اگر می‌خوای وارد دنیای AI Agent بشی ولی نمی‌خوای فقط چندتا ابزار آماده رو اجرا کنی، این دوره برای تو طراحی شده. قرار نیست فقط درباره Agent حرف بزنیم؛ قراره واقعاً بسازیمش، معماریش رو بفهمیم و با Django آنلاینش کنیم.
روزهای برگزاری: یکشنبه و چهارشنبه · ساعت ۱۸ تا ۲۰ به وقت ایران
هدف اینه که بعد از دوره، وقتی یک ایده AI Agent داشتی، بدونی دقیقاً از کجا باید شروع کنی و چطور اون ایده رو تبدیل به یک محصول واقعی کنی؛ نه اینکه فقط مصرف‌کننده ابزارهای آماده باشی.
توی این دوره قرار نیست فقط درباره Agent حرف بزنیم. قراره واقعاً Agent بسازیم، معماریش رو بفهمیم، به Toolها و سرویس‌های مختلف وصلش کنیم، حافظه و Skill براش طراحی کنیم و در نهایت یک سیستم واقعی و آنلاین بسازیم.
حتی اول کار، یه Agent رو تقریباً از صفر و بدون Framework می‌سازیم تا دقیق بفهمی پشت صحنه چه اتفاقی می‌افته: مدل چطور تصمیم می‌گیره، Tool انتخاب می‌کنه، نتیجه رو می‌بینه و مرحله بعد رو جلو می‌بره.
بعد می‌ریم سراغ ساخت جدی با Cursor و Hermes، اتصال استاندارد با MCP، ارتباط Agentها با A2A، و آنلاین‌کردن پروژه با Django.
معماری Agent، Tool Calling، Context، Memory، Skill و Experience رو قدم‌به‌قدم پیاده می‌کنیم؛ همون چیزایی که برای ساخت یه Agent واقعی لازم داری، نه فقط حرف زدنش.
فقط تعریف نمی‌گیم. MCP Server می‌سازیم، Agent رو به Toolها وصل می‌کنیم و وارد ارتباط Agent-to-Agent می‌شیم تا چند Agent واقعاً با هم کار کنن.
قبل از Vibe Coding، با OpenSpec نیازمندی و معماری رو می‌چینیم. Vibe Coding داریم، ولی بدون معماری و بدون فکر نیست.
ساختن Agent فقط این نیست که یه Demo اجرا بشه و بگیم خب تموم شد. به همین خاطر درباره Human-in-the-loop، Logging، Error Handling، امنیت Agent، محدود کردن دسترسی Toolها و قابل‌اعتمادتر کردن سیستم هم کار می‌کنیم.
در پایان دوره هم هر نفر یه پروژه واقعی می‌سازه؛ مثلاً Research Agent، پشتیبانی مشتری، RAG، تحلیل داده یا حتی Agent مخصوص کسب‌وکار خودش. چون کلاس خصوصیه، پروژه رو دقیقاً براساس چیزی که خودت دوست داری طراحی می‌کنیم.
اگه حس می‌کنی دنیای AI Agent داره ازت جلو می‌زنه و نمی‌خوای فقط تماشاچی باشی، جات اینجاست. لازم نیست همه‌چی رو از قبل بلد باشی؛ مهم اینه که بخوای دست به کار شی.
می‌خوای پروژه‌هات از چت ساده رد بشه و واقعاً برات کار انجام بده؟ اینجا همون مهارتیه که لازم داری.
تو ذهنت یه محصوله، ولی نمی‌دونی معماریش رو چطور بچینی. با هم از ایده می‌رسیم به نسخه واقعی.
با Cursor کار می‌کنی ولی حس می‌کنی هنوز فقط چت می‌کنی؟ وقتشه بری سمت ساخت Agent واقعی.
نمی‌خوایم فقط چند تا دستور رو حفظ کنیم. می‌خوایم بفهمیم پشت صحنه چی می‌گذره: مدل چطور تصمیم می‌گیره، ابزار رو صدا می‌زنه، به API وصل می‌شه، از دیتابیس می‌خونه، حافظه می‌سازه و واقعاً کاری رو به‌جای تو انجام می‌ده.
اول یه Agent رو تقریباً بدون Framework می‌سازیم تا دقیق بفهمی چی داره اتفاق می‌افته. بعد می‌ریم سراغ ساخت جدی.
Tool Calling، Memory، Skill، Experience و Handoff رو قدم‌به‌قدم پیاده می‌کنیم؛ همون چیزایی که برای Agent واقعی لازم داری.
بک‌اند و آنلاین‌کردنش با Django انجام می‌شه تا آخر دوره یه سیستم واقعی داشته باشی، نه فقط یه دمو.
مسیر دوره از معماری تا پروژه نهایی چیده شده؛ طوری که آخرش بگی «آها، حالا دیگه بلدم AI Agent Engineering کار کنم».
اول از پایه درباره معماری AI Agent صحبت می‌کنیم. دقیقاً بررسی می‌کنیم Agent چطور تصمیم می‌گیره، چطور Tool انتخاب می‌کنه، چطور نتیجه یک Tool رو دوباره وارد تصمیم‌گیری می‌کنه، چطور چند مرحله یک Task رو جلو می‌بره و چه تفاوتی با یک Chatbot معمولی داره.
یاد می‌گیریم Agent رو به API، دیتابیس، فایل‌ها و توابع Python وصل کنیم. یعنی Agent فقط جواب متنی تولید نکنه؛ بتونه واقعاً کاری انجام بده، اطلاعات دریافت کنه، یک عملیات رو اجرا کنه و براساس نتیجه تصمیم بعدی رو بگیره.
یکی از نقاط تمایز دوره همینجاست. می‌بینیم Agent چه اطلاعاتی رو باید به خاطر بسپاره، چه اطلاعاتی فقط موقتی هستن و چطور Context رو مدیریت کنیم که سیستم هم دقیق باشه و هم بی‌دلیل شلوغ و پرهزینه نشه.
بعد قابلیت‌های Agent رو به Skillهای جدا تقسیم می‌کنیم؛ مثلاً Skill تحقیق، Skill تحلیل داده، Skill کار با API یا Skill مخصوص یک فرآیند کسب‌وکار. و درباره Experience هم کار می‌کنیم: اینکه Agent چطور از تجربه‌های قبلی استفاده کنه، Workflowهای موفق رو نگه داره و دفعه بعد همون کار رو بهتر انجام بده.
Memory یعنی Agent چه چیزی رو به خاطر داشته باشه.
Skill یعنی یک کار رو چطور انجام بده.
Experience یعنی از اجراهای قبلی چه چیزی یاد گرفته.
فقط تعریف MCP رو نمی‌گیم. یاد می‌گیریم Agent رو از طریق MCP به Toolها و سرویس‌ها متصل کنیم و حتی برای پروژه خودمون MCP Server بسازیم. یعنی مثلاً Agent بتونه از طریق یک رابط استاندارد به دیتابیس، API داخلی، فایل‌ها یا سرویس‌های اختصاصی دسترسی پیدا کنه.
وقتی سیستم چند Agent تخصصی داشته باشه، این Agentها چطور با هم ارتباط برقرار می‌کنن؟ چطور یک Agent یک Task رو به Agent دیگه می‌سپره؟ نتیجه چطور برمی‌گرده و چه کسی کل جریان رو مدیریت می‌کنه؟ اینجا علاوه بر Agent به Tool، درباره Agent به Agent هم صحبت می‌کنیم.
مثلاً یک Research Agent اطلاعات رو پیدا کنه، یک Analyst Agent تحلیلش کنه، یک Writer Agent خروجی نهایی رو بسازه و یک Supervisor Agent کل Workflow رو مدیریت کنه.
قرار نیست فقط Cursor رو باز کنیم و بگیم «یه AI Agent برام بساز.» قبل از Coding، با OpenSpec نیازمندی‌های پروژه رو مشخص می‌کنیم، Featureها رو تعریف می‌کنیم و معماری سیستم رو می‌چینیم. مشخص می‌کنیم چه Agentهایی داریم، مسئولیت هر Agent چیه، چه Toolهایی داریم، Memory کجا استفاده می‌شه، چه چیزهایی Skill هستن، Agentها چطور با هم ارتباط دارن و Backend چه ساختاری داره. بعد براساس Spec وارد پیاده‌سازی می‌شیم.
برای ساخت Agentها از Hermes استفاده می‌کنیم. پیاده‌سازی پروژه‌ها رو با Cursor و رویکرد Vibe Coding جلو می‌بریم. و برای Backend و API از Django استفاده می‌کنیم. هدف اینه که پروژه فقط روی لپ‌تاپ ما اجرا نشه؛ یاد می‌گیریم چطور براش Backend بسازیم، اطلاعات رو ذخیره کنیم، API داشته باشیم و در نهایت Agent رو آنلاین کنیم.
اگر Agent بخواد یک عملیات حساس انجام بده، چطور قبلش از انسان تأیید بگیره و بعد Workflow رو ادامه بده؟ در کنار اون درباره Logging، Error Handling، امنیت Agent، محدود کردن دسترسی Toolها و قابل‌اعتمادتر کردن سیستم هم صحبت می‌کنیم. چون ساخت یک Demo ساده خیلی فرق داره با ساخت Agentی که بخواد واقعاً داخل یک محصول استفاده بشه.
همه این‌ها رو تا جای ممکن با ساخت پروژه واقعی جلو می‌بریم، نه فقط اسلاید و توضیح تئوری.
تحقیق، اجرای Tool و تولید گزارش ساختاریافته.
اتصال Agent به اسناد و اطلاعات اختصاصی.
پشتیبانی هوشمند با Context و Tool Calling.
تحلیل فایل و داده و ارائه نتیجه قابل فهم.
نگهداری اطلاعات مهم و استفاده از آن در ادامه کار.
Agent با Skillهای مجزا برای کارهای تخصصی.
استفاده از تجربه‌های قبلی برای بهبود اجراهای بعدی.
چند Agent تخصصی با ارتباط و هماهنگی واقعی.
ساخت MCP Server و اتصال Agent به Toolها.
طراحی و ساخت Agent متناسب با ایده یا کسب‌وکار خودت؛ از معماری و OpenSpec تا Backend و نسخه آنلاین.
کلاس قدم‌به‌قدم جلو می‌ره؛ از فهم پشت صحنه تا معماری، ساخت، اتصال ابزارها و آنلاین کردن پروژه.
اول می‌فهمیم Agent چیه، با چت‌بات چه فرقی داره و بدون Framework منطق اصلیش رو می‌سازیم تا جادو از بین بره.
Tool Calling، Context، Memory، Skill و Experience رو عملی پیاده می‌کنیم تا Agent واقعاً کار انجام بده.
MCP Server می‌سازیم، Agentها رو به Tool وصل می‌کنیم و ارتباط Agent-to-Agent و Multi-Agent رو کامل می‌کنیم.
قبل از کد، Spec و معماری رو می‌چینیم. بعد با Hermes، Cursor و Vibe Coding پیاده‌سازی می‌کنیم.
با Django آنلاینش می‌کنیم، نکات امنیت و Human-in-the-Loop رو می‌بینیم و پروژه شخصی‌ت رو تا آخر می‌بندیم.
اگه به حد نصاب نرسه، دوره برگزار نمی‌شه و مبلغ واریزی به همون شماره کارت برمی‌گرده.
پس هدف این دوره فقط یاد گرفتن Hermes یا Cursor نیست. هدف اصلی اینه که AI Agent Engineering رو یاد بگیریم.
یعنی وقتی یک ایده Agent به ذهنت رسید، بدونی معماریش چطور باید باشه، چه Agentهایی نیاز داری، چه Toolهایی باید بسازی، Memory رو کجا استفاده کنی، چه چیزی باید Skill باشه، Agent چطور از Experience استفاده کنه، کجا MCP نیاز داری، Agentها چطور با هم ارتباط برقرار کنن، A2A کجا کاربرد داره، چه زمانی Multi-Agent لازم داری، و در نهایت Backend پروژه رو چطور طراحی و آنلاین کنی.
اگر دوست داری از مرحله استفاده ساده از مدل‌های زبانی عبور کنی و واقعاً وارد بحث AI Agent Engineering بشی، از همین صفحه ثبت‌نام کن.
بله، دوره کاملاً آنلاین و روی Google Meet برگزار می‌شه. جلسات یکشنبه‌ها و چهارشنبه‌ها از ساعت ۱۸ تا ۲۰ به وقت ایران هستن. جلسات ضبط می‌شن و داخل کانال تلگرامی دوره هم گذاشته می‌شن تا هر وقت خواستی دوباره ببینی.
کلاس‌ها روزهای یکشنبه و چهارشنبه، از ساعت ۶ تا ۸ شب به وقت ایران برگزار می‌شن.
دوره برگزار نمی‌شه و پول واریزی به همون شماره کارتی که پرداخت کردی برمی‌گرده.
نه. تمرکز این دوره روی معماری Agent، Cursor، Hermes، OpenSpec و Django هست.
بله. علاوه بر Tool Calling و MCP، ارتباط Agent-to-Agent، تقسیم قابلیت‌ها به Skill و استفاده از Experience برای بهبود اجراهای بعدی هم جزء سرفصل‌هاست.
آره. چون کلاس خصوصیه، پروژه رو دقیقاً بر اساس چیزی که خودت دوست داری طراحی می‌کنیم؛ از OpenSpec و معماری تا پیاده‌سازی و آنلاین کردن.
اگه آماده‌ای شروع کنی، مبلغ ۶٬۹۰۰٬۰۰۰ تومان رو به کارت پاسارگاد واریز کن و رسیدش رو تو تلگرام بفرست تا جات قطعی بشه.
استارتاپ شو · دوره کامل AI Agent Engineering · یکشنبه و چهارشنبه ۱۸ تا ۲۰ · شروع ۱۱ شهریور
استارتاپ شو