Hand-On AI: ساخت عوامل AI با پروتکل زمینه مدل (MCP) و Agent2Agent (A2A)

مدرس Kumaran Ponnambalam

انتشار 2025/08/06

مدت زمان 1h 40m

سطح مناسب همه

فایل تمرینی ندارد

آموزش Hands-On AI: Building AI Agents with Model Context Protocol (MCP) and Agent2Agent (A2A)

این دوره شما را با چارچوب های ارتباطی Model Context (MCP) و Agent2Agent (A2A) آشنا می کند و برای طراحی عوامل AI مشترک ، آگاه و آگاه ، ضروری است. معماری ها ، ابزارها و پیاده سازی های MCP را کاوش کنید و یاد بگیرید که چگونه برنامه های کاربردی و عوامل هوش مصنوعی را ایجاد کنید که از درک متنی غنی استفاده می کنند. علاوه بر این ، مربی Kumaran Ponnambalam در ساختار ، گردش کار و کاربردهای عملی A2A فرو می رود و به شما کمک می کند تا با اکوسیستم های چند عامل تجربه ای کسب کنید. برای به دست آوردن دانش عملی برای طراحی ، پیاده سازی و اجرای عوامل هوشمند هوشمند هوش مصنوعی در سناریوهای دنیای واقعی ، این دوره را بررسی کنید.

AI Agents Artificial Intelligence (AI) Generative AI

Introduction

Why MCP and A2A? ()

1. Introduction to Model Context Protocol

What is Model Context Protocol? ()

MCP architecture ()

Resources, tools, and prompt templates ()

Transport in MCP ()

Messaging flow in MCP ()

Prebuilt MCP servers ()

2. A Simple MCP App

MCP SDKs ()

Simple MCP app design ()

Build the code-of-conduct MCP server ()

Build the code-of-conduct MCP client ()

Execute the code-of-conduct app with MCP ()

3. HR Policy Agent with MCP

HR policy agent design ()

Build the HR policy MCP server ()

Build the HR policy agent with MCP client ()

Execute the HR policy agent with MCP ()

4. HR Timeoff Agent with MCP

HR timeoff agent design ()

Build the HR timeoff MCP server ()

Build the HR Timeoff Agent with MCP Client ()

Execute the HR timeoff agent with MCP ()

5. Introduction to Agent2Agent Protocol

What is A2A? ()

Architecture of A2A ()

A2A communication elements ()

A2A protocols ()

A2A discovery strategies ()

A2A client and server communication flow ()

6. Build a Multi-Agent HR App with A2A

HR multi-agent assistant design ()

Implement A2A Server for agents ()

Implement a A2A client ()

Create a multi-agent router agent ()

Execute the multi-agent HR App with A2A ()

Conclusion

Recommended next steps ()

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.

مسیرهای یادگیری آموزش Hand-On AI: ساخت عوامل AI با پروتکل زمینه مدل (MCP) و Agent2Agent (A2A)

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Hands-On AI: Building AI Agents with Model Context Protocol (MCP) and Agent2Agent (A2A) در 1 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

در زمینه رشد سریع ساخت عامل هوش مصنوعی تسلط داشته باشید، جایی که توسعه دهندگان سیستم های هوش مصنوعی را ایجاد می کنند که مستقل فکر و عمل می کنند. این مسیر یادگیری به توسعه دهندگان پایتون، مهندسان اتوماسیون و متخصصان ML کمک می کند تا برای ایجاد نسل بعدی برنامه های هوشمند آماده شوند. بیاموزید که چگونه سیستم‌های چند عاملی را طراحی کنید که با استفاده از چارچوب‌های پیشرفته مانند LangGraph، LlamaIndex و Model Context Protocol با یکدیگر همکاری می‌کنند و مشکلات پیچیده را به طور مستقل حل می‌کنند.

آموزش Hand-On AI: ساخت عوامل AI با پروتکل زمینه مدل (MCP) و Agent2Agent (A2A) ، ایستگاه شماره 4 در مسیر یادگیری Building AI Agents: Techniques Advanced for Developers ، است.