ساخت عوامل هوش مصنوعی با پروتکل بافت مدل (MCP) توسط پیرسون

مدرس Pearson

انتشار 2026/05/08

مدت زمان 2h 29m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Build AI Agents with Model Context Protocol (MCP) by Pearson

با استفاده از شباهت‌هایی که با HTTP دارد، راه‌هایی را کاوش کنید که می‌توانید با استفاده از پروتکل بافت مدل (MCP) عوامل هوش مصنوعی بسازید. درباره ایجاد MCP و اینکه چرا برای غلبه بر استراتژی‌های باغ دیواری سنتی ضروری است، بیاموزید. معماری سرورهای MCP و طیف وسیعی از مؤلفه‌ها و قابلیت‌های ارائه شده توسط آنها را بررسی کنید. تجربه عملی در ساخت سرورهای MCP در پایتون، جاوا و Node.js و همچنین آزمایش این سرورها با MCP Inspector، Postman و Clawed Desktop به دست آورید. روش‌هایی را کشف کنید که MCP عوامل هوش مصنوعی را قادر می‌سازد تا به طور طبیعی با پایگاه‌های داده تعامل داشته باشند تا اطلاعات و بینش‌های بی‌درنگ را ارائه دهند. به علاوه، MCP را با پایگاه‌های داده SQL مانند PostgreSQL ادغام کنید تا مشکلات رایج سازمانی را حل کنید و پتانسیل هوش مصنوعی را در بهینه‌سازی گردش کار به نمایش بگذارید. ایده‌آل برای توسعه‌دهندگانی که مشتاق ارتقای مهارت‌های توسعه هوش مصنوعی خود هستند، این دوره شما را به ساخت عوامل هوش مصنوعی با استاندارد قوی MCP مجهز می‌کند و نحوه تعامل سرویس‌ها و مجموعه داده‌های شما را تغییر می‌دهد. این دوره توسط پیرسون ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

AI Agents Model Context Protocol (MCP)

Introduction

Build AI agents with Model Context Protocol (MCP): Introduction ()

1. Get Started with Model Context Protocol (MCP) for AI Agents

Learning objectives ()

Learn the domains of information ()

Lab: Use AI to get real-time information: The weather ()

Learn why MCP was created ()

Understand why walled garden strategies fail ()

Remember lessons learned from HTTP ()

Learn how MCP is similar to HTTP ()

Get familiar with MCP client applications ()

Lab: Use AI with MCP to get real-time information: The weather ()

2. Learn the Architecture of MCP Servers

Learning objectives ()

Learn the basic terms and terminology ()

Get familiar with the message protocol ()

Understand the types of transports used: STDIO and Streamable HTTP ()

Recap: MCP client applications ()

Understand when to apply tools vs. resources ()

Learn the purpose of prompts in your MCP servers ()

Learn more about transports ()

3. Deep Dive: Create an MCP Server in Python

Learning objectives ()

Focus on the implementation details ()

Learn the dependencies ()

Compare UV vs. PIP ()

Create the MCP server ()

Set the transport ()

Declare your prompts ()

Lab: Run the Python MCP server in the MCP Inspector ()

4. Deep Dive: Create an MCP Server in Java

Learning objectives ()

Focus on the implementation details ()

Learn the dependencies ()

Create the MCP server ()

Set the transport ()

Declare your tool ()

Declare your prompts ()

Lab: Run the Java MCP server in Postman ()

5. Deep Dive: Create an MCP Server in Node.js

Learning objectives ()

Focus on the implementation details ()

Learn the dependencies ()

Create the MCP server ()

Set the transport ()

Declare your tool ()

Declare your prompts ()

Lab: Run the Node.js MCP server in the Claude Desktop ()

6. Use MCP with the PostgreSQL Database

Learning objectives ()

Discuss the problem ()

Learn the solution ()

Configure your MCP server ()

Lab: Run the PostgreSQL MCP server in the Claude Desktop ()

Summary

Build AI Agents with Model Context Protocol (MCP): Summary ()

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.