تنسيق وكلاء الذكاء الاصطناعي: كيفية تنسيق وكلاء الذكاء الاصطناعي المتعددين

كيف يعمل تنسيق الوكلاء؟

يعمل تنسيق الوكلاء من خلال استخدام وحدة تحكم مركزية لإدارة توقيت وكيفية أداء وكلاء الذكاء الاصطناعي الفرديين للمهام. يكون كل وكيل مسؤولاً عن وظيفة محددة، وتقوم وحدة التحكم بتنسيق إجراءاتهم بناءً على سياق النظام أو مدخلات المستخدم أو منطق العمل.

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 الخاص بك إلى فريق، حيث يعمل كل وكيل كمتخصص.

يوجد في المركز وحدة تحكم تقرر أي وكيل يجب أن يتولى مهمة ما في أي لحظة معينة. يمكن أن تكون وحدة التحكم هذه قائمة على القواعد، أو مستقلة تمامًا، أو في مكان ما بينهما. مهمتها: توجيه المهمة، وتتبع الحالة، والتأكد من أن الوكلاء لا يتدخلون في عمل بعضهم البعض.

كل وكيل ضيق ومكتفٍ ذاتيًا. قد يقوم بإنشاء ملخص، أو استدعاء أداة خارجية، أو التحقق من صحة مدخلات المستخدم، أو تحديد ما يجب القيام به بعد ذلك. بعضها تفاعلي، والبعض الآخر يمكن أن يؤدي إلى إجراءات متابعة. تتنقل وحدة التحكم بينها مثل قائد الأوركسترا الذي يقوم بتلقين الآلات الموسيقية في الأوركسترا.

مشاركة السياق في الأنظمة متعددة الوكلاء

يشترك النظام متعدد الوكلاء في ذاكرة مشتركة - غالبًا ما تكون كائن JSON أو حالة جلسة عمل - تتدفق بين الوكلاء. يقرأ كل واحد منهم من هذا السياق ويكتب إليه، وتستخدم وحدة التحكم هذه التحديثات لتقرير ما سيحدث بعد ذلك.

على سبيل المثال، في روبوت تخطيط السفر:

• وكيل المستخدم: يتعامل مع المحادثات ويجمع التفضيلات
• وكيل أبحاث: البحث عن خيارات رحلات الطيران والفنادق
• وكيل التخطيط: تجميع خط سير الرحلة
• وكيل التنفيذ: كتب ما هو مطلوب

لا يعرف أي من هؤلاء الوكلاء الصورة الكاملة - وليس عليهم ذلك. وكيل الموجه يبقيهم متناسقين، خطوة بخطوة.

التنسيق هو كيفية التوسّع من chatbot يستجيب إلى chatbot يتعاون داخلياً لإنجاز المهام.

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 كوكيل مستقل، وتقرر أنت (أو عقدة مستقلة) متى يجب أن يتحول التحكم - بناءً على السياق أو مدخلات المستخدم أو منطق العمل.

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 منطقاً يعيش داخل الوكلاء ويتم مشاركته بين الوكلاء الرأسيين.

إنه مصمم للمطورين الذين يريدون المرونة دون إعادة بناء البنية التحتية. إذا كنت تقوم بنشر وكلاء عبر الدعم، أو الحجز، 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

تم تصميم CrewAI للفرق التي تريد التنسيق دون إنشاء بنية تحتية خاصة بها. وهو يستند إلى استعارة الفريق - يمكنك تحديد الأدوار، وتعيين الأهداف، وربط كل وكيل بالأدوات والذاكرة. ثم يعملون معاً لإكمال المهام.

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، تُعد OpenAI Agents SDK أول خطوة حقيقية من OpenAIفي البنية التحتية لوكلاء الطرف الأول. وهي مصممة للسماح للمطورين ببناء تدفقات عمل منظمة ومتعددة الوكلاء باستخدام نماذجGPT الخاصة ب OpenAI مع عمليات التسليم والأدوات والذاكرة المدمجة في إطار العمل.

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 تتخطى 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.

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.

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

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 وتخطي الخطوات والسلوك غير المتوقع.

ما يحدث هو أنك تترك النموذج يهلوس بالإجراءات التالية. ليس لديه خريطة واضحة لنظامك. لذا فهو يخمن - وتخمينه خاطئ.

بدلاً من ذلك، تعامل مع عملائك مثل الوظائف. اطلب منهم إخراج تعليمات التحكم مثل "المسار إلى_وكيل_التقويم" أو "الخطوة التالية ستكون التحقق_من_المعلومات". ثم المنسق يستخدم ذلك لتحديد ما سيحدث بعد ذلك. إبقاء المنطق خارج النموذج - حيث يمكنك الوثوق بها

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.

يحدث هذا عندما يقوم جميع وكلائك بالقراءة والكتابة إلى نفس مخزن الذاكرة العامة. لا حدود. يقوم أحد الوكلاء بتلويث سياق وكيل آخر.

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"، ولكن ليس لدى المنسق الخاص بك أي فكرة عما يجب فعله 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.

أنت بحاجة إلى حالة مهمة منفصلة تتعقبها:

• ما تم إنجازه
• ما هو معلق
• ما هو الهدف

بهذه الطريقة، حتى إذا تعطل شيء ما، يمكنك استرداد ما تم إنجازه في منتصف العملية وإنهاء المهمة بشكل نظيف.

ما هو تنسيق وكيل الذكاء الاصطناعي؟

تنسيق وكلاء الذكاء الاصطناعي هو التنسيق بين العديد من وكلاء الذكاء الاصطناعي المتخصصين الذين يعملون معاً لإكمال المهام المعقدة كنظام.

كيف يختلف تنسيق الوكيل عن روبوتات الدردشة الآلية التقليدية؟

فبدلاً من قيام روبوت واحد بكل شيء، يركز كل وكيل على دور واحد، يتم تنسيقه بواسطة وحدة تحكم مركزية.

هل يمكن للوكلاء التصرف بشكل مستقل؟

نعم، يمكن لبعض الوكلاء تشغيل إجراءات المتابعة، ولكن التنسيق يضمن بقاءهم متناسقين.