Google وGemma 4: كيف تشغّل استدعاء الأدوات (tool calling) محليًا عبر Python وOllama

نشر موقع Machine Learning Mastery تحليلًا مفصلًا لكيفية بناء وكيل AI محلي على أساس Gemma 4 مع دعم tool calling. وتكمن أهمية المادة في الإشارة التي تبعثها إلى السوق أكثر من الشيفرة نفسها: فنماذج Google مفتوحة الأوزان (open-weight) تدخل بثقة متزايدة سيناريوهات كانت واجهات API السحابية تهيمن عليها تقريبًا دون منافس.

عن ماذا تتحدث المادة

يعرض المؤلف في مقال بتاريخ 14 أبريل حزمة عملية لوكيل محلي: Python وOllama والنموذج `gemma4:e2b`. الفكرة بسيطة: بدلًا من روبوت محادثة تقليدي يجيب من أوزانه فقط، يزوّد المطوّر النموذج بمجموعة من الدوال ووصف لمعاملاتها. وإذا احتاج الطلب إلى بيانات خارجية، فإن النموذج لا يختلق إجابة، بل يصوغ استدعاءً منظمًا للأداة المطلوبة، ويتلقى النتيجة، ثم يكوّن النص النهائي.

وفي سياق إطلاق Gemma 4، يبدو هذا المثال لافتًا بوجه خاص. فقد أطلقت Google عائلة من النماذج المفتوحة بترخيص Apache 2.0، وركّزت على السيناريوهات الوكيلية (agentic): structured JSON وfunction calling وsystem instructions، مع العمل على عتاد متنوع، من الأجهزة المحمولة إلى محطات العمل. وتروّج الشركة رسميًا لـ Gemma 4 بوصفه أساسًا للمهام المحلية ومهام on-device، وتذكر Ollama ضمن الأدوات المدعومة منذ اليوم الأول. وبالنسبة إلى المطورين، يعني ذلك طريقًا أوضح نحو مساعدين خاصين دون اعتماد إلزامي على مزوّد خارجي.

كيف يعمل الوكيل

بُنيت بنية المثال دون أطر عمل ثقيلة. فالمؤلف يستخدم عمدًا مكتبات Python القياسية مثل `urllib` و`json`، ليبيّن أن وكيلًا أساسيًا يدعم tool calling يمكن تشغيله دون LangChain ودون منسّقات (orchestrators) ودون طبقة سميكة من التجريدات.

والجزء الأساسي هو سجل الأدوات بصيغة JSON Schema. فهو الذي يشرح للنموذج الدوال المتاحة، والوسائط التي تقبلها، والحقول الإلزامية.

• يكتب المطوّر دوال Python محلية تؤدي دور الأدوات
• تُحدَّد لكل دالة مخطط صارم للمعاملات
• يُرسَل طلب المستخدم مع قائمة tools إلى Ollama
• يُرجع النموذج `tool_calls` إذا احتاج إلى بيانات خارجية
• ينفّذ التطبيق الدالة ويعيد النتيجة إلى النموذج

بعد ذلك تأتي جولة ثانية. يضيف التطبيق المضيف ردّ الأداة إلى سجل الرسائل بدور `tool`، ثم يستدعي النموذج مرة أخرى. وفي هذه الخطوة تحديدًا لا يخمّن Gemma 4، بل يعتمد على بيانات حية. ويتيح ذلك في المثال ربط استدلال النموذج (reasoning) بشيفرة Python العادية في دورة عمل واحدة دون وسيط سحابي.

وفي جوهره، يعرض المؤلف نسخة مصغّرة من بيئة تشغيل وكيلية يمكن فهمها وتكييفها مع المهام الخاصة في أمسية واحدة.

ما الأدوات التي عُرضت

يبني المؤلف في البداية، لأغراض العرض، دالة للطقس تعتمد على Open-Meteo، ثم يضيف ثلاث أدوات أخرى: الأخبار والوقت الحالي وتحويل العملات. والنتيجة وكيل صغير لكنه معبّر، يستطيع الإجابة لا عن معلومة واحدة فحسب، بل عن طلب مركّب أيضًا. مثلًا: معرفة الطقس في باريس والوقت الحالي، وتحويل الدولار الكندي إلى يورو، وجلب أحدث الأخبار حول الموضوع في الوقت نفسه.

ويُسلَّط الضوء بوجه خاص على النموذج `gemma4:e2b`. وهو النسخة الطرفية (edge) من Gemma 4 بحجم فعّال يبلغ ملياري معامل أثناء الاستدلال (inference)، ومصمَّمة لتوفير الذاكرة وخفض زمن الاستجابة. ويؤكد المقال أن هذا الإعداد يمكن تشغيله محليًا، دون GPU ودون قيود API. وهذه نقطة مهمة للفرق الصغيرة والمطورين المنفردين: فالسيناريوهات الوكيلية لم تعد تجربة مكلفة، بل صارت مهمة هندسية اعتيادية.

ويذكر المؤلف أنه شغّل على النظام خلال عطلة نهاية الأسبوع مئات الطلبات، ولم يلاحظ أي أعطال في المنطق الأساسي لاستدعاء الأدوات.

ماذا يعني ذلك

الخلاصة الرئيسية ليست في دليل Python آخر، بل في انخفاض عتبة الدخول. فإذا كان Gemma 4 يحافظ فعلًا بثبات على structured output وfunction calling حتى في الإعدادات الطرفية الخفيفة، فإن سوق الوكلاء المحليين سيتوسع سريعًا: سيزداد عدد السيناريوهات دون اتصال بالإنترنت (offline) وعمليات النشر المؤسسية الخاصة، وستقلّ الأسباب التي تدفع إلى التوجه فورًا نحو منظومات سحابية مكلفة.