آموزش Agentic AI – ساخت گردش‌کارهای اتوماسیون چند-عاملی (Multi-Agent) - آخرین آپدیت

سرفصل ها و درس ها

اصول LLMها، عامل‌های هوش مصنوعی و سرورهای MCP – ایجاد وضوح مفهومی Essentials of LLMs, AI Agents & MCP Servers – Build Conceptual Clarity

• سوالات متداول (بسیار مهم): در این دوره چه خواهید آموخت؟ FAQ's (Must watch)- What will you learn from this course?

• مدل زبانی بزرگ (LLM) چیست؟ ویژگی‌ها و محدودیت‌های آن What is LLM? Its Characteristic features and limitations

• انتقال از LLM به عامل‌های هوش مصنوعی؛ نقاط قوت AI Agents Transition from LLM -> AI Agents. Where AI Agent shines?

بررسی عمیق سرور MCP برای ساخت یک عامل هوش مصنوعی با Claude Getting Deep Diver into MCP Server to build an AI Agent with claude

• نکات مهم Important Note

• پروتکل MCP چیست و چگونه LLM را فوق‌العاده قدرتمند می‌کند؟ What is MCP? How this MCP help an LLM to be super powerful

• منابع برای دانلود Resources to download

• ساخت عاملی برای اتوماسیون مرورگر وب با استفاده از سرورهای MCP Playwright/Selenium Build Agent which automates web browser using Playwright/Selenium MCP Servers

• مراحل عیب‌یابی در هنگام بروز خطا در پیکربندی سرورهای MCP Debugging steps when there are failures in configuring MCP servers

• ساخت عاملی برای استخراج داده از دیتابیس SQL با کوئری‌های پیچیده Build Agent which can extract data from SQL database by framing complex queries

• ساخت عاملی برای تست API و تعامل با سیستم فایل‌های محلی Build Agent which can perform API Testing & talk to local File systems for data

• ساخت عاملی برای خواندن و نوشتن در فایل اکسل برای سناریوهای مختلف Build Agent which can read/write to excel file for any given scenario

مقدمه‌ای بر Agentic AI و آماده‌سازی محیط IDE پایتون برای AutoGen Intro to Agentic AI & Setup Python IDE environment for AutoGen Framework

• معایب استفاده از تک-عاملی و نحوه حل مشکل توسط سیستم‌های چند-عاملی Disadvantages of having Single Agent - and how Multi Agent fixes the problem

• هوش مصنوعی عاملی (Agentic AI) چیست؟ اهمیت گردش‌کارهای چند-عاملی What is Agentic AI? Importance of Multi Agent work flows

• نصب پایتون و IDE برای شروع در ویندوز Setting up Python and IDE to get started in Windows Machine

• نصب پایتون و IDE برای شروع در مک (Mac) Setting up Python and IDE to get started in MAC Machine

• راه‌اندازی محیط مجازی پایتون و نصب پکیج‌های AutoGen Setup Python virtual enviroment & install AutoGen packages into Python Env

مبانی فریم‌ورک AutoGen: مفاهیم AssistantAgents و RoundRobinGroupchat AutoGen Framework fundamentals - AssitantAgents, RoundRobinGroupchat Concepts

• نحوه اجرای کدهای پایتون و فراخوانی توابع How to kickstart running any python code and its function call

• معرفی AssistantAgent و پیاده‌سازی آن با یک مثال Introduction to AssistantAgent and its implementation with an example

• نحوه پاسخ‌دهی AssistantAgent به ورودی‌های چندوجهی (تصاویر، فایل‌ها) How to make AssitantAgent answer the multimodal inputs such as images, files

• مدل RoundRobinGroupChat چیست؟ نحوه هماهنگی بین عامل‌ها در یک تیم What is RoundRobinGroupChat? How to coordinate between agents in a team

• دانلود کد کامل دوره Full course code download

مبانی فریم‌ورک AutoGen: مفاهیم توقف (Termination)، ذخیره وضعیت و انسان در حلقه AutoGen Framework fundamentals - Termination, StateSaving, HumanInLoop concepts

• شرط توقف چیست و چرا به آن نیاز داریم؟ (MessageMax termination) What is Termination Condition and why do we need it? -MessageMax termination

• نحوه پیاده‌سازی انسان در حلقه: معرفی کلاس UserProxyAgent در AutoGen How to get human in loop - Intro to UserProxyAgent class in AutoGen

• مکانیزم ذخیره وضعیت: نحوه جابجایی بین عامل‌ها با حفظ وضعیت State Saving Mechanism - How to switch between agents preserving state

• مدل SelectorGroupChat: نحوه انتخاب پویا برای عمل هر عامل در تیم SelectorGroupChat - How to dynamically choose which agent to act in teams

مبانی فریم‌ورک AutoGen: SelectorGroupChat، mcpworkbench و BrowserAgent AutoGen Framework fundamentals - SelectorGroupChat, mcpworkbench & BrowserAgent

• عامل ویژه AutoGen با قابلیت‌های داخلی اتوماسیون مرورگر Special Agent of Autogen which has inbuilt browser Automation capabilities

• نحوه افزودن پشتیبانی ابزارهای MCP به Assistant Agent با کلاس mcpworkbench How to add MCP tooling support to Assistant Agent with mcpworkbench class

• مثال جامع شامل AssistantAgent، MCP، انسان در حلقه، تیم‌ها و توقف End to End example includes AssitantAgent, MCP, HumanInLoop, Teams, Termination

درک هدف گردش‌کار عاملی و آماده‌سازی پیش‌نیازهای عامل‌ها (Jira) Understand the Goal of the Agentic workflow & setup Agents Prerequisites -Jira

• درک اهداف گردش‌کار چند-عاملی همراه با برنامه اجرایی Understand the Goals of the Multi Agent workflow with a plan of execution

• راه‌اندازی حساب Cloud Jira برای اجرای پروژه Agentic AI Setup Cloud Jira account for Agenti AI project execution

• مرور کلی نحوه ایجاد و بازیابی باگ‌ها در پروژه جیرا High level overview on how to create bugs and retrieve with in Jira project

• نحوه افزودن متغیرهای محیطی جیرا به Assistant Agent (دمو) Understand how to add Jira Environment variables into Assistant Agent - demo

استفاده از عامل جیرا و عامل Playwright برای ساخت گردش‌کار چند-عاملی خودمختار Use Jira Agent & Playwright Agent to Build Autonomous Multi Agentic Workflow

• ساخت عامل جیرا با ادغام mcpworkbench جیرا در Assistant Agent Create Jira Agent with Integrating Jira mcpworkbench into Assistant Agent

• ساخت عامل اتوماسیون مرورگر با ادغام mcpworkbench Playwright Create Browser Automation Agent with Integrating Playwright mcpworkbench

• مهم: تنظیم کانتکست برای عامل‌های جیرا و مرورگر جهت دستیابی به هدف Important : Setting up context to Jira & Browser Agents for achieving the goal

• کانتکست: پیام‌های سیستم برای عامل جیرا Context - System messages of Jira

• کانتکست: پیام‌های سیستم برای عامل مرورگر Context - System messages of Browser Agent

• گردش‌کار کامل برای ساخت راهکار Agentic AI با تیم‌های RoundRobin Complete end to end workflow to build Agentic AI solution with RoundRobin Teams

• اجرای گردش‌کار چند-عاملی و تحلیل دقیق رفتار خروجی عامل‌ها Run the Multi Agentic workflow & analyze the agents output behaviour in detail

الگوی Agent Factory: طراحی سیستم چند-عاملی با عامل‌های دیتابیس، API و اکسل Agent Factory Pattern-Design Multi Agent system with Database, API, Excel Agents

• دیتابیس، API و اکسل: درک اهداف و گردش‌کار عامل‌های چندگانه Database-API-Excel -Understand the Goals of the Multi Agents and its workflow

• الگوی AgentFactory چیست؟ نحوه جداسازی و ایجاد عامل‌ها در کارخانه What is AgentFactory? How to isolate and create Agents within factory

• بخش اول: ساخت فایل Config MCP و اتصال کارخانه و فایل تنظیمات به جریان تست Part 1 - Build mcp Config file & connect Factory ,Config file to main test flow

• بخش دوم: ساخت فایل Config MCP و اتصال کارخانه و فایل تنظیمات به جریان تست Part 2 - Build mcp Config file & connect Factory ,Config file to main test flow

• گردش‌کار کامل برای ساخت راهکار Agentic AI با مفاهیم AutoGen Complete end to end workflow to build Agentic AI solution with AutoGen concepts

مهندسی کانتکست: تعریف پیام‌های سیستم برای هماهنگی داخلی عامل‌ها Context Engineering - Define System messages to Agents for internal coordination

• بخش اول: ارائه پیام‌های سیستم به عامل‌های دیتابیس، API و اکسل به صورت منطقی Part 1 -Provide System messages to Database, API, Excel Agents in logical manner

• بخش دوم: ارائه پیام‌های سیستم به عامل‌های دیتابیس، API و اکسل به صورت منطقی Part 2-Provide System messages to Database, API, Excel Agents in logical manner

• اجرای گردش‌کار چند-عاملی و تحلیل دقیق رفتار خروجی عامل‌ها Run the Multi Agentic workflow & analyze the agents output behaviour in detail

جمع‌بندی و مرور: چه آموختیم؟ این مهارت چگونه به پیشرفت شغلی من کمک می‌کند؟ Summary - Recap - what did we learn? How this skill help in my next career leap?

• مرور Agentic AI: مفاهیم گردش‌کار چند-عاملی آموخته شده در دوره Recap of Agenti AI - Multi Agent workflow concepts learned in the course

• دانلود کدها Code download

• بهینه‌سازی رزومه: چه مهارت‌هایی را از این دوره به رزومه اضافه کنیم؟ Resume inputs what you can add with the skills gained from this course

واژه‌نامه: یادگیری مبانی پایتون Glossary - Learn Python Fundamentals

• دانلود کدها Download code

• برنامه Hello World پایتون و مبانی اولیه Python hello world Program with Basics

• انواع داده‌ها در پایتون و نحوه تشخیص نوع داده در زمان اجرا Datatypes in python and how to get the Type at run time

• نوع داده List و عملیات‌های مربوط به مدیریت آن List Datatype and its operations to manipulate

• انواع داده Tuple و Dictionary در پایتون به همراه مثال Tuple and Dictionary Data types in Python with examples

• نحوه ایجاد دیکشنری‌ها در زمان اجرا و افزودن داده به آن‌ها How to Create Dictionaries at run time and add data into it

• شرط If-Else در پایتون با مثال‌های کاربردی If else condition in python with working examples

• نحوه عملکرد حلقه‌ها در پایتون و اهمیت تو رفتگی (Indentation) کد How loops work in Python and importance of code idendation

• مثال‌های برنامه‌نویسی با استفاده از حلقه for (۱) Programming examples using for loop - 1

• مثال‌های برنامه‌نویسی با استفاده از حلقه while (۲) Programming examples using While loop - 2

• توابع چیستند؟ نحوه استفاده از آن‌ها در پایتون What are functions? How to use them in Python

• اصول OOPS: کلاس‌ها و اشیاء در پایتون OOPS Principles : Classes and objects in Python

• سازنده (Constructor) چیست و چه نقشی در برنامه‌نویسی شی‌گرا دارد؟ What is Constructor and its role in Object oriented programming

• مفاهیم ارث‌بری (Inheritance) به همراه مثال در پایتون Inheritance concepts with examples in Python

• رشته‌ها (Strings) و توابع مربوط به آن‌ها در پایتون Strings and its functions in python

درس جایزه Bonus Lecture

• درس جایزه Bonus Lecture