‏TrueForge؛ جایگزین متن‌باز پلتفرم‌های ایجنت مدیریت‌شده

نویسنده مقاله فرق ایجنت loop و ایجنت harness رو این‌جوری توضیح می‌ده: loop همون چرخه‌ی ساده‌ست که مدل یه ابزار رو صدا می‌زنه، نتیجه برمی‌گرده تو پرامپت و دوباره تکرار می‌شه، و می‌شه تو ۱۵ خط پایتون نوشتش. harness همه‌ی چیزیه که دور این حلقه می‌پیچه تا بشه روش یه بار واقعی production رو تحمل کرد: retry، sandbox، نگه‌داری state و گیت‌های تایید انسانی. TrueForge، ساخته‌ی Two Foundry با مجوز MIT، دقیقا همین لایه‌ی harness رو پیاده کرده و برخلاف خیلی از رقبا به یه مدل یا وندور خاص وابسته نیست.

به گفته‌ی نویسنده، یه loop ساده تو production دو مشکل اصلی داره. اول اینکه context هیچ حافظه‌ای بین call‌ها نداره، پس هر turn باید کل تاریخچه رو دوباره تکرار کنه و هرچی این تاریخچه بزرگ‌تر بشه، نسبت سیگنال به نویز افت می‌کنه و استدلال مدل ضعیف‌تر می‌شه. دوم اینکه یه سری چیز کاملا خارج از کنترل مدله: یه API قطع می‌شه و باید retry بشه، کاربر یه ساعت غیبش می‌زنه و state سشن باید یه‌جا بمونه، یا مدل ممکنه یه دستور خطرناک (مثل حذف یه جدول دیتابیس) بده که باید تو یه محیط امن اجرا بشه، نه مستقیم رو زیرساخت اصلی.

برای جلوگیری از افت context، TrueForge چند مکانیزم داره: بارگذاری تنبل schema (یعنی به‌جای لود کردن کامل هر سرور MCP از اول، فقط اسمش می‌ره تو context و جزئیات فقط موقع نیاز میاد)، آفلود فایل‌های بزرگ به دیسک به‌جای ریختنشون تو پرامپت، ساب‌ایجنت‌های جدا با context تازه برای کارهای تحقیقاتی شلوغ، و فشرده‌سازی خودکار تاریخچه‌ی قدیمی وقتی context به یه آستانه‌ی مشخص می‌رسه که این یکی صراحتا جزئیات رو فدای ادامه‌ی کار می‌کنه.

تو «code mode»، مدل به‌جای اینکه هر پاسخ JSON رو مستقیم تو context بخونه و خودش حساب کنه، یه اسکریپت کوتاه می‌نویسه که داخل sandbox (پیش‌فرض Daytona) اجرا می‌شه و کلیدهای API هیچ‌وقت وارد این محیط اجرا نمی‌شن؛ فقط نتیجه‌ی نهایی به مدل برمی‌گرده. ساخت یه ایجنت تو TrueForge یعنی از تو رابط کاربری بهش اسم و دستورالعمل بدی و سرور MCP یا API دلخواه رو بهش وصل کنی؛ بعد با SDK یا مستقیم از طریق API سرور، دیپلویش کنی. تو یه نمونه، یه ایجنت on-call تونست خودش ریشه‌ی یه باگ رو پیدا کنه ولی برای تغییر واقعی کانفیگ منتظر تایید یه انسان موند.

نویسنده نتیجه می‌گیره که انتخاب بین TrueForge و یه پلتفرم مدیریت‌شده، انتخاب بین کنترل و راحتیه. پلتفرم‌های مدیریت‌شده harness رو خودشون می‌سازن ولی معمولا به مدل و زیرساخت خودشون قفلت می‌کنن؛ TrueForge این راحتی رو می‌ده به قیمت مسئولیت نگه‌داری خودت. طبق داده‌های تیم سازنده، این می‌تونه تا ۷۵ درصد نسبت به پلتفرم‌های ابری ارزون‌تر باشه، ولی نویسنده تاکید می‌کنه صرفه‌جویی واقعی به انتخاب مدل، حجم استفاده و هزینه‌ی self-hosting بستگی داره. برای تیم‌هایی که همین‌طوری هم نیاز به self-hosting و قابلیت ردیابی کامل دارن، این گزینه‌ی معقولیه؛ برای یه پروتوتایپ سریع، شاید سربار نگه‌داری زیادی داشته باشه.

نکات کلیدی:

• TrueForge هارنس متن‌بازیه با مجوز MIT از Two Foundry
• به گفته‌ی سازنده، هزینه تا ۷۵ درصد نسبت به پلتفرم‌های مدیریت‌شده کمتره
• پیش‌فرض sandbox اجرای کد، Daytona هست
• گیت تایید انسانی فقط رو ابزارهای مخرب اعمال می‌شه، نه ابزارهای فقط-خواندنی
• ساخت ایجنت از رابط کاربری انجام می‌شه و دیپلوی از طریق SDK یا API سرور