در پایان این ماژول، شما قادر خواهید بود:
- ✅ معماری و مزایای پروتکل مدل کانتکست (MCP) را درک کنید
- ✅ اکوسیستم سرورهای MCP مایکروسافت را بررسی کنید
- ✅ سرورهای MCP را با AI Toolkit Agent Builder یکپارچه کنید
- ✅ یک عامل خودکارسازی مرورگر کاربردی با استفاده از Playwright MCP بسازید
- ✅ ابزارهای MCP را درون عوامل خود پیکربندی و آزمایش کنید
- ✅ عوامل مجهز به MCP را برای استفاده در محیط تولید صادر و مستقر کنید
در ماژول ۱، اصول اولیه AI Toolkit را یاد گرفتیم و اولین عامل پایتون خود را ساختیم. حالا با اتصال عوامل شما به ابزارها و سرویسهای خارجی از طریق پروتکل انقلابی Model Context Protocol (MCP)، آنها را تقویت میکنیم.
این را مثل ارتقا از یک ماشین حساب ساده به یک کامپیوتر کامل در نظر بگیرید - عوامل هوش مصنوعی شما توانایی خواهند داشت:
- 🌐 مرور و تعامل با وبسایتها
- 📁 دسترسی و مدیریت فایلها
- 🔧 یکپارچهسازی با سیستمهای سازمانی
- 📊 پردازش دادههای لحظهای از APIها
پروتکل مدل کانتکست (MCP) مانند "USB-C برای برنامههای هوش مصنوعی" است - یک استاندارد باز انقلابی که مدلهای زبان بزرگ (LLM) را به ابزارها، منابع داده و سرویسهای خارجی متصل میکند. همانطور که USB-C با ارائه یک کانکتور جهانی، آشفتگی کابلها را از بین برد، MCP نیز پیچیدگی یکپارچهسازی هوش مصنوعی را با یک پروتکل استاندارد حذف میکند.
قبل از MCP:
- 🔧 یکپارچهسازیهای سفارشی برای هر ابزار
- 🔄 وابستگی به فروشنده با راهحلهای اختصاصی
- 🔒 آسیبپذیریهای امنیتی ناشی از اتصالات موقتی
- ⏱️ ماهها توسعه برای یکپارچهسازیهای پایه
با MCP:
- ⚡ اتصال ابزارها به صورت پلاگاند-پلی
- 🔄 معماری مستقل از فروشنده
- 🛡️ رعایت بهترین شیوههای امنیتی به صورت پیشفرض
- 🚀 افزودن قابلیتهای جدید در عرض چند دقیقه
MCP از معماری کلاینت-سرور پیروی میکند که یک اکوسیستم امن و مقیاسپذیر ایجاد میکند:
graph TB
A[AI Application/Agent] --> B[MCP Client]
B --> C[MCP Server 1: Files]
B --> D[MCP Server 2: Web APIs]
B --> E[MCP Server 3: Database]
B --> F[MCP Server N: Custom Tools]
C --> G[Local File System]
D --> H[External APIs]
E --> I[Database Systems]
F --> J[Enterprise Systems]
🔧 اجزای اصلی:
| جزء | نقش | مثالها |
|---|---|---|
| میزبانهای MCP | برنامههایی که خدمات MCP را مصرف میکنند | Claude Desktop، VS Code، AI Toolkit |
| کلاینتهای MCP | مدیریتکنندههای پروتکل (یک به یک با سرورها) | در برنامههای میزبان تعبیه شدهاند |
| سرورهای MCP | ارائه قابلیتها از طریق پروتکل استاندارد | Playwright، Files، Azure، GitHub |
| لایه انتقال | روشهای ارتباطی | stdio، HTTP، WebSockets |
مایکروسافت با مجموعهای جامع از سرورهای سازمانی MCP پیشرو است که نیازهای واقعی کسبوکار را برطرف میکنند.
🔗 مخزن: azure/azure-mcp 🎯 هدف: مدیریت جامع منابع Azure با یکپارچهسازی هوش مصنوعی
✨ ویژگیهای کلیدی:
- فراهمسازی زیرساخت به صورت اعلامی
- نظارت لحظهای بر منابع
- پیشنهادات بهینهسازی هزینه
- بررسی تطابق امنیتی
🚀 موارد استفاده:
- زیرساخت به عنوان کد با کمک هوش مصنوعی
- مقیاسپذیری خودکار منابع
- بهینهسازی هزینههای ابری
- خودکارسازی جریانهای کاری DevOps
📚 مستندات: Microsoft Dataverse Integration 🎯 هدف: رابط زبان طبیعی برای دادههای کسبوکار
✨ ویژگیهای کلیدی:
- پرسوجوهای پایگاه داده به زبان طبیعی
- درک زمینه کسبوکار
- قالبهای سفارشی پرامپت
- حاکمیت دادههای سازمانی
🚀 موارد استفاده:
- گزارشدهی هوش تجاری
- تحلیل دادههای مشتری
- بینشهای خط فروش
- پرسوجوهای دادههای تطبیقی
🔗 مخزن: microsoft/playwright-mcp 🎯 هدف: خودکارسازی مرورگر و قابلیتهای تعامل وب
✨ ویژگیهای کلیدی:
- خودکارسازی چندمرورگری (کروم، فایرفاکس، سافاری)
- شناسایی هوشمند عناصر
- تولید اسکرینشات و PDF
- نظارت بر ترافیک شبکه
🚀 موارد استفاده:
- جریانهای کاری تست خودکار
- استخراج داده و وباسکرپینگ
- نظارت بر UI/UX
- خودکارسازی تحلیل رقابتی
🔗 مخزن: microsoft/files-mcp-server 🎯 هدف: عملیات هوشمند سیستم فایل
✨ ویژگیهای کلیدی:
- مدیریت فایل به صورت اعلامی
- همگامسازی محتوا
- یکپارچهسازی کنترل نسخه
- استخراج فراداده
🚀 موارد استفاده:
- مدیریت مستندات
- سازماندهی مخازن کد
- جریانهای کاری انتشار محتوا
- مدیریت فایلهای خط لوله داده
🔗 مخزن: microsoft/markitdown 🎯 هدف: پردازش و دستکاری پیشرفته Markdown
✨ ویژگیهای کلیدی:
- تجزیه غنی Markdown
- تبدیل فرمت (MD ↔ HTML ↔ PDF)
- تحلیل ساختار محتوا
- پردازش قالبها
🚀 موارد استفاده:
- جریانهای کاری مستندسازی فنی
- سیستمهای مدیریت محتوا
- تولید گزارش
- خودکارسازی پایگاه دانش
📦 بسته: @microsoft/clarity-mcp-server 🎯 هدف: تحلیل وب و بینش رفتار کاربران
✨ ویژگیهای کلیدی:
- تحلیل دادههای نقشه حرارتی
- ضبط جلسات کاربر
- معیارهای عملکرد
- تحلیل قیف تبدیل
🚀 موارد استفاده:
- بهینهسازی وبسایت
- پژوهش تجربه کاربری
- تحلیل تست A/B
- داشبوردهای هوش تجاری
علاوه بر سرورهای مایکروسافت، اکوسیستم MCP شامل موارد زیر است:
- 🐙 GitHub MCP: مدیریت مخازن و تحلیل کد
- 🗄️ MCPهای پایگاه داده: یکپارچهسازی PostgreSQL، MySQL، MongoDB
- ☁️ MCPهای ارائهدهنده ابری: ابزارهای AWS، GCP، Digital Ocean
- 📧 MCPهای ارتباطی: یکپارچهسازی Slack، Teams، ایمیل
🎯 هدف پروژه: ساخت یک عامل هوشمند خودکارسازی مرورگر با استفاده از سرور Playwright MCP که بتواند وبسایتها را مرور کند، اطلاعات استخراج کند و تعاملات پیچیده وب را انجام دهد.
- باز کردن AI Toolkit Agent Builder
- ایجاد عامل جدید با پیکربندی زیر:
- نام:
BrowserAgent - مدل: انتخاب GPT-4o
- نام:
- رفتن به بخش ابزارها در Agent Builder
- کلیک روی "Add Tool" برای باز کردن منوی یکپارچهسازی
- انتخاب "MCP Server" از گزینههای موجود
🔍 آشنایی با انواع ابزارها:
- ابزارهای داخلی: توابع پیشپیکربندی شده AI Toolkit
- سرورهای MCP: یکپارچهسازی سرویسهای خارجی
- APIهای سفارشی: نقاط انتهایی سرویس خودتان
- فراخوانی توابع: دسترسی مستقیم به توابع مدل
-
گزینه "MCP Server" را برای ادامه انتخاب کنید
-
مرور کاتالوگ MCP برای بررسی یکپارچهسازیهای موجود
- کلیک روی "Use Featured MCP Servers" برای دسترسی به سرورهای تایید شده مایکروسافت
- انتخاب "Playwright" از فهرست برجسته
- پذیرش شناسه پیشفرض MCP یا سفارشیسازی برای محیط خود
🔑 گام حیاتی: انتخاب تمام روشهای موجود Playwright برای حداکثر عملکرد
🛠️ ابزارهای ضروری Playwright:
- ناوبری:
goto،goBack،goForward،reload - تعامل:
click،fill،press،hover،drag - استخراج:
textContent،innerHTML،getAttribute - اعتبارسنجی:
isVisible،isEnabled،waitForSelector - ضبط:
screenshot،pdf،video - شبکه:
setExtraHTTPHeaders،route،waitForResponse
✅ نشانههای موفقیت:
- همه ابزارها در رابط Agent Builder ظاهر میشوند
- هیچ پیام خطایی در پنل یکپارچهسازی نیست
- وضعیت سرور Playwright نمایش "Connected" دارد
🔧 رفع مشکلات رایج:
- اتصال ناموفق: اتصال اینترنت و تنظیمات فایروال را بررسی کنید
- ابزارهای گمشده: مطمئن شوید همه قابلیتها هنگام راهاندازی انتخاب شدهاند
- خطاهای دسترسی: اطمینان حاصل کنید VS Code مجوزهای لازم سیستم را دارد
پرامپتهای پیشرفتهای بسازید که از تمام قابلیتهای Playwright بهره ببرند:
# Web Automation Expert System Prompt
## Core Identity
You are an advanced web automation specialist with deep expertise in browser automation, web scraping, and user experience analysis. You have access to Playwright tools for comprehensive browser control.
## Capabilities & Approach
### Navigation Strategy
- Always start with screenshots to understand page layout
- Use semantic selectors (text content, labels) when possible
- Implement wait strategies for dynamic content
- Handle single-page applications (SPAs) effectively
### Error Handling
- Retry failed operations with exponential backoff
- Provide clear error descriptions and solutions
- Suggest alternative approaches when primary methods fail
- Always capture diagnostic screenshots on errors
### Data Extraction
- Extract structured data in JSON format when possible
- Provide confidence scores for extracted information
- Validate data completeness and accuracy
- Handle pagination and infinite scroll scenarios
### Reporting
- Include step-by-step execution logs
- Provide before/after screenshots for verification
- Suggest optimizations and alternative approaches
- Document any limitations or edge cases encountered
## Ethical Guidelines
- Respect robots.txt and rate limiting
- Avoid overloading target servers
- Only extract publicly available information
- Follow website terms of serviceپرامپتهایی طراحی کنید که قابلیتهای مختلف را نشان دهند:
🌐 مثال تحلیل وب:
Navigate to github.com/kinfey and provide a comprehensive analysis including:
1. Repository structure and organization
2. Recent activity and contribution patterns
3. Documentation quality assessment
4. Technology stack identification
5. Community engagement metrics
6. Notable projects and their purposes
Include screenshots at key steps and provide actionable insights.
- کلیک روی "Run" برای شروع توالی خودکارسازی
- نظارت بر اجرای لحظهای:
- مرورگر کروم به صورت خودکار باز میشود
- عامل به وبسایت هدف هدایت میشود
- اسکرینشاتها هر مرحله مهم را ثبت میکنند
- نتایج تحلیل به صورت زنده نمایش داده میشوند
تحلیل جامع را در رابط Agent Builder مرور کنید:
Agent Builder گزینههای متعددی برای استقرار ارائه میدهد:
✅ مهارتهای کسب شده:
- درک معماری و مزایای MCP
- آشنایی با اکوسیستم سرورهای MCP مایکروسافت
- یکپارچهسازی Playwright MCP با AI Toolkit
- ساخت عوامل خودکارسازی مرورگر پیشرفته
- مهندسی پیشرفته پرامپت برای خودکارسازی وب
- 🔗 مشخصات MCP: مستندات رسمی پروتکل
- 🛠️ API Playwright: مرجع کامل متدها
- 🏢 سرورهای MCP مایکروسافت: راهنمای یکپارچهسازی سازمانی
- 🌍 نمونههای جامعه: گالری سرورهای MCP
🎉 تبریک! شما با موفقیت یکپارچهسازی MCP را یاد گرفتهاید و اکنون میتوانید عوامل هوش مصنوعی آماده تولید با قابلیتهای ابزار خارجی بسازید!
آمادهاید مهارتهای MCP خود را به سطح بعدی ببرید؟ به ماژول ۳: توسعه پیشرفته MCP با AI Toolkit بروید تا یاد بگیرید چگونه:
- سرورهای MCP سفارشی خود را بسازید
- آخرین SDK پایتون MCP را پیکربندی و استفاده کنید
- MCP Inspector را برای اشکالزدایی راهاندازی کنید
- جریانهای کاری توسعه پیشرفته سرور MCP را تسلط یابید
- ساخت یک سرور Weather MCP از صفر
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نواقصی باشند. سند اصلی به زبان بومی خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئول هیچ گونه سوءتفاهم یا تفسیر نادرستی که از استفاده این ترجمه ناشی شود، نیستیم.