🤖 ساخت فریم‌ورک AI ایجنتی چندعاملی از صفر

🚀 یک فریم‌ورک Multi-Agent AI آماده پروداکشن رو از صفر با استفاده از MCP و A2A بساز و ورک‌فلوهای قدرتمند ایجنتی رو Orchestrate کن.

✨ ویژگی‌های کلیدی

🐍 ایجنت‌های AI مبتنی بر Python رو بدون وابستگی به فریم‌ورک‌های Orchestration شخص ثالث میسازی

🤝 سیستم‌های Multi-Agent آماده پروداکشن رو با استفاده از پیام‌رسانی A2A یا Agent-to-Agent طراحی میکنی

🧠 Memory و Context رو با MCP یکپارچه میکنی تا فریم‌ورک‌های AI ایجنتی تطبیق‌پذیر و Stateful بسازی

📘 توضیح کتاب

😵 از فریم‌ورک‌های ایجنتی مبهمی خسته شدی که جزئیات نحوه کار سیستم رو ازت پنهان میکنن؟ این کتاب کنترل کامل رو به خودت میده و قدم‌به‌قدم نشون میده چطور بدون وابستگی به ابزارهای خارجی Orchestration، یک فریم‌ورک AI ایجنتی کامل، قابل‌گسترش و کاربردی رو با Python از صفر بسازی.

🛠️ کار رو با پیاده‌سازی یک ایجنت ساده شروع میکنی که میتونه از Toolها استفاده کنه. بعد به‌تدریج قابلیت‌های اون رو با Tool Schemaهای ساختاریافته، رابط‌های کاربری و Memory مبتنی بر Model Context Protocol یا MCP گسترش میدی.

🤝 در ادامه، سیستم‌های Multi-Agent مشارکتی میسازی که از پیام‌رسانی Agent-to-Agent یا A2A استفاده میکنن و اون‌ها رو در محیط‌هایی نزدیک به شرایط واقعی دیپلوی میکنی.

🔐 در طول مسیر با موضوع‌هایی مثل فراخوانی امن Toolها، Message Routing، Observability و ورک‌فلوهای Human-in-the-Loop آشنا میشی.

💻 این راهنمای دست‌به‌کار با کدهای توضیح‌دار، نکته‌های عمیق مهندسی و الگوهای عملی دیپلوی، مهارت لازم برای ساخت AI Agentهایی رو بهت میده که میتونن Reasoning انجام بدن، برنامه‌ریزی کنن، عمل کنن و خودشون رو با شرایط جدید تطبیق بدن؛ چه بخوای سیستم واقعی وارد پروداکشن کنی و چه در حال آزمایش معماری‌های پیشرفته مبتنی بر LLM باشی.

👨‍💻 کتاب توسط گیگی سایفن نوشته شده که روی زیرساخت AI Agentها در Perplexity کار میکنه و نویسنده‌ای پرفروش با چند دهه تجربه در AI و سیستم‌های توزیع‌شده است. این کتاب ابزارها و دانش لازم رو در اختیارت میذاره تا سیستم‌های ایجنتی پیشرفته خودت رو مهندسی کنی.

📌 برای دریافت بعضی مزایای همراه کتاب، ثبت ایمیل و ارائه مدرک خرید لازمه.

🎯 چیزهایی که یاد میگیری

🧠 AI Agentهای Tool-Using رو از پایه طراحی و پیاده‌سازی میکنی

🧩 کامپوننت‌های ماژولار برای ساخت فریم‌ورک‌های ایجنتی قابل‌گسترش میسازی

🔐 Toolهای امن و قابل‌مانیتور با ورودی‌های ساختاریافته طراحی میکنی

💬 ایجنت‌ها رو به رابط‌های Chat مثل Slack و Chainlit متصل میکنی

🧠 از MCP برای مدیریت Context و Memory ایجنت‌ها استفاده میکنی

🤝 ورک‌فلوهای مشارکتی ایجنت‌ها رو با A2A Orchestrate میکنی

🛠️ ایجنت‌ها رو در محیط‌های نزدیک به پروداکشن دیباگ، تست و دیپلوی میکنی

🚀 قابلیت‌های آینده‌محور ایجنت‌ها و طراحی GenUX رو بررسی میکنی

👤 این کتاب برای چه کسانیه؟

🤖 این کتاب برای AI Engineerها، متخصص‌های Machine Learning و Software Architectهایی نوشته شده که با Large Language Modelها سیستم‌های ایجنتی میسازن.

⚙️ همین‌طور برای DevOps Engineerها و مدیرهای فنی‌ای مناسبه که میخوان درک عمیق‌تری از ساخت و مقیاس‌دهی ورک‌فلوهای AI خودمختار داشته باشن.

📌 برای استفاده بهتر از کتاب، آشنایی با کدنویسی Python و مفاهیم پایه LLMها توصیه میشه.

📖 فهرست مطالب

پارت ۱. مبانی Agentic AI

فصل ۱. مقدمه‌ای بر Generative AI و AI Agentها

فصل ۲. درک نحوه کار AI Agentها

فصل ۳. بررسی عملی یک AI Agent ساده

پارت ۲. ساخت فریم‌ورک Agentic AI خودت

فصل ۴. ساخت یک فریم‌ورک Agentic AI مبتنی بر Tool

فصل ۵. پیاده‌سازی Toolهای سفارشی

فصل ۶. ساخت رابط‌های Chat با Slack و Chainlit

فصل ۷. یکپارچه‌سازی با اکوسیستم Model Context Protocol

پارت ۳. ساخت سیستم‌های Multi-Agent

فصل ۸. طراحی سیستم‌های Multi-Agent

فصل ۹. پیاده‌سازی سیستم‌های Multi-Agent با A2A

فصل ۱۰. تست، دیباگ و عیب‌یابی سیستم‌های Multi-Agent

فصل ۱۱. دیپلوی سیستم‌های Multi-Agent

فصل ۱۲. موضوع‌های پیشرفته و مسیرهای آینده

فصل ۱۳. دسترسی به مزایای اختصاصی

👤 درباره نویسنده

👨‍💻 گیگی سایفن عضو تیم زیرساخت AI Agentها در Perplexity است و روی ساخت محیط‌ها و Harnessهای بزرگ‌مقیاس برای AI Agentها تمرکز داره.

🧠 او بیش از ۳۰ سال تجربه توسعه نرم‌افزار در حوزه‌های بسیار متنوع داره؛ از Instant Messaging و کنترل فرایند ساخت چیپ گرفته تا سیستم‌های Embedded چندرسانه‌ای برای کنسول‌های بازی، Machine Learning الهام‌گرفته از مغز، توسعه Browserهای سفارشی، Web Serviceهای پلتفرم‌های بازی سه‌بعدی توزیع‌شده، Sensorهای IoT و Virtual Reality.

💻 گیگی در پروژه‌های پروداکشن با زبان‌های Go، Python، Java، C#، C++ و TypeScript/JavaScript کدنویسی کرده.

⚙️ حوزه‌های تخصصی او شامل AI Agentها، Generative AI، تکنولوژی‌های Cloud-Native، DevOps، دیتابیس‌ها، شبکه و سیستم‌های توزیع‌شده میشن.

📚 او همین‌طور کتاب‌ها و مقاله‌هایی درباره Kubernetes و Microservices نوشته.

Build a production-ready multi-agent AI framework from scratch using MCP and A2A to orchestrate powerful agent workflows

Key Features

• Build Python-based AI agents without relying on third-party orchestration frameworks
• Design production-ready multi-agent systems using A2A messaging
• Integrate memory and context with MCP to create adaptive and stateful agentic AI frameworks

Book Description

Frustrated by opaque agent frameworks that hide how things work? This book gives you complete control by guiding you through building a fully functional, extensible agentic AI framework in Python without relying on external orchestration tools.

You’ll begin by implementing a simple tool-using agent, and then gradually extend its capabilities with structured tool schemas, user interfaces, and memory via the Model Context Protocol (MCP). From there, you’ll build collaborative multi-agent systems powered by Agent-to-Agent (A2A) messaging and deploy them in realistic environments. Along the way, you’ll explore secure tool invocation, message routing, observability, and human-in-the-loop workflows.

With annotated code, deep engineering insights, and practical deployment patterns, this hands-on guide equips you to build AI agents that reason, plan, act, and adapt, whether you’re shipping production systems or experimenting with cutting-edge LLM-based architectures.

Written by Gigi Sayfan, who builds AI agent infrastructure at Perplexity and is a bestselling author with decades of experience in AI and distributed systems, this book gives you the tools and knowledge to engineer your own advanced agentic systems.

*Email sign-up and proof of purchase required

What you will learn

• Design and implement tool-using AI agents from the ground up
• Build modular components for extensible agent frameworks
• Create secure and observable tools with structured inputs
• Integrate agents with chat UIs such as Slack and Chainlit
• Leverage MCP for context handling and agent memory
• Orchestrate collaborative agent workflows using A2A
• Debug and deploy agents in production-like environments
• Explore future-ready agent capabilities and GenUX design

Who this book is for

This book is essential for AI engineers, ML practitioners, and software architects building agentic systems with large language models. It’s also ideal for DevOps engineers and technical leaders seeking deep insights into building and scaling autonomous AI workflows. Python coding skills and basic familiarity with LLMs are recommended.

Table of Contents

Part 1: Foundations of Agentic AI

Chapter 1: Introduction to Generative AI and AI Agents

Chapter 2: Understanding How AI Agents Work

Chapter 3: A Hands-On Walk-Through of a Simple AI Agent

Part 2: Building Your Own Agentic AI Framework

Chapter 4: Building a Tool-Based Agentic AI Framework

Chapter 5: Implementing Custom Tools

Chapter 6: Creating Chat Interfaces Using Slack and Chainlit

Chapter 7: Integrating with the Model Context Protocol Ecosystem

Part 3: Constructing Multi-Agent Systems

Chapter 8: Designing Multi-Agent Systems

Chapter 9: Implementing Multi-Agent Systems with A2A

Chapter 10: Testing, Debugging, and Troubleshooting Multi-Agent Systems

Chapter 11: Deploying Multi-Agent Systems

Chapter 12: Advanced Topics and Future Directions

Chapter 13: Unlock Your Exclusive Benefits

About the Author

Gigi Sayfan is a member of the AI agents infra team at Perplexity, focused on building large-scale environments and harnesses for AI agents. He brings over 30 years of software development experience across domains, including instant messaging, chip fabrication process control, embedded multimedia for game consoles, brain-inspired machine learning, custom browser development, web services for distributed 3D game platforms, IoT sensors, and virtual reality. He has written production code in Go, Python, Java, C#, C++, and TypeScript/JavaScript. His expertise includes AI agents, generative AI, cloud-native technologies, DevOps, databases, networking, and distributed systems. Gigi has authored books and articles on Kubernetes and microservices.