Linkedin آموزش شرکت سازنده محتوای آموزش هوش مصنوعی

آموزش عملی MCP و ساخت Agentهای هوش مصنوعی

Linkedin - Model Context Protocol (MCP): Hands-On with Agentic AI

رحمتی3 هفته پیشآخرین به روز رسانی: 22 تیر, 1405

آموزش عملی MCP و ساخت Agentهای هوش مصنوعی

آموزش عملی MCP و ساخت Agentهای هوش مصنوعی : در این دوره، با Model Context Protocol (MCP)، استاندارد جدید اتصال مدل‌های زبانی بزرگ (LLMs) به ابزارها، داده‌ها و برنامه‌های مختلف آشنا می‌شوید. این پروتکل که توسط Anthropic معرفی شده است، به توسعه‌دهندگان امکان می‌دهد قابلیت‌های عامل‌محور (Agentic AI) را به مدل‌های هوش مصنوعی اضافه کنند تا بتوانند با سیستم‌های خارجی تعامل داشته باشند، داده‌ها را پردازش کنند و وظایف پیچیده و چندمرحله‌ای را به‌صورت هوشمند انجام دهند.

در طول دوره، نحوه عملکرد MCP در Claude Desktop را بررسی می‌کنید و یاد می‌گیرید چگونه با استفاده از Python و TypeScript، سرورهای MCP Server اختصاصی ایجاد کنید. همچنین با اتصال مدل‌های زبانی به APIهای خارجی، استفاده از Resources، Tools و Prompts، توسعه Agentهای هوشمند، اجرای عملیات چندمرحله‌ای، کنترل کامپیوتر توسط هوش مصنوعی و گسترش قابلیت‌های Claude و سایر LLMها آشنا خواهید شد. این دوره آموزشی توسط تیم ســافــت ســاز برای شما عزیزان تهیه شده است.

عناوین آموزش عملی MCP و ساخت Agentهای هوش مصنوعی :

آموزش Model Context Protocol (MCP)
آموزش MCP Server
آشنایی با Agentic AI
توسعه Agentهای هوش مصنوعی
آموزش Claude Desktop
اتصال LLM به ابزارها و داده‌ها
ساخت MCP Server با Python
ساخت MCP Server با TypeScript
اتصال به APIهای خارجی
توسعه ابزارهای هوشمند
مدیریت Resources و Tools
طراحی Prompt برای Agentها
اجرای عملیات چندمرحله‌ای
توسعه Workflowهای هوشمند
افزایش قابلیت‌های مدل‌های زبانی بزرگ

پیش نمایش آموزش عملی MCP و ساخت Agentهای هوش مصنوعی

مشخصات دوره
Description

عنوان دوره : Linkedin – Model Context Protocol (MCP): Hands-On with Agentic AI

سطح : متوسط

زمان کل دوره : 0.55 ساعت

تعداد فايل ها : 2 فصل

سال آموزش : 2025

فایل تمرینی : ندارد

مربی دوره : Morten Rand-Hendriksen

نرم افزار : –

زیرنویس انگلیسی : دارد

Linkedin – Model Context Protocol (MCP): Hands-On with Agentic AI

The Model Context Protocol (MCP) allows developers to add agent behavior to LLMs by providing a universal protocol providing context to language models so they can interface with data and applications in a consistent way. MCP servers expose resources (data), tools (actions), and prompts (instructions) for the LLM and the user to use in performing more complex operations. In this course you’ll explore how the MCP works in Claude Desktop to extend its functionality, and you’ll build your own MCP servers using Python and TypeScript to give LLMs new capabilities to do things on the computer, connect with external APIs, and perform advanced multi-step actions.

حجم کل : 0.1 گیگابایت