دوره مسترکلاس کامل هوش مصنوعی عاملی فول‌استک: RAG ،MCP و عامل های هوش مصنوعی

آنچه یاد خواهید گرفت: طراحی و ساخت یک اپلیکیشن کامل Full-Stack هوش مصنوعی عاملی با استفاده از Angular ،Node.js و Express. پیاده‌سازی پایپ‌لاین‌های پیشرفته Retrieval Augmented Generation (RAG) با embeddings، جست‌وجوی برداری و غنی‌سازی زمینه تسلط به Model Context Protocol (MCP) با ساخت MCP Serverهای سفارشی در Node.js برای ارائه ابزارهای دنیای واقعی به LLMها ساخت یک Chat Interface آماده‌ی تولید در Angular که پاسخ‌های streaming، رندر Markdown و خروجی ابزارها را مدیریت می‌کند. راه‌اندازی و مدیریت Vector پایگاه داده (ChromaDB و pgVector) برای ذخیره embeddings با ابعاد بالا جهت جست‌وجوی معنایی ایجاد سیستم‌های Static RAG با استفاده از JSON و Cosine Similarity مبتنی بر ریاضی برای درک الگوریتم‌های اصلی بازیابی پیاده‌سازی Native Tool Calling با Gemini و OpenAI برای تبدیل زبان طبیعی به توابع کدنویسی قابل اجرا اتصال RAG Engine خود به‌عنوان یک MCP Tool و ایجاد یک سیستم ماژولار که در آن عامل ها بتوانند «انتخاب» کنند که پایگاه داده شما را جست‌وجو کنند. پیاده‌سازی یکپارچه‌سازی MongoDB از طراحی اسکیما تا اجرای بهینه کوئری‌ها در یک معماری تولیدی Angular و Node.js پیش‌نیازهای دوره درک قوی از JavaScript و TypeScript: باید با Async/Await ،Promiseها و syntax مربوط به ES6+ راحت باشید. آشنایی اولیه با Node.js و Express: ما یک API بک‌اند می‌سازیم، بنابراین باید بدانید چگونه یک server و routeها را راه‌اندازی کنید. مبانی فرانت‌اند: تجربه کار با Angular لازم است. ما در بخش UI سریع پیش می‌رویم (با استفاده از scaffolding مبتنی بر AI) نیازی به تجربه قبلی در AI نیست: مدرس RAG ،Vector DBها و MCP را از پایه به شما آموزش می‌دهد. توضیحات دوره دیگر چت‌بات‌های ساده نسازید. به ساخت عامل های هوش مصنوعی سازمانی و حرفه‌ای شروع کنید. به برنامه مهندسی هوش مصنوعی عاملی برای توسعه‌دهندگان Angular خوش آمدید. بیشتر دوره‌های AI روی Python یا React تمرکز دارند. اما اپلیکیشن های سازمانی روی Angular اجرا می‌شوند. در این دوره، شما یک سیستم کامل Full-Stack هوش مصنوعی عاملی را با استفاده از Angular (Latest) و Node.js طراحی می‌کنید؛ سیستمی که با در نظر گرفتن معماری واقعی تولید ساخته شده است. این یک پروژه نمایشی و ساده نیست. شما یک پلتفرم AI مقیاس‌پذیر را با استفاده از معماری تمیز، سرویس‌های ساختاریافته و ذخیره‌سازی واقعی در پایگاه داده طراحی و پیاده‌سازی می‌کنید. آنچه خواهید ساخت: یک پلتفرم AI آماده‌ی تولید با قابلیت‌های زیر: LLM token streaming در لحظه Tool Calling ساختاریافته پایپ‌لاین‌های RAG قطعی و قابل پیش‌بینی MCP Serverهای سفارشی یکپارچه‌سازی MongoDB در سطح تولید شما داده‌ mock را با یک بک اند MongoDB کاملاً یکپارچه جایگزین می‌کنید، اسکیماهای بهینه طراحی می‌کنید، داده را از طریق گردش های کار Custom MCP وارد می‌کنید و کوئری‌های پربازده را برای مقیاس‌پذیری در دنیای واقعی پیاده‌سازی می‌کنید. بررسی‌های عمیق فنی اصلی Model Context Protocol (MCP): Custom MCP Serverها را در Node.js بسازید و پایگاه‌های داده داخلی را به‌عنوان ابزار در اختیار Google Gemini و OpenAI GPT models قرار دهید. Angular Signals و AI Streaming: جریان‌های پرسرعت token را با استفاده از Angular Signals و RxJS مدیریت کنید و بروزرسانی روان UI را بدون مشکل عملکردی تضمین کنید. پایپ‌لاین‌های پیشرفته RAG: جست‌وجوی برداری را با استفاده از ChromaDB و pgVector پیاده‌سازی کنید. embeddings ،similarity search و غنی‌سازی قطعی context را به‌صورت دستی مدیریت کنید. Native Tool Calling: LLMها را وادار کنید خروجی‌های structured JSON دقیق تولید کنند که مستقیماً منطق بک‌اند را فعال می‌کنند - اصول اتوماسیون قابل‌اعتماد عامل ها معماری پایگاه داده در سطح تولید: اسکیماهای مقیاس‌پذیر MongoDB طراحی کنید، از داده‌ mock به ذخیره‌سازی واقعی مهاجرت کنید و کوئری‌ها را برای عملکرد بهتر بهینه‌سازی کنید. فناوری‌های مورد استفاده فرانت‌اند: Angular (آخرین نسخه)، Signals، TailwindCSS بک‌اند: Node.js ،Express ،TypeScript (حالت Strict) پایگاه داده: MongoDB پایگاه‌های داده‌ی برداری (Vector Database): ChromaDB ،pgVector (روی PostgreSQL) مدل‌های هوش مصنوعی: Google Gemini ،OpenAI GPT پروتکل‌ها: Model Context Protocol (MCP) اگر می‌خواهید فراتر از آموزش‌های ساده بروید و شروع کنید به ساخت سیستم‌های هوشمند و مقیاس‌پذیر با معماری واقعی سازمانی، این دوره برای شماست. این دوره برای چه کسانی مناسب است؟ توسعه‌دهندگان Full-Stack که می‌خواهند از وب اپلیکیشن های سنتی به ساخت سیستم‌های عاملی مجهز به AI منتقل شوند. معماران راهکار و Tech Leadها که باید استاندارد جدید Model Context Protocol (MCP) را در سازمان پیاده‌سازی کنند. علاقه‌مندان به AI که می‌خواهند به Model Context Protocol (MCP) و استانداردهای مدرن Tool Calling مسلط شوند. مهندسان نرم‌افزار که باید RAG و Vector Search را بدون تکیه بر فریمورک های «جعبه‌سیاه» مانند LangChain پیاده‌سازی کنند. فریلنسرها و مشاورانی که می‌خواهند خدمات ارزشمند «عامل هوش مصنوعی سفارشی» را به مشتریان ارائه دهند. توسعه‌دهندگانی که می‌خواهند تجربه عملی در طراحی اسکیماهای MongoDB و ادغام معماری واقعی پایگاه داده در سیستم‌های Full-Stack مجهز به AI به دست آورند.