
إن بناء chatbot واحد يبدو وكأنه تقدم حقيقي - إلى أن يُتوقع منه التعامل مع كل شيء. في دقيقة واحدة يجيب على الأسئلة الشائعة، وفي اللحظة التالية يقوم بتأهيل العملاء المحتملين، وحجز العروض التوضيحية، وتصعيد التذاكر، والتلاعب بالأدوات الداخلية. تبدأ الشقوق في الظهور بسرعة.
مع تولي روبوتات الدردشة الآلية للمؤسسات مسؤوليات أكثر تعقيداً، نشهد تحولاً نحو تحديد أوضح للأدوار وتنسيق أعمق وتفويض أكثر ذكاءً للمهام عبر الأنظمة.
عند هذه النقطة، لم يعد الأمر يتعلق بمدى ذكاء chatbot الذي أنشأته. بل يتعلق الأمر بعدد الوظائف التي يقوم بها في آنٍ واحد - ومدى نجاحه في التبديل بينها. المشكلة ليست في الذكاء. بل التنسيق.
وهنا يأتي دور تنسيق وكلاء الذكاء الاصطناعي. إنه التحول من بناء روبوت واحد يعرف كل شيء إلى تصميم نظام من الوكلاء الأصغر حجماً والمتخصصين - لكل منهم دور واضح، ويعملون جميعاً بشكل متزامن.
إذا كنت قد وصلت إلى حدود ما يمكن أن يفعله chatbot واحد، فأنت لست وحدك. في هذا الدليل، سنتعرف في هذا الدليل على ما يعنيه تنسيق الوكلاء، وكيفية عمله تحت الغطاء، وكيفية البدء في بناء أنظمة ذكاء اصطناعي منسقة - بدءاً من الأطر المخصصة إلى تدفقات العمل المعيارية.
ما هو تنسيق وكيل الذكاء الاصطناعي؟
تبدأ معظم روبوتات الدردشة الآلية كأنظمة ذات وكيل واحد. يتعامل روبوت واحد مع كل شيء - الإجابة على الأسئلة، واستدعاء واجهات برمجة التطبيقات، ومعالجة النماذج، وربما حتى حث المستخدمين على التحويل. يبدو الأمر فعالاً في البداية.
ولكن مع توسع حالات الاستخدام، يبدأ نموذج الوكيل الواحد في الانهيار. ويصبح الروبوت عبارة عن جاك لجميع المهام دون هيكلية واضحة. فهو يتلاعب بالأدوار والسياق في آنٍ واحد، وتبدأ في الشعور بالضغط بعدة طرق واضحة:
- يصبح من الصعب تصحيح التدفقات وصيانتها
- تصبح الموجهات أطول وأصعب في الإدارة
- ليس من الواضح أي جزء من الروبوت مسؤول عن ماذا
- قد تؤدي إضافة حالة استخدام جديدة إلى كسر ما يعمل بالفعل
هذه ليست مجرد مشكلة تقنية - إنها مشكلة تصميم. أنت تتوقع أن يقوم وكيل واحد بمهمة العديد من الوكلاء، وهذا يبطئك.
يعمل تنسيق وكلاء الذكاء الاصطناعي على إصلاح ذلك من خلال تقسيم المسؤوليات على عدة وكلاء متخصصين. يركز كل وكيل على مهمة واحدة - التخطيط، والبحث، وجلب البيانات، والتفاعل مع المستخدم - ويقرر المتحكم المركزي من يتصرف متى.
الفرق بين هاتين الطريقتين في التعامل مع تفاعلات الذكاء الاصطناعي، الوكيل الواحد مقابل الوكلاء المتعددين، ليس مجرد اختلاف معماري. إنه استراتيجي. أحدهما يتدرج مع التعقيد، بينما يقرر الآخر الانهيار تحته.
إليك كيف يقف النظامان في مواجهة بعضهما البعض على معايير أكثر أهمية:
.webp)
الفرق بين هاتين الطريقتين في التعامل مع تفاعلات الذكاء الاصطناعي، الوكيل الواحد مقابل الوكلاء المتعددين، ليس مجرد اختلاف معماري. إنه استراتيجي. أحدهما يتدرج مع التعقيد، بينما يقرر الآخر الانهيار تحته.
إليك كيف يقف النظامان في مواجهة بعضهما البعض على معايير أكثر أهمية:
How does agent orchestration work?
في النظام المنسق، أنت لا تصمم chatbot ليًا واحدًا كبيرًا، بل تصمم مجموعة من الوكلاء الذين يتولى كل منهم مسؤولية واحدة. فكّر في الأمر على أنه تحويل chatbot لي الخاص بك إلى فريق، حيث يعمل كل وكيل كمتخصص.
يوجد في مركز هذا النظام وحدة تحكم تقرر أي وكيل يجب أن يتولى مهمة ما في أي لحظة. يمكن أن تكون وحدة التحكم هذه قائمة على القواعد، أو مستقلة بالكامل، أو شيء ما بينهما. وظيفتها بسيطة: توجيه المهمة، وتتبع الحالة، والتأكد من أن الوكلاء لا يتدخلون في عمل بعضهم البعض.
تم تصميم كل وكيل ليكون ضيقًا ومكتفيًا بذاته. قد يقوم بإنشاء ملخص، أو استدعاء أداة خارجية، أو التحقق من صحة مدخلات المستخدم، أو تحديد ما يجب القيام به بعد ذلك. بعضها تفاعلي (ينتظر أن يتم استدعاؤه)، في حين أن البعض الآخر يمكن أن يؤدي إلى إجراءات متابعة.
تتنقل وحدة التحكم بينها، مثل قائد الأوركسترا الذي يقوم بتلقين الآلات الموسيقية في الأوركسترا.
السياق مهم هنا. يشترك النظام بأكمله في ذاكرة - عادةً ما تكون كائن JSON أو حالة جلسة العمل - تتدفق بين الوكلاء. يقرأ كل وكيل من هذا السياق ويكتب إليه مرة أخرى عندما ينتهي دوره. تستخدم وحدة التحكم هذا السياق المحدث لتقرير ما يحدث بعد ذلك.
على سبيل المثال، في روبوت تخطيط السفر:
- يتعامل وكيل المستخدم مع المحادثات ويجمع التفضيلات.
- يعثر وكيل الأبحاث على خيارات رحلات الطيران والفنادق.
- يقوم وكيل التخطيط بتجميع خط سير الرحلة.
- يقوم وكيل التنفيذ بحجز ما هو مطلوب.
لا يعرف أي من هؤلاء الوكلاء الصورة الكاملة، ولكن ليس عليهم ذلك. وكيل الموجه يبقيهم متناسقين، خطوة بخطوة. في نهاية المطاف، التنسيق هو كيفية التوسّع من chatbot يستجيب إلى chatbot يتعاون داخلياً لإنجاز الأمور.
أفضل 5 أدوات لتنسيق وكلاء الذكاء الاصطناعي
بمجرد أن تدرك أنك بحاجة إلى وكلاء متعددين يعملون معاً، يصبح السؤال: ما الذي يجب أن تبني به؟ تتحرك مساحة الأدوات المتعلقة بتنسيق الوكلاء بسرعة، وليست جميعها جاهزة للإنتاج.
بعض المنصات مصممة للسرعة وسير العمل المرئي. والبعض الآخر يمنحك تحكمًا منخفض المستوى ولكن يترك التنسيق لك بالكامل. وهناك عدد قليل من المنصات التي تحقق حلًا وسطًا ذكيًا - حيث تقدم تجريدًا كافيًا للتحرك بسرعة دون فقدان المرونة.
فيما يلي أهم 5 أدوات وجدناها الأكثر فائدة في بناء الأنظمة الوكيلة اليوم:
1. Botpress
Botpress عبارة عن منصة وكلاء كاملة تتيح لك تصميم تدفقات عمل وكيلة معيارية وتعيين أدوار محددة لها وتنسيقها من خلال موجه مركزي. يتصرف كل سير عمل كعامل مستقل، وتقرر أنت (أو تسمح لعقدة مستقلة) متى يجب أن يتحول التحكم - بناءً على السياق أو مدخلات المستخدم أو منطق العمل.
.webp)
ما يميزه هو مدى سرعة الانتقال من الفكرة إلى النظام العامل. يمكن للوكلاء كتابة التعليمات البرمجية وتنفيذها بشكل سريع، واستخدام واجهات برمجة التطبيقات الخارجية، وحتى استخدام الأدوات المتسلسلة بشكل ديناميكي - وكل ذلك مدعوم بنماذج لغوية من الدرجة الأولى. أنت لا تقوم فقط ببناء التدفقات؛ بل تبني منطقًا يعيش داخل الوكلاء.
إنه مصمم للمطورين الذين يريدون المرونة دون إعادة بناء البنية التحتية. إذا كنت تقوم بنشر وكلاء عبر الدعم أو الجدولة أو الإعداد أو العمليات الداخلية - فهو يبتعد عن طريقك ويتيح لك الشحن.
دلائل الميزات:
- تدفقات عمل معيارية: يتم بناء كل عامل كخط أنابيب معزول وقابل لإعادة الاستخدام
- التوجيه المركزي: يقوم الموجه المرئي بتنسيق عمليات تسليم الوكيل والمنطق
- استخدام الأداة الديناميكية: تنفيذ التعليمات البرمجية واستدعاء واجهات برمجة التطبيقات الخارجية في الوقت الفعلي
- LLM: متوافق مع أفضل نماذج التأسيس مثل OpenAI و Claude
- واجهة برمجة التطبيقات أولاً: سهولة كشف الوكلاء أو الاتصال مع CRMs وخطافات الويب والمزيد
التسعير:
- الخطة المجانية: 0 دولار/شهر مع أداة إنشاء مرئية وذكاء اصطناعي قائم على الاستخدام
- خطة Plus : 89 دولارًا شهريًا مع التحليلات وإزالة العلامة التجارية
- خطة الفريق: 495 دولاراً شهرياً مع أدوات التعاون والوصول القائم على الأدوار
2. CrewAI
يصل CrewAI إلى تلك النقطة الرائعة حيث تريد التنسيق، ولكنك لا تريد إنشاء محرك تنسيق كامل. فهو مصمم حول استعارة الفريق: يمكنك تحديد الأدوار، وتعيين الأهداف، ومنح وكلائك الأدوات والذاكرة. ثم تتركهم يعملون معًا لإكمال مهمة ما.

أفضل ما في الأمر هو السرعة التي يمكنك بها تشغيل شيء ما. في غضون دقائق، يمكنك تشغيل مخطط وباحث ومنفذ وجعلهم يتحدثون مع بعضهم البعض في خطوات منظمة.
إنه ليس مثاليًا - لا يزال سير العمل المخصص يتطلب القليل من الاختراق - ولكن بالنسبة لمعظم حالات الاستخدام، فهو يقدم أداءً سريعًا. إذا كان AutoGen يبدو وكأنه برمجة بروتوكول، فإن CrewAI يبدو وكأنه يدير مهمة مع فرقة.
دلائل الميزات:
- بنية قائمة على الأدوار: كل وكيل لديه عنوان وهدف وأدوات وذاكرة اختيارية
- تفويض سهل: يقرر وكيل مخطط مدمج ترتيب المهام بناءً على الأهداف
- تكامل الأدوات: يدعم استدعاء الوظائف وطلبات واجهة برمجة التطبيقات والأدوات المستندة إلى المتصفح
- الذاكرة المشتركة: يمكن للوكلاء الرجوع والمساهمة في سياق مشترك
التسعير:
- خطة مجانية: مفتوحة المصدر، بدون تكلفة ترخيص
- المؤسسات: غير مدرجة للجمهور - خطط مدفوعة الأجر متوقعة مع نضوج المنتج المستضاف
3. OpenAI Agents SDK
يُشار إلى OpenAI Swarm سابقًا باسم OpenAI Swarm، وتُعد OpenAI Agents SDK أول خطوة حقيقية من OpenAIفي البنية التحتية للوكلاء من الطرف الأول. وهي مصممة للسماح للمطورين ببناء تدفقات عمل منظمة ومتعددة الوكلاء باستخدام نماذج OpenAI مع عمليات تسليم وأدوات وذاكرة مدمجة في إطار العمل.
.webp)
يحصل كل وكيل على تعليماته وأدواته وحواجز الحماية الخاصة به - وأنت تنظم كيفية تمرير المهام لبعضها البعض. لا يزال الأمر في مراحله الأولى، ولكن التجربة تبدو مصقولة. يمكنك الحصول على تتبع مدمج وإدارة السياق والقدرة على إنشاء مساعدين جاهزين للإنتاج دون تجميع أطر عمل منفصلة.
إذا كنت تعمل بالفعل مع واجهة برمجة تطبيقات OpenAI وتريد طريقة متكاملة ومُحكمة لبناء وكلاء ذكاء اصطناعي، فإن مجموعة أدوات تطوير البرمجيات هذه تمنحك أساسًا متينًا.
دلائل الميزات:
- أدوار الوكيل: تكوين الإرشادات والأدوات والأذونات لكل وكيل
- عمليات المناولة: تمرير التحكم بين الوكلاء باستخدام منطق مدمج
- التتبع: تتبع سير العمل متعدد العوامل وتصحيحه باستخدام الفحص المرئي
- حواجز الحماية: فرض التحقق من صحة المدخلات والمخرجات
التسعير:
- SDK: مجاني ومفتوح المصدر بموجب ترخيص MIT
- تكاليف الاستخدام: الدفع لكل استخدام OpenAI API (على سبيل المثال، GPT ومكالمات الأدوات، وتخزين المتجهات)
- أمثلة على الأدوات: مترجم الشفرة: 0.03 دولار أمريكي/الاستخدام، البحث عن الملفات: 2.50 دولار أمريكي/استدعاء أداة
4. AutoGen
يُستخدم AutoGen عندما تكون قد تجاوزت نهج "الوكيل الواحد مع الأدوات" وتحتاج إلى نظام يتحدث فيه عدة وكلاء مع بعضهم البعض، ويتناقشون حول الحالة وينهون المهام كفريق واحد. تم تصميمه من قِبل Microsoft ويشبه إلى حد كبير تصميم مهام سير العمل المستندة إلى الوكلاء كمحادثات منظمة.
.webp)
إنها ليست صديقة للمبتدئين - ولا تحاول أن تكون كذلك. أنت تقوم بتوصيل كل جزء: الوكلاء وأدوارهم ومن يتحدث ومتى يتحدثون وكيف يمررون الرسائل ومتى يتوقفون. ولكن إذا كنت تعمل على أنظمة ذكاء اصطناعي جادة وذات حالة تحتاج إلى الشفافية والتحكم الكامل، فإن AutoGen يمنحك اللبنات الأساسية التي تحتاجها بالضبط.
إنه الأنسب لفرق البحث، أو البناة المتقدمين، أو أي شخص يحاول نمذجة التفكير المعقد عبر وكلاء ذكاء اصطناعي متعددين. أنت لا تقوم "بتكوين chatbot" - أنت تصمم بروتوكول ذكاء.
دلائل الميزات:
- الرسم البياني للوكيل التحادثي: يتواصل الوكلاء عبر تدفقات الرسائل المنظمة بدلاً من السلاسل الثابتة
- التحكم في التنسيق: تقوم بتحديد أخذ الأدوار ونطاق الذاكرة وحدود المهام
- التتبع والتصحيح: يتيح لك التتبع المدمج فحص مساهمة كل وكيل في المهام متعددة الخطوات
- استخدام الأدوات: يدعم الأدوات المخصصة واستدعاء الوظائف عبر الوكلاء
التسعير:
- مجاني ومفتوح المصدر (رخصة MIT)
- يعمل مع أي نقطة نهاية LLM OpenAI Azure، النماذج المحلية)
5. لانغشين
يتيح لك وكيل LangChain Agents إنشاء تدفقات عمل قائمة على المنطق حيث يختار الوكيل الأداة التي سيستخدمها في كل خطوة. يمكنك تحديد هدفه، وتوصيل أدوات مثل البحث، أو تنفيذ التعليمات البرمجية، أو واجهات برمجة التطبيقات، والسماح له بالتفكير في طريقه من خلال المهام.
.webp)
إنها واحدة من أكثر الإعدادات المتاحة مرونة، ولكنها أيضًا تعتمد على التعليمات البرمجية أولًا. يمكنك التعامل مع الذاكرة والتحكم في التدفق ومعالجة الأخطاء بنفسك. وعلى الرغم من أنهم قدموا منشئ رسم بياني للتنسيق المرئي، إلا أنه لم ينضج بعد بما يكفي لعمليات الوكيل الكاملة أو الرؤية الواضحة لسلوك الوكيل.
يعد LangChain مثاليًا إذا كنت تريد التخصيص الكامل ولا تمانع في تجميع الأشياء معًا يدويًا. إنها قوية، ولكن توقع أن تقوم بالأعمال الشاقة.
دلائل الميزات:
- استخدام الأدوات الديناميكي: يقرر الوكلاء الأدوات التي يجب استدعاؤها بناءً على المدخلات
- دعم الذاكرة: إضافة ذاكرة سياقية للمحادثات الأطول
- تكامل لانجسميث: تعقب وتصحيح ومراقبة عمليات التشغيل متعددة الخطوات
- قابلة للتمديد بشكل كبير: تجاوز المكونات أو توصيل أدواتك
التسعير:
- إطار عمل LangChain Framework: مجاني ومفتوح المصدر
- لانجسميث (اختياري): أداة التصحيح والتقييم المدفوعة
- تكاليف الاستخدام: يعتمد على النماذج وأدوات الطرف الثالث المستخدمة
الدروس المستفادة من بناء سير عمل الوكلاء
معظم أطر عمل الوكلاء تجعل الأمر يبدو وكأن التنسيق هو مجرد ربط بعض التدفقات وتمرير الذاكرة. ولكن بمجرد أن يكون لديك أكثر من وكيل واحد يقوم بتشغيل منطق مباشر، تبدأ الأمور في الانهيار بطرق لم تكن تتوقعها.
عمليات التسليم تصبح فوضوية - تسرب السياق. يكرر العملاء أنفسهم. والأسوأ من ذلك كله، ليس لديك أي فكرة عن مكان تعطل النظام حتى فوات الأوان.
فيما يلي الأنماط التي تعمل - أشياء لا تتعلمها إلا بعد شحن بعض الأنظمة المعطلة وتتبع طريقك عبر الفوضى.
قرارات وكيل الهيكلية
قد يبدو السماح للوكلاء بتحديد ما يجب القيام به بعد ذلك بناءً على رسالة المستخدم اختصارًا ذكيًا، لكنه سرعان ما يؤدي إلى الارتباك. يتم تشغيل مهام سير العمل خارج الترتيب، ويتم تخطي الخطوات، ويصبح النظام غير قابل للتنبؤ.
ما يحدث هو أنك تترك النموذج يهلوس بالإجراءات التالية. ليس لديه خريطة واضحة لنظامك. لذا فهو يخمن - وتخمينه خاطئ.
بدلاً من ذلك، تعامل مع وكلائك مثل الدوال. اطلب منهم إخراج تعليمات تحكم مثل "التوجيه إلى وكيل_التقويم" أو "الخطوة التالية ستكون التحقق من_المعلومات". ثم يستخدم المنسق الخاص بك ذلك لتحديد ما سيحدث بعد ذلك. احتفظ بالمنطق خارج النموذج - حيث يمكنك الوثوق به.
نطاق ذاكرة عامل النطاق
عندما يتشارك الوكلاء الكثير من السياق، تبدأ الأمور في الانهيار. يقوم أحد الوكلاء بإكمال مهمة ما، ويقوم وكيل آخر بإلغائها من خلال العمل على بيانات قديمة أو غير ذات صلة. وكلما زاد عدد مهام سير العمل التي تضيفها، كلما ازدادت الفوضى.
يحدث هذا عندما يقوم جميع وكلائك بالقراءة والكتابة إلى نفس مخزن الذاكرة. لا حدود. يقوم أحد الوكلاء بتلويث سياق وكيل آخر، وفجأة تتعطل الأمور بطرق يصعب تتبعها.
امنح كل وكيل سياق نطاقه الخاص به. مرر ما يحتاجه فقط - لا أكثر. فكّر في الأمر مثل إعطاء كل وكيل موجز عمل مركّز، وليس الوصول الكامل إلى سجل الدردشة الجماعية للنظام.
إيقاف انجراف الحلقة
عندما تستخدم أزواجًا من المخطط والمنفذ، فأنت عادةً ما تنشئ حلقة: يقرر المخطط ما يجب أن يحدث، ويقوم المنفذ بتنفيذها، ويتحقق المخطط من النتيجة ليقرر ما التالي.
تنقطع الحلقة لأن المخطط ليس لديه ذاكرة لما تم إنجازه بالفعل. لا يوجد سجل مهام. لا توجد قائمة مرجعية. يرى فقط الحالة الحالية ويقرر المحاولة مرة أخرى.
إذا كنت تستخدم حلقات الوكيل، فأنت بحاجة إلى تتبع كل دور للمهمة - من قام بتشغيل ماذا، وما الذي أعاده، وما إذا كان قد نجح. هذه هي الطريقة التي تمنع النظام من مطاردة ذيله.
إرجاع المخرجات المنظمة
قد يبدو نظامك وكأنه يعمل - فالردود ترد، والوكيل يبدو ذكيًا - ولكن لا شيء يحدث خلف الكواليس. يقول الوكيل شيئًا مثل، "إليك الملخص الخاص بك"، لكن المنسق الخاص بك ليس لديه أي فكرة عما يجب القيام به بعد ذلك.
والسبب؟ وكلاؤك يتحدثون إلى المستخدم، وليس إلى النظام. لا يوجد مخرجات يمكن قراءتها آليًا، لذا فإن الطبقة المنطقية الخاصة بك ليس لديها ما تعمل عليه.
Have agents return structured outputs — like { "type": "summary", "status": "complete", "next": "send_confirmation" }. That gives your orchestrator something to route. Modern agentic protocols like the Model Context Protocol are trying to standardize this across platforms, but you can start simple.
تتبع التقدم المحرز في المهام
أحيانًا ينسى نظامك ما يقوم به. يخرج المستخدم عن النص، أو تفشل مكالمة واجهة برمجة التطبيقات، وفجأة يبدأ الروبوت من جديد - أو الأسوأ من ذلك، يقول إنه انتهى بينما لم ينتهِ من المهمة بالفعل.
يحدث هذا لأنك تتعامل مع الذاكرة مثل تقدم المهمة. لكن الذاكرة هي مجرد تاريخ - فهي لا تخبرك أين أنت في سير العمل.
تحتاج إلى حالة مهمة منفصلة تتعقب ما تم إنجازه وما هو معلق وما هو الهدف. بهذه الطريقة، حتى لو تعطل شيء ما، يمكنك استعادته في منتصف العملية وإنهاء المهمة بشكل نظيف.
Start building an agentic system
يمنحك Botpress كل ما تحتاجه لبناء وتنسيق الوكلاء المستند إلى الأدوار - تدفقات عمل معيارية، وذاكرة في الوقت الفعلي، واستخدام الأدوات، ووحدة تحكم مستقلة تربط كل ذلك معًا. أنت تحدد المنطق. يقوم الوكلاء بالعمل.
سواء كنت تنشئ مساعد دعم، أو تدفق حجز، أو روبوت عمليات داخلي، يمكنك البدء بعدد قليل من عمليات سير العمل وتوسيع نطاقها كلما أصبح نظامك أكثر ذكاءً.
ابدأ البناء الآن - إنه مجاني.
جدول المحتويات
شارك هذا على: