عوامل هوش مصنوعی موفق خواهند شد زیرا یک ابزار بهتر از ده ابزار است

Three years after Pandora’s box of LLMs was thrown open, companies are no longer talking about chatbots. Instead, every podcast pitch I get mentions AI agents. It’s the new hotness, sure, but people creating tech see a lot of opportunity to build the next level of fundamental computer science concerns: abstraction and automation.

Part of what agents address is something we’ve talked about here on the blog for a while: context switching. برنامه‌نویسان حالت جریان خوب را دوست دارند، اما انبوه ابزارها و اعلان‌ها، دایره‌های قرمز رنگ و برنامه‌های چشمک‌زن حواس‌مان را پرت می‌کنند و ما را از کاری که انجام می‌دهیم دور می‌کنند. انجام داد[–>the AI industry is a bubble تنظیمات شیوع هنوز ناشناخته است، اما به نظر من عوامل هوش مصنوعی به عنوان روشی برای تفکر در مورد هوش مصنوعی (و کار دانش/فناوری به طور کلی) ادامه خواهند داشت.

در آغاز رونق هوش مصنوعی، آیزاک لیمن نظری بسیار سخت نوشت که از آن زمان تا کنون بیشتر تفکرات من را هدایت کرده است:[–>AI isn’t the app, it’s the UI. عوامل هوش مصنوعی این کار را یک قدم فراتر می‌گذارند: آنها یک رابط زبان طبیعی برای استفاده از هر نرم‌افزاری در گردش کار شما هستند. آنها می توانند چت کنند، از ابزارها استفاده کنند و کد جدید را از یک رابط بنویسند. و آن رابط واحد – آن یک نقطه ورود به کل زندگی سازنده شما – دلیلی برای تحمل عوامل خواهد بود.

رابط‌های کاربر در رایانه‌ها از پایانه‌های متنی ساده در سیستم‌های قدیمی MS-DOS و مبتنی بر یونیکس به رابط‌های گرافیکی بسیار بهینه‌شده و پیکربندی شده تبدیل شده‌اند که فقط با نرم‌افزار و عملکرد خاصی تعامل دارند. مدل‌های زبان بزرگ (LLM) ما را به آن رابط متنی خالص بازمی‌گرداند، فقط این بار برای استفاده حداکثری از محیط، نیازی به دانستن کلمات قدرت مخفیانه و باطنی ندارید (به سلامتی همه[–>prisoners of Vim). شما فقط می توانید به زبان مادری خود صحبت کنید یا بنویسید و پاسخ بگیرید، بدون نیاز به دانش مخفی (هرچند[–>prompt engineers ممکن است مخالف باشم).

عوامل هوش مصنوعی این زبان را به عنوان یک رابط استفاده می کنند و استفاده از ابزار را اضافه می کنند. مدتی است که APIها و راه‌حل‌هایی برای برنامه‌های مختلف وجود داشته است، اما این دسترسی با فشار مداوم برای واداشتن عوامل به استفاده از API و ساخت سرورهای پروتکل بافت مدل (MCP) حول نرم‌افزار موجود استاندارد می‌شود. اکنون فضای رقابتی در هوش مصنوعی مدل اصلی نیست. این عامل ارکستراتور است. زبان طبیعی با ابزارسازی به این معنی است که می‌توانید یک نقطه ورودی واحد در کل مجموعه ابزارها، فناوری‌ها و محصولات SaaS شما وجود داشته باشد.

در شرکت‌های نرم‌افزاری مدرن، توسعه‌دهندگان به مجموعه‌ای از ابزارها دسترسی دارند، اما لزوماً نمی‌دانند چگونه از آنها به طور مؤثر استفاده کنند. تمام ابزارهای زیرساخت، CI/CD، تست، وابستگی های منبع باز، امنیت، نظارت، مدیریت داده ها و غیره را در یک پشته مدرن در نظر بگیرید. توسعه دهندگان می توانند[–>waste up to four hours از هفته کاری خود، جابجایی بین این ابزارها. اگر در حال ساخت یک ویژگی هوش مصنوعی مولد هستید، این یکی دیگر از ابزارهای پیچیده و جدید است.[–>Maryam Ashoori, Head of Product for watsonx.ai در IBM، تحقیقاتی انجام داد و متوجه شد که توسعه دهندگان از 5 تا 15 ابزار فقط برای ساختن سیستم های GenAI استفاده می کنند. او در پایان گفت: “اکثر آنها گفتند که نمی توانند بیش از دو ساعت برای یادگیری یک ساز جدید هزینه کنند.”

حفظ تخصص در همه این ابزارها (بسیار کمتر دانستن وجود آنها) می تواند فضای زیادی از مغز را اشغال کند. وقتی با مشکلی مواجه می‌شوید – مانند نحوه ساختن یک سیستم نرم‌افزاری یا ویژگی – ممکن است طیف ابزارها و فناوری‌هایی را که این ویژگی بر آن تأثیر می‌گذارد، درک نکنید. گفت: “اگر در یک شرکت بزرگ کار می کنید، ممکن است ده ها یا صدها سیستم وجود داشته باشد.”[–>Christophe Coenraets, SVP of Developer Relations at Salesforce. “یک عامل رابط مکالمه‌ای را در اختیار شما قرار می‌دهد که در آن شما فقط می‌توانید آنچه را که می‌خواهید انجام دهید، بگویید. نماینده نحوه انجام درست آن را پیدا خواهد کرد.”

این بدان معنا نیست که می‌توانید از تمام بررسی‌های امنیتی اطلاعات و DevOps خود صرف نظر کنید یا از اسناد معماری گذشته کد vibe خودداری کنید. شما همچنان باید یک سیستم را برنامه ریزی کنید و همه ذینفعان را وادار به بررسی آن کنید، اما اولین پاس یک نماینده می تواند تمام قطعات کوچکی را که می توان در طول مسیر به حرکت درآورد، شناسایی کرد. می توانید روی طراحی سیستم تمرکز کنید و به کارآموزان ربات کوچک خود اجازه دهید اسناد مربوط به تمام وابستگی های OSS شما را بخوانند.

می توانید ببینید که چگونه با این کار ماندن در یک پنجره ساده تر می شود. به هر حال بسیاری از توسعه دهندگان در ترمینال یا IDE خود زندگی می کنند، بنابراین ارائه یک روش خودکار برای استفاده از زبان طبیعی برای دسترسی به نرم افزار خارج از آن ترمینال، این توسعه دهندگان را عمیق تر در آن جاسازی می کند.[–>their favorite terminal or IDE (“من یک زندانی نیستم، من با انتخاب خود در Vim زندگی می کنم!”).

از آنجایی که ترمینال یک رابط مبتنی بر متن است که امکان استفاده از ابزارها را فراهم می کند، ممکن است تنها رابط برای توسعه دهندگان آینده باشد. گفت: «ترمینال اکنون مکانی است که در آن مفهوم وظیفه بلندمدت وجود دارد[–>Zach Lloyd, founder and CEO of Warp، برنامه ترمینال عامل. “این در حال حاضر امکان انجام چندوظیفه‌ای را فراهم می‌کند. بسیاری از موارد اولیه برای آینده یک نماینده در ترمینال وجود دارد، که اگر مردم در آنجا به پایان برسند، یک اتفاق دیوانه‌کننده خواهد بود. نمی‌دانم که این اتفاق می‌افتد یا نه، اما چیزهای زیادی برای آن پیش می‌آید و ارزش زیادی که کاربران ما در حال حاضر از این ویژگی‌های عامل در ترمینال دریافت می‌کنند.”

البته، هر برنامه ای (حتی هر برنامه توسعه دهنده ای) نمی تواند با استفاده از زبان طبیعی خالص کار کند. شانس بسیار خوبی وجود دارد که در آینده عوامل جادویی همچنان به رابط های کاربری نیاز داشته باشیم تا بتوانیم با دکمه ها کمانچه بزنیم و به نمودارها اشاره کنیم. برخی[–>folks point to Star Trek به عنوان پیشگام در معرفی این سیستم: بیشتر رابط های صوتی با گرافیک برای کارهای تخصصی. اما همه اینها می‌توانند به‌عنوان یک دیالوگ وجود داشته باشند که توسط برنامه تک مورد علاقه‌تان ارائه می‌شود، درست همانطور که پیکربندی یا تنظیمات پیشرفته اکنون وجود دارد.

وقتی به یک عامل اجازه می‌دهیم توابع، رابط‌ها و عوامل بیشتری را با کد تولید شده بسازد، اوضاع کمی عجیب‌تر می‌شود. یک رابط کاربری سفارشی سازی شده را تصور کنید که با موارد استفاده و نیازهای شما سازگار است، جایی که هر ویژگی که نیاز دارید می تواند در زمان واقعی با یک اعلان اضافه شود.[–>Google has a research demo برای این کار، و در حالی که اجرای فعلی کمی بد است، امکانات بسیار گسترده و ناشناخته است. گفت: “این آخرین دوره فناوری است زیرا همه چیزهای دیگر قبلاً توسط هوش مصنوعی توسعه داده می شود.”[–>Illia Polosukhin، یکی از نویسندگان کتاب اصلی Transformers Attention Is All You Ne و یکی از بنیانگذاران NEAR.

باشه بیا ترمز بزنیم افراد زیادی در اینجا هستند که کمی هوشیار و خوش بین هستند. برای این دنیای جدید و شجاع از رابط‌های تکی که گردانی از ماموران کوچک را اداره می‌کند و همه کارهای احمقانه‌ای را انجام می‌دهد که شما از انجام آن‌ها متنفرید، کسی برای ساختن آنها باید کارهای زیادی انجام دهد. همه این عوامل طلا ریسی که آینده ما خواهد داشت به یکسری برنامه نویسی، آزمایش و زیرساخت نیاز دارند.

تیم های مهندسی پلت فرم در دهه گذشته به بخش مهمی از سازمان های مهندسی تبدیل شده اند. آنها از تیم های DevOps که کد را در تولید مدیریت می کردند رشد کردند. از آنجایی که کد در تولید به طور فزاینده ای به معنای ریزسرویس های در حال اجرا در ابر بود، مردم شروع به بهبود کردند[–>DevOps as a product، ایجاد ویژگی هایی که اجرای کدهای رایج را آسان تر می کند. در نهایت، این به حوزه‌های تخصصی توسعه‌دهندگان تبدیل شد و به توسعه‌دهندگان اجازه داد تا به سادگی منطق کسب‌وکار را بدون پرداختن به زیرساخت‌ها، اتصالات متقابل، و پیشگیری و مدیریت خطا بنویسند.

گفت: «ما خود زیرساخت، راه‌های فراهم کردن زیرساخت، راه‌های تعامل با زیرساخت، و چیزهای زیادی درباره نحوه توسعه کد خود در حال حاضر ارائه می‌کنیم.»[–>Caitlin Weaver, senior engineering manager at CLEAR. “بنابراین نه تنها کد شما کجا می رود، بلکه آنچه در داخل آن است و فرآیندهای پیرامون کار با آن است. انتزاعات زیادی وجود دارد که می توانیم با خیال راحت ارائه کنیم و جزئیات زیادی وجود دارد که می توانیم با خیال راحت پنهان کنیم تا سطح پیچیدگی را برای توسعه دهندگان کاهش دهیم.”

برای نرم افزار تولید، این به معنای وابستگی های مشترک، زیرساخت ها و هماهنگی ترافیک، معیارها و قابلیت مشاهده، امنیت، استقرار و موارد دیگر است. عواملی که با ابزارهای داخلی کار می کنند، در زیرساخت های خود یا به عنوان محصولات SaaS پولی کار می کنند، به بسیاری از این موارد نیاز دارند، اما نگرانی های دیگری نیز به همراه دارد. ممکن است بخواهید مجموعه ای از مدل های اثربخشی هزینه را اجرا کنید و[–>evaluation purposes—که به زیرساخت مسیریابی نیاز دارد. برای پیاده سازی نرده ها و مدیریت درخواست ها و پاسخ ها به کد نیاز دارید. شما به چارچوبی نیاز دارید که تماس‌های ابزار را با تماس‌های ساختاری مناسب و احراز هویت مناسب به مکان مناسب هدایت کند. حتی ممکن است نیاز به چرخش چندین سرور MCP داشته باشید.

این زیرساخت عامل همان هدفی است که زیرساخت تولید دارد: توسعه دهندگان فقط باید به نحوه اجرای منطق عامل فکر کنند. بیشتر کارهای مهندسی پلتفرم صرف ساخت سیستم خشک کن می شود: همه باید این کارها را در تولید انجام دهند، اما شما نمی خواهید همه کار را تکرار کنند. گفت: “ما نمی خواهیم توسعه دهندگان هر بار که یک عامل می سازند، چرخ را دوباره اختراع کنند.”[–>Marco Palladino, CTO of Kong. “الزامات متقاطع زیادی وجود دارد که هر عاملی باید داشته باشد. تیم های پلتفرم – اکنون توپ در زمین آنهاست. پلتفرمی ایجاد کنید که می تواند به همه این توسعه دهندگان کمک کند تا عواملی بسازند که به طور پیش فرض ایمن، قابل مشاهده، قابل کنترل و غیره باشند.”

بسیاری از کارهایی که مردم با نمایندگان انجام می دهند شامل داده ها می شود – اغلب خصوصی و تجاری حساس است. بیایید با آن روبرو شویم: بسیاری از برنامه ها به سادگی فوق العاده هستند[–>CRUD رابط‌ها، بنابراین بسیاری از نگرانی‌های رایج عامل‌ها در مورد دسترسی و مدیریت داده‌ها خواهد بود. عوامل در پردازش داده ها برتری دارند (مثلاً سه ماه گذشته گزارش های ترافیک را تجزیه و تحلیل می کنند) بنابراین سیستم عامل شما باید به طور ایمن به منابع داده متصل شود و آنها را به برنامه هایی هدایت کند که می توانند از آن استفاده کنند. برای درست شدن این کار کمی برنامه ریزی لازم است. “چگونه داده های مناسب را وصل کنم؟” او پرسید[–>Jeff Hollan, director of product at Snowflake. “چگونه داده ها را پاک کنم؟ چگونه داده ها را قابل ارائه کنم؟ همه این وظایفی که دانشمندان داده، مهندسان داده و تحلیلگران داده انجام می دهند، آیا می توانیم به آنها کمک کنیم تا در یک ساعت کارهایی را انجام دهند که روزانه به آنها نیاز دارد؟”

اما یکی از ساده‌ترین کارهایی که یک تیم مهندسی پلتفرم می‌تواند انجام دهد این است که قابلیت‌ها و ارتباطات در سیستم و سازمان مهندسی قابل مشاهده باشد. همانطور که شرکت ها مقیاس می شوند، از دست دادن اطلاعات موجود، حتی از نظر نرم افزارهای ساخته شده توسط سازمان مهندسی، بسیار آسان است. چند اسلات برای یک اپلیکیشن دارید؟ برای چه برنامه هایی اسلات دارید؟ چه سرورهای MCP را اجرا می کنید؟ گاهی اوقات فقط داشتن این رجیستری از ابزارها می تواند افراد را ترغیب کند تا نحوه اتصال آنها را بیابند.

برای مصرف کنندگان، فروشندگان عمده هوش مصنوعی در حال ایجاد این قابلیت ها در محصولات خود هستند. هر LLM که شش ماه پیش دارای یک ربات چت بود، اکنون دارای گردش کار نماینده به عنوان افزونه است. شما می توانید گردش کار خود را در آنجا ایجاد کنید، اگرچه ممکن است در نهایت هزینه آن را بپردازید. اگر در حال حاضر اکوسیستمی از ابزارها در شبکه های خود دارید، باید از کارشناسان خود بخواهید که پلتفرمی برای این ابزارها ایجاد کنند تا با عوامل ارتباط برقرار کنند.

مانند تمام اتوماسیون‌های صرفه‌جویی در زمان، پیاده‌سازی رابط تک عامل کار خواهد کرد. آه، اما چه دنیایی می تواند باشد. بسیاری از سازمان‌ها چسب و سیستم‌هایی می‌سازند که به شما کمک می‌کند به ابزارهایشان متصل شوید، اما اگر قصد دارید به هر چیزی که سازمانتان در داخل مدیریت می‌کند متصل شوید، به یک پلتفرم نیاز دارید.

در هر صورت، شاید بتوانم چند تا از صد تبی که باز کرده‌ام را ببندم. یک پسر می تواند خواب ببیند.