معماری‌های هوش مصنوعی عاملی همراه با الگوها، فریم‌ورک‌ها و MCP

آنچه یاد خواهید گرفت:

• عامل‌های هوش مصنوعی چیستند؟
• کامپوننت های عامل‌های هوش مصنوعی چیست؟ چگونه یک عامل هوش مصنوعی بسازیم؟
• هوش مصنوعی عاملی چیست؟ معماری‌های چندعاملی
• گردش کار عاملی چیست؟
• فریم‌ورک‌های عامل هوش مصنوعی - بررسی در فریم‌ورک‌های عاملی هوش مصنوعی
• درک الگوهای طراحی عاملی هوش مصنوعی
• RAG عاملی چیست؟ - استدلال پیشرفته: Agentic RAG
• ارتباطات و پروتکل‌های عامل - استفاده از پروتکل‌های عاملی (MCP ،A2A و ACP)
• پروتکل زمینه مدل (MCP) در طراحی عملی
• مهندسی زمینه برای عامل‌های هوش مصنوعی
• چرخه عمر توسعه عامل (ADLC) همراه با توسعه عامل سازمانی
• ساخت لایه عاملی فروشگاه اینترنتی
• عامل‌های هوش مصنوعی چگونه از Generative AI استفاده می‌کنند؟
• چه زمانی از عامل‌های هوش مصنوعی استفاده کنیم؟ (و چه زمانی نکنیم)
• حلقه عاملی: ادراک، استدلال، عمل، یادگیری (PRAL)
• عامل هوش مصنوعی در مقابل هوش مصنوعی عاملی: تفاوت حیاتی
• هوش مصنوعی عاملی چگونه کار می‌کند: معماری‌های سطح سیستم (Orchestration یا Choreography)
• الگوهای هماهنگ‌سازی عاملی (ترتیبی، همزمان، گفتگوی گروهی، تحویل، Magentic)
• الگوی "استفاده از ابزار" 
• الگوی "برنامه‌ریزی" 
• الگوی "بازاندیشی" (فراشناخت)
• الگوی مرکب "ReAct"
• الگوی "مسیریاب و متخصص" 
• الگوی "تحویل" (گردش کار ترتیبی)
• الگوی "گفتگوی گروهی / مناظره"
• الگوی "ازدحام" (موازی‌سازی)
• الگوی "انسان در حلقه" (HITL)

پیش‌نیازهای دوره

• مبانی معماری نرم‌افزار
• مبانی Generative AI

توضیحات دوره

آیا آماده گذار از یک توسعه‌دهنده سنتی به یک معمار عاملی هستید؟

ما در حال حرکت از دوران ساده Generative AI - جایی که منفعلانه از مدل‌ها می‌خواهیم متن بنویسند - به دوران هوش مصنوعی عاملی هستیم، جایی که سیستم‌های خودمختاری را طراحی می‌کنیم که می‌توانند به طور مستقل ادراک کنند، استدلال کنند، عمل کنند و مسائل پیچیده را حل کنند.

ساخت یک عامل نمایشی آسان است. ساختن یک سیستم درجه سازمانی از عامل‌ها که مقیاس‌پذیر و امن باشد، سخت است.

این دوره راهنمای طراحی جامع برای معماران نرم‌افزار و مهندسان ارشد است که می‌خواهند بر ساخت معماری عاملی به دنیای واقعی مسلط شوند. این دوره فراتر از اسکریپت‌نویسی پایه می‌رود؛ مدرس بر روی الگوها، پروتکل‌ها و چرخه‌های حیات مورد نیاز برای یکپارچه‌سازی عامل‌های هوشمند در اکوسیستم‌های عظیم سازمانی تمرکز می‌کند.

آنچه فرا خواهید گرفت

• تسلط به اصول عاملی: بین عامل‌های ساده هوش مصنوعی و هوش مصنوعی عاملی واقعی تمایز قائل شوید و به "حلقه عاملی" (ادراک، استدلال، عمل، یادگیری) مسلط شوید.
• معماری سیستم‌های چندعاملی: بیاموزید که چگونه با استفاده از الگوهای همکاری، تیم‌هایی از عامل‌ها را برای حل اهداف پیچیده هماهنگ کنید.
• پیاده‌سازی الگوهای طراحی عاملی: بر طرح‌های اولیه قابل استفاده مجدد مانند ReAct، بازاندیشی (فراشناخت) و برنامه‌ریزی برای حل مسائل تکراری معماری تسلط پیدا کنید.
• یکپارچه‌سازی سازمانی با MCP: به بررسی عمیق پروتکل زمینه مدل (MCP) بپردازید تا سرورهایی بسازید که میکروسرویس‌های موجود شما را به عنوان ابزار در اختیار هر عاملی قرار می‌دهند.
• ساخت RAG عاملی: RAG سنتی را به عامل‌های پژوهشی فعالی که می‌توانند بر روی داده سازمانی شما استدلال کنند، تکامل دهید.
• چرخه عمر توسعه عامل (ADLC): کل چرخه عمر یک عامل از جمله امنیت، حاکمیت، ارزیابی و عملیات را مدیریت کنید.
• پروژه نهایی دنیای واقعی: یک لایه عاملی کامل را در بالای یک معماری واقعی میکروسرویس فروشگاه اینترنتی طراحی و یکپارچه کنید.

نقشه راه دوره

این دوره یک سفر ساختاریافته چهار بخشی را دنبال می‌کند که برای انتقال شما از مفاهیم پایه‌ای به پیاده‌سازی پیشرفته سازمانی طراحی شده است:

بخش 1: اصول عامل

مدرس با پاسخ به این سوال اساسی شروع می‌کند: چگونه یک عامل هوش مصنوعی می‌سازید؟ او کالبدشناسی یک عامل را تشریح کرده و بین ابزارهای ساده و سیستم‌های خودمختار تمایز قائل می‌شود. شما به ضربان قلب هر عامل - حلقه عاملی - مسلط خواهید شد و سفر داده را از طریق ادراک، استدلال، عمل و یادگیری دنبال می‌کنید تا فیزیولوژی داخلی عامل را درک کنید.

بخش 2: معماری، الگوها و فریم‌ورک‌ها

پس از درک عامل، به سطح سیستم بزرگ‌می‌شویم. او معماری عاملی را کاوش می‌کند و به طور خاص بر همکاری چندعاملی و گردش کار عاملی تمرکز می‌کند. شما سبک‌های معماری مانند Orchestration در مقابل Choreography را مقایسه کرده و منظره فریم‌ورک‌های برتر (LangChain، LlamaIndex ،Microsoft Agent Framework) را بررسی خواهید کرد. به طور بحرانی، مدرس یک بخش بزرگ را به الگوهای طراحی عاملی اختصاص می‌دهد، جایی که شما یاد خواهید گرفت که موارد زیر را پیاده‌سازی کنید:

• الگوی برنامه‌ریزی: تجزیه اهداف پیچیده
• الگوی بازاندیشی: توانمندسازی عامل‌ها برای نقد و بهبود کار خودشان
• الگوی مرکب ReAct: ترکیب حلقه‌های استدلال و عمل

بخش 3: یکپارچه‌سازی سازمانی و تکنیک‌های پیشرفته

در اینجا به لایه یکپارچه‌سازی می‌رویم. او بزرگ‌ترین چالش صنعت را مورد بررسی قرار می‌دهد: پروتکل‌های عامل. شما یک راهنمای گام‌به‌گام برای پروتکل زمینه مدل (MCP) دریافت خواهید کرد و یاد خواهید گرفت که چگونه سرورهایی بسازید که چگونگی صحبت عامل‌ها با APIهای شما را استاندارد می‌کنند. همچنین RAG عاملی برای استدلال پیشرفته بر روی داده‌ و مهندسی زمینه برای جایگزینی مهندسی پرامپت شکننده با معماری اطلاعاتی مستحکم را پوشش خواهد داد.

بخش 4: چرخه عمر و پروژه نهایی

در نهایت، مدرس چرخه عمر توسعه عامل (ADLC) را پوشش می‌دهد و الزامات سخت سازمانی مانند امنیت، حاکمیت و ارزیابی را مورد بررسی قرار می‌دهد. او با یک پروژه نهایی بزرگ به پایان می‌رسد که در آن شما هر آنچه را که یاد گرفته‌اید به کار خواهید برد تا یک سیستم چندعاملی را در یک بک‌اند واقعی میکروسرویس فروشگاه اینترنتی طراحی و یکپارچه کنید.

این دوره مناسب چه کسانی است؟

• معماران نرم‌افزار که به دنبال یکپارچه‌سازی عامل‌های هوش مصنوعی در معماری‌های سازمانی موجود هستند.
• توسعه‌دهندگان ارشد که می‌خواهند فراتر از پرامپت‌دهی پایه مدل زبانی بزرگ (LLM) رفته و سیستم‌های خودمختار بسازند.
• مهندسان هوش مصنوعی که به دنبال تسلط به پروتکل‌های استانداردی مانند MCP و الگوهای پیشرفته چندعاملی هستند.
• راهبران فنی که مسئول تعیین استراتژی اتخاذ هوش مصنوعی شرکت خود هستند.

در پایان این دوره، شما نه تنها قادر خواهید بود یک اسکریپت عامل بنویسید. شما قادر خواهید بود کل سیستم‌های عاملی را برای سازمان، معماری، یکپارچه‌سازی و مدیریت کنید.

این دوره برای چه افرادی مناسب است؟

• توسعه‌دهندگان و معماران نرم‌افزار که می‌خواهند به معماری‌های هوش مصنوعی عاملی مسلط شوند.