دليل بناء وكلاء ADK بمهارات قوية

الرئيسية » Python » دليل بناء وكلاء ADK بمهارات قوية

أصبحت البرامج الذكية المبنية باستخدام مجموعة أدوات تطوير البرامج الذكية (ADK) بسرعة العمود الفقري للتطبيقات الحديثة التي تعمل بالذكاء الاصطناعييتجاوز هذا بكثير مجرد روبوتات الدردشة أحادية الاستخدام التي تجيب على الأسئلة فقط. فبفضل نظام المهارات المناسب، تستطيع هذه الروبوتات التفكير المنطقي، والتخطيط، واستخدام الأدوات، والتعاون مع روبوتات أخرى، بل وتحسين عملها بشكل دوري، كل ذلك مع الحفاظ على استخدام الرموز المميزة وزمن الاستجابة تحت السيطرة بفضل تقنيات الكشف التدريجي.

في هذا الدليل المتعمق، ستتعرف على كيفية تصميم وهيكلة وتنسيق وكلاء ADK باستخدام المهاراتبدءًا من الوكيل الفردي الأساسي وصولًا إلى سير العمل متعدد الوكلاء الذي يعمل بالتسلسل، وفي الحلقات، وبالتوازي. ستتعرف أيضًا على كيفية استخدام بيئات العمل الواقعية، مثل مختبرات جوجل البرمجية ADK، ومهارات المجتمع، وأطر التنسيق مثل AgentKit 2.0، لأنماط مثل Router وSequentialAgent وLoopAgent وParallelAgent، بالإضافة إلى كيفية دمج شركات مثل Q2BSTUDIO لهذه الأنماط مع منصات الحوسبة السحابية والأمن السيبراني لتقديم أنظمة جاهزة للإنتاج.

لماذا يُعدّ وكلاء ADK ذوو المهارات مهمين لفرق تطوير البرمجيات الحديثة؟

أدى التطور الهائل للذكاء الاصطناعي في تطوير البرمجيات إلى دفع الفرق للبحث عن طرق لدمج الخبرات وسير العمل في وحدات قابلة لإعادة الاستخدام والتركيب.. تلبي مجموعات أدوات تطوير التطبيقات (ADKs) هذه الحاجة من خلال السماح لك بتجميع السلوك وقواعد المجال والأدوات في وكلاء يمكن إعادة استخدامهم عبر المشاريع والفرق وحتى المنتجات.

تكمن مهارات الوكيل في صميم هذا النهجوهي عبارة عن وحدات معرفية مستقلة يمكن للوكيل تحميلها عند الطلب. وبدلاً من وضع كل الإرشادات والقواعد في نافذة واحدة ضخمة، تقوم المهارات بتطبيق الكشف التدريجي البنية: يتم الكشف عن التعليمات والأصول والبرامج النصية فقط عند الحاجة، مما يحافظ على السياق بسيطًا والأداء عاليًا حتى عند تثبيت مئات المهارات.

تُعد هذه الكفاءة بالغة الأهمية في عالم تُشكل فيه ميزانيات الرموز وزمن الاستجابة وتكاليف الحوسبة قيودًا حقيقية.تحميل جميع أدلة الأسلوب ومواصفات واجهة برمجة التطبيقات وقواعد التشغيل في موجه واحد لا يُعدّ حلاً عملياً. تتيح لك المهارات الاحتفاظ بالمعرفة "الباردة" على القرص (أو في المستودعات) واستخدامها في سياق الوكيل فقط عندما تكون قدرة معينة ذات صلة.

تستفيد شركات مثل Q2BSTUDIO من هذا النموذج لبناء أنظمة ذكاء اصطناعي مصممة خصيصًا للمؤسساتيجمع هذا النهج بين ذكاء الأعمال والمعرفة المتخصصة وممارسات الأمن السيبراني الحديثة. وبهذه الطريقة، لا تكون البرامج قادرة على العمل وفهم السياق فحسب، بل تكون أيضًا محصنة ضد أساليب الهجوم الشائعة في بيئة التهديدات الحالية.

فهم بنية الكشف التدريجي لمهارات ADK

تتبع المهارات المصممة على نمط ADK عادةً نموذج تحميل ثلاثي المستويات يحافظ على تركيز الوكيل على السياق مع السماح في الوقت نفسه بالتخصص العميق في المجال عند الحاجة. يمكنك اعتبارها مسارًا تدريجيًا للمعرفة:

المستوى 1 - الاكتشافعند بدء المحادثة، لا يرى الموظف سوى قائمة بالمهارات المتاحة: أسمائها ووصف موجز لها. لا توجد بيانات معقدة مُحمّلة مسبقًا. هذا يكفي الموظف لتحديد المهارة التي قد تكون مناسبة لطلب المستخدم.

المستوى 2 – التعليماتبمجرد اعتبار المهارة مناسبة، يقوم الوكيل بقراءة خصائصها. SKILL.md أو ملف تعليمات مكافئ. توفر هذه الوثيقة إرشادات وأنماطًا وقواعد مفصلة لتلك المهارة، ويتم إدراجها في سياق النموذج فقط عند الضرورة.

المستوى 3 - الموارد: تبقى الأصول الضخمة مثل المخططات الكبيرة، وقوائم التحقق الطويلة، والبرامج النصية، أو المستندات الموسعة على نظام الملفات كمرجع.

ويتم استرجاعها عند الطلب فقط إذا أشارت المهارة إليها تحديدًا. يقرأ العميل هذه الموارد أو ينفذها حسب الحاجة، بدلاً من وجودها دائمًا في الموجه الرئيسي.

يُعد هذا النمط أساسيًا لأطر عمل مثل AgentKit 2.0 والإعدادات القائمة على تقنية Antigravity.يمكنك تثبيت المهارات مباشرةً في العملاء المتوافقين (Claude Code و Cursor و Antigravity وغيرها) باستخدام أوامر مثل npx add-skill vercel-labs/agent-skills، والتي تقوم باستنساخ مستودعات المهارات، ووضعها في الدلائل الصحيحة، وجعلها قابلة للاكتشاف دون الحاجة إلى تعديل المطالبات يدويًا.

أنماط التصميم لهيكلة مهارات ADK

إن كتابة مهارة جديدة من الصفر غالباً ما يكون أقل ارتباطاً بالأدوات وأكثر ارتباطاً بتصميم المحتوى.توضح لك مواصفات ADK عادةً كيفية هيكلة الحزمة (البيانات الوصفية في YAML، references/, assets/, scripts/ (مثل الدلائل وما إلى ذلك)، لكنها لا توضح كيفية كتابة التعليمات الفعلية. وهنا يأتي دور أنماط التصميم القابلة لإعادة الاستخدام.

أفاد الممارسون الذين اكتسبوا عشرات المهارات أن حفنة من الأنماط الهيكلية تغطي معظم حالات الاستخدام في العالم الحقيقيخمسة من أكثرها فائدة هي:

غلاف الأدواتيُجسّد هذا النمط الأعراف وأفضل الممارسات لمكتبة أو منصة معينة في مهارة واحدة. وتصف التعليمات القواعد التي يجب اتباعها، بينما references/ يحتوي على الوثائق الرسمية. عادةً لا توجد قوالب أو نصوص برمجية؛ الهدف هو تزويد الوكيل بـ "نموذج ذهني" لأداة مثل FastAPI أو React أو Postgres.

مولد كهرباءهنا، تُنتج المهارة مخرجات منظمة ومتسقة باستخدام قوالب مخزنة في assets/تشمل الأمثلة وثائق واجهة برمجة التطبيقات، ورسائل الالتزام، والتقارير الفنية، وسجلات التغييرات. تحدد التعليمات قواعد الجودة، بينما تحدد القوالب شكل المخرجات، مما يتيح لك الحصول على تنسيقات قابلة للتكرار بمحتوى مختلف في كل مرة.

عميلهذا النمط يفصل ماذا للتحقق من كيف للتحقق من ذلك. ملف قائمة التحقق في references/ يُحدد هذا الملف العناصر المطلوب التحقق منها (الأمان، والأسلوب، والبنية، وما إلى ذلك)، بينما تُحدد التعليمات بروتوكول المراجعة: تجميع النتائج حسب خطورتها، والمطالبة بتبريرها، واقتراح الحلول. استبدل ملف قائمة التحقق وستحصل فعليًا على مُراجع جديد تمامًا دون الحاجة إلى إعادة كتابة المهارة.

مقابلة (انعكاس)بدلاً من التصرف الفوري، يقوم النظام أولاً بمقابلة المستخدم من خلال أسئلة منظمة على مراحل، مع وجود شروط مثل "لا تبدأ البناء حتى تكتمل جميع المراحل". هذا يمنع النظام من وضع افتراضات كبيرة ويجبره على توضيح الأهداف والقيود قبل إنشاء مخرجات تفصيلية.

خط أنابيبيُشفّر هذا النمط سير العمل متعدد الخطوات مع وجود بوابات واضحة بين كل خطوة، مثل "لا تنتقل إلى الخطوة 3 حتى يؤكد المستخدم". إنه أكثر تعقيدًا من الأنماط الأخرى، ولكنه الوحيد الذي يمنع الموظفين بشكل موثوق من تخطي مراحل التحقق. يمكن لمهارات خط الأنابيب دمج خطوات المراجع، أو مخرجات المُولِّد، أو مراحل المقابلة ضمن نفس سير العمل.

غالباً ما تجمع المهارات العملية من جوجل وفيرسيل وسوبابيس بين نمطين أو أكثر من هذه الأنماط لكل مهارة.على سبيل المثال، قد تقوم مهارة الحوكمة بإجراء مقابلة مع المستخدم حول قيود المشروع، ثم تشغيل مسار مراجعة باستخدام قوائم تحقق مميزة وإنشاء تقرير حوكمة باستخدام مولد يعتمد على القوالب.

من العملاء الفرديين إلى أنظمة العملاء المتعددين باستخدام ADK

بمجرد فهم كيفية تجميع المهارات للمعرفة، فإن الخطوة التالية هي معرفة كيفية قيام وكلاء ADK بتنسيق تلك المعرفة في سير العمل.تُعد دروس البرمجة الرسمية لـ ADK من Google مرجعًا ممتازًا: فهي ترشدك من وكيل واحد أساسي عبر الأدوات والذاكرة وتنسيق الوكلاء المتعددين، وكل ذلك في دفاتر Colab العملية.

تبدأ الرحلة مع أول وكيل لك تم إنشاؤه باستخدام Runnerفي المختبر البرمجي، تقوم بتعريف day_trip_agent تتمثل مهمتها في تصميم برنامج رحلة ليوم واحد يراعي تفضيلات المستخدم وميزانيته. توضح ثلاثة مكونات نموذج التفاعل العام لـ ADK:

العميل يُعرَّف "العقل" بتعليماته، والنموذج الأساسي (مثل Gemini)، والأدوات التي يمكنه استخدامها. في المثال، يمتلك الوكيل إرشادات تفصيلية بالإضافة إلى إمكانية الوصول إلى بحث جوجل.

الدورة يعمل هذا النظام كمخزن لذاكرة المحادثة، حيث يحتفظ بالسجل الكامل لرسائل المستخدم وردود الوكيل. ويحافظ استخدام نفس كائن الجلسة على استمرارية السياق بين الأدوار.

عداء ينسق التنفيذ من خلال أخذ وكيل وجلسة، ومعالجة كل استعلام من المستخدم وإرجاع الإجابة

مع تحديث الجلسة على طول الطريقأدوات مساعدة مثل run_agent_query() قم بتغليف هذه الحلقة بحيث يمكنك بسهولة تشغيل العوامل من خلال الاختبارات أو عمليات تكامل واجهة المستخدم.

يُظهر الاطلاع على هذا المثال الأول كيف ترتبط التعليمات الجيدة مباشرةً بتوجيهات المستخدمقد يطلب سؤال اختباري رحلة يومية "مناسبة للميزانية" و"مريحة"، ولأن التعليمات تؤكد على مراعاة التكلفة، فإن الوكيل يدمج اعتبارات الميزانية في إجاباته بشكل موثوق.

ربط الأدوات المخصصة بوكلاء ADK الخاصين بك

تصبح الوكلاء قوية حقًا عندما يتمكنون من استدعاء واجهات برمجة التطبيقات والخدمات الداخلية الخاصة بك بدلاً من مجرد أدوات عامة مثل البحث على الويب. تسهل مجموعات أدوات تطوير البرامج (ADKs) هذا الأمر عن طريق تحويل الوظائف العادية إلى أدوات بناءً على توقيعاتها وسلاسل التوثيق الخاصة بها.

في دروس البرمجة، يستخدم مثال بسيط دالة بايثون تستدعي واجهة برمجة تطبيقات الطقس في الوقت الفعليدالة مثل get_live_weather_forecast(location: str) يسترجع البيانات الحالية من خدمة الأرصاد الجوية العامة ويعيد معلومات منظمة، مثل درجة الحرارة والظروف في قاموس.

الجزء الحاسم هو سلسلة التوثيقيقوم ADK بتحليل سلسلة توثيق الدالة لفهم وظيفة الأداة، والوسائط التي تستقبلها، والقيمة التي تُرجعها. يقرأ نموذج اللغة هذا الوصف ويحدد متى وكيف يتم استدعاء الأداة أثناء عملية الاستدلال.

لربط الأداة بالوكيل، ما عليك سوى تمريرها كجزء من قائمة الأدوات أثناء التهيئة.، على سبيل المثال tools=[get_live_weather_forecast]تعليمات weather_agent ويمكن بعد ذلك إخبار النموذج صراحةً باستدعاء هذه الأداة قبل اقتراح الأنشطة الخارجية.

أثناء الاختبارات، تؤدي مطالبات مثل "أريد القيام برحلة مشي بالقرب من بحيرة تاهو، كيف هو الطقس؟" إلى تشغيل الأداة مباشرةًلأن مهمة الوكيل وتعليماته تشترط استخدام التوقعات الجوية المباشرة قبل التوصية بأي خطة. وينطبق هذا النمط على واجهات برمجة التطبيقات الخاصة بك: المخزون، والتسعير، وإدارة علاقات العملاء، والتحليلات، أو أي نظام خلفي يمكنك تغليفه كدالة.

نمط الوكيل كأداة: بناء فرق من المتخصصين

بدلاً من حشر كل المسؤوليات في جهة واحدة ضخمة، تشجعك ADK ​​على إنشاء فريق من الخبراء الأصغر حجماًيكمن المفتاح في نمط "الوكيل كأداة"، حيث يمكن لوكيل واحد استدعاء وكيل آخر كما لو كان مجرد أداة أخرى.

يقوم أحد العروض التوضيحية النموذجية في مختبرات البرمجة ببناء نظام تخطيط سفر متعدد الطبقات:

وكلاء متخصصون التعامل مع النطاقات الضيقة: أ food_critic_agent هذا لا يشير إلا إلى المطاعم، db_agent التي تستعلم عن بيانات الفنادق، و concierge_agent الذي يعمل كمساعد مهذب للتفاعلات التي تواجه المستخدم.

يتعامل موظف الاستقبال نفسه مع ناقد الطعام كأداة.، وتفويض اختيار المطعم إلى الناقد ثم إعادة صياغة النتيجة بلغة أكثر سهولة في الاستخدام.

في القمة يوجد وكيل التنسيق، مثل trip_data_concierge_agent، الذي تتمثل مهمته في فهم طلب المستخدم بشكل عام وتحديد أي متخصص يجب استدعاؤه من خلال وظائف تغليف مخصصة مثل call_db_agent و call_concierge_agent.

عندما تقوم بتشغيل استعلام مثل "ابحث لي عن فندق ومطعم قريب"تُظهر سجلات الأدوات سلسلة من التفويض: يتصل المنسق بوكيل قاعدة البيانات للفنادق، ثم يتصل بوكيل خدمة الاستقبال للحصول على نصائح حول المطاعم، ويتصل وكيل خدمة الاستقبال بدوره بناقد الطعام. يركز كل وكيل على مجاله الخاص بينما يتولى المنسق عملية التنسيق.

يتوافق هذا النهج بشكل وثيق مع كيفية تنظيم AgentKit 2.0 لوكلائه المتخصصين الستة عشر يشمل ذلك الواجهة الأمامية والخلفية والأمن والاختبار والبنية التحتية. يأتي كل وكيل مزودًا بمهارات خاصة بالمجال (أفضل ممارسات React، وإعداد قواعد البيانات، وعمليات التدقيق الأمني، وتدفقات النشر، وغير ذلك)، ويقوم منسق بتجميعها لتحقيق أهداف أكبر مثل "بناء ونشر وحدة مصادقة المستخدم".

تزويد العملاء بالذاكرة: الجلسات والتخطيط التكيفي

لكي يشعر العميل بالذكاء الحقيقي، عليه أن يتذكر السياق عبر عدة أدوار، أي تعديل الخطط استجابةً للملاحظات بدلاً من التعامل مع كل رسالة كبداية جديدة. وهنا تبرز أهمية الجلسات وإدارة الذاكرة.

في مختبر البرمجة الخاص بـ ADK، يوضح وكيل تخطيط الرحلات متعددة الأيام الفرق بين الذاكرة السليمة والذاكرة المعطوبةدالة مثل create_multi_day_trip_agent() يُنشئ وكيلاً تركز تعليماته على التخطيط التدريجي، وتذكر الخيارات، والاستجابة المدروسة للتصحيحات.

يعيد العرض التوضيحي التكيفي استخدام كائن جلسة واحد لعدة أدوار:

بدوره 1يطلب المستخدم خطة رحلة لمدة يومين، ويقترح الوكيل أنشطة اليوم الأول.

بدوره 2يقول المستخدم إنه لا يهتم بالقصور. ولأن الجلسة تحتفظ بخط سير الرحلة السابق، يعرف الموظف أي جزء يجب تعديله ويقترح بديلاً لذلك الجزء مع الحفاظ على التفاصيل الأخرى كما هي.

بدوره 3يؤكد المستخدم التغيير ويطلب الخطوات التالية، لذلك يواصل الموظف التخطيط لليوم الثاني وهو على دراية بجميع السياقات السابقة.

يُتيح عرض توضيحي مُغاير لـ "الفشل" جلسة جديدة لكل دوريجيب الموظف على السؤال الأول بشكل صحيح، ولكن عندما يشير المستخدم لاحقًا إلى "اليوم الثاني"، لا تحتوي الجلسة الجديدة على أي سجل، ويعاني الموظف أساسًا من فقدان الذاكرة، غير قادر على ربط الطلب بالخطة السابقة.

الخلاصة بسيطة ولكنها أساسية: المحادثات المستمرة تتطلب جلسات مستمرةبالنسبة لأنظمة الإنتاج، تحتاج إلى الاحتفاظ بحالة الجلسة واسترجاعها عبر استدعاءات واجهة برمجة التطبيقات والأجهزة وأحيانًا حتى المستخدمين، خاصة عندما تمتد سير العمل لأيام أو أسابيع.

وكيل التوجيه: توجيه الاستفسارات إلى المختص المناسب

مع نمو قائمة وكلائك ومهاراتك، ستحتاج إلى آلية لتوجيه كل طلب وارد إلى الخبير المناسب.هذه هي مهمة وكيل التوجيه، وهو مكون صغير ولكنه بالغ الأهمية في بنى الوكلاء المتعددين.

تتمثل المسؤولية الرئيسية لجهاز التوجيه في التصنيف بدلاً من الإجابة على أسئلة المستخدم بشكل مباشر. عادةً ما تخبره تعليماته بقراءة استعلام المستخدم وإخراج اسم الوكيل (أو سير العمل) الأنسب لتلك المهمة فقط.

في أقسام الوكلاء المتعددين من المختبر البرمجي، يختار الموجه بين وكلاء المجال المختلفين مثل مخطط الرحلات اليومية، أو وكيل الطعام، أو وكيل النقل. تقوم وظيفة التنفيذ أولاً بطلب مسار من جهاز التوجيه، ثم تستخدم منطقًا شرطيًا بسيطًا لاستدعاء المتخصص المناسب بناءً على إجابة جهاز التوجيه.

يتوافق هذا النمط مع كيفية وصف تنسيق الوكلاء المتعددين في AgentKit 2.0هناك، يتلقى وكيل التنسيق هدفًا عالي المستوى، ويفوض تصميم المخطط إلى وكيل قاعدة البيانات، وإنشاء الهيكل إلى وكيل الواجهة الأمامية، ويجري مراجعة أمنية، ثم يسلم المهمة إلى وكيل النشر، وأخيرًا يجمع الاختلافات وعناوين URL في ملخص متماسك للمستخدم.

SequentialAgent: تنسيق سير العمل متعدد الخطوات المرتب

تنقسم بعض المهام بطبيعتها إلى مراحل مرتبة حيث يؤدي ناتج كل خطوة إلى الخطوة التاليةعلى سبيل المثال، فإن عبارة "ابحث عن أفضل مطعم سوشي في بالو ألتو، ثم أخبرني كيف أصل إلى هناك" تتطلب بوضوح أولاً خطوة اكتشاف ثم خطوة توجيه.

توفر مجموعات أدوات تطوير التطبيقات (ADKs) وكيل سير عمل متخصص، يُطلق عليه غالبًا اسم SequentialAgent، لإدارة هذه السلاسل بشكل سليمبدلاً من كتابة منطق التنسيق اليدوي، تقوم بتحديد قائمة بالوكلاء الفرعيين ومفاتيح الحالة المشتركة، ويتولى الإطار مهمة التسلسل وتمرير البيانات.

في مثال مختبر البرمجة، تتم إعادة هيكلة وكيل الطعام لإصدار نتيجته تحت output_key مثل "destination"ثم تتضمن تعليمات وكيل النقل عنصرًا نائبًا مثل {destination} والتي يقوم ADK بتعبئتها تلقائيًا بالقيمة المخزنة من الحالة المشتركة.

وكيل سير العمل الشامل، على سبيل المثال find_and_navigate_agent، مُهيأ كـ SequentialAgent مع وجود عملاء فرعيين بترتيب ثابت مثل [foodie_agent, transportation_agent]عند استدعائها، فإنها تتصرف كوكيل واحد من وجهة نظر المتصل بينما تقوم داخليًا بتنسيق الخطوتين وإدارة الحالة المشتركة.

هذا النهج يبسط بشكل كبير كود التنسيقتختفي الأشجار الشرطية وتوصيلات البيانات المخصصة، لتحل محلها تعريفات تصريحية للوكلاء الفرعيين والمفاتيح. كما يُسهّل ذلك اختبار وتوسيع سير العمل، حيث يظل كل وكيل فرعي معياريًا ويمكن إعادة استخدامه في سلاسل أخرى.

LoopAgent: تحسين متكرر باستخدام المخطط والناقد والمُحسِّن

تستفيد العديد من المشكلات الواقعية من التحسين التكراري بدلاً من الحلول الفردية.تخيّل وضع خطة، ثم مراجعتها، وتحسينها، وتكرار ذلك حتى الوصول إلى مستوى جودة مُرضٍ. تُلبّي عمليات سير العمل المتكررة هذه الحاجة.

تلتقط مجموعات أدوات تطوير التطبيقات (ADKs) هذا النمط باستخدام LoopAgent، وهو عامل سير عمل يقوم بتشغيل سلسلة من العوامل الفرعية بشكل متكرر حتى يتم تفعيل شرط الخروج.. هذا مثالي للوكلاء "المثاليين" الذين يحتاجون إلى مراجعة أنفسهم وتصحيح مخرجاتهم بناءً على معايير رسمية.

يتضمن إعداد الحلقة الكلاسيكي ثلاثة أدوار: وكيل تخطيط يقوم بإنتاج خطة أولية، ووكيل ناقد يقوم بتقييم الخطة مقابل القيود، ووكيل تحسين يقوم بتحرير أو إعادة كتابة الخطة بناءً على ملاحظات الناقد.

يُعرّف تعريف الحلقة هذه الأدوار في دورة ذات عدد أقصى من التكرارات. لتجنب الحلقات اللانهائية، على سبيل المثال max_iterations=3في كل جولة، يقرر الناقد ما إذا كانت الخطة مقبولة أم لا؛ وإذا لم تكن كذلك، يقوم المُحسِّن بإنشاء نسخة منقحة وتستمر الحلقة.

يتطلب الخروج من الحلقة عادةً أداة متخصصة، مثل exit_loopيستدعي المُحسِّن هذه العملية عندما يصبح تقييم الناقد إيجابيًا. عندئذٍ، تُعاد الخطة النهائية المعتمدة إلى المستخدم أو تُمرَّر إلى الجهات التابعة.

يُعد هذا النمط مفيدًا بشكل خاص في مجالات مثل تصميم البنية، ومراجعة الأمان، أو إنشاء المحتوى.، حيث نادراً ما تكون الإجابات السريعة كافية، ويمكن لدورات النقد المدمجة أن ترفع متوسط ​​الجودة بشكل كبير.

ParallelAgent: تسريع العمل باستخدام وكلاء فرعيين متزامنين

عندما تكون أجزاء مختلفة من طلب المستخدم مستقلة، فإن تشغيلها بالتسلسل يهدر الوقتعلى سبيل المثال، فإن عبارة "ابحث عن متحف وحفل موسيقي ومطعم رائع لهذه الليلة" لا تتطلب أن ينتظر كل بحث الآخر.

تعمل سير العمل المتوازية على حل هذه المشكلة من خلال تشغيل العديد من المتخصصين في نفس الوقتفي مجموعات أدوات تطوير التطبيقات (ADKs)، أ ParallelAgent يقوم بتشغيل قائمة من العوامل الفرعية في وقت واحد، ثم يدمج نتائجها من خلال حالة مشتركة وخطوة تركيب نهائية.

يُحدد الإعداد النموذجي ثلاثة عوامل خاصة بالمجال مثل museum_finder, concert_finder و restaurant_finder، لكل منها ما يخصها output_key في الحالة المشتركة. يقوم العامل المتوازي بتنفيذ العمليات الثلاث بالتوازي، لذا فإن إجمالي الوقت يكون قريبًا من أبطأ عامل منفرد بدلاً من مجموع أوقات العمليات الثلاث.

بعد اكتمال هذه العمليات، يقوم عامل التركيب بقراءة العناصر النائبة مثل {museum_result}, {concert_result} و {restaurant_result} من الحالة المشتركةثم يقوم بصياغة إجابة متماسكة وسهلة الاستخدام تجمع بين جميع مسارات المعلومات الثلاثة.

يعكس هذا النمط فوائد "التنفيذ المتوازي" الموضحة في تدفقات التنسيق الخاصة بـ AgentKit 2.0.. يقوم العملاء الفرعيون المستقلون بتقديم عملهم في وقت واحد، معزولين بمهاراتهم الخاصة حتى لا يلوثوا سياق بعضهم البعض، بينما يحافظ المنسق على تحمل الأخطاء وقابلية التدقيق بشكل عام.

AgentKit 2.0، ومهارات المجتمع، وتنسيق الوكلاء المعياري

يُظهر AgentKit 2.0 كيف يبدو النظام البيئي الناضج لمهارات ووكلاء ADK عمليًا.. يأتي مزودًا بـ 16 وكيلًا متخصصًا تغطي الواجهة الأمامية والخلفية والأمن والاختبار والبنية التحتية، كل منهم مجهز مسبقًا بمهارات المجال حتى يتمكنوا من العمل بشكل مستقل على المهام الفرعية المعقدة.

أكثر من 40 مهارة متخصصة في مجال معين متوفرة بشكل افتراضيوتشمل هذه المجالات المتكررة عمليات المصادقة، وتكوين قواعد البيانات، وعمليات النشر في الوقت الفعلي، ومراقبة الأداء. وهذه تحديدًا هي أجزاء البنية التحتية الحديثة التي تتطلب عادةً أكبر قدر من وقت الهندسة.

علاوة على ذلك، يساهم المجتمع الأوسع بأكثر من 1,000 مهارة يتم الحفاظ عليهاإلى جانب أطر العمل مثل Agent MD، تتيح هذه المهارات للوكلاء تفسير قواعد التشغيل التفصيلية وتطبيقها باستمرار عبر قواعد البيانات الكبيرة والمعقدة وعمليات النشر متعددة الطبقات.

تتمثل الفلسفة الأساسية في التطوير المعياري القائم على الوكلاءبدلاً من وكيل واحد ضخم يحاول القيام بكل شيء، تقوم بتشكيل فريق من المتخصصين في مجالات محددة وتنسيق عملهم. يقوم كل وكيل بتحميل المهارات التي يحتاجها فقط في مجاله، بما يتوافق مع نموذج الكشف التدريجي نفسه المستخدم على مستوى المهارات.

تتبع عمليات التنسيق النموذجية نمطًا واضحًايستقبل وكيل التنسيق هدفًا رئيسيًا، ثم يُحيل تصميم قاعدة البيانات إلى وكيل قاعدة البيانات (باستخدام مهارة المخطط)، ويرسل هيكل واجهة المستخدم إلى وكيل الواجهة الأمامية (باستخدام أفضل ممارسات React)، ويُشغّل وكيل أمان لإجراء عمليات التدقيق، وأخيرًا يطلب من وكيل النشر دفع البيانات إلى البنية التحتية مثل InForge. وخلال هذه العملية، يجمع المنسق النتائج، ويعيد محاولة الخطوات الفاشلة عند الضرورة، ويسجل التفاعلات لأغراض التدقيق.

لا تعمل هذه البنية على تحسين الأداء والموثوقية فحسب، بل إنها قابلة للتوسع أيضًا مع نمو مهارات المجتمع لتصل إلى الآلافلم تعد بحاجة إلى وكيل واحد "يعرف كل شيء"؛ بدلاً من ذلك، أنت تعتمد على فريق متماسك حيث يبقى كل عضو فيه على دراية تامة بمجموعة مهاراته الخاصة.

تجربة عملية: تشغيل وكلاء الويب ADK محليًا على أنظمة macOS وLinux وWindows

تصبح كل هذه المفاهيم أكثر وضوحًا عندما تقوم بتشغيل وكيل حقيقي يعمل بتقنية ADK على جهازك الخاص.تتيح لك إعدادات ADK Web المتوفرة في مستودعات الأمثلة تشغيل وكيل تخطيط الرحلات اليومية محليًا باستخدام واجهة ويب بسيطة.

قبل البدء، ستحتاج إلى بعض المتطلبات الأساسيةيتطلب الأمر: بايثون 3.8 أو أحدث (يُوصى باستخدام 3.9 أو أحدث)، ومفتاح واجهة برمجة تطبيقات Google AI Studio، واتصالاً بالإنترنت. يمكنك تثبيت أحدث إصدارات بايثون. google-adk==1.5.0بينما ينبغي لمستخدمي بايثون 3.8 استخدام إصدار متوافق مثل google-adk==0.3.0.

تبدأ العملية الأساسية لنظامي التشغيل macOS وLinux باستنساخ المستودع وإعداد بيئة افتراضية. بعد الجري git clone و cd في المشروع، يمكنك إما تنفيذ برنامج نصي تلقائي مثل ./setup_venv.sh (بعد منح أذونات التنفيذ) أو إنشاء بيئة افتراضية وتفعيلها يدويًا باستخدام python3 -m venv .adk_env و source .adk_env/bin/activate، تليها pip install -r requirements.txt.

تتمثل إحدى الخطوات المهمة في ضبط متغيرات البيئة عبر .env ملف في agent/ دليلتقوم بإنشاء هذا الملف، ثم تفتحه في محرر نصوص وتضيف أسطرًا مثل: GOOGLE_GENAI_USE_VERTEXAI=FALSE و GOOGLE_API_KEY=your_actual_api_key_hereاستبدل العنصر النائب بمفتاح API الحقيقي الخاص بك. سيؤدي تخطي هذه الخطوة إلى منع الوكيل من استدعاء النماذج الأساسية.

بمجرد تفعيل البيئة، ما عليك سوى تشغيلها adk web لبدء تشغيل واجهة الويب المحليةيعرض الطرفية عنوان URL، عادةً http://localhost:8000حيث يمكنك فتح متصفحك، اختر agent اختر الخيار من القائمة المنسدلة وابدأ الدردشة مع مخطط الرحلات اليومية. عند الانتهاء، قم بإلغاء تنشيط البيئة الافتراضية باستخدام deactivate أمر.

يتبع مستخدمو نظام التشغيل ويندوز نمطًا مشابهًا جدًا باستخدام موجه الأوامر أو باور شيلبعد استنساخ المستودع والدخول إليه، يمكنك تشغيل برنامج نصي مساعد مثل setup_venv.bat أو أنشئ بيئة افتراضية (venv) يدويًا باستخدام python -m venv .adk_env وقم بتفعيله عبر .adk_env\Scripts\activate في موجه الأوامر أو .adk_env\Scripts\Activate.ps1 في باورشيل.

استخدم .env يوجد الملف على نظام التشغيل ويندوز في نفس المكان agent\ دليل، تم إنشاؤها على سبيل المثال باستخدام type nul > agent\.env ثم تُعدّل باستخدام المفكرة. بعد ذلك، تُضيف نفس أزواج المفاتيح والقيم لتكوين الوصول إلى الذكاء الاصطناعي من جوجل. إذا واجهت مشاكل في سياسة التنفيذ في PowerShell، فاستخدم أمرًا مثل Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser يحلها للبرامج النصية المحلية.

بعد تثبيت التبعيات وتكوين متغيرات البيئة، قم بتشغيل adk web يمنحك نفس تجربة استخدام الوكيل المستندة إلى المتصفح على نظام التشغيل ويندوز كما هو الحال على نظامي التشغيل ماك أو إس ولينكس، مع إمكانية تعطيل البيئة في أي وقت باستخدام deactivate.

بجمع كل هذه العناصر معًا، توفر وكلاء ADK المزودون بالمهارات، والكشف التدريجي، وتنسيق الوكلاء المتعددين، طريقة فعالة لبناء أنظمة ذكاء اصطناعي قابلة للتطوير وآمنة ومتخصصة للغاية. تتوافق هذه الحلول مع سير العمل البرمجي الحقيقي. من خلال هيكلة المهارات باستخدام أنماط تصميم متينة، وربط الوكلاء بأدواتك وواجهات برمجة التطبيقات الخاصة بك، والاستفادة من وكلاء التوجيه والتسلسل والحلقة والتوازي، وتشغيل الإعدادات محليًا أو في السحابة، يمكن للفرق الانتقال من روبوتات الدردشة البسيطة إلى متعاونين أقوياء يعملون بالذكاء الاصطناعي جنبًا إلى جنب مع المطورين والمحللين والمشغلين في العمل اليومي.