مطوّر n0x يعلّم وكيله البرمجي داخل المتصفح فتح المواقع والتقاط لقطات الشاشة

حصل مشروع n0x على دعم MCP، وانتقل خطوة من واجهة دردشة عادية إلى وكيل ذكاء اصطناعي متكامل يعمل داخل المتصفح. وبعد التحديث، لم يعد المساعد يكتفي بالرد نصيًا، بل بات قادرًا على فتح المواقع والتقاط لقطات الشاشة وتنفيذ الأوامر داخل المتصفح بطلب مباشر من المستخدم.

من الرابط إلى الإجراء

تنطلق فكرة المقال من مشكلة مألوفة في معظم تطبيقات LLM: فهي تصوغ الإجابات جيدًا، لكنها لا تتصرف بكفاءة. فإذا طلبت من نظام كهذا «افتح Yandex»، فإنه كثيرًا ما يعيد رابطًا بدلًا من تنفيذ الإجراء فعليًا. وهذا يبدو للمستخدم أشبه بمحاكاة للمساعدة: النموذج يعرف ما المقصود، لكنه لا يستطيع الخروج من حدود نافذة النص. وعند هذه النقطة تحديدًا تصطدم وعود كثيرة عن مساعدي الذكاء الاصطناعي بسقف واضح: المعرفة موجودة، لكن التنفيذ غائب.

في n0x قرروا إزالة هذا الحاجز. ويروي المطوّر كيف أضاف إلى المشروع في أمسية واحدة دعمًا للتحكم بالمتصفح، وحوّل المساعد من «روبوت دردشة» إلى وكيل قادر على التفاعل مع صفحات الويب. والسيناريو الأساسي هنا بسيط جدًا: عند إعطاء الأمر «افتح ...» يُفترض الآن أن يفتح النظام الموقع فعلًا، لا أن يكتفي باقتراح العنوان. قد يبدو الفرق صغيرًا، لكنه بالضبط ما يفصل بين عرض توضيحي للنموذج وأداة حقيقية للمستخدم.

«شكرًا أيها الكابتن البديهي، أنا أعرف هذا بنفسي».

ماذا أضاف MCP

الأساس التقني هو MCP، أي Model Context Protocol. يتيح هذا النهج ربط أدوات خارجية بالنموذج اللغوي ومنحه وصولًا مضبوطًا إلى إجراءات كانت خارج نطاق قدراته سابقًا. وفي حالة n0x لا يدور الحديث عن نموذج جديد، بل عن مستوى جديد من التكامل بين النموذج والمتصفح. وهذا مهم للمشاريع التي تريد إضافة قدرات جديدة دون إعادة كتابة البنية بأكملها.

بعد اعتماد MCP، لم يحصل الوكيل على تكامل واحد مجرد، بل على مجموعة وظائف عملية بالكامل. وهي تغطي الدورة الأساسية لعمل وكيل المتصفح: استلام الأمر، وتنفيذ الإجراء على الصفحة، وتوثيق النتيجة، ومواصلة الخطوات في الجلسة نفسها عند الحاجة. وهذه المجموعة تحديدًا هي ما يحوّل الدردشة إلى واجهة عمل حقيقية لا إلى واجهة استعراض لقدرات النموذج. وبدون هذه الخطوة يبقى المستخدم وحيدًا أمام المتصفح.

• فتح المواقع بأمر نصي من المستخدم؛
• التقاط لقطات شاشة للصفحات للتحقق البصري من النتيجة؛
• تنفيذ الأوامر داخل جلسة المتصفح؛
• التعامل مع واجهة الويب بوصفها أداة، لا وصفًا نصيًا؛
• أساس لسيناريوهات أتمتة أكثر تعقيدًا.

وعمليًا يعمل MCP هنا كجسر شامل بين النموذج ومجموعة من الإجراءات. فبدلًا من منطق مبرمج بشكل صلب، يربط المطوّر الأداة ويصف ما تستطيع فعله، ثم يقرر النموذج بنفسه متى يستدعيها بحسب معنى الطلب. ومن مزايا هذا النهج أن المتصفح لا يبقى وحدة منفصلة بسيناريو يدوي، بل يصبح جزءًا من منظومة وكيلية مشتركة. وهذا يشبه بالفعل أساسًا لسيناريوهات الاختبار والبحث والأتمتة الصغيرة.

والمعنى العملي أن LLM لم يعد مجرد مولّد عبارات. فهو يكتسب القدرة على رؤية نتيجة أفعاله ومواصلة العمل ضمن السياق نفسه. وهذا مهم خصوصًا للمهام التي لا تفيد فيها الإجابة النصية بحد ذاتها: فتح صفحة، والتحقق من مظهرها، وتشغيل أمر، وجمع البيانات من الواجهة. وكلما ضاقت الفجوة بين الإجابة والإجراء، ارتفعت قيمة هذا المساعد.

لماذا يهم هذا

تُظهر قصة n0x بوضوح الاتجاه الذي يسير فيه سوق أدوات الذكاء الاصطناعي. فالمستخدمون يحتاجون أقل فأقل إلى مساعدين يكتفون بإعادة صياغة الطلب بأسلوب جميل. وتحظى بتقدير أعلى بكثير البرمجيات التي تتولى عملية محددة: تفتح الخدمة، وتمر بخطوات الواجهة، وتلتقط صورة للشاشة، وتعيد نتيجة جاهزة أو على الأقل ناتجًا وسيطًا. ولهذا السبب تخرج وكلاء المتصفح من وضع اللعبة التجريبية لتصبح فئة منتجات تطبيقية واضحة.

وهذه إشارة مهمة للمطوّرين أيضًا. فحتى مشروع شخصي صغير يمكن الآن تحويله بسرعة نسبية إلى نموذج أولي عامل لوكيل ذكي، إذا توافر له وصول إلى المتصفح ومجموعة أدوات واضحة. في السابق كان يُنظر إلى هذا الربط غالبًا على أنه أتمتة RPA ثقيلة، أما اليوم فيُبنى حول LLM وبروتوكول تكامل قياسي. وبالنسبة للفرق الصغيرة يعني ذلك دخولًا أرخص إلى مجال كانت تهيمن عليه المنصات الكبيرة.

ودعم MCP هنا ليس تفصيلًا تقنيًا فحسب. إنه علامة على الانتقال من النماذج المعزولة إلى المنظومات الوكيلية، حيث يعمل LLM مع المتصفح وواجهات API والأدوات المحلية في سلسلة واحدة. وحتى التكامل البسيط يغيّر تجربة المستخدم: إذ يبدأ النظر إلى الوكيل لا بوصفه محاورًا، بل منفّذًا. وإذا أمكن بناء هذا الربط «في أمسية واحدة»، فإن عتبة الدخول أمام المنتجات الصغيرة والمشاريع الشخصية تنخفض بوضوح.

ماذا يعني ذلك

حالة n0x مثال صغير لكنه دالّ على سرعة تغيّر فئة تطبيقات الذكاء الاصطناعي. فالغلبة لن تكون للواجهات الأفضل في الحوار، بل لتلك التي تستطيع إيصال المهمة إلى مرحلة التنفيذ. وبهذا المعنى يصبح MCP طبقة أساسية للجيل القادم من وكلاء المتصفح، لا إضافة عصرية. وبالنسبة لفرق المنتجات فهذه إشارة مباشرة: المستخدمون يتوقعون على نحو متزايد مهمة منجزة لا مجرد إجابة.