فرستادن همه‌ی تاریخچه و همه‌ی اسناد به مدل جای انتخاب درست اطلاعات را نمی‌گیرد. در این آموزش مهندسی زمینه را یاد می‌گیرید؛ پنج نوع زمینه، راهبردهای برنامه‌ریزی و مدیریت زمینه، چهار خرابی رایج مسمومیت، حواس‌پرتی، سردرگمی و تضاد، و ساخت زمینه‌ی تازه برای هر مرحله.
نمونه‌ای که ابزار را پیدا می‌کند هنوز یک اتصال قابل‌اعتماد نیست. در این آموزش اتصال MCP به ایجنت را عملی می‌سازید؛ یک سرور MCP با پایتون، کلاینتی که ابزار را کشف و صدا می‌زند، قابلیت‌های ایجنت‌گونه مثل گزارش پیشرفت، درخواست تأیید و ازسرگیری، و مدیریت خطای سرویس.
وقتی چند ابزار و چند سرویس به دستیار وصل می‌شوند، توافق بر سر شکل پیام‌ها اهمیت پیدا می‌کند. در این آموزش سه پروتکل ایجنت را می‌شناسید؛ MCP برای اتصال به ابزار، A2A برای همکاری ایجنت‌ها و NLWeb برای وب‌سایت‌های گفت‌وگومحور، و مرز میان استاندارد ارتباط و مجوز اقدام را یاد می‌گیرید.
وقتی کاربر می‌گوید پاسخ بد بود، ذخیره‌ی متن نهایی برای پیدا کردن علت کافی نیست. در این آموزش پایش ایجنت هوش مصنوعی را در محیط تولید یاد می‌گیرید؛ ابزارگذاری با OpenTelemetry، Span دستی برای هر مرحله، مشکلات رایج و راه‌حل‌ها، کنترل هزینه و پیدا کردن علت کندی.
وجود چند قطعه متن در ورودی مدل تضمین نمی‌کند پاسخ مستند باشد. در این آموزش RAG اصلاحی را یاد می‌گیرید؛ مقایسه با بارگذاری پیشاپیش زمینه، داوری تناسب سند با مدل، بازچینی و امتیازدهی، جستجو بر اساس نیت کاربر و کنار گذاشتن سند قدیمی یا مشابه اما نامرتبط.
خودارزیابی ایجنت یک الگوی نرم‌افزاری است؛ تولید نتیجه، سنجش آن با معیار مشخص و تصمیم درباره‌ی اصلاح. در این آموزش فراشناخت در ایجنت، اجزای ایجنت، تولید کد به‌عنوان ابزار، SQL به‌عنوان منبع بازیابی و یک حلقه‌ی بازبینی محدود با آزمون عددی مستقل را یاد می‌گیرید.
همه‌ی درخواست‌ها نباید وارد یک مسیر پرهزینه شوند. در این آموزش مسیریابی شرطی را در جریان کار ایجنتی یاد می‌گیرید؛ یال شرطی، دروازه‌ی کیفیت، مسیریاب با خروجی ساختاریافته و طراحی مسیر روشن برای پیام مبهم، چندموضوعی، حساس و خارج از دامنه.
اجرای همزمان زمان انتظار را کم می‌کند، اما فقط وقتی کارها واقعاً مستقل باشند. در این آموزش اجرای ترتیبی و اجرای همزمان ایجنت‌ها را مقایسه می‌کنید، الگوی پخش و جمع را با پایتون می‌سازید و یاد می‌گیرید با شاخه‌ی شکست‌خورده چه کنید.
در یک جریان چندمرحله‌ای، دانستن اینکه کجای کار هستیم به اندازه‌ی نتیجه‌ی نهایی مهم است. در این آموزش جریان کار ایجنتی را با Microsoft Agent Framework می‌شناسید؛ اجراکننده، یال و گردش کار، الگوی ترتیبی و طراحی وضعیتی که پس از قطع اجرا، کار را از آخرین مرحله‌ی موفق ادامه دهد.
چندایجنتی بودن وقتی ارزش دارد که هر نقش مسئولیت مشخصی داشته باشد. در این آموزش طراحی سیستم چند ایجنتی را یاد می‌گیرید؛ کی چند ایجنت لازم است، اجزای اصلی، سه الگوی چت گروهی، تحویل کار و فیلترینگ مشارکتی، و قرارداد تحویلی که شواهد را در طول زنجیره حفظ کند.
برنامه‌ای که فقط فهرستی از کارها باشد، روی کاغذ خوب است اما در عمل اجرا نمی‌شود. در این آموزش برنامه‌ریزی ایجنت را یاد می‌گیرید؛ تعریف هدف روشن، تجزیه‌ی کار، خروجی ساختاریافته با Pydantic، اعتبارسنجی برنامه با کد و برنامه‌ریزی دوباره هنگام تغییر شرایط.
دکمه‌ی تأیید وقتی مفید است که کاربر بداند دقیقاً چه چیزی را تأیید می‌کند. در این آموزش تأیید انسانی در ایجنت را طراحی می‌کنید؛ از پیام سیستمی ساختاریافته و شناخت تهدیدها تا توقف پیش از اقدام، تأیید نسخه‌ی مشخص و جلوگیری از ارسال دوباره.
