عندما تتطلب المهمة بحثًا وتحليلًا ومراجعةً وتجميعًا للنتائج، قد لا تكون المشكلة في قدرة نموذج الذكاء الاصطناعي على أداء خطوة واحدة، بل في تنظيم الخطوات المختلفة وضمان ألا تتعارض نتائجها. هنا تأتي فكرة Multi-Agent Systems أو الأنظمة متعددة الوكلاء: نظام يضم عدة وكلاء متخصصين يتعاونون ضمن خطة واضحة للوصول إلى نتيجة مشتركة.
هذا المقال لا يكرر شرح الوكيل المنفرد أو مفهوم الاستقلالية؛ بل يركز على سؤال مختلف: كيف نوزع العمل بين الوكلاء، وكيف يتبادلون النتائج، ومن يتحقق من المخرجات النهائية؟ إذا كنت تحتاج إلى شرح أساسيات الوكيل نفسه، فابدأ بدليل وكلاء الذكاء الاصطناعي AI Agents، ثم يمكنك قراءة شرح Agentic AI ودرجات استقلالية الأنظمة.
ما المقصود بالأنظمة متعددة الوكلاء؟
يشير مصطلح Multi-Agent System إلى تطبيق يتعاون فيه وكيلان أو أكثر، سواء بتنفيذ مهام متتابعة أو متوازية أو ضمن بنية يديرها وكيل منسق. لا يكفي مجرد تشغيل عدة محادثات منفصلة كي يصبح لدينا نظام متعدد الوكلاء؛ المهم وجود توزيع واضح للمسؤوليات، وطريقة منظمة لتبادل النتائج، وآلية تجمع المخرجات وتتحقق منها.
مثل فريق عمل متخصص، قد يتولى وكيل استخراج البيانات، ويتولى آخر تحليلها، بينما يراجع ثالث الأدلة ويجمع المنسق النتيجة. وقد تستخدم الأدوار نموذج الذكاء الاصطناعي نفسه أو نماذج مختلفة، حسب طبيعة المهمة والتكلفة والسرعة المطلوبة.
الفرق بين الوكيل الواحد والنظام متعدد الوكلاء
| العنصر | وكيل واحد | عدة وكلاء |
|---|---|---|
| توزيع العمل | وكيل واحد ينفذ الخطوات بنفسه | أدوار مختلفة تتولى مهام محددة |
| التوازي | محدود بحسب تصميم الوكيل | يمكن تنفيذ مهام مستقلة في الوقت نفسه |
| التنسيق | مسار أبسط عادةً | يحتاج إلى إدارة للتسليم والحالة والتعارض |
| التكلفة | قد تكون أقل للمهام الصغيرة | قد ترتفع بسبب تعدد الاستدعاءات والتقييم |
| أنسب استخدام | مهمة محدودة أو سير عمل واضح | مهمة متعددة التخصصات أو أجزاء قابلة للتوازي |
وجود عدة وكلاء لا يعني تلقائيًا جودة أعلى. وتوضح إرشادات Google Cloud لاختيار أنماط تصميم الأنظمة الوكيلة أن الأنماط المتوازية قد تسرّع المهام المستقلة، لكنها تضيف تكلفةً وتعقيدًا عند جمع النتائج. اقرأ دليل اختيار نمط تصميم النظام الوكيل من Google Cloud.
أربعة أنماط شائعة لتعاون الوكلاء
1. النمط المتتابع: نتيجة تسلّم إلى الخطوة التالية
ينفذ كل وكيل مرحلة محددة، ثم يمرر الناتج إلى الوكيل التالي. مثال ذلك: استخراج تعليقات العملاء، ثم تصنيفها، ثم تحليل الأولويات، ثم إعداد ملخص. يناسب هذا النمط الأعمال التي لها خطوات متكررة بترتيب معروف. لكن أي خطأ في مرحلة مبكرة قد ينتقل إلى المراحل التالية، لذا يجب فحص النتائج المهمة قبل تسليمها.
2. النمط المتوازي: أعمال مستقلة في الوقت نفسه
يتلقى عدة وكلاء أجزاءً مستقلة من المهمة أو يفحصون البيانات من زوايا مختلفة، ثم يجمع النظام نتائجهم. على سبيل المثال، يمكن لوكلاء منفصلين تصنيف موضوعات التعليقات وتحليل المشاعر ورصد الكلمات المرتبطة بالاستعجال. التوازي مفيد عندما لا يعتمد عمل أحد الوكلاء على نتيجة الآخر، أما إذا كانت هناك تبعية مباشرة فيجب ترتيب الخطوات بدل تشغيلها كلها في وقت واحد.
3. المنسق والوكلاء المتخصصون
يستقبل وكيل منسق الطلب، ويقسمه إلى مهام، ويوجه كل مهمة إلى الوكيل الذي يملك المهارة أو الأداة المناسبة، ثم يجمع النتائج. هذه البنية تمنح النظام مرونة في اختيار المسار، لكنها تجعل المنسق نقطة مهمة يجب مراقبتها؛ فإذا وزع المهام بشكل خاطئ فقد تتأثر النتيجة كلها.
4. المراجعة والتحسين التكراري
ينتج وكيل مسودة، ثم يراجع وكيل آخر الدقة أو الاكتمال وفق معايير محددة. إذا لم تستوفِ النتيجة الشروط، تعاد إلى مرحلة التحسين بعدد محاولات محدود. يجب تحديد معيار قبول واضح، وحد أقصى للتكرار، وقاعدة للتوقف عند تعارض الأدلة؛ وإلا فقد تستمر الدورة في استهلاك الوقت والتكلفة دون تحسن حقيقي.
يمكن مزج هذه الأنماط داخل النظام نفسه. وتعرض العمارة المرجعية لأنظمة Multi-Agent من Google Cloud مثالًا على منسق يستدعي وكلاء فرعيين، مع أنماط متتابعة وتحسين تكراري ووجود مسار للتدخل البشري عند الحاجة.
مثال عملي: تحليل شكاوى العملاء دون خلط الأدوار
تخيل متجرًا إلكترونيًا تصله يوميًا مئات الرسائل: تأخر شحن، أو منتج تالف، أو استفسار عن الاسترجاع، أو إشادة بالخدمة. المطلوب ليس فقط كتابة ملخص، بل ترتيب الرسائل بطريقة تساعد الفريق على معرفة ما يحتاج إلى اهتمام عاجل.
- الوكيل المصنّف: يحدد موضوع الرسالة ويضعها ضمن فئة محددة، مثل شحن أو دفع أو جودة منتج.
- وكيل الأولوية: يقدّر درجة الاستعجال وفق قواعد مكتوبة، مثل وجود طلب لم يصل أو تكرار المشكلة. ويضع سببًا قابلًا للمراجعة بدل إرجاع تصنيف بلا تفسير.
- وكيل السياسة: يقارن الحالة بسياسة المتجر الموثقة، ولا يخترع حقًا في الاسترجاع أو وعدًا بالتعويض.
- وكيل الملخص: يجمع النتائج في تقرير يوضح أعداد الحالات وأنواعها والموضوعات المتكررة.
- المنسق أو المراجع: يكشف التكرارات والتعارضات، ويضع الحالات غير المؤكدة في قائمة للمراجعة البشرية.
في هذا المثال، لا يُسمح للنظام بإرسال تعويض أو تغيير طلب فعلي بصورة تلقائية إلا إذا كانت الصلاحيات محددة، والإجراء مسموحًا به، وتوافرت موافقة مناسبة. الغرض من تعدد الوكلاء هنا هو تنظيم التحليل وتوزيع المهام، لا إزالة مسؤولية الإنسان عن القرارات الحساسة.
كيف يجب أن يتبادل الوكلاء المعلومات؟
تحتاج الأنظمة الموثوقة إلى أكثر من حوار عام بين الوكلاء. الأفضل أن يرسل كل وكيل نتيجة محددة البنية حتى يستطيع الوكيل التالي فهمها والتحقق منها. يمكن أن يتضمن سجل التسليم هذه الحقول:
- المهمة: ما المطلوب إنجازه تحديدًا؟
- المدخلات: ما البيانات المستخدمة، ومن أين جاءت؟
- النتيجة: قيمة أو تصنيف أو ملخص بصيغة متفق عليها.
- الأدلة: روابط أو معرفات للسجلات التي تدعم النتيجة عند توفرها.
- القيود وحالة الثقة: ما الذي لم يستطع الوكيل التحقق منه؟
- الحالة التالية: هل انتهت المهمة، أم تحتاج مراجعة، أم فشلت ويجب تصعيدها؟
على سبيل المثال، لا ينبغي أن يرسل وكيل التصنيف عبارة مثل «هذه شكوى مهمة» فقط؛ بل يحدد الفئة وسبب الأولوية والبيانات التي استند إليها. ويسهّل ذلك اكتشاف الخطأ عند انتقاله بين المراحل، كما يجعل مراجعة القرار ممكنة.
إذا كان النظام يتعامل مع أدوات أو قواعد بيانات خارجية، فقد يحتاج إلى Function Calling لاستدعاء وظيفة محددة، أو MCP لتنظيم الاتصال بالأدوات والخدمات، أو أساليب هندسة السياق لضمان حصول كل وكيل على المعلومات ذات الصلة فقط. هذه تقنيات مساندة وليست شرطًا لاستخدام كل نظام متعدد الوكلاء.
خطة مختصرة لتصميم نظام متعدد الوكلاء
- حدد نتيجة قابلة للقياس: لا تبدأ بعبارة «أريد فريقًا من الوكلاء». حدد المشكلة، مثل تصنيف الشكاوى خلال وقت أقل مع الحفاظ على دقة التصنيف.
- قسّم المهمة إلى وحدات مستقلة: افصل ما يحتاج مهارة أو بيانات مختلفة، وحدد التبعيات بين الخطوات.
- ابدأ بأقل عدد ممكن: جرّب منسقًا ووكيلين متخصصين، ثم أضف أدوارًا عندما تثبت الحاجة إليها.
- حدد عقد تبادل البيانات: اتفق على شكل المخرجات ومعايير النجاح ورسائل الفشل قبل توصيل الوكلاء.
- اختبر كل وكيل منفردًا: إذا أخطأ الوكيل في مهمته الأساسية فلن يعالج التنسيق هذا الخطأ تلقائيًا.
- اختبر النظام كاملًا: استخدم حالات طبيعية وحالات غامضة ومدخلات خاطئة، ثم راجع كيفية تعامل النظام مع التعارض أو غياب البيانات.
- ابدأ بوضع المراجعة: اجعل النتائج اقتراحات بشرية أولًا، ثم اسمح بإجراءات محدودة عند ثبوت الجودة ووضوح الصلاحيات.
كيف تقيس نجاح النظام؟
لا يكفي قياس جودة كل وكيل منفردًا؛ فقد تكون نتائج الوكلاء جيدة لكن التجميع النهائي خاطئ. قِس أداء النظام ككل باستخدام مؤشرات واضحة، وقارنها بسير عمل أبسط يؤدي المهمة نفسها.
| المؤشر | ما الذي يكشفه؟ |
|---|---|
| دقة النتيجة النهائية | هل حقق النظام الهدف وفق معيار موحد؟ |
| نسبة المهام المكتملة | كم مهمة انتهت دون تدخل أو إخفاق غير مقبول؟ |
| الزمن الكلي | هل التوازي يقلل وقت الإنجاز فعليًا؟ |
| التكلفة لكل نتيجة ناجحة | هل الفائدة تبرر استدعاءات النماذج والأدوات الإضافية؟ |
| معدل التعارض وإعادة العمل | هل تتضارب نتائج الوكلاء أو تتكرر المهام بلا فائدة؟ |
| معدل التصعيد البشري | هل يطلب النظام المراجعة في الحالات الصحيحة؟ |
المخاطر التي ينبغي التحكم بها
- انتقال الخطأ: قد يبني وكيل على معلومة غير صحيحة قدمها وكيل سابق؛ لذلك افحص المخرجات المهمة ولا تعاملها كحقائق لمجرد صدورها عن نظام داخلي.
- تعارض النتائج: قد يصل وكيلان إلى استنتاجين مختلفين. يجب أن توجد قاعدة للمقارنة أو طلب دليل إضافي أو التصعيد إلى الإنسان.
- زيادة التكلفة والتأخير: كل وكيل إضافي قد يعني طلبات وتقييمات أكثر. لا تضف وكلاء لأدوار لا تحسن النتيجة بصورة قابلة للقياس.
- الصلاحيات الواسعة: امنح كل وكيل أقل صلاحية يحتاجها، وافصل قراءة البيانات عن تعديلها أو تنفيذ إجراءات مالية.
- التعليمات الخبيثة داخل البيانات: قد تحتوي رسالة أو صفحة يجري تحليلها على تعليمات مضللة. تعامل مع المحتوى الخارجي على أنه بيانات غير موثوقة، لا أوامر لتغيير مهمة النظام.
- الحلقات غير المنتهية: ضع حدودًا للمحاولات والوقت والتكلفة، وقاعدة توقف واضحة إذا لم يتحسن الناتج.
تؤكد الأبحاث الهندسية المتعلقة بالأنظمة متعددة الوكلاء أهمية مراقبة التنسيق والتكلفة وجودة النتائج، لا الاكتفاء بزيادة عدد الوكلاء. للاطلاع على مثال بحثي، اقرأ بحث Anthropic عن أنظمة البحث متعددة الوكلاء، وقارنه بالإرشادات المعمارية في مرجع Google Cloud لبناء أنظمة Multi-Agent.
قالب أوامر أولي لتخطيط تعاون الوكلاء
يمكن استخدام الأمر التالي مع أداة ذكاء اصطناعي للمساعدة في رسم التصميم قبل البدء بالبرمجة. إنه قالب تخطيط، وليس نظامًا جاهزًا أو دليلًا على أن التنفيذ سيعمل من دون اختبار:
الأمر:
«ساعدني في تصميم نظام متعدد الوكلاء لتحليل تعليقات العملاء. اقترح أقل عدد ممكن من الوكلاء، وحدد مهمة كل وكيل ومدخلاته ومخرجاته، وما إذا كانت خطواته متتابعة أم متوازية. صمّم تنسيقًا موحدًا لتبادل النتائج، وحدد قواعد التعامل مع الأدلة المتعارضة والبيانات الناقصة. اقترح اختبارات لقياس الدقة والزمن والتكلفة ومعدل الحاجة إلى المراجعة البشرية. لا تفترض أن النظام يستطيع تنفيذ إجراءات خارجية، ولا توصي بمنح صلاحيات تعديل أو إرسال من دون موافقة صريحة. اذكر المخاطر والافتراضات والأسئلة التي تحتاج إلى إجابة قبل التنفيذ».
أسئلة شائعة حول Multi-Agent Systems
هل يحتاج كل وكيل إلى نموذج ذكاء اصطناعي مختلف؟
لا. يمكن استخدام النموذج نفسه بأدوار وتعليمات وأدوات مختلفة، أو اختيار نماذج مختلفة عند وجود سبب واضح يتعلق بالجودة أو السرعة أو التكلفة. المهم أن يؤدي كل دور وظيفة محددة ويمكن تقييم مخرجاته.
هل الأنظمة متعددة الوكلاء أفضل دائمًا من وكيل واحد؟
لا. قد يحقق وكيل واحد أو سير عمل تقليدي النتيجة نفسها بتكلفة وتعقيد أقل. استخدم عدة وكلاء عندما تحتاج المهمة فعلًا إلى تخصصات منفصلة أو تنفيذ متوازٍ أو مراجعة مستقلة، ثم قارن الأداء في اختبار فعلي.
هل يجب أن يتحدث الوكلاء مع بعضهم بحرية؟
ليس بالضرورة. غالبًا يكون تبادل الرسائل المنظمة والنتائج المحددة أسهل في الاختبار والتدقيق من محادثات طويلة غير مقيدة. يعتمد التصميم المناسب على المهمة والمخاطر والأدوات المتاحة.
ما الفرق بين Multi-Agent Systems وAI Orchestration؟
يشير Multi-Agent Systems إلى استخدام عدة وكلاء متعاونين، بينما يركز AI Orchestration على كيفية ترتيب خطوات التنفيذ وتوجيه العمل وإدارة انتقال المهام. يمكن أن يستخدم التنسيق وكيلًا واحدًا أو عدة وكلاء أو مزيجًا من خطوات ثابتة وقرارات نموذج لغوي.
الخلاصة
قيمة الأنظمة متعددة الوكلاء ليست في عدد الوكلاء، بل في جودة تقسيم العمل، ووضوح المسؤوليات، ودقة تبادل المعلومات، ووجود مراجعة للنتيجة النهائية. ابدأ بهدف محدود ومقاييس واضحة، واختبر إن كان تقسيم المهمة يقدم تحسنًا على حل أبسط، ثم وسّع النظام تدريجيًا مع صلاحيات محدودة وإمكانية تدخل بشري.
لمتابعة الموضوعات المرتبطة، اقرأ أيضًا دليل AI Agents، وشرح AI Orchestration، ومقال RAG، وشرح الذاكرة في الذكاء الاصطناعي.
التعليقات