هوش مصنوعی عاملی Agno با MCP
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یاد بگیرید چگونه با استفاده از پروتکل MCP (پیغام، زنجیره، برنامه) عاملهای ساختاریافته و هوشمند بسازید.
- تجربه عملی در توسعه عاملهای مالی که قادر به تحلیل دادهها و خودکارسازی وظایف واقعی هستند کسب کنید.
- درک کنید چگونه حافظه را در عاملهای خود وارد کنید تا بتوانند تعاملات گذشته را یادآوری و تصمیمهای آگاهانه بگیرند.
- با استفاده از محیط تعاملی Agno Playground، جریان کار عاملها را شبیهسازی و مصورسازی خواهید کرد.
- سیستمهای چندعامله ایجاد کنید که در آن عاملها همکاری کرده، تسک ها را واگذار و مسائل را به صورت تیمی حل میکنند.
پیشنیازهای دوره
- مبانی زبان برنامهنویسی Python
توضیحات دوره
با این دورهی عملی و متمرکز، قدرت هوش مصنوعی عاملی را آزاد کنید و یاد بگیرید چگونه با استفاده از چارچوب عاملی Agno و پروتکل MCP (پیغام، زنجیره، برنامه)، عاملهای مالی هوشمند بسازید. چه علاقهمند هوش مصنوعی باشید، چه توسعهدهنده یا نوآور در فناوری مالی، این دوره به شما کمک میکند تحول بعدی در گردش کارهای هوش مصنوعی را از طریق پروژههای کاربردی درک کنید.
شما با روشهایی آشنا خواهید شد که Agno توسعه عاملهای خودران با هدف مشخص را با استفاده از برنامهریزی ساختاریافته و الگوهای ارتباطی ساده میکند. طراحی عاملهای مالی که قادر به تحلیل دادههای بازار، انجام وظایف و حفظ دانش با استفاده از حافظه عاملها هستند را خواهید آموخت. محیط Agno Playground، فضایی بصری برای تست و شبیهسازی عاملها با نمایش پویا و گردش کارها، در اختیار شماست.
تمرکز دوره روی همکاری چندعامله است؛ جایی که عاملها به عنوان تیم ارتباط برقرار و هماهنگی میکنند تا مشکلات پیچیده را حل کنند. با استفاده از مثالهای واقعی مالی، عاملهایی میسازید که نه تنها مستقل عمل میکنند، بلکه برنامهریزی، بازتاب و واگذاری وظایف را در محیطهای چندعامله به انجام میرسانند.
آنچه میسازید:
- یک عامل هوشمند تحلیلگر مالی با استفاده از Agno و MCP
- یک عامل مجهز به حافظه که توانایی یادآوری و استدلال دارد
- یک سیستم چندعامله که عاملها بر روی تسک های مالی همکاری میکنند
- استفاده از Agno Playground برای شبیهسازی و مصورسازی گردش کارها
برای این دوره نیاز به تجربه قبلی در چارچوبهای عاملی نیست و فقط دانش پایهای از Python و مفاهیم AI کافی است.
همین امروز سفر خود را به دنیای هوش مصنوعی عاملی آغاز کنید و سیستمهایی بسازید که خودشان فکر، برنامهریزی و عمل میکنند.
این دوره برای چه کسانی مناسب است؟
- هوش مصنوعی عاملی (Agentic AI)
هوش مصنوعی عاملی Agno با MCP
-
مقدمهای بر چارچوب عامل Agno 04:31
-
کلید API Open AI 01:07
-
نصب Visual Studio Code 01:21
-
راهاندازی پروژه با UV 04:46
-
نصب UV 01:54
-
اجرای برنامه با UV 00:24
-
دستیار مالی Agno 05:26
-
مروری بر عامل حافظه 05:33
-
تقسیمبندی در VectorDB 02:31
-
عامل حافظه Agno 04:37
-
دمو نمونه عامل حافظه Agno 04:44
-
مقدمهای بر سیستم چندعامله Agno 02:25
-
عامل وب و Yahoo Finance 05:26
-
دمو عامل Yahoo Finance 08:34
-
دمو عامل وب 02:16
-
مقدمهای بر محیط Agno Playground 02:10
-
عامل مالی و وب در Playground 04:39
-
نمایش نمونه عامل مالی در Playground 04:05
-
دمو عامل وب در Playground 01:55
-
مقدمهای بر پروتکل MCP 04:45
-
مقایسه MCP و غیر MCP 03:56
-
ارتباط پروتکل MCP بین اجزا 06:36
-
معرفی معماری MCP 03:21
-
مقدمهای بر سرور MCP در Agno 05:10
-
کد سرور MCP در Agno 03:21
-
کد مشتری MCP در Agno 08:03
-
دمو MCP در Agno 05:28
-
عملکرد داخلی Python 02:21
-
نوع داده عددی 05:53
-
نوع داده رشتهای (String) 05:53
-
نوع داده Boolean 01:39
-
عملگرهای Python 02:24
-
لیست (List) کالکشن 05:14
-
تاپل (Tuple) کالکشن 05:18
-
مجموعه کالکشن 04:33
-
Dictionary 04:33
-
شرط If Else 12:00
-
حلقه While 08:54
-
حلقه For 03:50
-
مقدمهای بر تابع 03:32
-
کد تابع 10:09
-
تابع Lambda 02:50
-
تابع آرایه 05:30
-
مقدمهای بر کلاس 03:17
-
Class Init 08:08
-
Class str 04:41
-
کلاس و تابع 05:30
-
مقدمهای بر وراثت 02:00
-
وراثت همراه با Init 05:11
-
Iterator 03:44
-
پلی مورفیسم 05:11
-
Scope Python 04:44
-
ماژولهای Python 05:07
-
تاریخها در Python 03:42
-
ماژولهای ریاضی 04:20
-
عبارت منظم 02:37
-
شی JSON 04:45
-
بسته Pip 01:30
-
مدیریت استثنا 14:11
-
ورودی کاربر 01:06
-
قالببندی رشته 06:55
-
خواندن فایل 04:21
-
نوشتن فایل 03:27
مشخصات آموزش
هوش مصنوعی عاملی Agno با MCP
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:63
- مدت زمان :04:48:05
- حجم :1.97GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy