From Intent to Execution: Composing Agentic Workflows with Agent Recommendation
تقدم هذه الورقة إطار عمل مؤتمت لتكوين الأنظمة متعددة الوكلاء يستبدل التخطيط والاختيار اليدوي للوكلاء بسير عمل مدفوع بالنماذج اللغوية الكبيرة يتميز بموصٍ للوكلاء ذي مرحلتين ووكيل نقد، مما يظهر تفوقاً في الاستدعاء والمتانة والقابلية للتوسع مقارنة بالنهج الرائدة الحالية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تريد بناء آلة معقدة، مثل روبوت مخصص يمكنه صنع شطيرة لك، وطي ملابسك، وسقي نباتاتك. في الماضي، لبناء هذا الروبوت، كان عليك توظيف طباخ، وخبير غسيل، وبستاني يدوياً، وتحديد كيفية تواصلهم مع بعضهم البعض بدقة، ورسم خريطة لمن يفعل ماذا ومتى. هذا الأمر بطيء وممل ويتطلب الكثير من الجهد البشري.
يقدم هذا البحث نظام AutoMAS، الذي يعمل بمثابة مدير مشروع فائق الذكاء يمكنه بناء "فريق الروبوت" هذا تلقائياً بمجرد الاستماع إلى طلبك البسيط.
إليك كيفية عمل النظام، مقسماً إلى خطوات بسيطة باستخدام تشبيهات من الحياة اليومية:
1. "المخطط الرئيسي" (المهندس المعماري)
أولاً، تخبر النظام بما تريده بلغة بسيطة، مثل: "أريد حجز طاولة في أفضل مطعم مكسيكي بالقرب مني."
يعمل المخطط (Planner) كمهندس معماري. فهو لا يكتفي بالقول "حسناً"، بل يقوم بتفكيك طلبك الكبير إلى قائمة من الخطوات الصغيرة التي يمكن إدارتها (مهام فرعية)، مثل:
- البحث عن أقرب المطاع المختصة بالمطبخ المكسيكي.
- قراءة المراجعات للعثور على الأفضل بينهم.
- الاتصال لإجراء الحجز.
بدلاً من مجرد قائمة بسيطة، يرسم النظام مخططاً انسيابياً (يسمى آلة الحالة المحدودة - Finite State Machine). فكر في هذا كمخطط يحتوي على مسارات متعددة محتملة. إذا كان المطعم الأول ممتلئاً، فإن الخريطة تعرف كيف تعيد التوجيه فوراً إلى الخيار الثاني الأفضل دون أن تضطر للقيست القيام بأي شيء.
2. "الموظف المسؤول عن التوظيف" (موصي الوكلاء)
الآن يحتاج النظام إلى إيجاد "العمال" المناسبين (يُطلق عليهم اسم الوكلاء - Agents) للقيام بكل خطوة. تخيل أن لديك دليل هاتف ضخم يحتوي على آلاف المتخصصين المختلفين (بعضهم بارع في العثور على المطاعم، والبعض الآخر في قراءة المراجعات، والبعض في إجراء المكالمات).
إن العثور على الشخص المناسب في دليل هاتف يحتوي على آلاف المدخلات أمر صعب. يستخدم نظام البحث الخاص بالورقة البحثية عملية توظيف من مرحلتين:
- المرحلة الأولى: الكشاف السريع (المسترجع - Retriever): يعمل هذا مثل محرك بحث سريع. يقوم بمسح دليل الهاتف بالكامل واستخراج أفضل 10 أو 20 مرشحاً قد يكونون مناسبين للوظيفة. إنه سريع ولكنه قد يتضمن بعض الأشخاص غير المثاليين.
- المرحلة الثانية: المحاور الخبير (إعادة الترتيب - Re-ranker): هذا ذكاء اصطناوي (LLM) عالي الذكاء يأخذ هؤلاء المرشحين الأوائل ويجري معهم مقابلة. إنه يقرأ سيرهم الذاتية (الأوصاف) بعنا_ية شديدة ليرى من هو الأنسب فعلياً للوظيفة المحددة. هذا يضمن أن الاختيار الأول هو الأفضل.
3. "تعزيز السيرة الذاتية" (إثراء الوصف)
أحياناً، تكون سيرة العامل مكتوبة بطريقة مملة لا تتوافق مع طريقة طلبك للمساعدة. على سبيل المثال، قد يقول عامل: "أنا أعالج بيانات الطيران"، بينما تطلب أنت: "أريد حجز رحلة إلى باريس".
يمتلك النظام خدعة خاصة تسمى إثراء الوصف (Description Enrichment). قبل بدء عملية البحث، يستخدم الذكاء الاصطناعي لإعادة كتابة السير الذاتية للعمال عبر إضافة أمثلة لما يمكنهم القيام به. فهو يحول جملة "أنا أعالج بيانات الطيران" إلى "أنا أعالج بيانات الطيران، مثل حجز رحلة من نيويورك إلى سان فرانسيسكو". وهذا يجعل من السهل جداً على "الكشاف السريع" العثور على الشخص المناسب.
4. "مفتش مراقبة الجودة" (وكيل النقد)
حتى مع وجود موظف توظيف رائع، قد تحدث أخطاء. ربدما يختار النظام عاملاً رخيصاً وسريعاً ولكنه سيء جداً في أداء المهمة، أو ربما لا يتوافق العمال مع بعضهم البعض (مثل طباخ يتحدث الفرنسية فقط ونادل يتحدث الإسبانية فقط).
وكيل النقد (Critique Agent) هو بمثابة مفتش جودة نهائي. ينظر إلى الفريق بأكمله وإلى الخطة بأكملها قبل بدء العمل. ويتساءل:
- "هل يتناسب هذا الفريق فعلياً مع ميزانية المستخدم ومتطلبات السرعة؟"
- "هل مخرجات هؤلاء العمال تتوافق مع ما يحتاجه العامل التالي؟"
إذا بدا أن الخطة ضعيفة، يقوم وكيل النقد بإرسالها لإعادة التنفيذ، مما يضمن أن الفريق النهائي مثالي.
5. "شبكة الأمان البشرية" (الإنسان في الحلقة - Human-in-the-Loop)
تم تصميم النظام ليكون تلقائياً في الغالب، لكنه يعرف متى يطلب المساعدة. إذا ارتبك النظام أو واجه موقفاً لا يستطيع حله، يمكنه التوقف وطلب قرار سريع من مشرف بشري، ثم يواصل العمل تلقائياً.
ماذا أثبتوا؟
اختبر المؤلفون هذا النظام باستخدام بيانات حقيقية تتضمن آلاف "الأدوات" والمهام المختلفة. وقد وجدوا أن:
- عملية التوظيف ذات المرحلتين (الكشاف السريع + المحاور الخبير) كانت أفضل بكثير في العثور على العمال المناسبين من الطرق القديمة التي كانت تعتمد فقط على الكلمات المفتاحية.
- إثراء السير الذاتية (إضافة الأمثلة) جعل عملية البحث أكثر دقة.
- إضافة مفتش مراقبة الجودة (النقد) حسن النتائج النهائية بشكل كبير، مما ضمن عمل الخطة بأكملها بسلاسة.
باختصار: تصف هذه الورقة البحثية نظاماً يحول رغبة بشرية بسيطة إلى فريق وظيفي كامل من العمال الرقميين، حيث يتولى مهام التوظيف المعقدة، والجدولة، ومراقبة الجودة بالكامل بمفرده.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.