Udemy – Build AI Agents in Python: LangChain LangGraph MCP & RAG 2026-10

در تاریخ: 1405/07/24 11:22:21

توضیحات

Build AI Agents in Python: LangChain LangGraph MCP & RAG دوره آموزشی ساخت ایجنت‌های هوشمند هوش مصنوعی را با پایتون و چارچوب‌های مدرن توسعهٔ هوش مصنوعی می باشد که توسط آکادمی آنلاین یودمی منتشر شده است. یاد می‌گیرید چگونه برنامه‌هایی بسازید که می‌توانند درخواست کاربر را درک کنند، اطلاعات مرتبط را بازیابی کنند، با ابزارهای خارجی تعامل داشته باشند و وظایف چندمرحله‌ای را با استقلال بیشتری اجرا کنند. این دوره LangChain را برای اتصال مدل‌های زبانی به ابزارها و منابع داده، LangGraph را برای طراحی گردش‌کارهای حالت‌دار ایجنت، پروتکل Model Context Protocol (MCP) را برای ادغام سیستم‌های هوش مصنوعی با سرویس‌های خارجی، و Retrieval-Augmented Generation (RAG) را برای مبتنی‌کردن پاسخ‌های مدل بر اسناد و پایگاه‌های دانش مرتبط بررسی می‌کند. از طریق پروژه‌های عملی، نحوهٔ طراحی معماری ایجنت، مدیریت وضعیت مکالمه، ساخت پایپ‌لاین‌های بازیابی، اتصال API‌ها، پیاده‌سازی فراخوانی ابزار و هماهنگ‌سازی گردش‌کارهای پیچیده را خواهید آموخت.

همچنین دیدی نسبت به مهندسی پرامپت، مدیریت خطا و تکنیک‌های افزایش قابلیت اطمینان و نگهداری برنامه‌های هوش مصنوعی به‌دست می‌آورید. چه یک توسعه‌دهندهٔ پایتون باشید، چه علاقه‌مند به هوش مصنوعی یا مهندس هوش مصنوعی مشتاق، این دوره پایه‌ای عملی برای ساخت ایجنت‌های پیچیدهٔ هوش مصنوعی فراهم می‌کند که مدل‌های زبانی، ابزارهای خارجی و دانش سفارشی را برای حل مسائل واقعی ترکیب می‌کنند. در طول دوره شش ایجنت کاربردی می‌سازید، یک پایپ‌لاین کامل RAG را دستی پیاده‌سازی می‌کنید، بر LangGraph مسلط می‌شوید، سرور و کلاینت MCP خودتان را می‌نویسید و یک RAG عاملی با قابلیت مسیریابی و بازنویسی پرس‌وجو می‌سازید؛ همچنین با دیباگ ایجنت‌ها با استفاده از ردگیری‌های LangSmith آشنا می‌شوید که درک عملی عمیقی از کاربرد این مفاهیم در موقعیت‌های واقعی به شما می‌دهد و شما را برای ساخت سیستم‌های ایجنت هوش مصنوعی حرفه‌ای و قابل اعتماد آماده می‌سازد.

آنچه در دوره Build AI Agents in Python: LangChain LangGraph MCP & RAG یاد خواهید گرفت:

شش ایجنت هوش مصنوعی کاملاً کاربردی را از صفر با پایتون بسازید. هر خط کد را خودتان می‌نویسید تا آن‌ها را واقعاً درک کنید و در صورت خرابی بتوانید رفعشان کنید.
یک پایپ‌لاین کامل RAG را به‌صورت دستی بسازید: chunking، embeddings، ChromaDB، بازیابی، و حافظهٔ کوتاه‌مدت و بلندمدت.
بر LangGraph مسلط شوید: وضعیت تایپ‌شده، شاخه‌های موازی، مسیریابی شرطی، چرخه‌ها، checkpointer‌ها و تأیید انسانی.
سرور و کلاینت MCP خودتان را بنویسید، آن‌ها را به Claude Desktop وصل کنید و با سرورهای جامعهٔ Filesystem و Notion ترکیب کنید.
یک RAG عاملی بسازید که پرس‌وجوهای خودش را مسیریابی می‌کند، پرس‌وجوهای نادرست را بازنویسی می‌کند، بازیابی‌های ناموفق را تکرار می‌کند، بر اساس متادیتا فیلتر می‌کند و یک سند کامل را ممیزی می‌کند.
و …

مشخصات دوره

ناشر: یودمی
مدرس: Rishabh Kumar Nigam
زبان: انگلیسی
سطح آموزش: مقدماتی تا پیشرفته
تعداد دروس: 78
مدت زمان آموزش: 13 ساعت و 21 دقیقه

سرفصل های دوره

Build AI Agents in Python: LangChain LangGraph MCP & RAG

پیش نیازهای دوره Build AI Agents in Python: LangChain LangGraph MCP & RAG

Any Operating System (Windows, macOS or Linux), with 16 GB RAM recommended (8 GB is fine on the cloud path).
Basic programming in any language. Java, C#, Go, JavaScript or PHP is fine. Python is not a prerequisite. Every Python feature is explained before it gets typed.
No AI, ML or maths background. We never train a model. No paid API key. Everything runs on Ollama, and a cloud key is optional.