بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصداركود / SDK · جاهز للعملHabr AI→ المصدر

LangChain تطلق Deep Agents: طبقة فوق LangGraph للمهام الطويلة والمعقدة

أطلقت LangChain مكتبة Deep Agents، وهي غلاف عالي المستوى فوق LangGraph لبناء وكلاء ذكاء اصطناعي متعددي الخطوات. فبدل تجميع الرسوم البيانية يدويًا، يحصل المطور على الدالة create_deep_agent()، ومخطِّط مهام todo مدمجًا، ونظام ملفات افتراضيًا، ووكلاء فرعيين، وذاكرة تعمل بين الجلسات. تستهدف المكتبة وكلاء البحث ووكلاء البرمجة. وللعمل في الطرفية (terminal) توفر LangChain واجهة سطر أوامر (CLI) منفصلة مبنية على حزمة SDK نفسها.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
LangChain تطلق Deep Agents: طبقة فوق LangGraph للمهام الطويلة والمعقدة
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
Write_todos للتخطيط المدمجيقسّم الوكيل المهمة إلى خطوات، ويتتبع حالاتها، ويحدّث الخطة أثناء العمل.
حقيقة رئيسية #2نظام ملفات افتراضي يضم ls وread_file وwrite_file وedit_file وglob وgrep، لإخراج النتائج الطويلة من نافذة السياق.
حقيقة رئيسية #3أداة task لتشغيل وكلاء فرعيين يحلّون مهامًا فرعية منفصلة ضمن سياق معزول.

أطلقت LangChain مكتبة Deep Agents، وهي مكتبة Python مستقلة لإنشاء أنظمة وكلاء «عميقة» فوق LangChain وLangGraph. الفكرة أن تُزيل من مشروع الوكلاء المعتاد الأعمال الروتينية، مثل تجميع الرسوم البيانية يدويًا وإدارة السياق وتفويض المهام الفرعية.

ليست مجرد رسم بياني آخر

يسلك كثير من الفرق اليوم المسار نفسه تقريبًا: تبدأ بسلاسل LangChain العادية، ثم تصطدم بقيود خطوط المعالجة البسيطة وتنتقل إلى LangGraph. وهناك تضطر إلى تجميع الحالة والانتقالات الشرطية والحلقات والبث (streaming) ومنطق التنفيذ، قبل أن يبدأ الوكيل أصلًا في حل المهمة التجارية. تحاول Deep Agents رفع مستوى التجريد وتولّي هذه الطبقة البنيوية عن المطور. والنتيجة أن الفريق يقضي وقتًا أقل في أعمال plumbing، ووقتًا أكبر في منطق الوكيل نفسه.

تصف LangChain مكتبة Deep Agents بأنها agent harness، أي غلاف يستخدم LangGraph تحت الغطاء لكنه يقدّم إعدادات افتراضية أكثر صرامة. فهي لا تعرض على المطور مجموعة لبنات أولية، بل إطارًا جاهزًا للسيناريوهات الطويلة متعددة الخطوات. والتشغيل بسيط للغاية: دالة واحدة هي create_deep_agent()، وقائمة أدوات، وموجّه نظام (system prompt)، ثم تتولى المكتبة إدارة حلقة عمل الوكيل. ولهذا يُقدَّم الإصدار بوصفه مسرّعًا للتطوير، لا طبقة تجريد أخرى لمجرد التجريد.

LangGraph يوفّر المحرك وناقل الحركة. أما Deep Agents فيوفّر السيارة.

ما بداخل الصندوق

لا يقوم رهان Deep Agents الأساسي على نموذج جديد ولا على بروتوكول جديد، بل على مجموعة آليات مدمجة اعتادت كل فرقة أن تصممها من الصفر. وهذا ما يجعل الإصدار لافتًا: فـ LangChain تحاول توحيد الأنماط التي صارت تتكرر في وكلاء بيئات الإنتاج. والمقصود هنا ليس نظريات، بل نقاط الاختناق المعتادة التي تظهر دائمًا تقريبًا في جلسات الوكلاء الطويلة.

  • write_todos للتخطيط المدمج: يقسّم الوكيل المهمة إلى خطوات، ويتتبع حالاتها، ويحدّث الخطة أثناء العمل.
  • نظام ملفات افتراضي يضم ls وread_file وwrite_file وedit_file وglob وgrep، لإخراج النتائج الطويلة من نافذة السياق.
  • أداة task لتشغيل وكلاء فرعيين يحلّون مهامًا فرعية منفصلة ضمن سياق معزول.
  • تلخيص تلقائي حين يتضخم سجل المحادثة ويقترب من حدّ نافذة النموذج.
  • ذاكرة طويلة الأمد بين الجلسات والخيوط عبر واجهة LangGraph Store الخلفية.

وتتضمن الوثائق مثالًا عمليًا: وكيل بحثي يضع خطة أولًا، ثم يجمع البيانات من البحث، ويحفظ النتائج الثقيلة في نظام الملفات، ويفوّض جزءًا من العمل إلى وكيل فرعي عند الحاجة، وفي النهاية يجمع تقريرًا. يبدو الأمر للمطور غلافًا واحدًا عالي المستوى، مع أن LangGraph لا يزال يعمل في الداخل. وتروّج LangChain كذلك لنسخة CLI من Deep Agents، وهي وكيل برمجي يعمل في الطرفية ويعتمد على حزمة SDK نفسها.

أين تفيد

صُمّمت Deep Agents بوضوح لسيناريوهات أطول، لا لروبوتات الدردشة التي تستدعي أداة واحدة. ومن هذه السيناريوهات: البحث في موضوع ما، ومساعدو البرمجة، وسير العمل المستقلة، والمهام ذات الحجم الكبير من البيانات الوسيطة والذاكرة بين الجلسات. فإذا كان على الوكيل أن يخطط، ويقرأ الملفات ويكتبها، ويحفظ المخرجات، ويقسّم العمل إلى مهام فرعية، ولا يفقد الخيط بعد عشرات الخطوات، فقد توفر هذه الطبقة قدرًا كبيرًا من الوقت.

لكنها ليست بديلًا عن أي حزمة تقنية. فبالنسبة إلى الوكلاء البسيطين، توصي LangChain نفسها بالبقاء على create_agent، وإذا كانت هناك حاجة إلى تحكم دقيق جدًا في بنية الرسم البياني فالعمل مباشرة مع LangGraph. فـ Deep Agents أداة للحالات التي تكون فيها سرعة البناء والحلول الجاهزة أهم من التحكم اليدوي الكامل في كل حالة وكل انتقال. وجوهر ما تقترحه LangChain نهج أكثر opinionated تجاه الوكلاء: حرية أقل، وروتين هندسي أقل.

ماذا يعني ذلك

يُظهر إصدار Deep Agents أن سوق أنظمة الوكلاء يتحول من العروض التجريبية الأساسية إلى توحيد البنية التحتية. والمرحلة التالية من المنافسة لن تدور حول قدرة الوكيل على استدعاء الأدوات فحسب، بل حول قدرته على العمل طويلًا، والتذكر، والتخطيط، وألا ينهار تحت وطأة حجم السياق.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ليست مجرد رسم بياني آخر؟

يسلك كثير من الفرق اليوم المسار نفسه تقريبًا: تبدأ بسلاسل LangChain العادية، ثم تصطدم بقيود خطوط المعالجة البسيطة وتنتقل إلى LangGraph. وهناك تضطر إلى تجميع الحالة والانتقالات الشرطية والحلقات والبث (streaming) ومنطق التنفيذ، قبل أن يبدأ الوكيل أصلًا في حل المهمة التجارية. تحاول Deep Agents رفع مستوى التجريد وتولّي هذه الطبقة البنيوية عن المطور. والنتيجة أن الفريق يقضي وقتًا أقل في أعمال plumbing، ووقتًا أكبر في منطق الوكيل نفسه.

ما أبرز التفاصيل حول ما بداخل الصندوق؟

لا يقوم رهان Deep Agents الأساسي على نموذج جديد ولا على بروتوكول جديد، بل على مجموعة آليات مدمجة اعتادت كل فرقة أن تصممها من الصفر. وهذا ما يجعل الإصدار لافتًا: فـ LangChain تحاول توحيد الأنماط التي صارت تتكرر في وكلاء بيئات الإنتاج. والمقصود هنا ليس نظريات، بل نقاط الاختناق المعتادة التي تظهر دائمًا تقريبًا في جلسات الوكلاء الطويلة. write_todos للتخطيط المدمج: يقسّم الوكيل المهمة إلى خطوات، ويتتبع حالاتها، ويحدّث الخطة أثناء العمل.

ما أبرز التفاصيل حول أين تفيد؟

صُمّمت Deep Agents بوضوح لسيناريوهات أطول، لا لروبوتات الدردشة التي تستدعي أداة واحدة. ومن هذه السيناريوهات: البحث في موضوع ما، ومساعدو البرمجة، وسير العمل المستقلة، والمهام ذات الحجم الكبير من البيانات الوسيطة والذاكرة بين الجلسات. فإذا كان على الوكيل أن يخطط، ويقرأ الملفات ويكتبها، ويحفظ المخرجات، ويقسّم العمل إلى مهام فرعية، ولا يفقد الخيط بعد عشرات الخطوات، فقد توفر هذه الطبقة قدرًا كبيرًا من الوقت. لكنها ليست بديلًا عن أي حزمة تقنية.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…