ملخص تقني: فهرسة غير القابل للقراءة (A2X)

1. بيان المشكلة

تتناول الورقة البحثية عقبة حرجة في "إنترنت الوكلاء" (Internet of Agents - IoA) الناشئ: وهي عدم التوافق الهيكلي بين التوسع السريع لمجتمع الخدمات القابلة للاستدعاء من قبل النماذج اللغوية الكبيرة (LLMs) (مثل خوادم MCP، ونقاط نهاية A2A، والمهارات) وبين نافذة السياق الفعالة المحدودة للنماذج اللغوية الكبيرة.

ينشأ نمطان أساسيان للفشل عندما يحاول الوكلاء اكتشاف الخدمات من سجلات ضخمة:

1. تضخم الرموز (Token Bloat): يؤدي دمج آلاف أوصاف الخدمات في مطالبة (Prompt) واحدة إلى تجاوز نوافذ السياق أو تكبد تكاليف رموز باهظة. على سبيل المثال، يمكن أن يشغل سجل يحتوي على 1,000 أداة حوالي 500 ألف رمز.
2. الضياع في المنتصف (Lost-in-the-Middle - LIM): حتى عندما تكون نافذة السياق كافية اسمياً، تفشل النماذج اللغوية الكبيرة بشكل منهجي في الانتباه للمعلومات الموجودة في منتصف المدخلات الطويلة. تؤكد الاختبارات المرجعية الحديثة أن دقة الاسترجاع لا تتوسع خطياً مع طول السياق؛ إذ يمثل السياق الفعال هو القيد الحقيقي، وليس حجم النافذة الخام.

تواجه الحلول الحالية مقايضات:

• ضخ السياق الكامل: يفشل بسبب حدود الرموز وتدهور الأداء الناتج عن مشكلة (LIM).
• الاسترجاع القائم على التضمين (Embedding-based retrieval): رغم كفاءته في استهلاك الرموز، إلا أن البحث في المتجهات الكثيفة يعاني مع الاستعلامات ذات المفردات المتقاطعة، والقيود المتعددة، والاستعلامات طويلة الذيل، وغالباً ما يفتقد الخدمات ذات الصلة بسبب نقص الفهم الدلالي العميق.
• التصنيفات اليدوية (Manual taxonomies): تكاليف الصيانة العالية والبطء الهيكلي تجعلها غير مناسبة لمجتمعات الخدمات الديناميكية وسريعة النمو.

سؤال البحث الجوهري هو: كيف ينبغي تنظيم سجل ضخم وديناميكي والكشف عنه بشكل انتقائي لنموذج لغوي كبير بحيث يتم اتخاذ كل قرار بناءً على مجموعة مرشحة قصيرة وعالية الصلة، بينما يظل السجل ككل قابلاً للاكتشاف؟

2. المنهجية: A2X (من الوكيل إلى أي شيء - Agent-to-Anything)

يقترح المؤلفون نظام A2X، وهو نظام اكتشاف خدمات أصيل للنماذج اللغوية الكبيرة، يعيد صياغة المشكلة كـ إدارة للسياق عبر الإفصاح التدريجي. بدلاً من تقديم السجل بالكامل، يقوم A2X بتنظيم الخدمات في تصنيف هرمي ويتنقل فيه طبقة تلو الأخرى وقت الاستعلام.

أ. بناء التصنيف التلقائي (أوفلاين)

يبني A2X التصنيف بشكل مستقل من أسماء الخدمات وأوصافها الخام باستخدام خوارزمية البحث بالعرض أولاً (BFS) (الخوارزمية 1)، متجنباً الحاجة إلى أنطولوجيات (Ontologies) منسقة بشرياً.

• التقسيم الواعي بالسياق: لمنع تجاوز السياق أثناء البناء، تتم معالجة العقد التي تتجاوز عتبة ($\theta_{kw} = 500$ خدمة) عبر استراتيجية "الكلمات المفتاحية أولاً". يقوم KeywordExtractor بتجميع الخدمات لتوليد قائمة كلمات مفتاحية موزونة حسب التكرار، والتي تُغذى بعد ذلك إلى مصمم (Designer) يعمل بالنموذج اللغوي. يضمن ذلك أن المصمم لا يرى الأوصاف الخام بهذا الحجم الضخم.
• قيد المحور الواحد: لمنع "خلط المحاور" (مثل خلط المجالات الوظيفية مع النهج التقنية)، تفرض مطالبة التصميم أن تشترك الفئات الشقيقة داخل العقدة في محور تصنيف واحد. يعطي تسلسل التفضيل الأولوية للمجالات الوظيفية الموجهة للمستخدم (مثل "السفر") على المحاور التشغيلية أو التقنية.
• صقل الحدود: للتعامل مع الغموض الدلالي بين الفئات الشقيقة (مثل "المالية" مقابل "الأعمال")، يستخدم النظام حلقة "صقل التصنيف". إذا تم تصنيف الخدمات بشكل خاطئ أو لم يتم تعيينها، يقوم النظام بتغذية هذه الحالات الحدية إلى المصمم لتنقيح تعريفات الفئات وبنود "ليس هنا" (NOT here).
• التعامل مع المجالات المتقاطعة: لمعالجة الخدمات التي تمتد بشكل مشروع عبر مجالات عليا متعددة (والتي قد يفتقدها الهيكل الشجري الصارم)، يقوم CrossDomainAssigner بمرحلة متعددة الآباء، مما يسمح للخدمات بالظهور تحت عدة أوراق (Leaves) ذات صلة.

ب. البحث بالإفصاح التدريجي (أونلاين)

عند وقت الاستعلام، يتنقل A2X في التصنيف بشكل عودي (الخوارزمية 2)، مما يضمن أن كل استدعاء للنموذج اللغوي يعالج فقط مجموعة مرشحة صغيرة.

1. التنقل الهرمي المتوازي (CategoryNavigator): بدءاً من الجذر، يُعرض على النموذج اللغي أبناء العقدة الحالية (عادة حوالي 8 خيارات) ويُطلب منه اختيار الفروع ذات الصلة. يتم حذف الأشجار الفرعية غير المختارة فوراً.
2. اختيار الخدمة (ServiceSelector): بمجرد الوصول إلى العقد الورقية، يجمع النظام الخدمات المرشحة. يقوم النظام بإزالة تكرار الخدمات ودمج المجموعات الصغيرة (باستخدام هيورستيك "الجد الأحدث المشترك") لضمان بقاء أحجام المجموعات ضمن ميزانية السياق الفعالة للنموذج اللغوي.
3. الأنماط: يدعم النظام أنماط بحث مختلفة (get_all, get_important, get_one) عبر تعديل مطالبة النظام للموازنة بين الاستدعاء (Recall) والدقة (Precision)، لكن آلية التنقل الأساسية تظل كما هي.

تنمو التكلفة الإجمالية للرموز لكل استعلام دون خطياً مع حجم السجل $N$، حيث يتناسب عدد الاستدعاءات مع عمق الشجرة ($d$) وعامل التفرع ($b$)، وليس مع $N$ نفسه.

3. المساهمات الرئيسية

1. إعادة صياغة اكتشاف الخدمات: أعاد المؤلفون صياغة اكتشاف الخدمات من جانب الوكيل كمسألة إدارة سياق، مقترحين الإفصاح التدريجي الأصيل للنماذج اللغوية كحل لفك الارتباط بين ندرة السياق الفعال وحجم السجل.
2. نظام A2X: مسار عمل مستقل تماماً يقوم بـ:
   • بناء تصنيف هرمي تلقائياً من أوصاف الخدمات الخام باستخدام التقسيم العودي وحلقات الصقل.
   • التنقل في هذا التصنيف طبقة تلو الأخرى وقت الاستعيان، مما يضمن أن كل استدعاء للنموذج اللغوي يرى فقط مجموعة مرشحة صغيرة وذات صلة.
3. التفوق التجريبي: في اختبار ToolRet المرجعي (1,839 خدمة، 1,714 استعلام)، حقق A2X:
   • معدل إصابة (Hit Rate) بنسبة 92.6%، متفوقاً على ضخ السياق الكامل بـ 6.2 نقطة مطلقة وعلى أفضل المعايير المعتمدة على التضمين (Embedding-based) بـ أكثر من 20 نقطة.
   • 1/9 من تكلفة رموز المطالبة مقارنة بضخ السياق الكامل.
   • قوة عبر اللغات، حيث حافظ على أداء مماثل في نسخة صينية (ToolRet_CN) دون هندسة خاصة باللغة.

4. النتائج التجريبية

• كفاءة البحث (الدراسة 1): مقارنة بخط أساس يعتمد على النموذج اللغوي الصرف الذي يضخ جميع الخدمات الـ 1,839 في مطالبة واحدة (67,619 رمزاً/استعلام)، حقق A2X معدل إصابة أعلى (92.6% مقابل 86.4%) ومعدل استدعاء (Recall) أعلى (89.2% مقابل 84.7%) مع استهلاك 7,069 رمزاً فقط/استعلام.
• جودة البناء (الدراسة 2): تظهر دراسات الاستبعاد (Ablation studies) أن البناء العودي باستخدام ضغط الكلمات المفتاحية، وحلقات الصقل، وقيود المحور الواحد أمر ضروري. البناء بنموذج لغوي "من خطوة واحدة" (قراءة جميع الأوصاف معاً) حقق معدل إصابة بنسبة ~60% فقط، بينما وصل النهج العودي إلى 92.6%.
• المقارنة مع التضمين (الدراسة 3): يتفوق A2X بشكل كبير على الاسترجاع المتجهي الكثيف (مثل MiniLM، BGE-M3، إلخ) ونماذج إعادة كتابة الاستعلام (مثل MCP-Zero). تعاني طرق التضمين من نقص في الاستدعاء (على سبيل المثال، 61.8% معدل إصابة لـ MiniLM مقابل 92.6% لـ A2X)، لا سيما في السيناريوهات المعقدة ومتعددة القيود.
• متانة النموذج: تؤكد التجارب مع نماذج أحدث (DeepSeek V4) أنه بينما تتحسن قدرات السياق الطويل في خطوط الأساس الخاصة بالسياق الكامل، يحافظ A2X على ميزة التكلفة وفي كثير من الحالات يتفوق في الدقة، مما يثبت أن الطريقة ليست مرتبطة بجيل محدد من النماذج.

5. الأهمية والادعاءات

تدعي الورقة أن الاكتشاف الأصيل للنماذج اللغوية هو الخليفة الطبيعي للاسترجاع القائم على التضمين مع انخفاض تكاليف الاستدلال.

• تحول النموذج: على عكس الطرق القائمة على التضمين التي تضغط المعنى الدلالي في متجهات ثابتة الأبعاد، يستفيد A2X من القدرة الأصلية للنماذج اللغوية على إجراء الاستدلال الدلالي وفك الغموض في الاستعلامات المعقدة.
• القابلية للتوسع: من خلال وضع تصنيف هرمي، يحل A2X مشكلة "الضياع في المنتصف" دون التضحية بالاستدعاء. فهو يسمح للوكلاء بالتوسع إلى سجلات تضم عشرات الآلاف من الخدمات دون نمو خطي في تكلفة الرموز.
• الاستقلالية: لا يتطلب النظام صيانة بشرية للأنطولوجيا، مما يجعله مناسباً لـ "إنترنت الوكلاء" الديناميكي والمتطور بسرعة.
• الآفاق المستقبلية: يقترح المؤلفون أن هذا النهج يمكن أن يعمل كطبقة اكتشاف موحدة (بمثابة "DNS للوكلاء") عبر الخدمات والمنصات غير المتجانسة، مما يسمح بمعالجة أغنى للقيود (مثل الميزانيات والاستثناءات) التي لا يمكن للبحث المتجهي دعمها بسهولة.

القيود المعترف بها:

• التصنيف الساكن: يتعامل البناء الحالي مع الخدمات ككيانات ثابتة؛ وتقترح الأعمال المستقبلية استخدام التحسين القائم على الاستخدام لتحسين عمق الشجرة بناءً على تكرار الاستعلام.
• تغطية اللغة: تعتمد النتائج عبر اللغات على بيانات مترجمة آلياً؛ وقد تتطلب السجلات غير الإنجليزية الأصلية ذات المفردات غير المتوافقة إعادة بناء كاملة.
• تقرير الدقة: نظراً لوجود ملاحظات غير مكتملة للحقيقة الأرضية (Ground-truth) في اختبارات استرجاع الأدوات، قد تقلل مقاييس الدقة التقليدية من جودة الطرق عالية الاستدعاء مثل A2X.