يتحول مشهد الذكاء الاصطناعي سريعًا من تفاعلات المطالبة الواحدة إلى تدفقات عمل مستقلة قائمة على الوكلاء. وعند دمج نماذج اللغة الكبيرة في برمجيات حقيقية، يظهر تحديان معماريان أساسيان: تشتت الأدوات وتعقيد المطالبات.
يعمل Model Context Protocol (MCP)، الذي أتاحته Anthropic مفتوح المصدر، معيارًا عالميًا — أشبه بمنفذ USB-C لنماذج الذكاء الاصطناعي. فبدل كتابة محولات مخصصة لـPostgreSQL أو GitHub أو Jira أو الخدمات المصغرة الداخلية، يوفر MCP بروتوكول JSON-RPC موحدًا عبر stdio/SSE كي تكتشف الوكلاء الأدوات وتستدعيها ديناميكيًا.
تعاني المطالبات الضخمة التي تحاول تنفيذ الاستدلال واستدعاء واجهات API وتنسيق JSON ومعالجة الأخطاء ضمن استدعاء واحد للنموذج من معدل فشل مرتفع. وتجزّئ تدفقات العمل متعددة الوكلاء، باستخدام LangGraph أو CrewAI أو Vercel AI SDK، منطق المجال المعقد إلى آلات حالات متخصصة ومحدودة النطاق.
في بيئة الإنتاج، تتولى كل عقدة وكيل مسؤولية واحدة: يسترجع وكيل السياق، ويتحقق آخر من المخططات عبر Zod/Pydantic، وتقرر عقدة المشرف الانتقال التالي. ويضمن حفظ الحالة والتحقق بمشاركة الإنسان أن تتطلب العمليات غير القابلة للعكس — مثل الكتابة إلى قاعدة البيانات أو التحويلات المالية — تفويضًا صريحًا.
خلاصات للفرق الهندسية: 1) اعرضوا الأدوات الداخلية كخوادم MCP لتبسيط التكامل. 2) اجعلوا مسؤوليات العقد ذرية للحد من انحراف النموذج. 3) لا تسمحوا مطلقًا لنموذج اللغة بتغيير الحالة دون التحقق من مخطط محدد الأنواع وضوابط أمان حتمية.
امنح المنتج القادم شخصاً يبقى معه.
هل أنت مستعد للبدء؟ أرسل لي رسالة؛ أنا متاح للبدء الآن والبقاء. عقود طويلة الأمد، لا تسليم خلال أسبوعين. لنتحدث عن مشروعك ومتطلباته وأفضل طريقة للمضي قدماً.