Merge pull request #163 from microsoft/update-translations

🌐 Update translations via Co-op Translator

Author: leestott

translations/ar/09-CaseStudy/README.md

@@ -1,67 +1,67 @@
 <!--
 CO_OP_TRANSLATOR_METADATA:
 {
-  "original_hash": "23899e82d806f25e5e46e89aab564dca",
-  "translation_date": "2025-06-13T21:22:28+00:00",
+  "original_hash": "6c11b6162171abc895ed75d1e0f368a3",
+  "translation_date": "2025-06-20T19:04:50+00:00",
   "source_file": "09-CaseStudy/README.md",
   "language_code": "ar"
 }
 -->
-# MCP في التطبيق: دراسات حالة من العالم الحقيقي
+# MCP في التطبيق: دراسات حالة من الواقع
 
-بروتوكول سياق النموذج (MCP) يُغيّر طريقة تفاعل تطبيقات الذكاء الاصطناعي مع البيانات والأدوات والخدمات. يقدم هذا القسم دراسات حالة من العالم الحقيقي توضح التطبيقات العملية لـ MCP في سيناريوهات مؤسسية متنوعة.
+بروتوكول سياق النموذج (MCP) يُغير الطريقة التي تتفاعل بها تطبيقات الذكاء الاصطناعي مع البيانات والأدوات والخدمات. يعرض هذا القسم دراسات حالة من الواقع تُبرز تطبيقات عملية لـ MCP في سيناريوهات مؤسسية متنوعة.
 
 ## نظرة عامة
 
-يعرض هذا القسم أمثلة ملموسة على تطبيقات MCP، مع تسليط الضوء على كيفية استفادة المؤسسات من هذا البروتوكول لحل تحديات الأعمال المعقدة. من خلال دراسة هذه الحالات، ستكتسب فهماً لمرونة MCP وقابليته للتوسع والفوائد العملية له في مواقف الحياة الواقعية.
+يعرض هذا القسم أمثلة ملموسة على تنفيذات MCP، مسلطًا الضوء على كيفية استغلال المؤسسات لهذا البروتوكول لحل تحديات تجارية معقدة. من خلال دراسة هذه الحالات، ستكتسب فهمًا حول مرونة MCP، وقدرته على التوسع، والفوائد العملية له في سيناريوهات الحياة الواقعية.
 
 ## الأهداف التعليمية الرئيسية
 
 من خلال استكشاف هذه الدراسات، ستتمكن من:
 
-- فهم كيفية تطبيق MCP لحل مشكلات تجارية محددة  
-- التعرف على أنماط التكامل المختلفة والأساليب المعمارية  
-- التعرف على أفضل الممارسات لتنفيذ MCP في بيئات المؤسسات  
-- الاطلاع على التحديات والحلول التي تم مواجهتها في تطبيقات العالم الحقيقي  
-- تحديد الفرص لتطبيق أنماط مماثلة في مشاريعك الخاصة  
+- فهم كيفية تطبيق MCP لحل مشكلات تجارية محددة
+- التعرف على أنماط التكامل المختلفة والنهج المعمارية
+- التعرف على أفضل الممارسات لتنفيذ MCP في بيئات المؤسسات
+- اكتساب رؤى حول التحديات والحلول التي تمت مواجهتها في تطبيقات العالم الحقيقي
+- تحديد الفرص لتطبيق أنماط مماثلة في مشاريعك الخاصة
 
 ## دراسات الحالة المميزة
 
-### 1. [وكلاء السفر الذكيون من Azure – تنفيذ مرجعي](./travelagentsample.md)
+### 1. [وكلاء السفر الذكيون في Azure – تنفيذ مرجعي](./travelagentsample.md)
 
-تستعرض هذه الدراسة حلاً مرجعياً شاملاً من Microsoft يوضح كيفية بناء تطبيق تخطيط سفر متعدد الوكلاء مدعوم بالذكاء الاصطناعي باستخدام MCP وAzure OpenAI وAzure AI Search. يعرض المشروع:
+تستعرض هذه الدراسة الحل المرجعي الشامل لمايكروسوفت الذي يوضح كيفية بناء تطبيق تخطيط سفر متعدد الوكلاء يعمل بالذكاء الاصطناعي باستخدام MCP، وAzure OpenAI، وAzure AI Search. يعرض المشروع:
 
-- تنسيق متعدد الوكلاء عبر MCP  
-- تكامل بيانات المؤسسات باستخدام Azure AI Search  
-- بنية آمنة وقابلة للتوسع باستخدام خدمات Azure  
-- أدوات قابلة للتوسيع مع مكونات MCP قابلة لإعادة الاستخدام  
-- تجربة مستخدم حوارية مدعومة بـ Azure OpenAI  
+- تنسيق متعدد الوكلاء عبر MCP
+- تكامل بيانات المؤسسات باستخدام Azure AI Search
+- بنية آمنة وقابلة للتوسع باستخدام خدمات Azure
+- أدوات قابلة للتوسعة مع مكونات MCP قابلة لإعادة الاستخدام
+- تجربة مستخدم حوارية مدعومة بـ Azure OpenAI
 
-توفر تفاصيل البنية والتنفيذ رؤى قيمة لبناء أنظمة متعددة الوكلاء مع MCP كطبقة تنسيق.
+توفر تفاصيل البنية والتنفيذ رؤى قيمة لبناء أنظمة متعددة الوكلاء معقدة باستخدام MCP كطبقة تنسيق.
 
 ### 2. [تحديث عناصر Azure DevOps من بيانات YouTube](./UpdateADOItemsFromYT.md)
 
-توضح هذه الدراسة تطبيقاً عملياً لـ MCP لأتمتة عمليات سير العمل. تعرض كيف يمكن استخدام أدوات MCP لـ:
+تُظهر هذه الدراسة تطبيقًا عمليًا لـ MCP لأتمتة عمليات سير العمل. توضح كيف يمكن لأدوات MCP أن:
 
-- استخراج البيانات من المنصات الإلكترونية (YouTube)  
-- تحديث عناصر العمل في أنظمة Azure DevOps  
-- إنشاء سير عمل آلي قابل للتكرار  
-- دمج البيانات عبر أنظمة متفرقة  
+- تستخرج البيانات من منصات الإنترنت (YouTube)
+- تحدث عناصر العمل في أنظمة Azure DevOps
+- تخلق سير عمل آلي قابل للتكرار
+- تدمج البيانات عبر أنظمة متفرقة
 
-يوضح هذا المثال كيف يمكن حتى لتطبيقات MCP البسيطة تحقيق مكاسب كبيرة في الكفاءة من خلال أتمتة المهام الروتينية وتحسين تناسق البيانات عبر الأنظمة.
+يوضح هذا المثال كيف يمكن لتنفيذات MCP البسيطة نسبيًا أن تحقق مكاسب كبيرة في الكفاءة من خلال أتمتة المهام الروتينية وتحسين تناسق البيانات عبر الأنظمة.
 
 ## الخاتمة
 
-تُبرز دراسات الحالة هذه مرونة MCP وتطبيقاته العملية في سيناريوهات العالم الحقيقي. من أنظمة متعددة الوكلاء المعقدة إلى سير العمل الآلي المستهدف، يوفر MCP طريقة موحدة لربط أنظمة الذكاء الاصطناعي بالأدوات والبيانات التي تحتاجها لتقديم قيمة.
+تُبرز هذه الدراسات مرونة وتطبيقات بروتوكول سياق النموذج في سيناريوهات الحياة الواقعية. من أنظمة متعددة الوكلاء المعقدة إلى سير عمل آلي موجه، يوفر MCP طريقة موحدة لربط أنظمة الذكاء الاصطناعي بالأدوات والبيانات التي تحتاجها لتقديم القيمة.
 
-من خلال دراسة هذه التطبيقات، يمكنك الحصول على رؤى حول الأنماط المعمارية، واستراتيجيات التنفيذ، وأفضل الممارسات التي يمكن تطبيقها في مشاريع MCP الخاصة بك. تثبت الأمثلة أن MCP ليس إطاراً نظرياً فقط، بل حلاً عملياً لتحديات الأعمال الحقيقية.
+من خلال دراسة هذه التنفيذات، يمكنك اكتساب رؤى حول أنماط البنية، واستراتيجيات التنفيذ، وأفضل الممارسات التي يمكن تطبيقها في مشاريع MCP الخاصة بك. توضح الأمثلة أن MCP ليس إطارًا نظريًا فقط، بل حل عملي لتحديات الأعمال الحقيقية.
 
 ## موارد إضافية
 
-- [مستودع GitHub لوكلاء السفر الذكيين من Azure](https://github.com/Azure-Samples/azure-ai-travel-agents)  
-- [أداة MCP لـ Azure DevOps](https://github.com/microsoft/azure-devops-mcp)  
-- [أداة MCP لـ Playwright](https://github.com/microsoft/playwright-mcp)  
+- [مستودع وكلاء السفر الذكيون في Azure على GitHub](https://github.com/Azure-Samples/azure-ai-travel-agents)
+- [أداة MCP لـ Azure DevOps](https://github.com/microsoft/azure-devops-mcp)
+- [أداة Playwright MCP](https://github.com/microsoft/playwright-mcp)
 - [أمثلة مجتمع MCP](https://github.com/microsoft/mcp)
 
-**إخلاء المسؤولية**:  
-تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر المعتمد. للمعلومات الحساسة، يُنصح بالاستعانة بالترجمة البشرية المهنية. نحن غير مسؤولين عن أي سوء فهم أو تفسير خاطئ ينشأ عن استخدام هذه الترجمة.
+**تنويه**:  
+تمت ترجمة هذا المستند باستخدام خدمة الترجمة الآلية [Co-op Translator](https://github.com/Azure/co-op-translator). بينما نسعى لتحقيق الدقة، يرجى العلم أن الترجمات الآلية قد تحتوي على أخطاء أو عدم دقة. يجب اعتبار المستند الأصلي بلغته الأصلية المصدر المعتمد. للمعلومات الهامة، يُنصح بالاستعانة بترجمة بشرية محترفة. نحن غير مسؤولين عن أي سوء فهم أو تفسيرات خاطئة ناتجة عن استخدام هذه الترجمة.