Duco تقلّص سياق الوكلاء بنسبة 90% وتسرّع نقل عمليات المطابقة المصرفية 10 أضعاف
كان لدى وكيل Duco المصرفي 300–400 أداة، وشغلت أوصافها نحو 200 ألف توكن من ذاكرة النموذج قبل طرح السؤال الأول. ابتكر الفريق «مهارات» (skills) تُحمَّل عند الطلب، فانخفض السياق بنسبة 90% إلى 20 ألف توكن. ومع الانتقال إلى Amazon Bedrock AgentCore، تسارع ربط عمليات المطابقة الجديدة 10 أضعاف. وإذا كان لدى وكيلك عشرات الأدوات، فلا تحمّل جميع المخططات (schemas) دفعة واحدة.
معالج بواسطة الذكاء الاصطناعي من AWS Machine Learning Blog؛ بتحرير Hamidun News
يحتاج وكيل الذكاء الاصطناعي المصرفي إلى مطابقة البيانات بين الأنظمة، أي التحقق من تطابق السجلات المتعلقة بالصفقات نفسها. ولهذا الغرض تتيح منصة Duco لكل عميل 300–400 أداة. وكانت أوصاف هذه الأدوات كلها (نحو 200 ألف توكن) تُحمَّل في ذاكرة النموذج، أي في سياقه، قبل طرح السؤال الأول. الأمر أشبه بتسليم موظف مطبوعات بتعليمات جميع برامج الشركة قبل كل مهمة: كلما زادت الصفحات، فقد خيط العمل أسرع. نقلت Duco الأوصاف إلى «مهارات» (skills) لا تُحمَّل إلا عند الطلب. فانخفض السياق بنسبة 90%، من 200 ألف إلى نحو 20 ألف توكن. ومع الانتقال إلى Amazon Bedrock AgentCore، تسارع ربط عمليات المطابقة الجديدة للعملاء بالمنصة 10 أضعاف. وإذا كان لدى وكيلك عشرات الأدوات، فهذا الأسلوب جدير بالاعتماد.
تعالج Duco 20 مليار معاملة شهريًا لأكثر من 200 عميل، بينهم 7 من أكبر 20 مصرفًا و10 من أكبر 20 شركة لإدارة الأصول.
لماذا لم يعد تعلّم الآلة التقليدي كافيًا
اعتمدت Duco سابقًا على نماذج تعلّم الآلة (ML) التقليدية، وكانت تقترح التصنيف وتكتشف الأنماط. وبفضلها أتمتت المصارف أكثر من 20 ألف عملية. لكن لهذا النهج حدودًا: فالنماذج تحتاج إلى سجل بيانات ضخم، وتتعامل بضعف مع المواقف الجديدة، ويتعين تكييفها لكل سيناريو على حدة. أما صيغ البيانات وقواعد العمل لدى المصارف فتتغير باستمرار، ولم تستطع النماذج الكلاسيكية مواكبتها.
عندئذ أعادت الشركة بناء منظومتها على Amazon Bedrock (وصول إلى النماذج عبر API موحّد) وBedrock AgentCore (بيئة مُدارة لتشغيل الوكلاء). ولم تحتج الشيفرة المكتوبة بـ LangChain وLangGraph، والتي كانت تعمل أصلًا في بيئة الإنتاج، إلى إعادة كتابة تُذكر. ووزّعت Duco الأدوار على النماذج. يضع Claude Opus الخطة للوكلاء الآخرين. ويحلل Claude Sonnet الاستثناءات ويفسّر القواعد. ويقرر Claude Haiku بسرعة أي أداة يجب استدعاؤها. أما Amazon Nova 2 Pro فيختصر مخرجات الأدوات إلى ملخصات مقروءة للمحللين. واستبدال النموذج لا يتطلب سوى تغيير معامل في ملف الإعدادات.
كيف قُلّص السياق بنسبة 90%
يُتاح لكل عميل عبر AgentCore Gateway ما بين 300 و400 أداة، بمعدل خادم MCP واحد لكل خدمة من خدمات Duco. وكانت أوصافها تشغل نحو 200 ألف توكن قبل أول رسالة من المستخدم. وكانت جودة الإجابات تتراجع مع طول الحوار، فينسى النموذج الاستنتاجات المبكرة. ويشدد الفريق على أن الإحساس بأن «الوكيل يزداد غباءً» غير كافٍ. ينبغي أولًا إجراء اختبارات التقييم، ثم اتخاذ القرارات الهندسية.
والحل هو التحميل عند الطلب. نُقلت أوصاف الأدوات من السياق الثابت إلى موارد MCP من نوع skill://. ويُجمَّع موجّه النظام (system prompt) من أجزاء لحظة التشغيل (system://)، وتُفصل موارد الواجهة (ui://) عن الأدوات العاملة. وبدلًا من مئات المخططات، حصل الوكيل على ثلاث أدوات وصفية (meta-tools): تحمّل load_skill وصف المهارة، وتبحث find_tool عن الأداة المناسبة دون تحميل جميع المخططات، وتستدعي invoke_tool الأداة المختارة.
والنتيجة أن السياق الرئيسي انخفض من 200 ألف إلى نحو 20 ألف توكن. وساعد في ذلك أيضًا تحديد حجم مخرجات الأدوات. وبقيت النماذج والأدوات والمهام كما هي، بينما ارتفعت جودة الإجابات وفق التقييمات الداخلية. وللأمر أثر اقتصادي أيضًا: فالبادئة الثابتة (موجّه النظام والأدوات الوصفية الثلاث) مستقرة، وتدخل المهارات في الحوار لا في قائمة الأدوات، ولذلك لا يُعاد ضبط ذاكرة التخزين المؤقت للموجّه (prompt cache).
عند التشغيل لا يتلقى الوكيل سوى قائمة بأسماء الأدوات. وتُسجَّل الخدمة المصغّرة الجديدة هدفًا على Gateway أثناء النشر، فيصبح الوكيل قادرًا على العمل معها فورًا، دون إعادة ضبط ودون توقف. وتتحقق الخدمات نفسها من الصلاحيات: تنتقل هوية المستخدم عبر السلسلة كلها، وينفَّذ كل استدعاء باسمه.
عزل المصارف والنتائج
لكل عميل مجموعة موارد خاصة به: قاعدة بيانات Aurora MySQL، وحاوية S3، ومفاتيح KMS، وطوابير SQS، وذاكرة تخزين مؤقت، ومجموعة مستخدمين في Cognito، إضافة إلى AgentCore runtime وGateway منفصلين. ولا توجد ذاكرة أو سياق مشترك بين المصارف. وتمر الطلبات عبر رمز JWT من مجموعة العميل، وتجري حركة البيانات عبر نقاط وصول خاصة (private endpoints) داخل VPC.
تُستخدم الوكلاء في سيناريوهين. الأول ربط عمليات المطابقة الجديدة. كانت المصارف تنقل آلاف العمليات على مدى سنوات، بمعدل عملية واحدة في الأسبوع تقريبًا. أما الآن فتقرأ الوكلاء صيغ ملفات مختلفة، وتحوّل الإعدادات القديمة إلى عمليات Duco، وتحلل وحدات الماكرو في الجداول التي كُتبت قبل عقود. وتسارع الربط 10 أضعاف. وخفّض أحد المصارف العالمية تكلفة الربط بنسبة 70%، وزاد حصة العمليات التي تُنفَّذ دون تدخل يدوي بأكثر من 20%. والسيناريو الثاني هو الفرز الأولي للفروقات. يجمّع الوكيل الحالات المتشابهة، ويتحقق مما إذا كانت معروفة مسبقًا، ويجمع الأدلة، ويقترح حلًا. ويبقى القرار النهائي للمحلل، ويُسجَّل كل إجراء في سجل التدقيق.
ما الذي يمكن الاستفادة منه وما التحفظات
الخلاصة العملية: إذا كان لدى الوكيل أكثر من بضع عشرات من الأدوات، فمن الأفضل فصل البحث عن الأداة عن استدعائها. يكفي الوكيل قائمة بالأسماء، ويحمّل التفاصيل عند الحاجة. ويفيد مبدأ «عميل واحد، runtime واحد وبوابة واحدة» أيضًا في خدمات SaaS ذات المتطلبات الصارمة.
وثمة تحفظات. فالنص منشور في مدونة AWS ومكتوب بوصفه دراسة حالة: الأرقام واردة دون منهجية قياس ودون ذكر أسماء المصارف. ولا توجد بيانات عن التكلفة الإجمالية للتوكنات، ولا عن كيفية قياس جودة الإجابات بالدرجات. والبنية مرتبطة ارتباطًا وثيقًا بخدمات AWS، مع أن التوافق مع LangGraph والأطر المفتوحة يقلل خطر الارتهان لمزوّد واحد. ومع ذلك يوضح المثال كيف تُبنى الوكلاء في أحد أكثر القطاعات خضوعًا للتنظيم.
- 18 نوفمبر 2026Moonshot AI تحوّل Kimi من البرمجة إلى العلوم: تحليل الجينات في 90 دقيقة بدلًا من 4 ساعات
- 18 نوفمبر 2026Epic تزيل Blueprints من Unreal Engine 6: الذكاء الاصطناعي يعمل مع الشيفرة لا مع المخططات
- 18 نوفمبر 2026Answer.AI تفتح SolveIt للجميع: الكود والملاحظات والذكاء الاصطناعي في حوار واحد بعد بيتا ضمّت 3000 شخص
- 18 نوفمبر 2026rust-anything يعلّم وكلاء الذكاء الاصطناعي إعادة كتابة التطبيقات بلغة Rust وحدةً تلو الأخرى
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول لماذا لم يعد تعلّم الآلة التقليدي كافيًا؟
اعتمدت Duco سابقًا على نماذج تعلّم الآلة (ML) التقليدية، وكانت تقترح التصنيف وتكتشف الأنماط. وبفضلها أتمتت المصارف أكثر من 20 ألف عملية. لكن لهذا النهج حدودًا: فالنماذج تحتاج إلى سجل بيانات ضخم، وتتعامل بضعف مع المواقف الجديدة، ويتعين تكييفها لكل سيناريو على حدة. أما صيغ البيانات وقواعد العمل لدى المصارف فتتغير باستمرار، ولم تستطع النماذج الكلاسيكية مواكبتها. عندئذ أعادت الشركة بناء منظومتها على Amazon Bedrock (وصول إلى النماذج عبر API موحّد) وBedrock AgentCore (بيئة مُدارة لتشغيل الوكلاء).
ما أبرز التفاصيل حول كيف قُلّص السياق بنسبة 90%؟
يُتاح لكل عميل عبر AgentCore Gateway ما بين 300 و400 أداة، بمعدل خادم MCP واحد لكل خدمة من خدمات Duco. وكانت أوصافها تشغل نحو 200 ألف توكن قبل أول رسالة من المستخدم. وكانت جودة الإجابات تتراجع مع طول الحوار، فينسى النموذج الاستنتاجات المبكرة. ويشدد الفريق على أن الإحساس بأن «الوكيل يزداد غباءً» غير كافٍ. ينبغي أولًا إجراء اختبارات التقييم، ثم اتخاذ القرارات الهندسية. والحل هو التحميل عند الطلب. نُقلت أوصاف الأدوات من السياق الثابت إلى موارد MCP من نوع skill://.
ما أبرز التفاصيل حول عزل المصارف والنتائج؟
لكل عميل مجموعة موارد خاصة به: قاعدة بيانات Aurora MySQL، وحاوية S3، ومفاتيح KMS، وطوابير SQS، وذاكرة تخزين مؤقت، ومجموعة مستخدمين في Cognito، إضافة إلى AgentCore runtime وGateway منفصلين. ولا توجد ذاكرة أو سياق مشترك بين المصارف. وتمر الطلبات عبر رمز JWT من مجموعة العميل، وتجري حركة البيانات عبر نقاط وصول خاصة (private endpoints) داخل VPC. تُستخدم الوكلاء في سيناريوهين. الأول ربط عمليات المطابقة الجديدة. كانت المصارف تنقل آلاف العمليات على مدى سنوات، بمعدل عملية واحدة في الأسبوع تقريبًا.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.