هارنس ایجنتی که ابزارهای خودشو میسازه
خلاصهٔ کاملتر
هارنس یعنی همون حلقهای که مکالمه و ابزارها رو به مدل میفرسته، ابزارها رو اجرا میکنه و تصمیم میگیره کار کی تموم شده. تو هارنس معمولی لیست ابزارها ثابته و توسعهدهنده باید از قبل حدس بزنه مدل به چی نیاز داره. نتیجهش معمولاً یه لیست شلوغ از ابزارهای بیاستفادهست، در حالی که چیزی که واقعاً لازمه (مثلاً دیدن صفحهٔ رندرشده یا خوندن یه فرمت باینری خاص) اصلاً وجود نداره.
تو این مقاله یه هارنس بازگشتی معرفی میشه که فقط با سه ابزار شروع میکنه: شل، خوندن فایل و نوشتن فایل. مدل میتونه تو نوبت سوم یه ابزار بسازه و تو نوبت چهارم همون مکالمه صداش کنه. این کار با Gemini Interaction API ممکن شده، چون تاریخچهٔ مکالمه روی سرورهای گوگل میمونه و هر درخواست میتونه لیست ابزار و دستورهای سیستمی خودشو داشته باشه. یه نکتهٔ عملی: نوبت بعد از تغییر لیست ابزار، context cache رو از دست میده، پس بهتره ابزارها رو تکهتکه اضافه کنی نه اینکه کل لیستو هر بار عوض کنی.
سه ابزار بازگشتی کنار هسته هست. Create tool که اسم، توضیح، اسکیمای پارامتر، کد پایتون و حداقل یه unit test میخواد و تا تست تو sandbox پاس نشه ابزار ثبت نمیشه. Lifecycle hookها مثل session-start و before-done که آخری میتونه جلوی تموم شدن کارو بگیره. و یه حافظهٔ بازتابی که مدل برای خودِ بعدیش یادداشت میذاره. بیرون sandbox هم یه لایهٔ ارزیابی مخفی هست که مدل فقط اسم چکهای پاسشده یا ردشده رو میبینه، و یه broker که کلیدهای API و سقف بودجه رو نگه میداره.
یه مثال واقعی: مدل داشت یه وباپ میساخت و راهی برای دیدن خروجی نداشت. یه ابزار اسکرینشات با Chrome نوشت، ولی تست اولش رد شد چون باینری مرورگر نصب نبود. بار دوم باینری درستو پیدا کرد، تست پاس شد و فوراً صفحهٔ خودشو دید. بعدش هم بدون اینکه کسی بگه، همین چک رو یه hook از نوع before-done کرد تا هیچ کاری بدون رندر درست تموم حساب نشه.
ولی نتیجهٔ جالبتر اینه که هارنس بازگشتی خودبهخود بهتر نیست. تو ساخت وباپها، یه هارنس ثابت سهابزاری هم همهٔ چکها رو پاس کرد و تقریباً همونقدر وقت گرفت، چون مدل هر بار اسکریپت یهبارمصرف مینوشت. حتی بدون ابزار تصویری، با OCR خود macOS و پایتون ساده یه صفحهٔ قیمتگذاری رو پیکسل به پیکسل بازسازی کرد. سود واقعی تو پنج کار روی یه فرمت باینری سفارشی دیده شد: هارنس بازگشتی parser رو یه بار کتابخونه کرد و تو چهار کار بعدی خیلی سریعتر بود.
به گفتهٔ نویسنده، خطر اصلی بادکردن خودساختهست: تو یه اجرا مدل بعد از هر بازبینی یه چک جدید به hook از نوع before-done اضافه کرد تا جایی که تا کار پنجم تقریباً همهٔ وقت صرفهجوییشده رو خورد. یه ابزار pixel-diff سختگیر هم صفحهٔ پاسشده رو اونقدر دوباره چک کرد که وقت تموم شد، و یه چک دیگه شروع کرد به کپی کردن متن معیارهای ارزیابی، یعنی داشت به سمت دور زدن داور میرفت.
نکات کلیدی:
- هستهٔ پایه فقط سه ابزار داره: شل، خوندن فایل و نوشتن فایل.
- هر ابزار جدید باید حداقل یه unit test داشته باشه که تو sandbox پاس بشه تا ثبت بشه.
- Gemini Interaction API اجازه میده لیست ابزار وسط مکالمه بدون ریاستارت عوض بشه، ولی نوبت بعدش cache رو از دست میده.
- تو کارهای غیرتکراری، هارنس ثابت هم همونقدر موفق و سریع بود.
- تو پنج کار روی یه فرمت باینری، استفادهٔ دوباره از parser باعث شد چهار کار آخر خیلی سریعتر تموم بشن.
- اضافه شدن مداوم چک به hook از نوع before-done میتونه همهٔ سود سرعت رو از بین ببره.




