ساخت با هوش مصنوعی: برنامه های کاربردی با LlamaIndex و MCP

مدرس Tuana Çelik

انتشار 2026/02/05

مدت زمان 1h 48m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Build with AI: Agentic Applications with LlamaIndex and MCP

توضیح این دوره در مورد چیست؟ بیاموزید که چگونه برنامه های کاربردی بسازید که می توانند به طور هوشمند چندین عامل هوش مصنوعی را برای کار با منابع دانش توزیع شده هماهنگ کنند. در این دوره، مربیان Tuana Çelik و Joon-Pil Hwang اصول معماری های عاملی و ایجاد گردش کار سفارشی را با LlamaIndex پوشش می دهند. در مورد نحوه ادغام پایگاه های داده برداری مانند Weaviate برای ذخیره و بازیابی دانش، و همچنین پیاده سازی سیستم های چند عاملی مبتنی بر نقش، بینش جمع آوری کنید. در طول مسیر، Tuana و Joon-Pil همچنین به پروتکل بافت مدل (MCP) می پردازند، که می تواند ادغام قدرتمندی با سایر منابع داده خارجی فراهم کند. در پایان این دوره، شما به مهارت های مورد نیاز برای ساخت برنامه های کاربردی با استفاده از ابزارهای درجه یک سازمانی مجهز خواهید شد. این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. اهداف تا پایان این دوره چه کاری می توانم انجام دهم؟ به طور کلی توضیح دهید که یک برنامه کاربردی چیست و چرا ارزشمند است. نقش یک چارچوب عامل و تفاوت آن با یک مدل تولیدی را توضیح دهید. پروتکل بافت مدل (MCP) و مشکلاتی را که حل می کند توضیح دهید. یک عامل اساسی با فراخوانی ابزار با استفاده از LlamaIndex پیاده سازی کنید. اطلاعات را از یک پایگاه داده برداری با استفاده از Weaviate Query Agent بازیابی کنید. Weaviate Query Agent را به عنوان ابزاری در یک عامل LlamaIndex ادغام کنید. یک سیستم چند عامله بسازید که چندین نماینده تخصصی را هماهنگ می کند. مخاطب این دوره برای چه کسانی است؟ توسعه دهندگان سازمانی با تجربه مدل هوش مصنوعی توسعه‌گران یا توسعه‌دهندگان پاره وقت کنجکاو در مورد اکوسیستم‌های هوش مصنوعی سرنخ های فنی به دنبال پیاده سازی سیستم های هوش مصنوعی پیشرفته دانشمندان داده علاقه مند به یکپارچه سازی داده ها در زمان واقعی هستند مهندسین ابزار هوش مصنوعی که روی برنامه های کاربردی مبتنی بر عامل کار می کنند

AI Software Development Artificial Intelligence (AI) Vector Databases

Introduction

Build modern AI agents ()

1. Introduction to AI Agents and Agentic Workflows

Building a basic agent ()

Creating custom event-driven decision steps ()

2. Vector Databases for AI Agent Knowledge Management

Why we use vector databases to store knowledge ()

Perform queries in Weaviate ()

Introduction to Weaviate Query Agent ()

Use Weaviate Query Agent ()

3. Build Role-Based Multiagent Workflows with LlamaIndex

Using your Query Agent as a step for an agent workflow ()

Building a human-in-the-loop workflow for knowledge base search and admin with LlamaIndex and Weaviate ()

4. Model Context Protocol (MCP) Integration for AI Agents

Interacting with your own agents served as an MCP via Claude Code ()

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.