دوره آشنایی با پروتکل کانتکس مدل از Anthropic

این دوره درباره چیست؟ ساخت یکپارچه‌سازی بین مدل‌های هوش مصنوعی و سرویس‌های خارجی اغلب به نوشتن کد سفارشی گسترده نیاز دارد. پروتکل کانتکس مدل (MCP) این فرآیند را استاندارد می‌کند و به Claude اجازه می‌دهد از طریق یک رابط یکپارچه به ابزارها، منابع داده و APIs متصل شود. در این دوره یاد می‌گیرید چگونه هم سرورهای MCP بسازید که ابزارها، منابع و پرامپت‌ها را ارائه می‌کنند و هم کلاینت‌های MCP که با استفاده از SDK پایتون از آنها استفاده می‌کنند. کار را با بررسی سه primitive اصلی MCP یعنی ابزارها، منابع و پرامپت‌ها و نحوه یکپارچه‌سازی آنها با Claude AI آغاز می‌کنید. در ادامه، یاد می‌گیرید چگونه سرور و کلاینت بسازید و ببینید MCP چگونه اتصال به سیستم‌های خارجی را ساده می‌کند. این دوره با یک پروژه عملی به پایان می‌رسد که در آن یک سیستم مدیریت مستندات را با استفاده از MCP پیاده‌سازی می‌کنید. مدرس دوره Anthropic یک شرکت عام‌المنفعه است که به حفظ منافع و کاهش ریسک‌های آن متعهد است. Anthropic یک شرکت فعال در حوزه ایمنی و پژوهش هوش مصنوعی است که سیستم‌های هوش مصنوعی قابل‌ اعتماد، قابل‌ تفسیر و قابل‌ کنترل می‌سازد. اهداف دوره در پایان دوره چه کارهایی می‌توانیم انجام دهیم؟ معماری MCP را توضیح می‌دهید و اینکه چگونه بار تعریف و اجرای ابزارها را از سرور شما به سرورهای MCP تخصصی منتقل می‌کند. سیستم ارتباطی مستقل از transport در MCP و انواع پیام‌هایی را که بین کلاینت‌ها و سرورها استفاده می‌شوند، تعریف می‌کنید. جریان کامل درخواست-پاسخ را از کوئری‌های کاربر، از طریق کلاینت‌های MCP به سرویس‌های خارجی و سپس بازگشت به Claude، ترسیم می‌کنید. با استفاده از SDK پایتون و دکوراتورها، سرورMCP می‌سازید و به‌ جای نوشتن دستی اسکیماهای JSON، ابزارها را تعریف می‌کنید. قابلیت مدیریت مستندات را با ابزارهایی برای خواندن و ویرایش مستندات، با استفاده از توضیحات فیلدها و type hints، پیاده‌ می‌کنید. از Inspector داخلی MCP برای تست و اشکال‌زدایی قابلیت‌های سرور خود در یک رابط مبتنی بر مرورگر استفاده می‌کنید. منابعی را برای نمایش داده‌ فقط خواندنی تعریف می‌کنید، از جمله منابع مستقیم با URIs استاتیک و منابع قالب‌بندی شده با پارامترها قابلیت خواندن منابع را در کلاینت‌ها با مدیریت صحیح تایپ MIME برای JSON و محتوای متنی پیاده‌ می‌کنید. پرامپت‌هایی می‌سازید که دستورالعمل‌های از پیش آماده و باکیفیت برای گردش‌کارهای رایج مانند فرمت‌بندی مستندات ارائه می‌کنند. توضیح می‌دهید چه زمانی باید از هر primitive در MCP استفاده کرد: ابزارها (کنترل‌ شده توسط مدل)، منابع (کنترل‌ شده توسط اپلیکیشن) و پرامپت‌ها (کنترل‌ شده توسط کاربر) الگوهای عملی یکپارچه‌سازی، از جمله قابلیت autocomplete و تزریق کانتکس برای مکالمه‌های هوش مصنوعی را بررسی می‌کنید. مخاطبان دوره: توسعه‌دهندگانی که می‌خواهند سرور MCP بسازند. مهندسانی که می‌خواهند Claude را بدون نوشتن کد یکپارچه‌سازی گسترده، به ابزارها و سرویس‌های خارجی متصل کنند. توسعه‌دهندگان نرم‌افزار که به یکپارچه‌سازی مدل‌های هوش مصنوعی علاقه‌مند هستند. علاقه‌مندان به فناوری که می‌خواهند فرآیند اتصال بین سرویس‌های هوش مصنوعی و منابع داده خارجی را بهینه کنند. پیش‌نیازهای دوره پیش از گذراندن دوره چه مواردی باید بدانیم؟ تجربه پایه در برنامه‌نویسی پایتون آشنایی پایه با APIs آشنایی پایه با الگوهای async و await