‏توپولوژی ایجنت‌ها: هر تیکه کجا اجرا می‌شه؟

تو این مقاله از وبلاگ exe.dev، نویسنده یه چارچوب ساده برای تحلیل هر ایجنت هوش مصنوعی پیشنهاد می‌ده: توپولوژی، یعنی اینکه هر بخش ایجنت کجا اجرا می‌شه. به گفته‌ی اون، ایجنت سه بخش داره: مدل که هوشش رو تعیین می‌کنه، حلقه‌ی ایجنتی (agentic loop، یعنی کدی که مدام پیام‌ها رو به مدل می‌ده و جواب‌ها رو پردازش می‌کنه) که UX رو می‌سازه، و ابزارها که قدرت و شعاع آسیب ایجنت رو مشخص می‌کنن. به حلقه و ابزارها با هم harness هم می‌گن.

مدل کجاست؟ یا روی GPUهای یکی دیگه، یا روی سخت‌افزار خودت. نویسنده می‌گه تنها راه مطمئن برای اینکه کسی روی دیتات آموزش نبینه اینه که اصلاً نفرستیش. برای همین برای کارهای غیرفوری مثل OCR فاکتورها سراغ مدل لوکال می‌ره. وزن‌های مدل هم مثل کامپایلر آلوده‌ی معروف Ken Thompson می‌تونه دستکاری شده باشه، پس باید انتخاب کنی به کی اعتماد کنی. هزینه هم مهمه: حالا یه کاربر SaaS با چند جمله می‌تونه صد دلار توکن مصرف کنه. exe.dev به کاربرها اجازه می‌ده اشتراک ChatGPT خودشون رو بیارن.

حلقه کجاست؟ تو ChatGPT حلقه روی سرورهای OpenAI اجرا می‌شه، تو ایجنت‌های کدنویسی روی لپ‌تاپ تو، و حتی می‌تونه توی مرورگر باشه. حلقه باید تاریخچه‌ی پیام‌ها رو یه جا نگه داره. نویسنده برای ایجنت کدنویسی‌شون، Shelley، از SQLite استفاده کرده و ازش راضیه. UI هم کار حلقه‌ست: نمایش عکس، پیوست، اشتراک‌گذاری مکالمه و غیره. نویسنده می‌گه حلقه‌های بقیه رو محدودکننده می‌بینه و ترجیح می‌ده ایجنت خودش رو به ابزارهای مانیتورینگ وصل کنه.

ابزارها کجان؟ اجرای کد سنگینه (کامپایل، تست، پردازش ویدیو) و باید فرض کنی کدی که اجرا می‌شه بدخواهه. ماشین مجازی (VM) استاندارد طلایی برای اجرای امنه. اجرای ایجنت روی سیستم خودت شعاع آسیب «Lethal Trifecta» رو بزرگ‌تر می‌کنه، یعنی محتوای غیرقابل‌اعتماد می‌تونه ایجنت رو به لو دادن رازها بکشونه. گزینه‌های سبک‌تر هم هست: Pyodide (پایتون روی WASM)، اجرای کد توی مرورگر، یا یه اتصال فقط‌خواندنی به دیتابیس.

ابزارها لازم نیست کنار حلقه باشن؛ با MCP، ایجنتی که روی OpenAI اجرا می‌شه می‌تونه روی VMهای تو کار کنه، پس باید بدونی توکن‌های OAuth کجا نگه داشته می‌شن. نویسنده خودش هر روز با پنج حلقه‌ی ایجنتی مختلف تو exe.dev کار می‌کنه و معتقده نرم‌افزارهای بیشتری با حلقه‌ی ایجنتی داخلی عرضه می‌شن. به نظرش محصولاتی برنده‌ان که برای ایجنت‌های کدنویسی خوانا باشن، و هیچ «یه حلقه برای همه‌چیز» وجود نداره. آخر مقاله هم کل حلقه‌ی ایجنتی رو تو چند خط پایتون نشون می‌ده:

def loop(llm):
    msgs, msg = [], user_input()
    while True:
        msgs += [msg]
        output, tool_calls = llm(msgs)
        if tool_calls:
            msg = [ handle_tool_call(tc) for tc in tool_calls ]
        else:
            msg = user_input()

نکات کلیدی:

• ایجنت = مدل + حلقه‌ی ایجنتی + ابزارها؛ به حلقه و ابزارها با هم harness می‌گن.
• مدل لوکال حریم خصوصی رو تضمین می‌کنه و برای کارهای غیرفوری مثل OCR شبانه مناسبه.
• exe.dev اجازه می‌ده کاربرها اشتراک ChatGPT خودشون رو بیارن تا هزینه‌ی توکن روی شرکت نیفته.
• Shelley، ایجنت کدنویسی exe.dev، تاریخچه‌ی پیام‌ها رو تو SQLite ذخیره می‌کنه.
• VM استاندارد طلایی اجرای امن کده؛ Pyodide و دیتابیس فقط‌خواندنی گزینه‌های سبک‌ترن.
• با MCP ابزارها می‌تونن جدا از حلقه اجرا بشن، پس باید بدونی توکن‌های OAuth کجان.