كيفية إضافة مهارات وأتمتة الذكاء الاصطناعي

انتقل الى chat.openai.com وانقر على ملفك الشخصي → My GPTs → Create a GPT

في علامة التبويب 'Create'، صف ما تريد ان يفعله GPT الخاص بك بلغة طبيعية

قم بتكوين الاسم والوصف والتعليمات وبادئات المحادثة

ارفع ملفات المعرفة (PDFs، مستندات) ليرجع اليها GPT الخاص بك

اضف Actions للاتصال بواجهات API خارجية (اختياري)

حدد مستوى الظهور: انا فقط، اي شخص لديه الرابط، او عام

انقر على 'Create' وشارك الرابط

انقر على ايقونة ملفك الشخصي → Settings → Personalization → Custom Instructions

املا 'ماذا تريد ان يعرف ChatGPT عنك؟' بسياق حول دورك واحتياجاتك

املا 'كيف تريد ان يستجيب ChatGPT؟' بتفضيلات تنسيق المخرجات والنبرة والقيود

تُطبق هذه التعليمات تلقائيا على جميع المحادثات الجديدة

في GPT Builder، انتقل الى علامة التبويب 'Configure' → Actions

انقر على 'Create new action' والصق مخطط OpenAPI الخاص بك

حدد طريقة المصادقة (بدون، API Key او OAuth)

اختبر الاجراء بطلبات نموذجية

يمكن لـ GPT الان استدعاء واجهة API الخاصة بك اثناء المحادثات

انتقل الى claude.ai وانقر على 'Projects' في الشريط الجانبي

انقر على 'Create Project' واعطه اسما ووصفا

اضف تعليمات مخصصة تحدد كيف يجب ان يتصرف Claude في هذا المشروع

ارفع ملفات (PDFs، كود، مستندات) الى قاعدة معرفة المشروع — يمكن لـ Claude الرجوع الى 200K token

ابدا محادثات داخل المشروع — سيستخدم Claude تعليماتك وملفاتك تلقائيا

عند استخدام Claude API، اضف رسالة 'system' في بداية محادثتك

حدد دور Claude وسلوكه وتنسيق المخرجات والقيود في موجه النظام

اضف امثلة few-shot للمدخلات والمخرجات المطلوبة

استخدم علامات XML مثل <instructions>، <context>، <output_format> لهيكل واضح

ثبت Claude Code: npm install -g @anthropic-ai/claude-code

انشئ ملف CLAUDE.md في جذر مشروعك يحتوي على تعليمات وسياق

اضف اوامر slash مخصصة في مجلد .claude/commands/ كملفات markdown

كل ملف .md يصبح /امر — محتوى الملف هو قالب الموجه

استخدم العنصر النائب $ARGUMENTS للادخال الديناميكي

يدعم Claude Desktop و Claude Code ادوات Model Context Protocol (MCP)

ثبت خوادم MCP: npx @anthropic-ai/create-mcp-server او استخدم الموجودة من npm

قم بالتكوين في claude_desktop_config.json او .claude/settings.json

يمكن لـ Claude الان استخدام ادوات MCP اثناء المحادثات للوصول الى قواعد البيانات وواجهات API والملفات وغيرها

انتقل الى aistudio.google.com وانقر على 'Create new prompt'

اختر 'Structured Prompt' للمخرجات المتسقة القائمة على القوالب

حدد اعمدة الادخال (المتغيرات) واعمدة الاخراج (النتائج المتوقعة)

اضف صفوف امثلة تظهر ازواج المدخلات والمخرجات للتعلم few-shot

اختبر بمدخلات جديدة وحسن امثلتك

احفظ وشارك عبر زر 'Get Code' (Python، JavaScript، REST)

انقر على 'Create new prompt' → 'Chat Prompt'

اكتب تعليمات النظام التي تحدد دور وسلوك الذكاء الاصطناعي

اضف ادوات (function declarations) اذا كان موجهك يحتاج لاستدعاء APIs خارجية

قم بتكوين اعدادات النموذج: temperature، top-p، الحد الاقصى لعدد tokens المخرجات

اختبر في playground وصدر الكود عندما يكون جاهزا

احصل على مفتاح API الخاص بك من aistudio.google.com → 'Get API Key'

ثبت SDK: pip install google-genai (Python) او npm install @google/genai

قم بتهيئة العميل بمفتاح API الخاص بك

استخدم generateContent() لمدخلات النص والصور والصوت والفيديو

اضف تعريفات الادوات لقدرات function calling

للانتاج، استخدم Vertex AI في Google Cloud Console

انشئ نقطة نهاية وانشر نموذجك المحسن او استخدم Gemini مباشرة

قم باعداد المصادقة باستخدام حسابات الخدمة

قم بتكوين التحجيم التلقائي والمراقبة والتسجيل

استخدم Vertex AI Pipelines لسير عمل ML الالية

افتح لوحة تحكم Antigravity وانقر على 'New Workflow'

اختر مشغلا: جدولة، Webhook، ارسال نموذج، او حدث

اسحب وافلت كتل الاجراءات من الشريط الجانبي: ارسال بريد الكتروني، استدعاء API، استعلام قاعدة بيانات، الخ.

اربط الكتل بالاسهم لتحديد التدفق

اضف تفرعات شرطية (If/Else) لمنطق القرار

قم بتكوين اعدادات كل كتلة (نقاط نهاية API، قوالب البريد الالكتروني، الخ.)

اختبر سير العمل ببيانات نموذجية قبل التفعيل

بدل سير العمل الى 'Active' لبدء التشغيل

تصفح معرض القوالب لسير العمل الجاهزة

انقر على 'Use Template' لانشاء نسخة في مساحة العمل الخاصة بك

خصص القالب: غير اعدادات المشغل، حدث مفاتيح API، عدل الشروط

اربط حساباتك (Slack، Gmail، CRM، الخ.) عند المطالبة

اختبر وفعل

انتقل الى Settings → Integrations → Add New

اختر 'Custom API' للخدمات غير الموجودة في القائمة المدمجة

ادخل عنوان URL الاساسي لـ API وتفاصيل المصادقة

حدد الاجراءات المتاحة (نقاط النهاية) مع مخططات الطلب/الاستجابة

يظهر تكاملك المخصص الان في الشريط الجانبي لمنشئ سير العمل

ابحث عن خوادم MCP على npm او GitHub او هذا الدليل

ثبت: npm install -g @modelcontextprotocol/server-name

قم بالتكوين في ملف اعدادات عميل AI الخاص بك (مثل claude_desktop_config.json)

اضف امر الخادم واي متغيرات بيئة مطلوبة

اعد تشغيل عميل AI الخاص بك — تصبح الادوات متاحة تلقائيا

يمكن للذكاء الاصطناعي الان استخدام ادوات MCP اثناء المحادثات

قم بالتهيئة: npx @anthropic-ai/create-mcp-server my-server

حدد الادوات في src/index.ts باستخدام MCP SDK

كل اداة تحتاج: اسم، وصف، مخطط ادخال (JSON Schema)، ودالة معالجة

اضف موارد للبيانات التي يمكن للذكاء الاصطناعي قراءتها (ملفات، سجلات قاعدة بيانات، الخ.)

اضف موجهات لقوالب الموجهات القابلة لاعادة الاستخدام

اختبر محليا: npx tsx src/index.ts

انشر على npm ليستخدمه الاخرون: npm publish

لـ Claude Desktop: عدل ~/Library/Application Support/Claude/claude_desktop_config.json (Mac) او %APPDATA%/Claude/claude_desktop_config.json (Windows)

لـ Claude Code: عدل .claude/settings.json في مشروعك او ~/.claude/settings.json بشكل عام

اضف خادمك الى كائن 'mcpServers' مع الامر والوسائط

اضبط متغيرات البيئة باستخدام حقل 'env' لمفاتيح API

استخدم نقل 'stdio' للخوادم المحلية، 'sse' للبعيدة

MCP هو معيار مفتوح — يعمل مع اي عميل AI متوافق

للتكاملات المخصصة، استخدم MCP client SDK (@modelcontextprotocol/sdk)

اتصل بخوادم MCP برمجيا في تطبيقاتك الخاصة

اربط MCP بـ OpenAI/Gemini بترجمة مخططات ادوات MCP الى تنسيق function calling الخاص بهم

استخدم خوادم proxy MCP لعرض ادوات MCP عبر REST APIs