OpenAI API و توسعه MCP

مدرس Sandy Ludosky

انتشار 2026/02/23

مدت زمان 3h 19m

سطح مناسب همه

فایل تمرینی ندارد

آموزش OpenAI API and MCP Development

زمینه پویای OpenAI API و توسعه MCP را با مربی وب و توسعه دهنده Sandy Ludosky کاوش کنید و بیاموزید که چگونه هوش مصنوعی می تواند GitHub Copilot را شارژ کند، سیستم های چند عاملی را هماهنگ کند و به منابع داده خاص دامنه متصل شود. با کدهای GitHub و سرورهای MCP شروع کنید. مدل‌های هوش مصنوعی را مستقیماً در جریان کاری خود ادغام کنید، بررسی کدها را خودکار کنید، و برنامه‌ها را از طریق عوامل غنی و آگاه به زمینه ارتقا دهید. با تنظیم مجوزها با استفاده از نشانه های دسترسی، تجربه عملی داشته باشید. با استفاده از GitHub Actions از پیشنهادات هوش مصنوعی برای اشکال زدایی کد و وظایف بازآفرینی استفاده کنید. این دوره آموزشی که برای زبان آموزانی با تجربه برنامه نویسی و توسعه وب پایه پایتون طراحی شده است، به شما این امکان را می دهد که در اکوسیستم هوش مصنوعی حرکت کنید و مدل های هوش مصنوعی را در برنامه های کاربردی اعمال کنید. این دوره شما را آماده می‌کند تا برنامه‌های پیشرفته‌ای با هوش مصنوعی توسعه دهید که به پرسش‌های کاربر و درخواست‌های کار پاسخ هوشمندانه می‌دهند.

Artificial Intelligence (AI) Generative AI OpenAI API Python (Programming Language)

Introduction

Build next-generation Python applications with OpenAI ()

Setting up GitHub Codespaces ()

1. Start Building from the Core

Building a content generator ()

Images API : Processing text and images ()

Audio API: Transcribe audio ()

Audio API: Translate audio sample ()

Challenge: Building a multimodal Q&A assistant ()

Audio: Building a voice-enabled chatbot ()

Adding moderation ()

2. Extending the LLM Capabilities

Defining tools: Function calling and retrieval ()

Using tools and calling functions ()

Integrating the weather API ()

Challenge: Build a custom assistant and weather app ()

Generating extending responses ()

3. Working with the GitHub Models

Exploring the GitHub Models marketplace ()

AI development on GitHub: From setup to hands-on playground ()

Settings permissions with an access token ()

Creating a dev container and configuration file ()

Debugging and reviewing code with AI suggestions ()

4. Automating Code Review with the GitHub Models

Combining GitHub Actions and AI models ()

Writing the workflow file ()

Challenge: Leveraging GitHub actions with AI models ()

Solution: Leveraging GitHub actions with AI models ()

5. Supercharging GitHub Copilot with MCP Servers

Exploring the GitHub MCP Registry ()

Setting up the MCP server in Visual Studio Code ()

Challenge: Connecting an AI model to data source via MCP ()

6. Orchestrating a Multi-Agent System

Building and orchestrating agents ()

Create a multi-agent workflow ()

Challenge: Create a multi-agent developer team ()

Tracing, monitoring, and evaluating with LangSmith ()

Conclusion

Don't miss these takeaways ()

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.