مقدمه ای بر پروتکل زمینه مدل توسط آنتروپیک

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> ایجاد یکپارچگی بین مدل‌های هوش مصنوعی و خدمات خارجی اغلب نیازمند نوشتن کد سفارشی گسترده است. پروتکل بافت مدل (MCP) این فرآیند را استاندارد می کند و به کلود اجازه می دهد از طریق یک رابط ثابت به ابزارها، منابع داده و APIها متصل شود. این دوره به شما می آموزد که هم سرورهای MCP بسازید که ابزارها، منابع و دستورات را در معرض دید قرار می دهند و هم کلاینت های MCP که آنها را با استفاده از Python SDK مصرف می کنند. </p> <p>با کاوش در سه اصل اصلی MCP -ابزارها، منابع، و درخواست‌ها- و نحوه ادغام آنها با هوش مصنوعی کلود شروع کنید. در طول راه، نحوه ساخت سرورها و کلاینت ها را بیاموزید و چگونگی ساده سازی اتصالات به سیستم های خارجی را بررسی کنید. این دوره با یک پروژه عملی به پایان می رسد که در آن شما یک سیستم مدیریت اسناد را با استفاده از MCP پیاده سازی می کنید. </p> <p>توجه: این دوره توسط Anthropic ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p> <h3>مدرس</h3> <h4>چه کسی این دوره را تدریس می کند؟</h4> آنتروپیک یک شرکت عام المنفعه است که به تأمین منافع و کاهش خطرات آن اختصاص یافته است. Anthropic یک شرکت تحقیقاتی و ایمنی هوش مصنوعی است که سیستم‌های هوش مصنوعی قابل اعتماد، قابل تفسیر و هدایت‌پذیر می‌سازد. </p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>معماری MCP و نحوه انتقال تعریف ابزار و بار اجرا را از سرور شما به سرورهای MCP تخصصی توضیح دهید.</li> <li>سیستم ارتباط انتقال-آگنوستیک MCP و انواع پیام مورد استفاده بین کلاینت ها و سرورها را تعریف کنید.</li> <li>جریان درخواست-پاسخ کامل از درخواست‌های کاربر از طریق کلاینت‌های MCP به سرویس‌های خارجی و بازگشت به کلود را ترسیم کنید.</li> <li>ساخت سرورهای MCP با استفاده از Python SDK با دکوراتورها برای تعریف ابزار به جای نوشتن دستی طرحواره های JSON.</li> <li>عملکرد مدیریت اسناد را با ابزارهایی برای خواندن و ویرایش اسناد با استفاده از توضیحات فیلد و نکات تایپ اجرا کنید.</li> <li>از MCP Inspector داخلی برای آزمایش و اشکال زدایی عملکرد سرور خود در یک رابط مبتنی بر مرورگر استفاده کنید.</li> <li>منابعی را برای نمایش داده‌های فقط خواندنی تعریف کنید، از جمله منابع مستقیم با URI استاتیک و منابع الگو با پارامترها.</li> <li>عملکرد خواندن منابع را در کلاینت ها با مدیریت مناسب نوع MIME برای JSON و محتوای متنی اجرا کنید.</li> <li>اعلام‌هایی بسازید که دستورالعمل‌های از پیش ساخته‌شده و با کیفیت بالا را برای گردش‌های کاری رایج مانند قالب‌بندی سند ارائه می‌دهند.</li> <li>زمان استفاده از هر MCP اولیه را توضیح دهید: ابزارها (با مدل کنترل شده)، منابع (کنترل شده توسط برنامه)، و درخواست‌ها (کنترل کاربر).</li> <li>الگوهای ادغام عملی از جمله عملکرد تکمیل خودکار و تزریق زمینه برای مکالمات هوش مصنوعی را بررسی کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>توسعه دهندگانی که به دنبال ایجاد سرورهای MCP هستند</li> <li>مهندسانی که می خواهند کلود را با ابزارها و خدمات خارجی بدون نوشتن کد یکپارچه سازی گسترده ادغام کنند</li> <li>توسعه دهندگان نرم افزاری که به ادغام مدل هوش مصنوعی علاقه دارند</li> <li>علاقه مندان به فناوری با هدف بهینه سازی فرآیندهای اتصال بین خدمات هوش مصنوعی و منابع داده خارجی</li> </ul></p> <h3>پیش نیازها</h3> <h4>چه چیزی باید قبل از شرکت در این دوره بدانم؟</h4> <ul> <li>تجربه برنامه نویسی پایه پایتون</li> <li>آشنایی اولیه با APIها</li> <li>آشنایی اولیه با الگوهای همگام و انتظار</li> </ul>