ساخت سیستم‌های هوش مصنوعی عاملی با MCP در Microsoft Azure

مدرس Jonah Andersson

انتشار 2026/05/27

مدت زمان 3h 41m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Building Agentic AI Systems with MCP on Microsoft Azure

راه‌های طراحی و ساخت برنامه‌ها و سیستم‌های مستقل را با استفاده از عوامل هوش مصنوعی با سرورهای Azure MCP و دیگر پلت‌فرم‌های MCP کاوش کنید. با ادغام سرورهای MCP با سرویس‌های ابری Azure - از جمله Azure AI Foundry، Azure Functions، Azure API Management و Azure Service Bus - برای خودکارسازی گردش کار و ایجاد راه‌حل‌های مبتنی بر ابر و هوش مصنوعی، برنامه‌های خود را مدرن‌سازی کنید. امنیت، انطباق، مشاهده پذیری و حاکمیت هوش مصنوعی را مطابق با چارچوب پذیرش ابری، چارچوب خوش‌معماری شده برای Azure و اصول هوش مصنوعی مسئول اجرا کنید. پروژه‌های مورد استفاده را با نمونه‌های کد و تمرین‌هایی برای توسعه سیستم‌های یکپارچه با هوش مصنوعی با استفاده از خدمات هوش مصنوعی Azure و سرورهای Azure MCP بسازید و امتحان کنید. این دوره برای توسعه دهندگان متوسط تا پیشرفته، معماران ابر/سیستم، مهندسان پلتفرم و مهندسان DevOps ایده آل است، این دوره به شما می آموزد که چگونه عوامل مستقل و سیستم های هوش مصنوعی را بر روی ابر بسازید و مدیریت کنید.

Agentic AI Development Application Development Microsoft Azure Workflow Automation

Introduction

Build autonomous systems with MCP server ()

1. MCP Servers for AI Agents Development and Integration

Different MCP servers for AI-driven development ()

Designing solutions and developing AI agents using Microsoft Foundry AI services ()

MCP servers using Microsoft Foundry Agent Service ()

MCP servers using Azure API Management ()

Developing AI-driven applications using MCP servers and Azure API Management ()

Building a custom MCP server and deploy to Azure using Azure Functions ()

2. Microsoft Agent Framework with MCP Servers on Microsoft Azure

Microsoft Agent Framework for developers ()

SDKs and programming languages for AI agents development with MCP servers and APIs ()

AI agents automation using Microsoft Agents Framework and Azure MCP servers ()

Building agent controllers and MCP servers in C# ()

Multi-agent workflow using Azure AI Foundry, Microsoft Agent Framework and Azure MCP servers ()

Developing .NET AI-to-AI agent registration and communication ()

3. AI-Driven Application Architecture Using AI Agents for Automation

Using Azure APIM for AI-integration between apps, cloud services and other APIs ()

Azure Functions, Azure Container Apps and Azure Service Bus with AI agents development ()

Integrating MCP servers and external APIs using Azure API Management in .NET ()

Event-driven app for agentic AI collaboration using .NET ()

4. Microsoft Foundry for AI-First Applications

Building custom MCP servers for domain-specific tools ()

Integrating MCP servers and external APIs using Azure API Management in .NET ()

Event-driven app for agentic AI collaboration using .NET ()

5. Agentic AI Systems: Observability, Compliance, and Governance

Logging, monitoring, and distributed tracing for AI workloads ()

Implement observability in a multi-agent system ()

6. Agentic AI Security and Advanced Scenarios for AI Agents Development on Azure

Hybrid and multicloud MCP servers deployments ()

Secure an MCP-based autonomous workflow on Azure ()

7. Agentic AI Development in Action

Challenge: Capstone Project A-BigStar Collectibles Smart Logistics Hub (complete system integration) ()

Solution: BigStar Collectibles Smart Logistics Hub (complete system integration) ()

Challenge (Capstone Project B): Autonomous DevOps Assistant ()

Solution (Capstone Project B): Autonomous DevOps Assistant ()

Conclusion

Outro ()

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.