ด้วยสํานึกในพระมหากรุณาธิคุณสมเด็จพระนางเจ้าสิริกิติ์เป็นล้นพ้นอันหาที่สุดมิได้

ยินดีต้อนรับสู่ยุคที่ AI ไม่ได้เป็นเพียงแชทบอทถาม-ตอบ แต่ก้าวสู่การเป็น Agentic AI ที่ "คิด วิเคราะห์ และลงมือทำ" ได้ด้วยตัวเอง หลักสูตรนี้จะพาคุณปลดล็อกศักยภาพใหม่ผ่านมาตรฐานสากลอย่าง MCP (Model Context Protocol) และ A2A (Agent-to-Agent) ซึ่งเปรียบเสมือน "ภาษาและแขนขา" ที่ช่วยให้ AI ของคุณสามารถเชื่อมต่อกับโลกภายนอก สั่งการฐานข้อมูล อ่านเอกสาร และทำงานร่วมกับเครื่องมือต่างๆ ได้อย่างอิสระเหมือนพนักงานมืออาชีพ เราออกแบบเนื้อหาให้เข้าใจง่ายแบบ Step-by-step ภายใน 5 วัน คุณจะได้ลงมือเขียน Python สร้างระบบจริงตั้งแต่ศูนย์ ตั้งแต่การสร้าง MCP Server เชื่อมต่อกับไฟล์ (CSV/PDF) และ Database (MySQL/PostgreSQL) ไปจนถึงการใช้งานผ่าน Claude Desktop, n8n และการ Deploy ขึ้น Cloud เพื่อสร้างระบบ Multi-Agent ที่ทำงานประสานกันเป็นทีมเวิร์ค พร้อมเปลี่ยนคุณจากผู้ใช้งานทั่วไปให้กลายเป็นผู้สร้างระบบ AI Automation เต็มรูปแบบ

สาขากรุงเทพฯ (ลาดพร้าว)
  • ยังไม่มีรอบเปิดอบรม (ลงชื่อจองไว้ได้)
  • ทำความเข้าใจภาพรวมและสถาปัตยกรรมของ Agentic AI และบทบาทของ MCP/A2A
  • สามารถสร้าง MCP Server / Client และ Tools แบบง่าย ๆ ด้วย Python
  • สามารถใช้ A2A Protocol เพื่อเชื่อมโยง Agent หลายตัวให้สื่อสารและทำงานร่วมกันได้
  • ประยุกต์ MCP + A2A สร้าง workflow ของระบบอัจฉริยะที่นำไปใช้จริงได้
  • สร้างพื้นฐานแน่นสำหรับต่อยอดไปสู่ LangChain Agents, Orchestrators และ Multi-Agent Systems
  • สามารถ Deploy ระบบ Agentic AI ขึ้น Cloud เพื่อใช้งานจริง
  • นักพัฒนา Software / AI ที่อยากเข้าใจ Agentic AI แบบใช้งานได้จริง
  • นักศึกษา / ผู้เริ่มต้นสาย AI ที่อยากเริ่มพัฒนา Tools หรือ Agents
  • ผู้ที่ทำงานด้านระบบอัตโนมัติ (Automation) และต้องการต่อยอดด้วย AI
  • ผู้สนใจเทคโนโลยีใหม่ เช่น AI Orchestrator, Multi-Agent, Workflow Agentic
  • เขียน Python ได้ระดับพื้นฐาน (ตัวแปร, ฟังก์ชัน, import library)
  • ใช้ Terminal / VS Code ได้
  • ใช้งาน Git และ GitHub พื้นฐานได้ (ถ้าไม่มีก็สามารถเรียนได้)
  • ไม่มีพื้นฐาน Web Development มาก่อนก็ได้
  • 12 ชั่วโมง
  • ราคาปกติ 5,900 บาท / คน
  • โปรโมชั่นลด 10% เหลือ 5,310 บาท / คน
  • ราคาเหมาจ่าย (ผู้อบรมตั้งแต่ 10 คน) ตามแต่ตกลงกัน
  • ขอใบเสนอราคา

Section 1: ปูพื้นฐาน Agentic AI + รู้จักโปรโตคอล MCP/A2A

  • ทำความรู้จัก Agentic AI และตัวอย่างงานจริง
  • สถาปัตยกรรมของ Agentic AI (Perception → Reasoning → Action)
  • ทำไม “Protocol” จึงสำคัญในยุคของ Multi-Agent
  • ภาพรวม MCP (Model Context Protocol)
  • ภาพรวม A2A (Agent-to-Agent Protocol)
  • เปรียบเทียบ MCP vs A2A — ใช้ต่างบริบทกันอย่างไร
  • เตรียมเครื่องมือ Python, UV, VS Code, Google Gemini API Key, OpenAI API Key

 

Section 2: สร้าง MCP ของตัวเองแบบง่าย ๆ ด้วย FastMCP

  • โครงสร้าง MCP Server + MCP Client
  • STDIO vs SSE vs Streamable HTTP
  • ติดตั้ง FastMCP และสร้าง MCP Server อย่างง่าย
  • เริ่มต้นสร้าง MCP Server ตัวแรกด้วย FastMCP โดยใช้การสื่อสารแบบ STDIO (Standard Input/Output)
  • สร้าง MCP Tool แบบง่าย ๆ (เช่น เครื่องคิดเลข, เว็บสกรีปเปอร์, อ่านไฟล์)
  • ทดสอบการเชื่อม Claude Desktop เข้ากับ MCP ของเรา

 

Section 3: สร้าง MCP Client + MCP แบบ SSE และ HTTP

  • สร้าง MCP Client ใน Python เชื่อม Gemini API หรือ OpenAI API
  • ออกแบบ config.json รองรับหลาย MCP Servers
  • ทำ MCP Server แบบ SSE (รองรับ streaming)
  • ทำ MCP Server แบบ Streamable HTTP (รองรับ streaming)
  • สร้าง Client ที่มีการเชื่อมต่อกับ AI Model เช่น ChatGPT หรือ Claude

 

Section 4: สื่อสาร Agent หลายตัวด้วย A2A Protocol

  • ทำไม Agent ต้องคุยกัน ?
  • รู้จัก A2A Protocol แบบเจาะลึก
  • องค์ประกอบของ A2A Message: Header, Body, Metadata
  • Agent Discovery, Initiation, Task, Streaming
  • ติดตั้ง A2A Python SDK
  • สร้าง A2A Agent ตัวแรกที่คุยกับ Agent ตัวอื่นได้
  • สร้าง A2A Agent ที่เชื่อมต่อกับ MCP Server
  • ทดสอบการสื่อสารระหว่าง Agent หลายตัว

 

Section 5: รวมพลัง MCP + A2A สร้างระบบ Multi-Agent

  • สถาปัตยกรรมของระบบ Multi-Agent
  • ออกแบบ Workflow ของ Multi-Agent System
  • บทบาทของ "Orchestrator Agent" หรือ Agent ผู้จัดการ
  • สร้าง Multi-Agent System ที่ Agent หลายตัวทำงานร่วมกัน
  • เชื่อมต่อ MCP Tools กับ A2A Agents
  • Workshop Trip Planner ที่แบ่งหน้าที่ให้ AI หลายตัวทำงานร่วมกัน

 

Section 6: การ Deplopy MCP Server ด้วย FastMCP Cloud

  • เตรียม Deploy MCP Server ขึ้น Cloud
  • สร้างบัญชี FastMCP Cloud
  • ตั้งค่า MCP Server ให้พร้อมสำหรับการ Deploy
  • Deploy MCP Server ขึ้น FastMCP Cloud
  • ทดสอบการเชื่อมต่อ MCP Client กับ MCP Server บน Cloud
21/01/2026 14:30:49