دوره آموزشی ساخت عاملهای هوش مصنوعی با پروتکل متن مدل (MCP)
2 ساعت 28 دقیقهمتوسط2026-05-08
مدرسین

Pearson
جزئیات دوره
تا حالا شده حس کنی هوش مصنوعی مثل یه مغز خیلی باهوشه، اما به یه بدن یا دست و پا نداره که بتونه با دنیای واقعی و ابزارهای شما ارتباط برقرار کنه؟ مشکل اصلی اکثر سیستمهای هوش مصنوعی اینه که توی یه «باغ محصور» (Walled Garden) گیر کردن؛ یعنی میتونن فکر کنن، اما نمیتونن به راحتی با دیتابیسها، فایلها یا سرویسهای دیگه شما تعامل داشته باشن.
اینجاست که قهرمان داستان وارد میشه: Model Context Protocol یا همون MCP. توی این دوره فنی و جذاب، یاد میگیریم چطوری با استفاده از این پروتکل جدید، ایجنتهای هوش مصنوعی (AI Agents) رو بسازیم که واقعاً «عمل» کنن، نه اینکه فقط حرف بزنن! ما از شباهتهای جالب MCP با پروتکل HTTP استفاده میکنیم تا یاد بگیریم چطور این مرزهای بسته رو بشکنیم. قرار نیست فقط تئوری بخونیم؛ ما قراره دستبهکار بشیم و با زبانهای برنامهنویسی محبوب مثل Python، Java و Node.js، سرورهای MCP بسازیم. از تست کردن با ابزارهایی مثل Postman و Claude Desktop گرفته تا وصل کردن ایجنتها به دیتابیسهای قدرتمندی مثل PostgreSQL برای استخراج اطلاعات لحظهای (Real-time)، همه رو با هم تجربه میکنیم. اگه توسعهدهنده هستی و میخوای از یه برنامهنویس معمولی به یه متخصص ساخت ایجنتهای هوشمند تبدیل بشی، این دوره همون قطعه گمشده پازل توئه!
اهداف یادگیری
درک عمیق پروتکل MCP و نقش حیاتی اون در شکستن محدودیتهای سیستمهای بسته و ایجاد ارتباط آزاد بین مدلهای هوش مصنوعی و دادهها.
یادگیری معماری سرورهای MCP و شناخت تمامی اجزا و قابلیتهایی که این پروتکل در اختیار توسعهدهندگان قرار میده.
تجربه عملی ساخت سرورهای MCP با استفاده از زبانهای برنامهنویسی Python، Java و Node.js.
تسلط بر تست و عیبیابی سرورها با استفاده از ابزارهای حرفهای مثل MCP Inspector، Postman و Claude Desktop.
یادگیری نحوه اتصال هوشمند ایجنتهای AI به دیتابیسهای SQL (مثل PostgreSQL) برای حل چالشهای واقعی سازمانها و بهینهسازی گردش کار (Workflow).
اینجاست که قهرمان داستان وارد میشه: Model Context Protocol یا همون MCP. توی این دوره فنی و جذاب، یاد میگیریم چطوری با استفاده از این پروتکل جدید، ایجنتهای هوش مصنوعی (AI Agents) رو بسازیم که واقعاً «عمل» کنن، نه اینکه فقط حرف بزنن! ما از شباهتهای جالب MCP با پروتکل HTTP استفاده میکنیم تا یاد بگیریم چطور این مرزهای بسته رو بشکنیم. قرار نیست فقط تئوری بخونیم؛ ما قراره دستبهکار بشیم و با زبانهای برنامهنویسی محبوب مثل Python، Java و Node.js، سرورهای MCP بسازیم. از تست کردن با ابزارهایی مثل Postman و Claude Desktop گرفته تا وصل کردن ایجنتها به دیتابیسهای قدرتمندی مثل PostgreSQL برای استخراج اطلاعات لحظهای (Real-time)، همه رو با هم تجربه میکنیم. اگه توسعهدهنده هستی و میخوای از یه برنامهنویس معمولی به یه متخصص ساخت ایجنتهای هوشمند تبدیل بشی، این دوره همون قطعه گمشده پازل توئه!
اهداف یادگیری
درک عمیق پروتکل MCP و نقش حیاتی اون در شکستن محدودیتهای سیستمهای بسته و ایجاد ارتباط آزاد بین مدلهای هوش مصنوعی و دادهها.
یادگیری معماری سرورهای MCP و شناخت تمامی اجزا و قابلیتهایی که این پروتکل در اختیار توسعهدهندگان قرار میده.
تجربه عملی ساخت سرورهای MCP با استفاده از زبانهای برنامهنویسی Python، Java و Node.js.
تسلط بر تست و عیبیابی سرورها با استفاده از ابزارهای حرفهای مثل MCP Inspector، Postman و Claude Desktop.
یادگیری نحوه اتصال هوشمند ایجنتهای AI به دیتابیسهای SQL (مثل PostgreSQL) برای حل چالشهای واقعی سازمانها و بهینهسازی گردش کار (Workflow).
سرفصل ها
مقدمه
- ساخت عاملهای هوش مصنوعی با پروتکل زمینه مدل (MCP) - مقدمه
شروع کار با پروتکل زمینه مدل (MCP) برای عاملهای هوش مصنوعی
- اهداف یادگیری
- حوزههای اطلاعات را بیاموزید
- آزمایشگاه - استفاده از هوش مصنوعی برای دریافت اطلاعات بلادرنگ - آب و هوا
- یاد بگیرید که چرا MCP ایجاد شد
- بفهمید که چرا استراتژیهای باغ محصور شکست میخورند
- درسهای آموختهشده از HTTP را به خاطر بسپارید
- یاد بگیرید که MCP چگونه شبیه HTTP است
- با برنامههای کلاینت MCP آشنا شوید
- آزمایشگاه - استفاده از هوش مصنوعی با MCP برای دریافت اطلاعات بلادرنگ - آب و هوا
معماری سرورهای MCP را بیاموزید
- اهداف یادگیری
- اصطلاحات و واژگان پایه را یاد بگیرید
- با پروتکل پیام آشنا شوید
- آشنایی با انواع روشهای انتقال مورد استفاده - STDIO و HTTP قابل پخش
- خلاصه - برنامههای کلاینت MCP
- درک کنید که چه زمانی از ابزارها در مقابل منابع استفاده کنید
- هدف از اعلانها (prompts) در سرورهای MCP خود را بیاموزید
- درباره حمل و نقل بیشتر بدانید
Deep Dive - ایجاد یک سرور MCP در پایتون
- اهداف یادگیری
- روی جزئیات پیادهسازی تمرکز کنید
- وابستگیها را یاد بگیرید
- مقایسه UV و PIP
- ایجاد سرور MCP
- تنظیم حمل و نقل
- ابزار خود را اعلام کنید
- درخواستهای خود را اعلام کنید
- آزمایشگاه - اجرای سرور پایتون MCP در MCP Inspector
Deep Dive - ایجاد یک سرور MCP در جاوا
- اهداف یادگیری
- روی جزئیات پیادهسازی تمرکز کنید
- وابستگیها را یاد بگیرید
- ایجاد سرور MCP
- تنظیم حمل و نقل
- ابزار خود را معرفی کنید
- درخواستهای خود را اعلام کنید
- آزمایشگاه - اجرای سرور MCP جاوا در Postman
Deep Dive - ایجاد یک سرور MCP در Node.js
- اهداف یادگیری
- روی جزئیات پیادهسازی تمرکز کنید
- وابستگیها را یاد بگیرید
- ایجاد سرور MCP
- تنظیم حمل و نقل
- ابزار خود را معرفی کنید
- درخواستهای خود را اعلام کنید
- آزمایشگاه - اجرای سرور Node.js MCP در دسکتاپ Claude
استفاده از MCP با پایگاه داده PostgreSQL
- راه حل را یاد بگیرید
- سرور MCP خود را پیکربندی کنید
- آزمایشگاه - اجرای سرور PostgreSQL MCP در دسکتاپ Claude
- اهداف یادگیری
- مشکل را مورد بحث قرار دهید
خلاصه
- ساخت عاملهای هوش مصنوعی با پروتکل زمینه مدل (MCP) - خلاصه
دوره های مرتبط
- دوره آموزشی ساخت عوامل هوش مصنوعی با API پاسخهای OpenAI
- دوره آموزشی پروتکل زمینه مدل (MCP) برای مبتدیان
- دوره آموزشی Microsoft Agent Framework: طراحی، هماهنگسازی و مقیاسدهی هوش مصنوعی عاملمحور
- دوره آموزشی فراخوانی تابع در OpenAI API
- دوره آموزشی پروتکل زمینه مدل (MCP): تجربه عملی با هوش مصنوعی عاملمحور (Agentic AI)
- دوره آموزشی کلود با Google Cloud Vertex AI
- دوره آموزشی ساخت و توسعه با Claude API
- دوره آموزشی هوش مصنوعی عملی: ساخت عوامل هوش مصنوعی با پروتکل زمینه مدل (MCP) و Agent2Agent (A2A)
مسیرهای مرتبط
- مسیر آموزشی ساخت عوامل هوش مصنوعی: تکنیکهای پیشرفته برای توسعهدهندگان
- مسیر آموزشی ساخت سیستمهای هوش مصنوعی عاملمحور برای رهبران فناوری
- مسیر آموزشی یادگیری Vibe Coding: ساخت اپلیکیشنها با کدنویسی مجهز به هوش مصنوعی
- مسیر آموزشی درک هوش مصنوعی تولیدکننده برای رهبران فناوری
- مسیر آموزشی سواد فنی و آمادگی برای آینده برای مدیران ارشد و رهبران سازمانی
- مسیر آموزشی تقویت مهارت های خود را در یادگیری عمیق و شبکه های عصبی
- مسیر آموزشی ساخت محصولات هوش مصنوعی با استفاده از سرویسهای Azure AI در چرخه توسعه
- مسیر آموزشی راهنمای توسعهدهنده Google Gemini