بناء مهام سير عمل الذكاء الاصطناعي باستخدام أطر عمل متعددة الوكلاء

يتم تسجيل الوكلاء كمكونات قابلة للاستدعاء في النظام

قبل أن يتمكن الوكيل من القيام بأي شيء، يحتاج إطار العمل إلى معرفة وجوده. وهذا يعني إخبار النظام باسم الوكيل، وما هو مسؤول عنه، وما هي الأدوات أو المعلومات التي يمكنه الوصول إليها.

في معظم الأطر، يحدث هذا الإعداد من خلال ملف تهيئة أو بعض التعليمات البرمجية، حيث تحدد دور كل وكيل وكيفية تفعيله. على سبيل المثال، قد تخبر النظام

"هذا هو المخطط. يقرأ مدخلات المستخدم ويقرر ما يجب القيام به بعد ذلك."
"هذا هو المُحقِّق. يأخذ معلومات المستخدم ويعيد معلومات الحجز_المعرف ومعلومات المستخدم."

وبمجرد التسجيل، يمكن لإطار العمل "استدعاء" هذه الوكلاء بالاسم، مما يعني أنه يعرف كيفية تشغيل كل واحد منهم عندما يحين دوره في سير العمل.

يقرر عامل التوجيه الوكيل الذي يتم تشغيله بعد ذلك

يتعامل وكيل المخطط أو وظيفة التحكم مع توجيه وكيل الذكاء الاصطناعي. فهو ينظر إلى أحدث مخرجات الروبوت وسجل المحادثة الحالي وأحيانًا مدخلات المستخدم الأصلية لتحديد ما يجب أن يحدث بعد ذلك.

بعض المخططين يعتمدون على المطالبة - فهم يأخذون رسالة النظام ويخرجون اسم العامل التالي الذي سيتم تشغيله.

يستخدم البعض الآخر منطقًا مشفّرًا أو رسومًا بيانية للتدفق، اعتمادًا على أطر عمل وكيل الذكاء الاصطناعي الذي تعمل معه.

يأخذ إطار العمل هذا الإخراج ويستخدمه لاستدعاء الوكيل التالي. يقرر الموجه من يجب أن يقوم بالمهمة بدلاً من القيام بالمهمة.

يتم تمرير البيانات بين الوكلاء باستخدام الرسائل

لا يتشارك الوكلاء الذاكرة مباشرة. عندما ينتهي أحدها من التشغيل، يتم تجميع مخرجاته في رسالة - عادةً ما تكون قاموسًا أو كائن JSON - وتمريرها إلى الوكيل التالي كمدخلات.

يعالج إطار العمل عملية النقل. فهو إما أن يخزن الرسالة في مساحة ذاكرة مشتركة أو يمررها مباشرةً إلى واجهة إدخال الوكيل التالي، اعتمادًا على كيفية هيكلة النظام.

غالبًا ما تتضمن الرسائل أكثر من مجرد المحتوى:

• من أرسلها (الوكيل أو المستخدم)
• من أين أتت في سير العمل
• كيف يجب استخدامه (على سبيل المثال، الزناد، الإدخال، القرار)
• مقاييس اختيارية مثل عدد الرموز أو الطوابع الزمنية

يساعد هذا السياق النظام على توجيه المهام بشكل نظيف ويحافظ على فصل الوكلاء عن بعضهم البعض.

يتم تتبع التنفيذ باستخدام حالة سير العمل والمحفزات

يتتبع إطار العمل ما حدث حتى الآن - أي الوكلاء الذين تم تشغيلهم، وما الذي عادوا به، وما الذي لا يزال يتعين حدوثه. يتم تخزين هذا في كائن حالة، والذي يتم تحديثه بعد كل خطوة.

تحدد المشغلات ما يأتي بعد ذلك. تستخدم قيم المخرجات أو الشروط لتفرع التدفق.

يتيح ذلك للنظام المضي قدمًا دون ترميز منطق ثابت في كل وكيل. فالحالة هي التي تقود سير العمل وليس الوكلاء أنفسهم.

توسيع نطاق المنطق دون التحميل الزائد على عامل واحد

لا يمكن لوكيل ذكاء اصطناعي واحد القيام بالكثير قبل أن يتحول إلى فوضى من المطالبات والأدوات والمسؤوليات غير الواضحة. تسمح لك الأطر متعددة الوكلاء بتقسيم هذا المنطق إلى وكلاء مركّزين، يتعامل كل منهم مع مهمة واحدة واضحة.

فبدلاً من توسيع نطاق وكيل واحد، يمكنك تعيين خطوات محددة - مثل الاسترجاع أو التحقق من الصحة أو التنفيذ - إلى وكلاء منفصلين وتنمية النظام قطعة تلو الأخرى.

تعاون وكيل التصحيح مع رؤية كاملة

عندما يعمل وكلاء الذكاء الاصطناعي معًا، قد يكون من الصعب تتبع المشكلات. تُظهر لك الأطر ما حصل عليه كل وكيل وما عاد به وأين توقف.

أنت لا تخمن ما الذي تعطل - أنت تفحص عمليات التسليم وتصلحها مباشرةً. هذا النوع من الرؤية هو ما يجعل التعاون بين وكلاء الذكاء الاصطناعي قابلاً للإدارة.

إعادة استخدام الوكلاء عبر عمليات سير العمل

إذا كان العامل يعمل، أعد استخدامه. تتيح لك الأطر توصيل نفس العامل في تدفقات مختلفة دون إعادة كتابته. هذا يحافظ على اتساق الأشياء ويجعل الاختبار أسرع.

على سبيل المثال، يمكن استخدام عامل التحقق من الصحة الذي يتحقق من مدخلات المستخدم أو المصادقة في كل من روبوتات الدردشة لخدمة العملاء وروبوتات الدردشة الآلية للحجز، حيثما ينطبق نفس المنطق.

معالجة حالات الفشل وإعادة المحاولة تلقائياً

عندما يفشل الوكيل، يمكن لإطار العمل إعادة المحاولة أو تخطيه أو المضي قدمًا. لا تحتاج إلى كتابة هذا المنطق بنفسك.  

تجعل عمليات سير العمل الاحتياطية المدمجة عمليات سير العمل أكثر موثوقية دون عمل إضافي، وهذا النوع من الموثوقية هو ما يدعم أنظمة العالم الحقيقي.

بناء تدفقات العملاء التي يسهل تغييرها

عند تقسيم المهام عبر الوكلاء، لن تحتاج إلى إعادة صياغة النظام بأكمله في كل مرة يتغير فيها شيء ما.

يمكنك تحديث المخطط دون المساس بالتنفيذ، أو تغيير طريقة استجابة أحد الوكلاء دون إعادة كتابة البقية.

إن سهولة الوصول هذه تؤتي ثمارها - تشير تقارير شركة Salesforce إلى أن الفرق التي تستخدم الذكاء الاصطناعي العميل توفر 11 ساعة لكل موظف أسبوعياً، ويرجع الفضل في ذلك جزئياً إلى قابلية تكييف تدفقات العمل.

1. Botpress

Botpress هي منصة تطوير مرئية لبناء وكلاء ذكاء اصطناعي يمكنهم التنسيق عبر الخطوات والأدوار والقنوات.

بدلاً من توصيل المنطق في التعليمات البرمجية، يمكنك تحديد كيفية تصرف الوكلاء باستخدام التدفقات والذاكرة والشروط واستدعاءات الأدوات.

يتم بناء السلوك متعدد العوامل حول التعليمات وسير العمل والأدوات الخارجية. تعمل كل عقدة في تدفق Botpress كوحدة مركّزة، لها تعليماتها ونطاقها الخاص.

يمكنك تقسيم المنطق عبر العديد من العقد المستقلة والثابتة، أو إضافة طبقات تحقق من الصحة، أو توجيه مدخلات المستخدم من خلال منطق القرار المستند إلى الأداة بدلاً من التعامل مع كل شيء في خطوة واحدة.

يتم تحديد نطاق الذاكرة لكل تدفق، بحيث يستخدم الوكلاء ما يحتاجون إليه فقط. يتم تحديد المدخلات والمخرجات بوضوح، ويمكن إضافة استدعاءات الأدوات مباشرةً من خلال عمليات التكامل المدمجة.

الميزات الرئيسية

• التنسيق المرئي للوكيل باستخدام التدفقات والعقد
• الذاكرة ذات النطاق المحدد والتحكم المتغير بين العقد
• ذاكرة متعددة الأدوار ومنطق احتياطي وإعادة المحاولة
• استخدام الأداة عبر مكالمات واجهة برمجة التطبيقات (API) وخطافات الويب وإدخال الوظائف

2. لانغشين

LangChain هو إطار عمل يعتمد على المطور الأول لبناء التطبيقات LLM من خلال ربط سلاسل من المطالبات والأدوات والذاكرة معًا.

بدأت كطريقة لتنظيم مكالمات LLM بأدوات مثل البحث والآلات الحاسبة، ولكنها توسعت تدريجياً لتصبح نظاماً بيئياً مترامي الأطراف.

أعطت إحدى الإصدارات الأولوية لـ "الوكلاء" ثم "المساعدين" ثم "الرنبلات". والنتيجة هي مجموعة أدوات قوية يمكنها القيام بأي شيء تقريبًا، ولكن غالبًا ما يستغرق التنقل فيها وقتًا طويلاً.

يمكنك تعيين مجموعات أدوات وبناء منطق توجيه عبر الوكلاء. حيث يتألق هذا النظام في نمطيته - فالمكونات قابلة لإعادة الاستخدام والمزج والمطابقة، ومتكاملة بشكل جيد مع واجهات برمجة التطبيقات الخارجية.

لكنك ستكتب كود غراء أكثر مما هو متوقع. ومع تحول التجريدات بسرعة، يجدر بك التحقق مما إذا كانت الطريقة التي تستخدمها لا تزال الطريقة المفضلة.

الميزات الرئيسية

• تسلسل معياري للمطالبات، والأدوات، والذاكرة
• يتكامل مع LLMs ومخازن المتجهات، وواجهات برمجة التطبيقات
• التتبع والتقييمات الاختيارية مع لانجسميث

3. CrewAI

يجعل CrewAI من السهل إنشاء تدفقات عمل متعددة الوكلاء حيث يكون لكل وكيل دور ومهمة محددة. يمكنك إنشاء طاقم، وتعيين الأهداف، ويتم التنسيق بين الوكلاء من خلال مدير مشترك.

إنها واحدة من أسرع الطرق لنمذجة تعاون الوكلاء دون كتابة منطق التنسيق من الصفر.

مثالية للإعدادات مثل أزواج المخططين والمنفذين، أو تدفقات الباحثين والمراجعين، أو أي مهمة قائمة على الفريق حيث يتم تقسيم المسؤوليات بشكل نظيف.

ولكن بمجرد البدء في إضافة التعقيد، يصبح التجريد ضيقًا. هناك مرونة أقل حول كيفية ووقت تشغيل الوكلاء، وتعديل السلوك غالبًا ما يعني الخروج عن الإعدادات الافتراضية للإطار.

الميزات الرئيسية

• إعداد الوكيل القائم على الدور مع الأسماء والأهداف والذاكرة
• يدعم التنفيذ المتسلسل والمتوازي للوكيل
• ذاكرة الطاقم المشتركة لتعاون العملاء المشترك
• سهولة التكامل مع الأدوات والوظائف والمطالبات المخصصة

4. AutoGPT

كان مشروع AutoGPT هو أول مشروع يُظهر كيف يبدو الأمر عندما تعطي GPT chatbot هدفًا وتتركه يعمل - يخطط ويفكر ويبحث وينفذ دون تدخل بشري مستمر.

تقوم أنت بتحديد الهدف، ويقوم AutoGPT بالحلقات عبر خطوات التفكير، وإنشاء أهداف فرعية، واستدعاء الأدوات، وتعديل استراتيجيته على طول الطريق.

لقد كانت قفزة هائلة في جعل السلوك العميل يبدو مستقلاً وديناميكيًا. لكنها ليست مبنية على الدقة.

حلقة المهام هشة، ويميل الوكلاء إلى التعثر في إعادة كتابة نفس الخطة أو ملاحقة المهام الفرعية غير ذات الصلة.

يمكنك توصيل الأسلاك في الذاكرة والأدوات وواجهات برمجة التطبيقات - لكن تجميع كل شيء معًا غالبًا ما يؤدي إلى تدفقات غير متوقعة يصعب تصحيحها أو توجيهها.

الميزات الرئيسية

• عامل يحركه الهدف مع تخطيط ذاتي وتخطيط للمهام
• إنشاء المهام الفرعية وحلقة التنفيذ التلقائي
• يدعم استخدام الأدوات عبر المكونات الإضافية واستدعاءات واجهة برمجة التطبيقات
• قابل للتوسيع باستخدام البرامج النصية والوظائف والتكاملات المخصصة

5. أوتوجين

Autogen هو إطار عمل مفتوح المصدر من مايكروسوفت يركز على المحادثات متعددة الوكلاء، حيث يتفاعل الوكلاء من خلال رسائل منظمة قائمة على أساس الدوران.

إنه جيد بشكل خاص عندما تريد التحكم في كل عملية تبادل، كما هو الحال في التخطيط - حلقات التنفيذ أو الأنظمة البشرية في الحلقة.

يتألق Autogen في الشفافية. يمكنك حقن الدوال في منتصف المحادثة، وتوجيه القرارات من خلال منطق مخصص، وتتبع ما قاله كل وكيل بالضبط ولماذا.

لكن توسيع نطاقه يتطلب عملاً. تزامن الرسائل مرن، ولكنه ليس مجردًا - فأنت لا تزال تدير السجلات وتكوينات الوكيل ومنطق الخطوات بنفسك.

بالنسبة للإعدادات البحثية أو الاختبارات المضبوطة أو سلوك العامل القابل للتكرار، فهو أحد أكثر الأطر دقة.

الميزات الرئيسية

• إطار عمل التواصل متعدد العوامل القائم على الدوران
• يدعم العامل البشري في الحلقة وعوامل استدعاء الوظائف
• تتبع الرسائل الشفافة والحقن المنطقي المخصص

الخطوة 1: حدد أين ينقطع منطق العميل الواحد لديك

ابحث عن مكان في الروبوت أو النظام الخاص بك حيث بدأت الأشياء في التمدد - مطالبات طويلة أو مكالمات أدوات متسلسلة تبدو وكأنها مثبتة. هذه هي نقطة الدخول. إليك بعض الأمثلة الشائعة التي يسهل اكتشافها:

1. تدفق استرداد الأموال الذي يقوم بتحليل مدخلات المستخدم، والتحقق من الأهلية، وإصدار المبلغ المسترد، وإرسال تأكيد - كل ذلك في حلقة واحدة
2. تسلسل التأهيل الذي يجمع البيانات، ويتحقق من صحة النماذج، ويعين أنواع المستخدمين، ويطلق رسائل البريد الإلكتروني في سلسلة مطالبات واحدة

بدلاً من إعادة تصميم النظام بأكمله أنت تقوم فقط بعزل سير العمل الذي تظهر عليه بالفعل تصدعات.

الخطوة 2: حدد الأدوار قبل أن تلمس إطار العمل

بمجرد أن تجد المنطق الفوضوي، قسّمه إلى مسؤوليات حقيقية.

إذا كان هناك شيء ما يتحقق من صحة المدخلات، فهذا عامل واحد. وإذا كان هناك شيء ما يتعامل مع إجراء خارجي، فهذا عامل آخر.

اكتبها بلغة واضحة - فقط بما يكفي لكشف مكان التسليم.

وبمجرد أن يكون كل شيء أمامك، سترى ما الذي يجب فصله بالفعل وما الذي يمكن طيه. كما أنه يمنحك شعورًا بنوع الإطار الذي تحتاجه.

يجب أن يبدو كل دور وكأنه شيء يمكنك اختباره بمفرده.

الخطوة 3: اختر إطار العمل

اختر منصة تناسب أسلوب سير عملك.

• مرئي: Botpress إذا كنت تريد التدفقات المستندة إلى العقدة والذاكرة ذات النطاق.
• البرمجة أولاً: لانج تشين أو CrewAI إذا كنت مرتاحًا في توصيل المنطق بلغة بايثون.

يقرر إطار العمل كيفية تسجيل الوكلاء وتشغيلهم واتصالهم.

الخطوة 4: بناء سير العمل الأول

الآن حوّل هذه الأدوار إلى وكلاء. حددهم داخل إطار عملك - أعطِ كل واحد منهم اسمًا ووظيفته وأي أداة أو واجهة برمجة تطبيقات يحتاجها.

بمجرد وضعها في مكانها، قم بتوصيلها. استخدم أي توجيه يوفره إطار العمل للانتقال من عامل إلى آخر.

الهدف هنا هو الحصول على سير عمل واحد كامل يعمل من النهاية إلى النهاية، مع بقاء الوكلاء في مسارهم.

الخطوة 5: قم بتشغيل النظام وفحص كل عملية تسليم

قم بتشغيل سير العمل الكامل - من البداية إلى النهاية - وتتبع ما يحدث. يجب أن تراقب ما يتلقاه كل وكيل، وما الذي يعيده، وما إذا كان التدفق يتحرك بشكل نظيف بينهما.

إذا حصل الوكيل على مدخلات مشوشة، فمن المحتمل أنك قمت بتحديد نطاق الأمور بشكل خاطئ. إذا قفز المنطق بشكل غير متوقع، فإن التوجيه الخاص بك يحتاج إلى إصلاح. 

بمجرد أن تكون عمليات التسليم نظيفة، يكون لديك نظام يعمل.

الحفاظ على مركزية المنطق الأساسي

تجنب نشر القرارات الحاسمة عبر عدة وكلاء. من الأسهل الحفاظ عليها واختبارها عندما يحدث التفكير الرئيسي في مكان واحد بدلاً من تقسيمها عبر أجزاء متصلة بشكل فضفاض.

تحديد مدخلات ومخرجات الوكيل مقدماً

يجب أن يكون لكل وكيل عقد محدد بوضوح - ما يستلمه وما يعيده. هذا يجعل من السهل تبديل الوكلاء أو توصيلهم بسير عمل جديد دون كسر منطق التدفق.

تسجيل كل رسالة يتم تمريرها بين الوكلاء

إذا لم تتمكن من رؤية ما يقوله الوكلاء لبعضهم البعض، فلن تتمكن من تصحيح أي شيء. تأكد من تسجيل كل المدخلات والمخرجات بسياق كافٍ لتتبع التدفق.

استخدام الذاكرة ذات النطاق المحدد لتقليل الضوضاء والتكاليف

امنح كل وكيل السياق الذي يحتاجه فقط. يؤدي الوصول الكامل للذاكرة إلى مطالبات متضخمة واستخدام أعلى للرموز وسلوك غير متوقع من الوكلاء الذين كان من المفترض أن يكونوا مركزين.

كيف يمكنني معرفة ما إذا كان مشروع الذكاء الاصطناعي الخاص بي يحتاج بالفعل إلى إطار عمل متعدد العوامل، أو إذا كان عامل واحد يكفي؟

من المحتمل أن يحتاج مشروع الذكاء الاصطناعي الخاص بك إلى إطار عمل متعدد الوكلاء إذا أصبحت مطالبات وكيلك الفردي أو سير العمل الخاص بك طويلًا جدًا أو يصعب تصحيحها، خاصةً عند التعامل مع مهام متعددة ومختلفة، في حين أن حالات الاستخدام الأبسط مثل الأسئلة والأجوبة الأساسية أو الروبوتات ذات الغرض الواحد غالبًا ما تعمل بشكل جيد مع وكيل واحد فقط.

هل البناء باستخدام إطار عمل متعدد الوكلاء مخصص فقط لمشاريع المؤسسات الكبيرة، أم أنه مناسب للشركات الناشئة الصغيرة أيضًا؟

لا يقتصر البناء باستخدام إطار عمل متعدد الوكلاء على الشركات الكبيرة فقط، بل يمكن للشركات الناشئة الصغيرة أن تستفيد أيضاً، فحتى المشاريع المتواضعة تكتسب سهولة في تصحيح الأخطاء عندما يتم تقسيم المهام المعقدة على وكلاء متخصصين بدلاً من تكديس كل شيء في حلقة واحدة كبيرة يصعب إدارتها.

هل استخدام نظام متعدد الوكلاء يعني أن عليّ تقسيم كل شيء إلى وكلاء منفصلين، أو هل يمكنني المزج بين منطق الوكيل الواحد والوكلاء المتعددين؟ 

لا يعني استخدام نظام متعدد الوكلاء أنه يجب عليك تقسيم كل شيء إلى وكلاء منفصلين؛ يمكنك المزج بين منطق الوكيل الواحد للمهام البسيطة مع الاحتفاظ بتنسيق متعدد الوكلاء لسير العمل المعقد.

كيف يختلف النظام متعدد الوكلاء عن مجرد استخدام واجهات برمجة التطبيقات المتعددة أو الخدمات المصغرة في تطبيقي؟

ويختلف النظام متعدد الوكلاء عن استخدام واجهات برمجة التطبيقات المتعددة أو الخدمات المصغرة لأنه ينسق بين وكلاء الذكاء الاصطناعي المتخصصين ذوي الأدوار والقدرات المنطقية المتميزة التي تمرر رسائل وحالة منظمة، بينما تتعامل واجهات برمجة التطبيقات والخدمات المصغرة مع وظائف منفصلة ولكنها لا تنظم بشكل مستقل سير العمل المعقد.

كيف تقارن تكلفة تشغيل أنظمة متعددة الوكلاء بتشغيل نظام LLM كبير واحد؟

يمكن أن تكون تكلفة تشغيل أنظمة متعددة الوكلاء أقل من تشغيل LLM واحد كبير لأن الوكلاء الأصغر حجماً والمتخصصين يمكنهم التعامل مع مهام محددة بكفاءة دون إهدار الرموز على مطالبات طويلة أو سياق متكرر، ولكنه يقدم أيضاً نفقات إضافية لإدارة التنسيق والاتصال بين الوكلاء، لذا فإن التوفير يعتمد على مدى تعقيد حالة الاستخدام.