‏eve؛ فریم‌ورک ایجنت متن‌باز ورسل

ورسل (Vercel) یه فریم‌ورک متن‌باز جدید به اسم eve معرفی کرده برای ساختن، اجرا و مقیاس‌دادن ایجنت‌های هوش مصنوعی. به گفتهٔ تیم ورسل، ایدهٔ اصلی اینه که ساختن یه ایجنت باید فقط یعنی تعریف‌کردن «کاری که انجام می‌ده»، نه سرهم‌کردن همهٔ زیرساختی که برای اجرا توی پروداکشن لازمه. برای همین eve خیلی از اون چیزها رو از قبل داره: اجرای پایدار، محاسبات سندباکس‌شده، تأیید انسانی (human-in-the-loop)، ساب‌ایجنت و eval.

محور طراحی eve این جمله‌ست: هر ایجنت یه پوشه‌ست. هر فایل توی درخت پروژه یه بخش از ایجنت رو توصیف می‌کنه؛ مثلاً agent.ts مدل رو مشخص می‌کنه، instructions.md نقش و شخصیت ایجنت (همون system prompt) رو می‌سازه، هر ابزار (tool) یه فایل TypeScript جداست که اسم فایل می‌شه اسم ابزار، و هر skill یه فایل مارک‌داونه که فقط وقتی موضوعش پیش بیاد لود می‌شه. نویسنده اینو به Next.js تشبیه می‌کنه: همون‌طور که Next.js یه پوشه رو به route تبدیل می‌کنه، eve یه فایل رو به یه قابلیت تبدیل می‌کنه و خودش حلقهٔ ایجنت رو می‌گردونه.

بخش مهمش «durable session» ‌ست: هر گفتگو یه workflow پایداره که هر قدمش checkpoint می‌شه، پس می‌تونه وسط کار مکث کنه، از یه crash یا deploy جون سالم به در ببره و دقیقاً از همون‌جا که مونده ادامه بده. این قابلیت روی Workflow SDK متن‌باز ساخته شده. تأیید انسانی هم همین‌طوره: هر اکشن می‌تونه منتظر تأیید یه آدم بمونه، بی‌نهایت هم که شده، بدون اینکه منابع مصرف کنه.

امنیت هم جدی گرفته شده: چون کدی که ایجنت تولید می‌کنه باید غیرقابل‌اعتماد فرض بشه، هر ایجنت سندباکس مخصوص خودش رو داره و کدش کاملاً از runtime اپلیکیشن جداست. موقع deploy روی Vercel Sandbox اجرا می‌شه و به‌صورت لوکال روی Docker، microsandbox یا just-bash؛ پشتش یه معماری adapter داره که می‌تونی برای هر provider دیگه‌ای هم بنویسی.

برای اتصال به سرویس‌ها، هر connection یه فایله که به یه سرور MCP یا هر API سازگار با OpenAPI اشاره می‌کنه؛ eve ابزارهای راه‌دور رو کشف می‌کنه، auth رو واسطه‌گری می‌کنه و مدل هیچ‌وقت URL یا کلیدها رو نمی‌بینه. از همون اول می‌شه به Slack، GitHub، Snowflake، Salesforce، Notion و Linear وصل شد. یه ایجنت هم می‌تونه روی همهٔ کانال‌ها کار کنه — HTTP API به‌صورت پیش‌فرض، به‌علاوهٔ Slack، Discord، Teams، Telegram، Twilio، GitHub و Linear.

برای دیباگ، هر run یه trace استاندارد OpenTelemetry تولید می‌کنه که هر فراخوانی مدل و ابزار رو به‌ترتیب و با ورودی/خروجی نشون می‌ده و می‌شه به Braintrust، Honeycomb، Datadog یا Jaeger فرستادش؛ eval هم اجازه می‌ده تست‌های امتیازدار رو لوکال یا توی CI اجرا کنی. نویسنده می‌گه ورسل سال‌ها ایجنت ساخته (از جمله v0) و دیده هر تیم داره همون زیرساخت رو از نو می‌سازه — پس «شکل مشترک» ایجنت‌ها رو تبدیل به یه فریم‌ورک کرده. خود ورسل هم ایجنت‌های خودش رو روی eve می‌سازه و اجرا می‌کنه.

نکات کلیدی:

• eve یه فریم‌ورک متن‌باز ورسل برای ساخت، اجرا و مقیاس‌دادن ایجنت‌های هوش مصنوعیه
• ایدهٔ اصلی: «هر ایجنت یه پوشه‌ست»؛ هر فایل توی درخت پروژه یه قابلیت رو تعریف می‌کنه
• امکانات پروداکشن مثل اجرای پایدار، سندباکس، تأیید انسانی، eval و tracing از قبل توش هست
• کد تولیدشدهٔ ایجنت توی سندباکس ایزوله و جدا از runtime اپلیکیشن اجرا می‌شه
• از همون اول به Slack، GitHub، Notion، Linear و... وصل می‌شه و روی چند کانال کار می‌کنه
• tracing استاندارد OpenTelemetry داره و خود ورسل ایجنت‌های خودش رو روی eve می‌سازه