MCP-for-beginners

GitHub contributors GitHub issues GitHub pull-requests PRs Welcome

GitHub watchers GitHub forks GitHub stars

Microsoft Azure AI Foundry Discord

مراحل زیر را دنبال کنید تا از این منابع استفاده کنید:

  1. فورک کردن مخزن: کلیک کنید GitHub forks
  2. کلون کردن مخزن: git clone https://github.com/microsoft/mcp-for-beginners.git
  3. به دیسکورد Azure AI Foundry بپیوندید و با کارشناسان و توسعه‌دهندگان دیگر آشنا شوید

🌐 پشتیبانی چندزبانه

پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز)

عربی | بنگالی | بلغاری | برمه‌ای (میانمار) | چینی (ساده‌شده) | چینی (سنتی، هنگ‌کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجاری | اندونزیایی | ایتالیایی | ژاپنی | کره‌ای | مالایی | مراتی | نپالی | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورمخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تایلندی | ترکی | اوکراینی | اردو | ویتنامی

🚀 برنامه آموزشی پروتکل زمینه مدل (MCP) برای مبتدیان

یادگیری MCP با مثال‌های کدنویسی عملی در C#، جاوا، جاوااسکریپت، راست، پایتون و تایپ‌اسکریپت

🧠 مرور کلی برنامه آموزشی پروتکل زمینه مدل

پروتکل زمینه مدل (MCP) یک چارچوب پیشرفته است که برای استانداردسازی تعاملات بین مدل‌های هوش مصنوعی و برنامه‌های کلاینت طراحی شده است. این برنامه آموزشی متن‌باز مسیر یادگیری ساختاریافته‌ای را ارائه می‌دهد که شامل مثال‌های کدنویسی عملی و موارد استفاده واقعی در زبان‌های برنامه‌نویسی محبوب مانند C#، جاوا، جاوااسکریپت، تایپ‌اسکریپت و پایتون است.

چه شما یک توسعه‌دهنده هوش مصنوعی، معمار سیستم یا مهندس نرم‌افزار باشید، این راهنما منبع جامعی برای تسلط بر اصول MCP و استراتژی‌های پیاده‌سازی آن است.

🔗 منابع رسمی MCP

  • 📘 مستندات MCP – آموزش‌ها و راهنماهای کاربری دقیق
  • 📜 مشخصات MCP – معماری پروتکل و منابع فنی
  • 📜 مشخصات اصلی MCP – منابع فنی قدیمی (ممکن است جزئیات بیشتری داشته باشد)
  • 🧑‍💻 مخزن GitHub MCP – SDKها، ابزارها و نمونه‌های کد متن‌باز
  • 🌐 جامعه MCP – به بحث‌ها بپیوندید و در جامعه مشارکت کنید

🧭 مرور کلی برنامه آموزشی MCP

📚 ساختار کامل برنامه آموزشی

ماژولموضوعتوضیحاتلینک
ماژول 1-3: اصول اولیه
00معرفی MCPمرور کلی پروتکل زمینه مدل و اهمیت آن در خطوط لوله هوش مصنوعیبیشتر بخوانید
01توضیح مفاهیم اصلیبررسی عمیق مفاهیم اصلی MCPبیشتر بخوانید
02امنیت در MCPتهدیدات امنیتی و بهترین روش‌هابیشتر بخوانید
03شروع کار با MCPتنظیم محیط، سرورها/کلاینت‌های پایه، یکپارچه‌سازیبیشتر بخوانید
ماژول 3: ساخت اولین سرور و کلاینت
3.1اولین سرورساخت اولین سرور MCPراهنما
3.2اولین کلاینتتوسعه یک کلاینت MCP پایهراهنما
3.3کلاینت با LLMیکپارچه‌سازی مدل‌های زبان بزرگراهنما
3.4یکپارچه‌سازی VS Codeاستفاده از سرورهای MCP در VS Codeراهنما
3.5سرور stdioساخت سرورها با استفاده از انتقال stdioراهنما
3.6استریم HTTPپیاده‌سازی استریم HTTP در MCPراهنما
3.7ابزار هوش مصنوعیاستفاده از ابزار هوش مصنوعی با MCPراهنما
3.8تستتست پیاده‌سازی سرور MCPراهنما
3.9استقراراستقرار سرورهای MCP در محیط تولیدراهنما
3.10استفاده پیشرفته از سروراستفاده از سرورهای پیشرفته برای ویژگی‌های پیشرفته و معماری بهبود یافتهراهنما
3.11احراز هویت سادهفصلی که احراز هویت از ابتدا و RBAC را نشان می‌دهدراهنما
ماژول 4-5: عملی و پیشرفته
04پیاده‌سازی عملیSDKها، اشکال‌زدایی، تست، قالب‌های درخواست قابل استفاده مجددبیشتر بخوانید
05موضوعات پیشرفته در MCPهوش مصنوعی چندوجهی، مقیاس‌پذیری، استفاده سازمانیبیشتر بخوانید
5.1یکپارچه‌سازی Azureیکپارچه‌سازی MCP با Azureراهنما
5.2چندوجهیکار با چند وجهراهنما
5.3دمو OAuth2پیاده‌سازی احراز هویت OAuth2راهنما
5.4زمینه‌های ریشهدرک و پیاده‌سازی زمینه‌های ریشهراهنما
5.5مسیریابیاستراتژی‌های مسیریابی MCPراهنما
5.6نمونه‌گیریتکنیک‌های نمونه‌گیری در MCPراهنما
5.7مقیاس‌پذیریمقیاس‌پذیری پیاده‌سازی‌های MCPراهنما
5.8امنیتملاحظات امنیتی پیشرفتهراهنما
5.9جستجوی وبپیاده‌سازی قابلیت‌های جستجوی وبراهنما
5.10استریم بلادرنگساخت قابلیت‌های استریم بلادرنگراهنما
5.11جستجوی بلادرنگپیاده‌سازی جستجوی بلادرنگراهنما
5.12احراز هویت Entra IDاحراز هویت با Microsoft Entra IDراهنما
5.13یکپارچه‌سازی Foundryیکپارچه‌سازی با Azure AI Foundryراهنما
5.14مهندسی زمینهتکنیک‌های مهندسی زمینه مؤثرراهنما
5.15انتقال سفارشی MCPپیاده‌سازی‌های انتقال سفارشیراهنما
ماژول 6-10: جامعه و بهترین روش‌ها
06مشارکت‌های جامعهنحوه مشارکت در اکوسیستم MCPراهنما
07بینش‌هایی از پذیرش اولیهداستان‌های پیاده‌سازی واقعیراهنما
08بهترین روش‌ها برای MCPعملکرد، تحمل خطا، انعطاف‌پذیریراهنما
09مطالعات موردی MCPمثال‌های پیاده‌سازی عملیراهنما
10کارگاه عملیساخت یک سرور MCP با ابزار هوش مصنوعیآزمایشگاه
ماژول 11: آزمایشگاه عملی سرور MCP
11یکپارچه‌سازی پایگاه داده سرور MCPمسیر یادگیری جامع 13 آزمایشگاه برای یکپارچه‌سازی PostgreSQLآزمایشگاه‌ها
11.1مقدمهمرور کلی MCP با یکپارچه‌سازی پایگاه داده و مورد استفاده تحلیل‌های خرده‌فروشیآزمایشگاه 00
11.2معماری اصلیدرک معماری سرور MCP، لایه‌های پایگاه داده و الگوهای امنیتیآزمایش 01
11.3امنیت و چند مستاجریامنیت در سطح ردیف، احراز هویت و دسترسی به داده‌های چند مستاجریآزمایش 02
11.4تنظیم محیطراه‌اندازی محیط توسعه، Docker، منابع Azureآزمایش 03
11.5طراحی پایگاه دادهتنظیم PostgreSQL، طراحی طرح خرده‌فروشی و داده‌های نمونهآزمایش 04
11.6پیاده‌سازی سرور MCPساخت سرور FastMCP با یکپارچه‌سازی پایگاه دادهآزمایش 05
11.7توسعه ابزارایجاد ابزارهای پرس‌وجوی پایگاه داده و بررسی طرحآزمایش 06
11.8جستجوی معناییپیاده‌سازی جاسازی برداری با Azure OpenAI و pgvectorآزمایش 07
11.9آزمایش و اشکال‌زداییاستراتژی‌های آزمایش، ابزارهای اشکال‌زدایی و روش‌های اعتبارسنجیآزمایش 08
11.10یکپارچه‌سازی VS Codeتنظیم یکپارچه‌سازی MCP در VS Code و استفاده از چت هوش مصنوعیآزمایش 09
11.11استراتژی‌های استقراراستقرار Docker، برنامه‌های کانتینری Azure و ملاحظات مقیاس‌پذیریآزمایش 10
11.12نظارتApplication Insights، ثبت وقایع، نظارت بر عملکردآزمایش 11
11.13بهترین روش‌هابهینه‌سازی عملکرد، تقویت امنیت و نکات تولیدآزمایش 12

💻 پروژه‌های نمونه کد

نمونه‌های پایه‌ای ماشین حساب MCP

زبانتوضیحاتلینک
C#نمونه سرور MCPمشاهده کد
Javaماشین حساب MCPمشاهده کد
JavaScriptنمونه MCPمشاهده کد
Pythonسرور MCPمشاهده کد
TypeScriptنمونه MCPمشاهده کد
Rustنمونه MCPمشاهده کد

پیاده‌سازی‌های پیشرفته MCP

زبانتوضیحاتلینک
C#نمونه پیشرفتهمشاهده کد
Java با Springنمونه برنامه کانتینریمشاهده کد
JavaScriptنمونه پیشرفتهمشاهده کد
Pythonپیاده‌سازی پیچیدهمشاهده کد
TypeScriptنمونه کانتینریمشاهده کد

🎯 پیش‌نیازهای یادگیری MCP

برای بهره‌برداری کامل از این دوره آموزشی، باید:

  • دانش پایه‌ای برنامه‌نویسی در حداقل یکی از زبان‌های زیر: C#، Java، JavaScript، Python یا TypeScript

  • درک مدل کلاینت-سرور و APIها

  • آشنایی با مفاهیم REST و HTTP

  • (اختیاری) پیش‌زمینه‌ای در مفاهیم هوش مصنوعی/یادگیری ماشین

  • پیوستن به بحث‌های جامعه برای دریافت پشتیبانی

📚 راهنمای مطالعه و منابع

این مخزن شامل منابع متعددی است که به شما کمک می‌کند به طور مؤثر یاد بگیرید و پیش بروید:

راهنمای مطالعه

یک راهنمای مطالعه جامع در دسترس است که به شما کمک می‌کند این مخزن را به طور مؤثر مرور کنید. این راهنما شامل:

  • نقشه تصویری برنامه درسی که تمام موضوعات پوشش داده شده را نشان می‌دهد
  • تجزیه و تحلیل دقیق هر بخش از مخزن
  • راهنمایی در مورد نحوه استفاده از پروژه‌های نمونه
  • مسیرهای یادگیری پیشنهادی برای سطوح مهارتی مختلف
  • منابع اضافی برای تکمیل سفر یادگیری شما

تغییرات

ما یک تغییرات دقیق را نگهداری می‌کنیم که تمام به‌روزرسانی‌های مهم در مواد آموزشی را دنبال می‌کند، از جمله:

  • افزودن محتوای جدید
  • تغییرات ساختاری
  • بهبود ویژگی‌ها
  • به‌روزرسانی مستندات

🛠️ نحوه استفاده مؤثر از این دوره آموزشی

هر درس در این راهنما شامل موارد زیر است:

  1. توضیحات واضح مفاهیم MCP
  2. نمونه‌های کد زنده در چندین زبان
  3. تمرین‌هایی برای ساخت برنامه‌های واقعی MCP
  4. منابع اضافی برای یادگیرندگان پیشرفته

رویدادها

روزهای توسعه MCP جولای 2025

➡️تماشا به صورت درخواستی - روزهای توسعه MCP

آماده شوید برای دو روز بینش فنی عمیق، ارتباط با جامعه و یادگیری عملی در روزهای توسعه MCP، یک رویداد مجازی اختصاص داده شده به پروتکل مدل زمینه (MCP) — استاندارد نوظهوری که مدل‌های هوش مصنوعی و ابزارهایی که به آن‌ها وابسته هستند را به هم متصل می‌کند. شما می‌توانید روزهای توسعه MCP را با ثبت‌نام در صفحه رویداد ما تماشا کنید: https://aka.ms/mcpdevdays.

روز اول: بهره‌وری MCP، ابزارهای توسعه و جامعه:

تمرکز بر توانمندسازی توسعه‌دهندگان برای استفاده از MCP در جریان کاری توسعه‌دهنده و جشن گرفتن جامعه شگفت‌انگیز MCP. ما با اعضای جامعه و شرکای مانند Arcade، Block، Okta و Neon همراه خواهیم بود تا ببینیم چگونه با مایکروسافت همکاری می‌کنند تا یک اکوسیستم MCP باز و قابل توسعه را شکل دهند.
دموهای واقعی در سراسر VS Code، Visual Studio، GitHub Copilot و ابزارهای محبوب جامعه
جریان‌های کاری توسعه‌دهنده عملی و مبتنی بر زمینه
جلسات و بینش‌های جامعه محور
چه تازه با MCP آشنا شده باشید یا در حال ساخت با آن باشید، روز اول با الهام و نکات عملی زمینه را فراهم می‌کند.

روز دوم: ساخت سرورهای MCP با اطمینان

برای سازندگان MCP است. ما به استراتژی‌های پیاده‌سازی و بهترین روش‌ها برای ایجاد سرورهای MCP و یکپارچه‌سازی MCP در جریان‌های کاری هوش مصنوعی خواهیم پرداخت.

موضوعات شامل:

  • ساخت سرورهای MCP و یکپارچه‌سازی آن‌ها در تجربیات عامل
  • توسعه مبتنی بر درخواست
  • بهترین روش‌های امنیتی
  • استفاده از بلوک‌های سازنده مانند Functions، ACA و مدیریت API
  • هماهنگی رجیستری و ابزارها (1P + 3P)

اگر شما یک توسعه‌دهنده، سازنده ابزار یا استراتژیست محصول هوش مصنوعی هستید، این روز پر از بینش‌هایی است که برای ساخت راه‌حل‌های MCP مقیاس‌پذیر، امن و آماده برای آینده نیاز دارید.

کمپ آموزشی MCP آگوست 2025

در جلسات ویدیویی فشرده یاد بگیرید چگونه سرورهای MCP ایجاد کنید، با VS Code یکپارچه شوید و به صورت حرفه‌ای در Azure مستقر کنید، بر اساس محتوای دوره آموزشی MCP برای مبتدیان. با مهارت‌های عملی در فناوری که شرکت‌های بزرگ در حال حاضر از آن استفاده می‌کنند، آماده شوید.

➡️تماشا به صورت درخواستی کمپ آموزشی MCP | انگلیسی

➡️تماشا به صورت درخواستی کمپ آموزشی MCP | برزیل

➡️تماشا به صورت درخواستی کمپ آموزشی MCP | اسپانیایی

بیایید MCP را با C# یاد بگیریم - سری آموزشی

بیایید درباره پروتکل مدل زمینه (MCP)، یک چارچوب پیشرفته طراحی شده برای استانداردسازی تعاملات بین مدل‌های هوش مصنوعی و برنامه‌های کلاینت، یاد بگیریم. در این جلسه دوستانه برای مبتدیان، ما شما را با MCP آشنا می‌کنیم و شما را در ایجاد اولین سرور MCP راهنمایی می‌کنیم.

C#: https://aka.ms/letslearnmcp-csharp

Java: https://aka.ms/letslearnmcp-java

JavaScript: https://aka.ms/letslearnmcp-javascript

Python: https://aka.ms/letslearnmcp-python

🌟 تشکر از جامعه

تشکر از Microsoft Valued Professional Shivam Goyal برای ارائه نمونه‌های کد مهم.

📜 اطلاعات مجوز

این محتوا تحت مجوز MIT منتشر شده است. برای شرایط و ضوابط، به LICENSE مراجعه کنید.

🤝 دستورالعمل‌های مشارکت

این پروژه از مشارکت‌ها و پیشنهادات استقبال می‌کند. اکثر مشارکت‌ها نیاز دارند که شما با یک توافقنامه مجوز مشارکت‌کننده (CLA) موافقت کنید که اعلام می‌کند شما حق دارید و واقعاً این حق را دارید که به ما اجازه دهید از مشارکت شما استفاده کنیم. برای جزئیات، به https://cla.opensource.microsoft.com مراجعه کنید.

هنگامی که یک درخواست کششی ارسال می‌کنید، یک ربات CLA به طور خودکار تعیین می‌کند که آیا شما نیاز دارید یک CLA ارائه دهید و درخواست کششی را به طور مناسب تزئین می‌کند (مانند بررسی وضعیت، نظر). فقط دستورالعمل‌های ارائه شده توسط ربات را دنبال کنید. شما فقط یک بار این کار را در تمام مخازن استفاده‌کننده از CLA ما انجام خواهید داد.

این پروژه کد رفتار منبع باز مایکروسافت را پذیرفته است.
برای اطلاعات بیشتر به سؤالات متداول کد رفتار مراجعه کنید یا با opencode@microsoft.com تماس بگیرید.

📂 ساختار مخزن

مخزن به صورت زیر سازماندهی شده است:

  • برنامه درسی اصلی (00-11): محتوای اصلی سازماندهی شده در یازده ماژول متوالی، شامل آزمایشگاه‌های جامع یکپارچه‌سازی پایگاه داده
  • 11-MCPServerHandsOnLabs/: مسیر یادگیری کامل 13 آزمایشگاه برای ساخت سرورهای MCP آماده تولید با یکپارچه‌سازی PostgreSQL
  • images/: نمودارها و تصاویر استفاده شده در سراسر برنامه درسی
  • translations/: پشتیبانی چندزبانه با ترجمه‌های خودکار
  • translated_images/: نسخه‌های محلی‌سازی شده نمودارها و تصاویر
  • study_guide.md: راهنمای جامع برای مرور مخزن
  • changelog.md: ثبت تمام تغییرات مهم در مواد آموزشی
  • mcp.json: فایل پیکربندی برای مشخصات MCP
  • CODE_OF_CONDUCT.md, LICENSE, SECURITY.md, SUPPORT.md: اسناد حاکمیت پروژه

🎒 دوره‌های دیگر

تیم ما دوره‌های دیگری تولید می‌کند! بررسی کنید:

™️ اطلاعیه علامت تجاری

این پروژه ممکن است شامل علائم تجاری یا لوگوهایی برای پروژه‌ها، محصولات یا خدمات باشد. استفاده مجاز از علائم تجاری یا لوگوهای Microsoft باید مطابق با
راهنمای علائم تجاری و برند Microsoft باشد.
استفاده از علائم تجاری یا لوگوهای Microsoft در نسخه‌های اصلاح‌شده این پروژه نباید باعث سردرگمی شود یا حمایت Microsoft را القا کند.
هرگونه استفاده از علائم تجاری یا لوگوهای شخص ثالث باید مطابق با سیاست‌های آن‌ها باشد.

دریافت کمک

اگر گیر کردید یا سوالی درباره ساخت اپلیکیشن‌های هوش مصنوعی دارید، به اینجا بپیوندید:

دیسکورد Azure AI Foundry

اگر بازخورد محصول دارید یا در هنگام ساخت با خطا مواجه شدید، به اینجا مراجعه کنید:

فروم توسعه‌دهندگان Azure AI Foundry


سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما تلاش می‌کنیم ترجمه‌ها دقیق باشند، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌ها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حساس، توصیه می‌شود از ترجمه انسانی حرفه‌ای استفاده کنید. ما هیچ مسئولیتی در قبال سوء تفاهم‌ها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.