مفهوم الوكلاء المحيطيين وتجاوز نموذج الدردشة

تواجه فرق العمل التي تتعامل مع معالجة المستندات والبيانات على نطاق واسع تحديات تقليدية تتمثل في هدر الساعات في الفرز اليدوي للملفات التي تصل إلى مستودعات التخزين مثل خدمة Amazon Simple Storage Service أو مراقبة التنبيهات حتى يقوم شخص ما باتخاذ إجراء حيالها. تقدم منصة AWS Machine Learning Blog رؤية جديدة لحل هذه المشكلات التشغيلية من خلال الاعتماد على تقنيات الذكاء الاصطناعي الحديثة.

تعتمد معظم تطبيقات الذكاء الاصطناعي السائدة حالياً على نموذج طلب ورَد تفاعلي، حيث يفتح المستخدم واجهة محادثة ويكتب توجيهاً ثم ينتظر النتيجة. بالرغم من نجاح هذه الطريقة في الأسئلة الفردية، إلا أنها تقيد الوكيل بمحادثة واحدة في كل مرة وتتطلب تدخلاً بشرياً مستمراً لوصف الأحداث قبل أن يتمكن النظام من التصرف. وهنا يأتي دور نموذج Ambient agents المختلف تماماً، والذي يستمع إلى تدفقات الأحداث ويتفاعل معها فورياً بشكل متوازٍ ودون الحاجة لتوجيه بشري مباشر في كل خطوة.

دور منصة Amazon Bedrock AgentCore في البيئات الحديثة

تمثل منصة Amazon Bedrock AgentCore بيئة متكاملة تتيح للمؤسسات بناء وربط وتحسين وكلاء الذكاء الاصطناعي على نطاق واسع وبأي إطار عمل أو نموذج تفضله. توفر بيئة التشغيل الخاصة بالمنصة استضافة للوكلاء تعتمد على الحاويات البرمجية مع دعم لأحمال العمل طويلة الأجل، وعزل مدمج للجلسات، وتكامل سلس مع النماذج الأساسية المتاحة ضمن خدمات Amazon Bedrock.

تستطيع المؤسسات الاستفادة من البنية التحتية القائمة لدعم الأحداث مثل إشعارات التخزين وقواعد المراقبة، وربطها بالوكلاء الأذكياء. وعلى عكس مسارات العمل الآلية بالكامل مثل استخدام خدمات التنسيق المتقدمة مثل AWS Step Functions التي لا تستطيع التعامل مع الغموض أو طرح أسئلة توضيحية، تنجح الوكلاء المحيطية في سد هذه الفجوة عبر التفكير في المشكلة والتفاعل مع البشر عند الحاجة.

آلية التشغيل المعتمدة على الأحداث والإشارات المحيطية

تختلف الآلية البرمجية للوكلاء المحيطيين جذرياً عن الوكلاء التقلديين الذين يبدأ عملهم بطلب المستخدم. في النظام الجديد، يؤدي أي حدث نظامي مثل رفع ملف أو تغيير في قاعدة البيانات إلى تشغيل إشارة محيطية تقوم تلقائياً بإنشاء مهمة خاصة للوكيل المعني. وتحدد إعدادات هذه الإشارة ما إذا كان الوكيل سيقوم بالتنفيذ التلقائي أو انتظار مراجعة بشرية.

تتيح هذه الهندسة المرنة خيارين أساسيين عند رصد الحدث: إما الانتظار والظهور في لوحة المهام بحالة خمول للمراجعة البشرية الآمنة، أو التنفيذ الفوري للمهمة دون تدخل مسبق واللجوء إلى الإنسان فقط عند الحاجة لتوضيح أو موافقة عبر أداة تفاعلية مخصصة ومصممة خصيصاً لهذا الغرض.

المتطلبات التقنية والأدوات اللازمة للنشر

يتطلب نشر وتفعيل نظام الوكلاء المحيطين اعتماد مجموعة من أدوات الإدارة والبنية التحتية السحابية. يجب على الفرق التقنية التأكد من توفر حساب سحابي يمتلك الصلاحيات اللازمة لإنشاء الأدوار والأدوات البرمجية، بالإضافة إلى تكوين واجهة سطر الأوامر الشهيرة AWS Command Line Infrastructure للتفاعل المباشر مع الموارد المتاحة في السحابة.

إلى جانب ذلك، تعتمد عملية النشر على مجموعة أدوات تطوير البنية التحتية البرمجية AWS Cloud Development Kit لتنفيذ عمليات الإعداد الأولي، واستخدام حاويات البرمجيات عبر منصة Docker لتغليف ونشر تطبيقات الوكلاء بكفاءة عالية داخل المستودعات المخصصة.

ولضمان عمل النماذج الأساسية بكفاءة، يتوجب على المسؤولين التحقق من تفعيل صلاحيات النماذج المطلوبة مثل نماذج الذكاء الاصطناعي المتقدمة من خلال دليل إدارة الوصول إلى النماذج في الخدمات المعنية، مع إمكانية مراجعة التفاصيل البرمجية الشاملة عبر مستودع الأمثلة المرجعية المخصص.

إدارة دورة حياة المهام والتفاعل البشري

تعتمد دورة حياة الوكيل المحيطي على التكامل السلس بين معالجة الأحداث وإدارة الحالة لضمان عدم فقدان أي بيانات أثناء التوقف المؤقت بانتظار موافقة المستخدم. عندما يتطلب الأمر تدخلاً بشرياً، يرسل الوكيل استعلاماً عبر أداة مخصصة ليتوقف التنفيذ مؤقتاً حتى يتلقى الرد، ثم يستأنف عمله بدقة من نقطة التوقف السابقة.

تقدم الأمثلة البرمجية المتوفرة عبر كود المصدر والمرجع المتاح للمطورين فرصة مثالية لفهم كيفية بناء وتخصيص هذه المنظومة بالكامل بما يتناسب مع احتياجات المؤسسات المختلفة، مما يقلل من تعقيدات النشر في بيئات الإنتاج الحية.

باستخدام تقنيات الحاويات وأدوات التطوير السحابية الحديثة بما فيها بيئات تشغيل الحاويات مثل Docker، يمكن للفرق التقنية نشر تطبيقات تتسم بالموثوقية العالية والقابلية للتوسع لتلبية متطلبات معالجة البيانات المعقدة.

المصادر

• AWS Machine Learning BlogBuilding ambient agents with Amazon Bedrock AgentCore: From event-driven signals to human-in-the-loop workflows