Udemy – MCP and A2A in Python: The Agent Protocol Course 2026-4

در تاریخ: 1405/06/08 8:06:42

توضیحات

دوره MCP and A2A in Python: The Agent Protocol Course. این دوره آموزشی به بررسی نحوه پیاده‌سازی و ساخت سیستم‌های ارتباطی میان عوامل هوش مصنوعی با استفاده از پروتکل بافت مدل (MCP) و پروتکل عامل به عامل (A2A) در زبان برنامه‌نویسی پایتون می‌پردازد. یکپارچه‌سازی عوامل هوش مصنوعی با سرعتی بیشتر از توان هماهنگی تیم‌ها در حال تغییر است. هر ارائه‌دهنده مدل زبانی بزرگ (LLM)، فرمت ابزار جدیدی ارائه می‌دهد و هر فریم‌ورک، قرارداد اختصاصی خود را برای عوامل هوش مصنوعی طراحی می‌کند؛ روندی که باعث می‌شود کدهای عملیاتی ظرف چند ماه کارایی خود را از دست بدهند. دو استاندارد نوظهور این مشکل را حل می‌کنند: پروتکل بافت مدل (MCP) و پروتکل ارتباط عامل به عامل (A2A). این دوره به آموزش نحوه استفاده کاربردی از هر دو استاندارد همراه با کدهای پایتون واقعی می‌پردازد. هر درس شامل یک ویدئوی خلاصه به همراه فایل‌های مکمل شامل دیاگرام‌های پروتکل، جریان‌های ترتیبی و پیاده‌سازی‌های مرجع در پایتون است. فراگیران مستقیماً با مطالعه مشخصات پروتکل، ساخت سرور و اتصال کلاینت، فرآیند یادگیری را پیش می‌برند. در این دوره، ساخت سرور FastMCP شامل منابع، ابزارها و پرامپت‌ها آموزش داده می‌شود و نحوه استفاده از آن توسط کلاینت MCP از طریق انتقال stdio و Streamable HTTP بررسی می‌گردد. همچنین پیاده‌سازی سرورها و کلاینت‌های A2A با استفاده از a2a-sdk، مدل‌سازی کارت عامل و چرخه حیات وظایف پوشش داده خواهد شد. طراحی یکپارچه‌سازی‌های هم‌زمان با مدیریت خطای مناسب و جریان‌های کاری ناهم‌زمان مبتنی بر رویداد همراه با ارسال داده‌های جریانی و فراخوانی‌ها از دیگر بخش‌های این آموزش است. در پروژه پایانی، ترکیب MCP و A2A در قالب یک عامل هماهنگ‌کننده اجرا می‌شود که ابزارهای MCP را ارائه کرده، یک عامل کاری A2A از راه دور را مصرف می‌کند و تلاش‌های مجدد و زمان‌های پایان را مدیریت می‌نماید.

آنچه فرا خواهید گرفت

ساخت سرورهای FastMCP در پایتون برای ارائه منابع، ابزارها و پرامپت‌ها به هر عامل سازگار با MCP.
پیاده‌سازی سرورها و کلاینت‌های A2A با استفاده از a2a-sdk، شامل کارت‌های عامل، کشف قابلیت‌ها و پاسخ‌های جریانی.
طراحی یکپارچه‌سازی‌های درخواست و پاسخ هم‌زمان با قابلیت تلاش مجدد، مدیریت زمان پایان و خطایابی ساختاریافته.
استقرار الگوهای ناهم‌زمان و رویدادمحور با جریان‌های SSE، فراخوانی‌ها و هماهنگی وظایف طولانی‌مدت.
به‌کارگیری معماری‌های درگاه، هماهنگ‌کننده و مش برای مدیریت چندین عامل در میان تیم‌ها و سرویس‌های مختلف.
ترکیب MCP و A2A در یک پروژه پایانی کامل جهت ساخت یک دستیار پژوهشی چندعاملی از صفر تا استقرار.

این دوره مناسب افرادیست که

مهندسان بک‌اند: متخصصانی که قصد دارند عوامل هوش مصنوعی را به سرویس‌های موجود متصل کنند و از یکپارچه‌سازی‌های سفارشی خسته شده‌اند.
مهندسان پلتفرم: افرادی که به دنبال استانداردسازی ابزارهای مدل زبانی بزرگ در میان تیم‌ها و ارائه‌دهندگان مختلف هستند.
معماران نرم‌افزار: کسانی که لایه‌های ارتباطی چندعاملی را طراحی کرده و MCP یا A2A را برای زیرساخت خود ارزیابی می‌کنند.
توسعه‌دهندگان ارشد: برنامه‌نویسانی که به جای وابستگی به یک فریم‌ورک خاص، به دنبال تسلط بر پروتکل‌های استاندارد هستند.

مشخصات دوره MCP and A2A in Python: The Agent Protocol Course

ناشر: Udemy
مدرس: Ricardo Cataldi
سطح آموزش: مبتدی تا پیشرفته
مدت زمان آموزش: 5 ساعت و 29 دقیقه
تعداد دروس: 38

سرفصل های دوره

MCP and A2A in Python: The Agent Protocol Course

پیشنیازهای دوره MCP and A2A in Python: The Agent Protocol Course

Working Python proficiency: functions, classes, decorators, and type hints. If you can read a FastAPI handler you are ready.
Basic HTTP and REST. Familiarity with gRPC helps but is optional.
Comfort with AI agents and LLM tool-calling concepts. Prior experience with LangChain, LlamaIndex, or the OpenAI SDK counts.
Async programming in Python is helpful but not required. A focused refresher on asyncio is included in the course.
A laptop with Python 3.12 or newer, VS Code, and a terminal. Windows, macOS, and Linux all work.