‌ها و اجزا Day 1 - AutoGen vs Other Agent Frameworks: Features & Components Compared

• روز 1 - آموزش چت عامل AutoGen: ایجاد ابزارها و یکپارچه‌سازی پایگاه داده Day 1 - AutoGen Agent Chat Tutorial: Creating Tools and Database Integration

• روز 1 - اجزای ضروری هوش مصنوعی: مدل‌ها، پیام‌ها و عوامل توضیح داده شدند Day 1 - Essential AI Components: Models, Messages & Agents Explained

• روز 2 - چت عامل Autogen پیشرفته: ویژگی‌های چندوجهی و خروجی‌های ساختاریافته Day 2 - Advanced Autogen Agent Chat: Multimodal Features & Structured Outputs

• روز 2 - پیاده‌سازی عوامل اولیه و ارزیاب در AutoGen با Langchain Day 2 - Implementing Primary and Evaluator Agents in AutoGen with Langchain

• روز 2 - آموزش Headless Web Scraping: یکپارچه‌سازی MCP Server Fetch در AutoGen Day 2 - Headless Web Scraping Tutorial: MCP Server Fetch Integration in AutoGen

• روز 3 - AutoGen Core: ستون فقرات ارتباطات عامل توزیع‌شده Day 3 - AutoGen Core: The Backbone of Distributed Agent Communications

• روز 3 - ارتباطات عامل در Autogen Core: کنترل کننده‌های پیام و توزیع Day 3 - Agent Communication in Autogen Core: Message Handlers & Dispatching

• روز 3 - ثبت نام عامل AutoGenCore و مدیریت پیام: مثال‌های عملی Day 3 - AutoGenCore Agent Registration and Message Handling: Practical Examples

• روز 3 - عوامل مستقل AutoGenCore: سنگ کاغذ قیچی با GPT-4o و Llama Day 3 - AutoGenCore Standalone Agents: Rock Paper Scissors with GPT-4o & Llama

• روز 4 - AutoGen Core Distributed Runtime: معماری و اجزای توضیح داده شد Day 4 - Autogen Core Distributed Runtime: Architecture & Components Explained

• روز 4 - پیاده‌سازی عوامل هوش مصنوعی توزیع‌شده با AutoGen Core و gRPC Runtime Day 4 - Implementing Distributed AI Agents with AutoGen Core and gRPC Runtime

• روز 4 - ساخت سیستم‌های عامل توزیع‌شده: ارتباطات Cross-Process AutoGen Day 4 - Building Distributed Agent Systems: AutoGen Cross-Process Communication

• روز 5 - ایجاد عوامل خودمختاری که عوامل دیگر را در AutoGen می‌نویسند و مستقر می‌کنند Day 5 - Creating Autonomous Agents That Write & Deploy Other Agents in AutoGen

• روز 5 - پیاده‌سازی پیام‌رسانی عامل به عامل با AutoGen Core و Templates Day 5 - Implementing Agent-to-Agent Messaging with Autogen Core & Templates

• روز 5 - ایجاد عوامل هوش مصنوعی خودمختاری که با استفاده از Async Python همکاری می‌کنند Day 5 - Creating Autonomous AI Agents that Collaborate Using Async Python

هفته اصلی 6 (در پایان هفته منتشر نخواهد شد) Original Week 6 (will be unpublished at the end of the week)

• روز 1 - معرفی Model Context Protocol (MCP): کانکتور هوش مصنوعی Anthropic Day 1 - Introduction to Model Context Protocol (MCP): Anthropic's AI Connector

• روز 1 - توضیح معماری MCP: درک Hosts، Clients و Servers Day 1 - MCP Architecture Explained: Understanding Hosts, Clients, and Servers

• روز 1 - MCP Server Studio: اتصال LLMها به ابزارهای خارجی قدرتمند Day 1 - MCP Server Studio: Connecting LLMs to Powerful External Tools

• روز 1 - MCP Server Marketplaces: دسترسی به هزاران ابزار برای OpenAI Agents Day 1 - MCP Server Marketplaces: Access Thousands of Tools for OpenAI Agents

• روز 2 - چگونه یک MCP Server ایجاد کنیم: ساخت مجموعه‌های ابزار قابل اشتراک‌گذاری Day 2 - How to Create an MCP Server: Building Shareable Tool Collections

• روز 2 - MCP Server خود را بسازید: از کد پایتون تا ابزارهای قابل دسترسی هوش مصنوعی Day 2 - Build Your Own MCP Server: From Python Code to AI-Accessible Tools

• روز 2 - پیاده‌سازی ابزارهای MCP سفارشی برای مدیریت پورتفولیو با OpenAI Day 2 - Implementing Custom MCP Tools for Portfolio Management with OpenAI

• روز 2 - چگونه یک MCP Client برای یکپارچه‌سازی ابزار OpenAI & Anthropic پیاده‌سازی کنیم Day 2 - How to Implement an MCP Client for OpenAI & Anthropic Tool Integration

• روز 2 - معماری MCP: ساخت سیستم‌های Client-Server برای ابزارهای عامل LLM Day 2 - MCP Architecture: Building Client-Server Systems for LLM Agent Tools

• روز 3 - افزودن حافظه دائمی به عوامل هوش مصنوعی با MCP Knowledge Graph Servers Day 3 - Adding Persistent Memory to AI Agents with MCP Knowledge Graph Servers

• روز 3 - راه‌اندازی Brave Search & Alpha Vantage APIs با MCP Servers Day 3 - Setting Up Brave Search & Alpha Vantage APIs with MCP Servers

• روز 3 - راه‌اندازی Financial Data APIs: Clone & Configure MCP Server Connection Day 3 - Setting Up Financial Data APIs: Clone & Configure MCP Server Connection

• روز 4 - ایجاد سیستم تجارت چند عاملی با اشتراک حافظه و جستجوی وب Day 4 - Creating Multi-Agent Trading System with Memory Sharing & Web Search

• روز 4 - همکاری عامل: تبدیل محقق به ابزار با OpenAI SDK Day 4 - Agent Collaboration: Converting Researcher to Tools with OpenAI SDK

• روز 4 - Trading Agents with Tool Use: پیاده‌سازی MCP برای تحقیقات بازار سهام Day 4 - Trading Agents with Tool Use: Implementing MCP for Stock Market Research

• روز 4 - OpenAI Agents SDK: توسعه یک ماژول سیستم تجارت چند عاملی Day 4 - OpenAI Agents SDK: Developing a Multi-Agent Trading System Module

• روز 4 - روش‌های پیشرفته: پیاده‌سازی توابع Trading در OpenAI Agents SDK Day 4 - Advanced Methods: Implementing Trading Functions in OpenAI Agents SDK

• روز 4- ساخت Trading Agents انعطاف‌پذیر: مدیریت خطا در سیستم‌های هوش مصنوعی مالی Day 4- Building Resilient Trading Agents: Error Handling in Financial AI Systems

• روز 5 - Capstone Finale: Push Notifications و Strategy Evolution برای AI Traders Day 5 - Capstone Finale: Push Notifications & Strategy Evolution for AI Traders

• روز 5 - AI Trading Dashboard: تجسم عملکرد پورتفولیو با Gradio Day 5 - AI Trading Dashboard: Visualizing Portfolio Performance with Gradio

• روز 5 - مهندسی هوش مصنوعی عامل‌محور: نتیجه‌گیری دوره و کاربردهای دنیای واقعی Day 5 - Agentic AI Engineering: Course Conclusion & Real-World Applications

هفته 6 جدید به‌روزرسانی‌شده - MCP New Updated Week 6 - MCP

• روز 1 - معرفی MCP: USB-C هوش مصنوعی عامل‌محور Day 1 - Intro to MCP: The USB-C of Agentic AI

• روز 1 - درک MCP Hosts، Clients و Servers Day 1 - Understanding MCP Hosts, Clients, and Servers

• روز 1 - استفاده از MCP Servers با OpenAI Agents SDK Day 1 - Using MCP Servers with OpenAI Agents SDK

• روز 1 - کاوش در MCP Servers مبتنی بر Node و دسترسی به ابزار Day 1 - Exploring Node-Based MCP Servers & Tool Access

• روز 1 - ساخت یک Agent که از چند MCP Server استفاده می‌کند Day 1 - Building an Agent That Uses Multiple MCP Servers

• روز 1 - MCP Marketplaces و ملاحظات امنیتی Day 1 - MCP Marketplaces & Security Considerations

• روز 2 - معرفی روز 2 هفته 6: ساخت MCP Server خودتان Day 2 - Intro to Week 6 Day 2: Building Your Own MCP Server

• روز 2 - سیم‌کشی منطق تجاری در MCP Server خود Day 2 - Wiring Business Logic into Your MCP Server

• روز 2 - ایجاد کد Client برای استفاده از MCP Server خود Day 2 - Creating Client Code to Use Your MCP Server

• روز 2 - جمع‌بندی: قابلیت‌های MCP Server سفارشی شما Day 2 - Wrap-Up: Capabilities of Your Custom MCP Server

• روز 3 - کاوش در انواع MCP Servers و Agent Memory Day 3 - Exploring Types of MCP Servers and Agent Memory

• روز 3 - Brave Search API: MCP Server Calling the Web Day 3 - Brave Search API: MCP Server Calling the Web

• روز 3 - یکپارچه‌سازی Polygon API برای داده‌های بازار سهام Day 3 - Integrating Polygon API for Stock Market Data

• روز 3 - ابزارهای پیشرفته بازار با استفاده از طرح Polygon پولی Day 3 - Advanced Market Tools Using Paid Polygon Plan

• روز 4 - گام بعدی چیست: راه‌اندازی Agent Trading Floor ما Day 4 - What’s Next: Launching Our Agent Trading Floor

• روز 4 - مشاهده رابط کاربری برای فعالیت Trading Day 4 - Viewing the User Interface for Trading Activity

• روز 4 - نحوه عملکرد Trading Agents و تصمیم‌گیری Day 4 - How Trading Agents Operate and Make Decisions

• روز 4 - مدیریت پورتفولیو با چهار Autonomous Agent Day 4 - Portfolio Management with Four Autonomous Agents

• روز 5 - کدام Agent Framework را باید انتخاب کنید؟ Day 5 - Which Agent Framework Should You Pick?

• روز 5 - تنظیمات کلیدی و راه‌اندازی سیستم Trading Day 5 - Key Settings and Launching the Trading System

• روز 5 - توصیه‌هایی برای انتخاب Agentic Frameworks Day 5 - Advice for Selecting Agentic Frameworks

• روز 5 - 10 درس ضروری برای ساخت Agent Solutions Day 5 - 10 Essential Lessons for Building Agent Solutions

• روز 5 - جمع‌بندی دوره و خداحافظی نهایی – به ساختن ادامه دهید! Day 5 - Course Recap and Final Goodbye – Keep Building!