آموزش نقشه راه توسعه‌دهنده MCP: اتوماسیون و یکپارچه‌سازی مبتنی بر هوش مصنوعی [ویدئویی] - آخرین آپدیت

دانلود MCP Developer Blueprint: AI-Powered Automation & Integration [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره پروتکل زمینه مدل (MCP) را به عنوان یک چارچوب تحول‌آفرین برای اتوماسیون هوش مصنوعی معرفی می‌کند. شما با درک مفاهیم بنیادی MCP شروع کرده و به سمت پروژه‌های عملی، از جمله یکپارچه‌سازی ابزارهای هوش مصنوعی با Gmail، Twitter و Zapier پیش خواهید رفت. تمرکز این دوره بر ساخت سیستم‌های هوش مصنوعی مقیاس‌پذیر و آگاه به زمینه (Context-Aware) است که خطاهایی مانند توهمات (Hallucinations) را کاهش داده و عملکرد سیستم را بهبود می‌بخشند. همانطور که پیش می‌روید، یاد می‌گیرید که چگونه زمینه را برای تعامل بهینه با هوش مصنوعی ساختاردهی و لایه‌بندی کنید. با بررسی موارد استفاده واقعی و پروژه‌های عملی، نحوه ساخت سیستم‌های هوش مصنوعی از صفر، طراحی بلوک‌های زمینه قابل استفاده مجدد و کاهش افت زمینه (Context Drift) را کشف خواهید کرد. این دوره برای متخصصانی طراحی شده است که می‌خواهند از مهندسی پرامپت به طراحی هوش مصنوعی در سطح سیستم تغییر مسیر دهند. در بخش‌های نهایی، با توسعه و ایمن‌سازی کانتینرهای Docker برای ابزارهای هوش مصنوعی، درک خود از MCP را عمیق‌تر کرده و اطمینان حاصل می‌کنید که سیستم‌های شما قابل اعتماد و مقیاس‌پذیر هستند. در پایان این دوره، شما قادر خواهید بود MCP را در پروژه‌ها و سیستم‌های خود پیاده‌سازی کنید و به یک متخصص در طراحی سیستم‌های مدرن هوش مصنوعی تبدیل شوید. موارد کلیدی این دوره: - درک مبانی پروتکل زمینه مدل (MCP) و اهمیت آن - یادگیری ساختاردهی و لایه‌بندی زمینه برای تعامل بهینه سیستم‌های هوش مصنوعی - بررسی روش‌های جلوگیری از افت زمینه، توهمات و خطاها در خروجی‌های AI - ساخت بلوک‌های زمینه ماژولار و قابل استفاده مجدد برای سیستم‌های مقیاس‌پذیر - توسعه برنامه‌های هوش مصنوعی با استفاده از MCP و ابزارهایی مانند Gmail، Twitter و Zapier - انتقال از مهندسی پرامپت به طراحی معماری هوش مصنوعی در سطح سیستم این دوره برای توسعه‌دهندگان، مهندسان پرامپت، دانشمندان داده و علاقه‌مندان به هوش مصنوعی که می‌خواهند فراتر از مهندسی پرامپت ابتدایی بروند، طراحی شده است. این محتوا برای متخصصانی که به دنبال بهینه‌سازی سیستم‌های AI، یکپارچه‌سازی ابزارهای اتوماسیون یا ایجاد برنامه‌های پیشرفته مبتنی بر هوش مصنوعی هستند، ایده‌آل است. همچنین برای مدیران محصول و طراحان ابزارهای یکپارچه با AI یا سازندگان چت‌بات که هدفشان بهبود تداوم و حافظه هوش مصنوعی است، مفید خواهد بود. هیچ دانش پیش‌نیاز کدنویسی لازم نیست، اما داشتن طرز فکر فنی و کنجکاوی در مورد معماری هوش مصنوعی ضروری است. ویژگی‌های دوره: - پروژه‌های عملی یکپارچه‌سازی MCP با ابزارهای Gmail، Twitter و Zapier - بررسی عمیق ساخت سیستم‌های هوش مصنوعی مقیاس‌پذیر و آگاه به زمینه برای کاربردهای واقعی - راهنمای گام‌به‌گام در مورد ایمن‌سازی، کانتینری کردن و استقرار سیستم‌های هوش مصنوعی با استفاده از Docker

سرفصل ها و درس ها

خوش‌آمدگویی و معرفی دوره Welcome & Course Overview

  • مرور کلی دوره Course Overview

  • مخاطبان هدف Target Audience

  • پیش‌نیازها Prerequisites

  • راه اندازی محیط Environment Setup

  • ویرایش Jupyter و Google Colab Jupyter and Google Colab-edited

آشنایی با MCP MCP Introduction

  • MCP چیست؟ What is MCP?

  • جامعه MCP MCP Community

  • مرور مستندات MCP MCP Documentation Overview

پروژه اول: MCP Hello World / ابزار API آب و هوا Project 1 - MCP Hello World / Weather API Tool

  • مقدمه Hello World Hello World Introduction

  • راه اندازی محیط Hello World Hello World - Environment Setup

  • دموی Hello World Hello World Demo

  • تمرین Hello World Hello World Assignment

  • مقدمه ابزار آب و هوا Weather Tool Introduction

  • تنظیم API Key ابزار آب و هوا Weather Tool API Key Setup

  • دموی ابزار آب و هوا Weather Tool Demo

  • توضیح کد ابزار آب و هوا Weather Tool Code Explanation

  • جمع‌بندی و نکات نهایی Summary and Final Thoughts

بررسی عمیق معماری MCP MCP Architecture in Depth

  • مقدمه Introduction

  • آشنایی با ابزارهای MCP MCP Tools Introduction

  • منابع MCP MCP Resources

  • تفاوت ابزارهای MCP با منابع MCP MCP Tools vs. MCP Resources

  • سرور MCP MCP Server

  • کلاینت MCP MCP Client

  • پرامپت‌های MCP MCP Prompts

  • مرور مفاهیم اصلی MCP MCP Core Concepts Overview

پروژه دوم: سرور MCP با GitHub Project 2 - MCP Server with GitHub

  • مقدمه ابزار GitHub MCP GitHub MCP Tool - Introduction

  • راه اندازی GitHub MCP GitHub MCP Setup

  • ابزار دریافت اطلاعات GitHub MCP GitHub MCP Info Tool

  • ابزارهای مدیریت مخزن (Repository) Repository Management Tools

  • ابزار عملیات فایل File Operations Tool

  • جمع‌بندی Summary

سرور MCP با X/YouTube MCP Server with X/YouTube

  • مقدمه ابزار Twitter MCP Twitter MCP Tool Introduction

  • تنظیم API Key API Key Setup

  • پیاده‌سازی ابزار ارسال توییت Tweet Posting Tool Implementation

  • رهگیری تغییرات نام کاربری Track Username Changes

  • ابزار دریافت توییت‌های اخیر Fetch Recent Tweets Tool

  • جمع‌بندی ابزارهای Twitter MCP Twitter MCP Tools Summary

سرور MCP با Gmail MCP Server with Gmail

  • مقدمه ابزارهای MCP برای Gmail MCP Tools for Gmail - Introduction

  • تنظیم Client Secret در Gmail Setting Up Gmail Client Secret

  • احراز هویت Google OAuth2 با get_credentials() Google OAuth2 Authentication with get_credentials()

  • ابزار ایجاد پیش‌نویس Create Draft Tool

  • ابزار MCP - ارسال ایمیل MCP Tool – Send Email

  • ابزار MCP - خواندن برچسب‌ها MCP Tool – Read Labels

  • تمرین: کار با برچسب‌های Gmail با استفاده از ابزارهای MCP Assignment - Working with Gmail Labels Using MCP Tools

  • جمع‌بندی ابزار Gmail MCP Gmail MCP Tool – Summary

سرور MCP با Zapier MCP Server with Zapier

  • مقدمه یکپارچه‌سازی Zapier و MCP Introduction to Zapier and MCP Integration

  • اتوماسیون ایمیل با Claude و Zapier Email Automation with Claude & Zapier

  • پیکربندی Claude با MCP Zapier Configuring Claude with MCP Zapier

  • نویستن پیش‌نویس ایمیل با استفاده از Claude Drafting an Email Using Claude

  • نویستن پیش‌نویس ایمیل با Cursor Drafting Emails with Cursor

  • زمان‌بندی رویداد تقویم با Cursor Scheduling a Calendar Event with Cursor

  • تمرین: ساخت ابزار اتوماسیون پست لینکدین با Zapier، MCP و AI Assignment - Build a LinkedIn Post Automation Tool using Zapier, MCP, and AI

  • گشودن آینده اتوماسیون مبتنی بر هوش مصنوعی Unlocking the Future of AI-Powered Automation

توسعه، ایمن‌سازی و کانتینری کردن سرور MCP Developing, Securing, and Containerizing an MCP Server

  • مقدمه Docker Introduction to Docker

  • راه اندازی Docker Setting Up Docker

  • اجزای کلیدی در Docker Key Components in Docker

  • ابزار Hello World Hello World Tool

  • ابزار Weather MCP Weather MCP Tool

  • بررسی عمیق دستورات Docker Deep Dive into Docker Commands

  • دستورات ضروری Docker Essential Docker Commands

  • اصول امنیتی Docker Docker Security Essentials

  • جمع‌بندی Docker Docker Summary

جمع‌بندی دوره Course Summary

  • جمع‌بندی دوره MCP MCP Course Summary

نمایش نظرات

آموزش نقشه راه توسعه‌دهنده MCP: اتوماسیون و یکپارچه‌سازی مبتنی بر هوش مصنوعی [ویدئویی]
جزییات دوره
3h 22m
63
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Anand Rao Nednur Anand Rao Nednur

Anand Rao Nednur یک مربی فنی ارشد و مشاور ابر است. او حدود 15 سال با شرکت های بزرگ کار کرده است و طیف گسترده ای از فناوری ها را در کارنامه خود دارد. Anand نه تنها در پلتفرم‌های ابری (Azure، AWS و GCP) مهارت دارد، بلکه با IAM، امنیت و اتوماسیون با PowerShell و Python نیز به خوبی آشناست. علاوه بر این، مطالب دوره های مختلف را تدوین و به روز می کند. او به مهندسان بسیاری در معاینات آزمایشگاهی و اخذ گواهینامه کمک کرده است. آناند همچنین یک متخصص باتجربه گواهی است که دارای چندین گواهینامه است و آموزش های تحت رهبری مربی را در چندین ایالت در هند و همچنین چندین کشور مانند ایالات متحده آمریکا، بحرین، کنیا و امارات ارائه کرده است. او به عنوان یک مربی دارای گواهی مایکروسافت در سطح جهانی برای مشتریان شرکت های بزرگ کار کرده است.