Habr AI→ المصدر

كيف يعمل وكيل الذكاء الاصطناعي: طبقات الغلاف حول LLM وأين تبحث عن مصدر الخلل

تُبنى وكلاء الذكاء الاصطناعي من أطر عمل وخوادم MCP و«وكلاء جاهزين» سحابيين، لكن في مركز أي مخطط يقف نموذج LLM واحد: يقرأ السياق ويصوغ الخطوة التالية. وحول النموذج تتراكم «بصلة» من الأغلفة، وكما يُظهر التحليل المنشور على Habr، تقع الأعطال في هذه الطبقات في الغالب لا في النموذج نفسه. يسير التحليل من النموذج إلى الخارج، وهذا الترتيب يسهّل تحديد مصدر الخلل.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
كيف يعمل وكيل الذكاء الاصطناعي: طبقات الغلاف حول LLM وأين تبحث عن مصدر الخلل
المصدر: Habr AI. كولاج: Hamidun News.
◐ استمع للمقال

نشر مطوّر يمتلك خلفية في تعلّم الآلة على Habr في يوليو 2026 تحليلًا للبنية الداخلية لوكلاء الذكاء الاصطناعي: في مركز أي مخطط وكيل يبقى نموذج LLM واحد، وحوله تتراكم «بصلة» من طبقات الغلاف، ويقع معظم الأعطال في هذه الطبقات لا في النموذج نفسه.

ماذا يختبئ خلف كلمة «وكيل»

وكيل الذكاء الاصطناعي ليس الشبكة العصبية نفسها، بل عدة طبقات من الشيفرة المحيطة بها. تتغير أطر العمل، وتظهر خوادم MCP، وتَعِد المنصات السحابية بـ«وكيل جاهز»، لكن النواة واحدة في كل مكان: نموذج لغوي كبير (LLM) يقرأ السياق ويقترح الخطوة التالية. وكل ما هو خارجه مجرد طبقات ربط تُعدّ مدخلات النموذج وتعالج مخرجاته.

يسرد المؤلف المستويات النموذجية التي يُبنى منها الوكيل فوق النموذج:

  • LLM — النواة، تتنبأ باحتمالات الرمز (token) التالي
  • طبقة الموجّه (prompt) والسياق — ما الذي يُرسَل فعليًا إلى النموذج كمدخل
  • التنسيق واستدعاء الأدوات — كيف يتحول ردّ النموذج إلى فعل
  • خوادم MCP — وصول موحَّد للوكيل إلى البيانات والوظائف الخارجية
  • أطر العمل والأغلفة السحابية — «وكيل جاهز» فوق كل ما سبق

يضيف كل مستوى منطقه الخاص: أحدها يجمع السياق، وآخر يقرر أي أداة تُستدعى، وثالث يربط البيانات الخارجية. أما النموذج نفسه فلا ينفّذ أيًّا من هذه الخطوات، بل يتنبأ بالنص فقط.

لماذا لا يكون الخلل في النموذج غالبًا

عادةً لا يكمن مصدر العطل في الوكيل داخل LLM، بل في إحدى الطبقات الخارجية: في طريقة بناء الموجّه، أو تمرير السياق، أو معالجة استدعاء الأداة. فالنموذج، بحسب صياغة المؤلف، يفعل شيئًا واحدًا فقط — يتنبأ بالرمز التالي؛ وكل ما عدا ذلك تضيفه الأغلفة المحيطة به.

«النموذج نفسه لا يفعل سوى التنبؤ باحتمالات الرمز التالي؛ ومن الخارج تتراكم بصلة من الأغلفة»، — مؤلف المقال على

Habr.

ولذلك، كما يشير المؤلف، من المهم عند تصحيح الأخطاء فهم البنية كاملة: فإذا لم يُبنَ الوكيل من أداة جاهزة، فإن معرفة الطبقات تساعد على حصر المشكلة بسرعة أكبر. وفحص النموذج أولًا خطأ شائع: إذا بدا ردّ الوكيل خاطئًا، فالسبب غالبًا أن سياقًا غير صحيح وصل إلى النموذج، أو أن مستوى مجاورًا حلّل ردّه تحليلًا خاطئًا. أما النموذج فقد عمل في هذه الحالة بشكل طبيعي.

لماذا ننظر من النموذج إلى الخارج

بُني التحليل من النواة إلى الأطراف — من LLM إلى الأغلفة الخارجية — لأن المؤلف جاء إلى عالم الوكلاء من تعلّم الآلة، حيث تُوضع كل طبقة جديدة فوق طبقة مألوفة. وهذا الترتيب، على حد قوله، يجعل الصورة أوضح: أولًا ما يفعله النموذج، ثم ما يفعله كل غلاف فوقه. أما المسار المعاكس — من «الوكيل الجاهز» إلى الداخل — فيُخفي أين تحديدًا يمر حدّ مسؤولية كل طبقة.

سبب كتابة المقال عاديّ: وُلدت الملاحظات بعد جلسة بحث مشتركة أخرى عن خلل مع الفريق التقني. جمعها المؤلف في استعراض واحد ليسهل عليه في المرة القادمة أن يشرح للزملاء أين يقع كل شيء في مخطط الوكيل وأين ينبغي النظر عند حدوث عطل. وهي في جوهرها خريطة مستويات يسهل الرجوع إليها أثناء تصحيح الأخطاء.

ماذا يعني هذا

خلف كلمة «وكيل» الرائجة تقف حزمة من عدة طبقات، وفهم هذه البنية مهارة عملية في تصحيح الأخطاء: عندما يتصرف الوكيل على نحو غير متوقع، ينبغي ألا يبدأ الفحص من LLM، بل من الأغلفة المحيطة به، حيث يختبئ معظم الأخطاء.

ZK
Hamidun News
أخبار الذكاء الاصطناعي بدون ضوضاء. اختيار تحريري يومي من أكثر من 50 مصدر. منتج من جمال حميدون، رئيس الذكاء الاصطناعي في Alpina Digital.
✦ Autonomous AI Agents

Delegate Deep Research, Coding & Workflows to an AI Agent

Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.

Launch NomadNet Agent →NomadNet AI Platform
ما رأيك؟
جارٍ تحميل التعليقات…