LangChain أضاف المفسّرات إلى Deep Agents — إدارة الأكواد بين استدعاءات الأدوات

قدمت LangChain دعم المفسّرات في Deep Agents — بيئات تنفيذ مدمجة للأكواد، حيث يكتب الوكلاء بأنفسهم أكوادًا برمجية لإدارة عملهم.

ما الذي تغير

في السابق، كان الوكيل يستدعي الأدوات مباشرة ويرسل النتائج مرة أخرى إلى النموذج. الآن، بين الوكيل والأدوات تظهر طبقة — المفسّر، حيث يمكن للوكيل كتابة الأكواد. هذا الكود يتولى استدعاء الأدوات، ومعالجة النتائج، وتصفية ما يدخل إلى سياق النموذج.

لماذا هذا مهم

• توفير السياق — يمكن للوكيل معالجة البيانات محليًا، في الكود، بدلاً من إرسال كل نتيجة وسيطة إلى النموذج
• منطق حفظ الحالة — يخزن المفسّر المتغيرات والحسابات الوسيطة وحالة التنفيذ
• تحكم أفضل — يرى الوكيل الأخطاء فورًا ويمكنه معالجتها في الكود، دون جولة جديدة مع النموذج
• الاختبار والتسجيل — يمكن للمطور رؤية كيف يتخذ الوكيل القرارات وينسق الأدوات

كيف يعمل

يكتب الوكيل أكوادًا — على سبيل المثال، بلغة Python. يستدعي الكود الأدوات، ويفحص النتائج، ويتخذ قرارًا بشأن الخطوة التالية. إذا كانت هناك حاجة لمساعدة النموذج، يمرر الوكيل بشكل صريح إلى السياق فقط البيانات ذات الصلة. يقوم المفسّر بتنفيذ الكود في بيئة معزولة ويعيد النتيجة إلى الوكيل. يمكن للمطور إضافة منطق التحقق من النتائج، ومقارنة الخيارات، والتفريع الشرطي — كل ما كان يتطلب سابقًا استدعاءات إضافية للنموذج.

«توفر المفسّرات للوكلاء إمكانية التفكير والتخطيط في الأكواد، وليس فقط في النصوص الفورية»، كما توضح

LangChain في الوثائق.

ماذا يعني هذا

ينتقل وكلاء الذكاء الاصطناعي من سلسلة بسيطة «استدعاء الأداة → النتيجة → السياق» إلى أنظمة أكثر مرونة، حيث يعيش جزء من المنطق في الكود. هذا يقلل الحمل على النموذج، ويحسن القابلية للتنبؤ بالسلوك، ويفسح المجال للمعالجة المتخصصة. بالنسبة للمطورين، يعني هذا أن الوكلاء أصبحوا أسهل في الاختبار والتكامل مع الأنظمة الموجودة.