لماذا يعجز وكيل ذكاء اصطناعي واحد عن المهمة: معماريات الأنظمة متعددة الوكلاء في بيئة الإنتاج الفعلية

تمرّ صناعة وكلاء الذكاء الاصطناعي بمرحلة نضج لافتة. فبعد موجة الحماسة الأولى، حين بدا أنه يكفي ربط نموذج لغوي بمجموعة من الأدوات للحصول على موظف رقمي شامل، اصطدم المطورون بنطاق واسع بواقع قاسٍ: وكيل واحد مكلّف بكل شيء لا يتقن أي مهمة حقًا. وقد وصفت فرق Just AI، إحدى أكبر الشركات الروسية المطورة في مجال الذكاء الاصطناعي الحواري، هذا المسار بالتفصيل، من الأوهام إلى المعماريات العاملة.

مشكلة «الوكيل الخارق» مألوفة لكل من حاول إخراج نظام ذكاء اصطناعي من إطار العرض التجريبي. ففي مرحلة النموذج الأولي يبدو كل شيء مبهرًا: يتلقى الوكيل الطلب، ويستدعي واجهات API اللازمة، ويولّد الإجابة. لكن في بيئة الإنتاج تبدأ الفوضى. تمتلئ نافذة السياق بالتعليمات، ويخلط الوكيل بين الأدوات، ويهلوس في سلاسل الاستدلال المعقدة، وترتفع كلفة كل استدعاء بصورة أسّية. وفي الجوهر، فإن محاولة حشر كل منطق العمل في موجّه واحد (prompt) نمط معماري مضاد، يشبه تطبيقًا متراصًّا (monolithic) بلا فصل للمسؤوليات.

والحل لهذه المشكلة هو التفكيك. فبدلًا من وكيل واحد قادر على كل شيء، يُقسَّم النظام إلى عدة وكلاء متخصصين، يتولى كل منهم مجالًا ضيقًا. يصنّف أحدهم الطلب الوارد، ويتعامل الثاني مع قاعدة المعرفة، ويصوغ الثالث الإجابة النهائية. وينتج عن ذلك عدة مزايا دفعة واحدة: يحصل كل وكيل على موجّه موجز ودقيق، ويسهل اختباره وتصحيح أخطائه، ولا يستلزم استبدال أحد المكونات إعادة كتابة النظام بأكمله. أما كيف ينبغي لهؤلاء الوكلاء أن يتفاعلوا فيما بينهم، فللسؤال أكثر من إجابة مختلفة جذريًا.

تحدد Just AI ثلاث معماريات أساسية. الأولى هي السلسلة الخطية، حيث يعمل الوكلاء بالتتابع ويمرّرون النتيجة عبر خط إنتاج. وهي أبسط الخيارات وأكثرها قابلية للتنبؤ، وتناسب المهام ذات الترتيب الواضح للخطوات: استلام الطلب، واستخراج البيانات، وصياغة الإجابة، والتحقق من الجودة.

وعيبها واضح: النظام غير مرن، وإذا تطلبت المهمة منطقًا غير خطي بدأت السلسلة بالتصدع. والمعمارية الثانية هي السرب، حيث يعمل عدد كبير من الوكلاء بالتوازي على مهمة واحدة. وهو أسلوب قوي للمهام القابلة للتجزئة إلى مهام فرعية مستقلة، كتحليل مستند من زوايا مختلفة في وقت واحد أو البحث المتوازي في عدة مصادر.

لكن تنسيق السرب مهمة هندسية غير بسيطة، ومن دون نظام مدروس لتجميع النتائج يتحول السرب بسهولة إلى جوقة من الإجابات المتناقضة. والنموذج الثالث هو المنسّق (orchestrator)، وهو وكيل مركزي يحلل المهمة ويوزعها ديناميكيًا على منفّذين متخصصين. وهو الأسلوب الأكثر مرونة، لكنه يخلق نقطة فشل وحيدة، ويتطلب أن يكون المنسّق نفسه «ذكيًا» بما يكفي لاتخاذ قرارات التوجيه الصحيحة.

وعمليًا، كما تشير Just AI، نادرًا ما توجد المعماريات النقية. فالأنظمة الحقيقية هجينة: يوزّع منسّق في المستوى الأعلى المهام على سلاسل خطية، ويمكن لخطوات منفردة داخلها أن تطلق أسرابًا متوازية. ويتيح هذا النهج الاستفادة من نقاط قوة كل معمارية حيث تكون الأنسب، وتعويض نقاط ضعفها.

من المهم فهم السياق الذي تظهر فيه مثل هذه الأبحاث. فسوق وكلاء الذكاء الاصطناعي ينمو بسرعة، ولم يعد سؤال المعمارية أكاديميًا. وتقدم أطر العمل الكبرى، مثل LangGraph وCrewAI وAutoGen من Microsoft، تجريداتها الخاصة للأنظمة متعددة الوكلاء، لكن لا يوجد حتى الآن حل شامل. فكل حالة إنتاجية تتطلب اختيارًا معماريًا واعيًا، ويُقاس ثمن الخطأ في هذه المرحلة بأشهر من الوقت الضائع ومئات الآلاف من الروبلات على استدعاءات API.

تؤكد تجربة Just AI اتجاهًا عامًا في الصناعة: انتهى عصر «وصّل GPT وسيعمل كل شيء». فوكلاء الذكاء الاصطناعي يدخلون مرحلة النضج الهندسي، حيث يتحدد النجاح بجودة القرارات المعمارية المحيطة بالنموذج الأساسي لا بقوته. وبالنسبة للفرق التي بدأت للتو في بناء أنظمة متعددة الوكلاء، فالنصيحة الرئيسية بسيطة: ابدأوا بسلسلة خطية، وأثبتوا القيمة على معمارية بسيطة، ولا تزيدوا التعقيد إلا حين يعجز الحل البسيط عن المهمة. فالتحسين المبكر لمعمارية الوكلاء ليس أفضل من التحسين المبكر للشيفرة.