AWS تُعلّم Strands Agents العمل مع أي نموذج على SageMaker

يشهد العالم الإداري لوكلاء الذكاء الاصطناعي لحظة يمكن مقارنتها بظهور محولات عالمية للأجهزة الكهربائية: أظهرت خدمات الويب من أمازون (AWS) كيفية جعل إطار عمل وكلاء Strands Agents يعمل حرفياً مع أي نموذج لغة مُنشر على SageMaker، حتى وإن لم يكن هذا النموذج على دراية بواجهة برمجة التطبيقات القياسية لمنصة Bedrock.

لفهم أهمية هذه الخطوة، نحتاج إلى العودة بضعة أشهر إلى الوراء. أطلقت AWS وكلاء Strands Agents كإطار عمل مفتوح لإنشاء وكلاء ذكاء اصطناعي — برامج قادرة على التخطيط المستقل للإجراءات، واستخدام الأدوات، وحل المهام متعددة المراحل. تم تصميم الإطار في الأصل للنماذج المتاحة عبر Amazon Bedrock، مما خلق نظاماً بيئياً مريحاً لكن مغلقاً. وجدت الشركات التي أرادت استخدام نماذجها الخاصة المدقّقة بدقة أو نماذج اللغات الكبيرة المفتوحة مثل Llama، والمنشرة على نقاط نهاية SageMaker AI، نفسها تواجه جداراً من عدم التوافق في التنسيقات.

تحل الإرشادات الجديدة، المنشورة على مدونة AWS Machine Learning، هذه المشكلة تماماً. يصف مهندسو أمازون بالتفصيل عملية إنشاء ما يسمى بمُحللات النماذج المخصصة — طبقات وسيطة تترجم طلبات Strands Agents إلى تنسيق مفهوم للنموذج المحدد، وتحول استجابات النموذج بشكل عكسي إلى الهيكل المتوقع من قبل الإطار. في الأساس، إنه مترجم بين نظامين يتحدثان لغات مختلفة.

كمثال عملي، تُوضح AWS نشر Llama 3.1 باستخدام SGLang — محرك استدلال عالي الأداء لنماذج اللغات — على البنية التحتية SageMaker. لتبسيط عملية احتواء الحاويات، يتم استخدام أداة ml-container-creator من AWS Labs، التي تُؤتمتة إنشاء حاويات Docker لنماذج التعلم الآلي. بعد نشر النموذج، ينفذ المطور محلل مخصص يعترض استدعاءات Strands Agents، ويعيد تنسيقها من Bedrock Messages API إلى تنسيق متوافق مع نقطة نهاية SGLang، ويحصل على الاستجابة ويحولها بشكل عكسي. من الناحية التقنية، هذا ليس علماً معقداً، لكن بدون وثائق واضحة وأمثلة، كان يمكن للعملية أن تتحول إلى أيام من تصحيح الأخطاء.

لماذا هذا مهم حقاً؟ لأنه في البيئة الإدارية، نادراً ما يحل نموذج واحد جميع المهام. تدرب الشركات نماذج متخصصة على بياناتها الخاصة، وتجرب الهياكل المفتوحة، وتجمع بين عدة نماذج في سير عمل واحد. حتى الآن، كان استخدام مثل هذه النماذج في سيناريوهات الوكلاء على AWS يتطلب إما الانتقال إلى تنسيقات متوافقة مع Bedrock، أو كتابة تنسيق مخصص من الصفر. الآن توجد طريقة موحدة لربط عملياً أي نموذج لغة كبيرة بإطار العمل للوكلاء، مع الحفاظ على جميع مزايا Strands — إدارة الأدوات، سلاسل التفكير، معالجة الأخطاء.

تندرج هذه الخطوة ضمن استراتيجية AWS الأوسع لتحويل منصة التعلم الآلي الخاصة بها إلى أكثر النظم البيئية انفتاحاً. أدركت أمازون بوضوح أن محاولة حجز العملاء داخل Bedrock غير منتجة في عالم تظهر فيه نماذج مفتوحة جديدة كل أسبوع وتستثمر الشركات بشكل متزايد في حلولها الخاصة المدقّقة بدقة. بدلاً من التنافس مع كل نموذج جديد، توفر AWS بنية تحتية يمكن تشغيل أي شيء عليها، والآن — إطار عمل للوكلاء يعرف كيفية العمل مع ذلك "أي شيء".

تستحق الإشارة إلى السياق التنافسي. تطور Google باستخدام Vertex AI Agent Builder و Microsoft مع AutoGen و Semantic Kernel بنشاط منصات وكلاء خاصة بهما. ومع ذلك، يبدو نهج AWS مع محللات مخصصة مفتوحة أكثر مرونة: بدلاً من إملاء النماذج المراد استخدامها، توفر أمازون أدوات لدمج أي منها. قد يصبح هذا الحجة الحاسمة لعملاء المؤسسات الذين لا يريدون الاعتماد على بائع نموذج واحد.

بالنظر إلى المستقبل، يمكننا توقع ظهور محللات جاهزة للاستخدام للنماذج المفتوحة الشهيرة ومحركات الاستدلال — ستبدأ المجتمعات بالتأكيد في إنشاء مكتبة من التكوينات المتوافقة. بالنسبة لسوق وكلاء الذكاء الاصطناعي، فإن هذا يعني خطوة أخرى نحو النضج: تتوقف التكنولوجيا عن كونها امتيازاً لأولئك الذين يستخدمون نموذجاً محدداً من مزود محدد، وتصبح متاحة لأي فريق مستعد لنشر نموذج لغة كبيرة على بنية تحتية سحابية.