‏AgentField؛ اجرای هزاران ایجنت مثل میکروسرویس

به گفتهٔ سازنده‌هاش، AgentField یه control plane (لایهٔ کنترل) متن‌باز و هوش مصنوعیه که منطق ایجنت‌ها رو تبدیل به زیرساخت production می‌کنه. ایده‌ش اینه که هر ایجنت رو مثل یه API معمولی بنویسی و بعد بقیهٔ سرویس‌های استک — فرانت‌اند، بک‌اند، ایجنت‌های دیگه یا cron job‌ها — بتونن صداش کنن.

تجربهٔ توسعه‌ش روی توابع ساده سواره: تابع‌هات رو با Python، Go یا TypeScript می‌نویسی و بدون DSL، YAML یا سیم‌کشی گراف، هر کدوم خودکار به یه REST endpoint تبدیل می‌شه. با دکوریتور @app.reasoner() قضاوت هوش مصنوعی می‌گیری و با @app.skill() کد قطعی اجرا می‌کنی.

این نمونه نشون می‌ده چطور یه تابع، هم LLM رو صدا می‌زنه و هم خودش رو به‌صورت توزیع‌شده فن‌اوت می‌کنه:

@app.reasoner(tags=["research"])
async def research(question: str, depth: int = 0) -> dict:
    plan = await app.ai(
        system="Break this into 3-5 independent sub-questions.",
        user=question, schema=SubQuestions)
    branches = await asyncio.gather(*[
        app.call(f"{app.node_id}.research", question=q, depth=depth + 1)
        for q in plan.questions
    ])
    return branches

اینجا app.ai() مدل رو صدا می‌زنه و خروجی ساختارمند (مثلاً Pydantic) برمی‌گردونه، app.call() درخواست رو از راه control plane به ایجنت‌های دیگه یا خود همون ایجنت می‌فرسته و asyncio.gather() همهٔ شاخه‌ها رو موازی اجرا می‌کنه. یه app.run() هم همه‌چی رو به REST باز می‌کنه.

از نظر مقیاس، control plane یه سرویس Go بدون state هست که پشت یه load balancer به‌صورت افقی بزرگ می‌شه، و کارها تو یه صف بادوام PostgreSQL با پردازش lease-based می‌شینن، پس یه crash یا restart کار رو از دست نمی‌ده.

نویسنده می‌گه دوتا نمونه همین الان تو این مقیاس کار می‌کنن: یه موتور deep-research که بیش از ۱۰٬۰۰۰ فراخوانی ایجنت رو تو یه workflow فن‌اوت کرده، و یه ممیز امنیتی که ۲۵۰ ایجنت هماهنگ رو تو هر ممیزی اجرا می‌کنه. هر هاپ بین ایجنت‌ها هم حدود ۱۰۰ تا ۲۰۰ میلی‌ثانیه هزینه داره.

بخش حاکمیت (governance) هم جالبه: هر ایجنت یه هویت رمزنگاری‌شده (W3C DID به‌جای کلید API مشترک) می‌گیره، هر اجرا یه رسید دستکاری‌ناپذیر (Verifiable Credential) تولید می‌کنه و سیاست‌های دسترسی برچسب‌محور تعیین می‌کنه کدوم ایجنت اجازهٔ صداکردن اون یکی رو داره.

به گفتهٔ سازنده‌ها، AgentField جای فریم‌ورک‌های نوشتن ایجنت رو نمی‌گیره؛ کارش اینه که همون منطق رو تو production اجرا و قابل‌فراخوانی و مشاهده‌پذیر کنه. چون هر reasoner فقط یه تابع سادست، کد موجود LangGraph یا CrewAI هم می‌تونه داخلش اجرا شه.

نکات کلیدی:

• AgentField ایجنت‌های هوش مصنوعی رو مثل API قابل‌فراخوانی می‌کنه و فن‌اوت، صف و تلاش مجدد رو خودش هندل می‌کنه
• تابع‌ها رو با Python، Go یا TypeScript می‌نویسی و هر کدوم خودکار REST endpoint می‌شه
• control plane یه سرویس Go بدون state با صف بادوام PostgreSQL هست که افقی مقیاس می‌گیره
• تا بیش از ۱۰٬۰۰۰ فراخوانی ایجنت تو یه workflow تست شده
• هر ایجنت هویت رمزنگاری‌شده و رسید اجرای دستکاری‌ناپذیر می‌گیره