لقد قرر عالم الإنترنت أن هذا هو عام الوكيل (agent). LangGraph وCrewAI وAutoGen هي الأسماء الموجودة في كل خارطة طريق هندسية. تقوم الفرق باختبار ضغط طبقات التنسيق، والمناقشة حول آلات الحالة مقابل لعب الأدوار، والتساؤل عن أي مكتبة ستجعل نماذج اللغات الكبيرة مستقلة في النهاية.
إليك الحقيقة المزعجة: معظم تلك المقارنات سابقة لأوانها. أطر العمل ليست هي الجزء الصعب. الجزء الصعب هو أننا توقفنا عن تحديد مصطلحاتنا. الناس يطلقون على كل شيء وصف "وكيل" الآن. استدعاء أداة ليس وكيلاً. روبوت الدردشة ليس وكيلاً. هذا التعريف الفوضوي يؤدي مباشرة إلى هندسة سيئة، وأنظمة مبالغ في بنائها، وانقطاعات في بيئة الإنتاج كان يمكن تجنبها باستخدام نص برمجي بسيط.
قبل أن تختار إطار عمل، حدد الشيء الذي تبنيه بالفعل.
ما هو الوكيل (Agent) حقاً
لا يتم تعريف الوكيل من خلال النموذج الذي يعمل عليه أو عدد استدعاءات API التي يقوم بها. يتم تعريف الوكيل من خلال سلوكه. يجب أن يكون لديه هدف واضح. يجب أن يقرر الخطوة التالية دون أن يقوم إنسان برسم المسار مسبقاً. يجب أن يتعامل مع الفشل عندما تتعطل تلك الخطوة. ويجب أن يعرف متى يتوقف.
فكر في نظام دعم يقرأ بريداً إلكترونياً وارداً، ويصنفه كطلب استرداد أموال، ويستخرج رقم الطلب، ويستعلم من قاعدة بيانات الشحن، ويتحقق من نافذة سياسة الإرجاع، ويصيغ رداً، ثم يحدد التذكرة كمحلولة. إذا انتهت مهلة قاعدة البيانات، فإنه ينتظر ويعيد المحاولة. إذا كانت نافذة السياسة غامضة، فإنه يطلب تدخل بشري. وعندما يتم إرسال الرد، يتوقف. هذا هو الوكيل. أما مجرد غلاف حول استدعاء LLM واحد يعيد JSON، فليس وكيلاً، بغض النظر عن عدد ملصقات "الوكيل" التي يضعها فريق التسويق عليه.
هذا التمييز مهم لأن للتعقيد ثمناً. النظام الذي لا يحتاج إلى الاستقلالية لا ينبغي أن يدفع ثمنها.
الشكل الحقيقي للذكاء الاصطناعي في بيئات الإنتاج
معظم أنظمة الذكاء الاصطناعي التي تعمل في بيئات الإنتاج حالياً هي أنظمة ضيقة النطاق. فهي تقوم بشيء واحد بشكل جيد. تقوم بفرز تذاكر الدعم إلى طوابير. تستخرج تواريخ انتهاء الصلاحية من المستندات الممسوحة ضوئياً. تطابق استفسارات العملاء مع مقالات قاعدة المعرفة الموجودة. إنها ليست محركات استدلال عامة، والتظاهر بأنها كذلك يؤدي إلى أسوأ أنواع الهندسة المبالغ فيها.
كما يؤدي ذلك إلى هوس مدمر بإصدارات النماذج. تلاحق الفرق أحدث النماذج التأسيسية كما لو أنها ستعوض عن البنية الهندسية الضعيفة. لن تفعل ذلك. فالنموذج الأكثر قدرة الذي يعمل داخل حلقة هشة دون معالجة للأخطاء سيفشل ببساطة بثقة أعلى وهلوسة أكثر إبداعاً. توقف عن مطاردة المقاييس المرجعية. ابدأ بمطاردة الهيكلية.
إطار العمل ليس هو المنتج
يوفر لك LangGraph آلات حالة ودورات صريحة. ويميل CrewAI نحو التنسيق القائم على الأدوار حيث تتبنى الوكلاء شخصيات معينة. بينما يركز AutoGen على الوكلاء الحواريين الذين يتحدثون مع بعضهم البعض لحل المشكلات. جميعها أدوات قادرة، وهي أيضاً مناهج مختلفة جوهرياً للتحكم في تدفق العمل.
لكن إطار العمل الذي تختاره يهم أقل من الأنماط التي تفرضها بداخله. لقد رأيت فرقاً تطلق أتمتة صلبة للغاية باستخدام Python وRedis فقط لأنهم احترموا الحدود. ورأيت فرقاً أخرى تنهار تحت وطأة التنسيق المعقد لأنهم عاملوا إطار العمل كبديل للتصميم.
إذا كانت عمليات التسليم لديك غامضة، وأدواتك هشة، ومنطق إعادة المحاولة لديك غير موجود، فإن الشعار الموجود في ملف requirements.txt لن ينقذك.
ثلاثة أشياء تستحق وقتك حقاً
إذا كنت تبني أنظمة وكيلة (agentic systems)، فصب جهدك في هذه المجالات الثلاثة.
تصميم الأدوات. كل دالة يمكن لوكيلك استدعاؤها هي عبء مغلف بواجهة. صممها بإحكام. تحقق من المدخلات بقوة. أرجع أخطاءً يمكن قراءتها بالفعل، وليس مجرد تفريغ لرموز الخطأ 500. الأداة الجيدة هي التي يمكن للوكيل الاستدلال بشأنها عندما يحدث خطأ ما.
معالجة الفشل. افترض أن كل LLM