Udemy – AI Agents with LangGraph & MCP: Build RAG & Multi-Agents 2026-10

در تاریخ: 1405/08/07 2:10:11

توضیحات

AI Agents with LangGraph & MCP: Build RAG & Multi-Agents دوره آموزشی استفاده از LangGraph، Model Context Protocol (MCP) و retrieval-augmented generation (RAG) می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. کشف می‌کنید چگونه ایجنت‌های هوش مصنوعی طراحی کنید که می‌توانند دربارهٔ وظایف استدلال کنند، با ابزارهای خارجی تعامل داشته باشند، اطلاعات مرتبط را بازیابی کنند و گردش‌کارهای پیچیده را هماهنگ کنند. یاد می‌گیرید چگونه LangGraph از هماهنگ‌سازی حالت‌دار ایجنت پشتیبانی می‌کند، چگونه MCP اتصالات استانداردشده بین مدل‌های هوش مصنوعی و سرویس‌های خارجی را ممکن می‌سازد و چگونه سیستم‌های RAG مدل‌های زبانی را با داده‌های مرتبط و خاص زمینه تقویت می‌کنند.

این دوره همچنین معماری‌های چند-ایجنتی، ادغام ابزار، مدیریت گردش‌کار و تکنیک‌های عملی برای توسعهٔ سیستم‌های هوش مصنوعی قادر به مدیریت وظایف پیچیده‌تر را معرفی می‌کند. چه یک توسعه‌دهندهٔ پایتون باشید، مهندس هوش مصنوعی یا علاقه‌مند به فناوری، این دوره بینش‌های عملی دربارهٔ ساخت ایجنت‌های مقیاس‌پذیر هوش مصنوعی و برنامه‌های دانش‌محور با استفاده از چارچوب‌ها و فناوری‌های مدرن هوش مصنوعی عاملی ارائه می‌دهد. در طول دوره یک حلقهٔ ایجنت را از صفر می‌سازید، خروجی ساختاریافته از مدل‌های زبانی دریافت می‌کنید، جست‌وجو را از صفر می‌سازید و آن را برای RAG به‌کار می‌برید، ایجنت‌ها را با MCP به ابزارها و داده متصل می‌کنید، حافظه و سیستم‌های چند-ایجنتی طراحی می‌کنید، ایجنت‌ها را با مجموعه‌های تست ارزیابی می‌کنید و در برابر prompt injection از آن‌ها محافظت می‌کنید و در نهایت یک ایجنت را با FastAPI و Docker مستقر می‌کنید؛ این مسیر درک عملی عمیقی از کاربرد این مفاهیم در موقعیت‌های واقعی به شما می‌دهد و شما را برای ساخت سیستم‌های ایجنت هوش مصنوعی حرفه‌ای و مقیاس‌پذیر آماده می‌سازد.

آنچه در دوره AI Agents with LangGraph & MCP: Build RAG & Multi-Agents یاد خواهید گرفت:

یک حلقهٔ کاربردی ایجنت هوش مصنوعی را از صفر در پایتون بسازید: فراخوانی ابزار، مشاهدات، محدودیت مراحل و بازیابی از خطا.
خروجی ساختاریافتهٔ قابل‌اعتماد از مدل‌های زبانی با JSON schema، اعتبارسنجی Pydantic و حلقه‌های تعمیر دریافت کنید.
جست‌وجو را از صفر بسازید (BM25، embedding‌ها، vector search، hybrid search) و آن را برای RAG به‌کار ببرید.
ایجنت‌ها را با Model Context Protocol (MCP) به ابزارها و داده متصل کنید، با نوشتن هم سرور و هم کلاینت.
حافظه، برنامه‌ریزی و سیستم‌های چند-ایجنتی طراحی کنید و بدانید کِی یک ایجنت تنها انتخاب بهتری است.
و …

مشخصات دوره

ناشر: یودمی
مدرس: Vaibhav Kumar Singh
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 56
مدت زمان آموزش: 2 ساعت و 6 دقیقه

سرفصل های دوره

پیش نیازهای دوره AI Agents with LangGraph & MCP: Build RAG & Multi-Agents

Basic Python: functions, classes, dictionaries and lists
A laptop with about 8 GB of RAM. No GPU and no paid API key required
Optional: a Claude API key, if you want faster runs