هل يُعد منتج Anthropic الجديد قوياً بما يكفي ليجعل فريق البنية التحتية لوكلاء الذكاء الاصطناعي عاطلاً عن العمل؟

العنوان الأصلي: "أطلقت Anthropic اليوم منتجاً جديداً قد يتسبب في موجة من فقدان الوظائف لفرق البنية التحتية لوكلاء الذكاء الاصطناعي"

المؤلف الأصلي: Bayu، مهندس ذكاء اصطناعي

يُطلق على هذا المنتج اسم Claude Managed Agents. باختصار: أنت تخبر Anthropic بنوع وكيل الذكاء الاصطناعي الذي تريده، وهي تساعدك على تشغيله في السحابة، بما في ذلك البنية التحتية الكاملة، مع تسعير يعتمد على الاستخدام. استخدمت Sentry هذه الخدمة لإطلاق إصلاح الأخطاء البرمجية المؤتمت بالكامل في غضون أسابيع قليلة، بينما نشرت Rakuten وكيلاً متخصصاً في غضون أسبوع واحد. في السابق، كانت هذه المهام تتطلب فريقاً هندسياً كاملاً يعمل لأشهر.

في غضون ذلك، تجاوزت الإيرادات المتكررة السنوية لشركة Anthropic للتو 30 مليار دولار، وهو ثلاثة أضعاف ما كانت عليه في ديسمبر من العام الماضي. يأتي معظم هذا النمو من عملاء المؤسسات. بدأت وول ستريت تشعر بالقلق، حيث ذكرت صحيفة WSJ أن المستثمرين أصبحوا أكثر حذراً بشأن أسعار أسهم شركات البرمجيات كخدمة (SaaS) التقليدية، خوفاً من أن تجعل منتجات مثل منتجات Anthropic بعض خدمات البرمجيات التقليدية عتيقة وغير مجدية.

ما هو هذا المنتج بالضبط؟ وكيف يختلف عن Claude Code الذي تستخدمه بالفعل؟ وكيف تم تحقيقه تقنياً؟

ما هو؟ وكيف يختلف عن Claude Code؟

إذا كنت قد استخدمت Claude Code، فأنت تعرف كيف تعمل وكلاء الذكاء الاصطناعي: أنت تمنحهم مهمة، وهم يخططون للخطوات بشكل مستقل، ويستخدمون الأدوات، ويكتبون الأكواد، ويعدلون الملفات، ويكملون المهمة خطوة بخطوة.

يعمل Claude Code على جهاز الكمبيوتر الخاص بك وهو أداة سطر أوامر لاستخدام المطورين الشخصي. ويتوقف عن العمل عند إغلاق جهاز الكمبيوتر الخاص بك.

تعمل Managed Agents على سحابة Anthropic وهي خدمة واجهة برمجة تطبيقات (API) لاستخدام المؤسسات. يمكنها العمل باستمرار على مدار الساعة طوال أيام الأسبوع، والاحتفاظ بالتقدم حتى في حالة انقطاع الاتصال، ويمكن لمنتجك دمج قدرات وكيل الذكاء الاصطناعي مباشرة.

هذه هي الطريقة التي تعمل بها Notion: يقوم المستخدمون بتعيين مهام لوكلاء Claude داخل Notion، ويعمل الوكلاء في الخلفية، ويكملون المهام، ويعيدون النتائج، كل ذلك دون أن يضطر المستخدمون لمغادرة Notion.

بعض حالات الاستخدام النموذجية:

· مشغّل بالأحداث: يكتشف النظام خطأً برمجياً، ويقوم تلقائياً بتعيين روبوت لإصلاحه وتقديم طلب سحب (pull request)، دون أي تدخل بشري بينهما.

· مجدول: يقوم تلقائياً بإنشاء ملخص لنشاط GitHub أو موجز عمل الفريق كل صباح.

· التنفيذ المباشر: تعيين مهمة لروبوت في Slack، فيقوم بإكمال المهمة وإرجاع المستند أو عرض PowerPoint أو التطبيق.

· مهمة طويلة الأمد: تشغيل مهمة بحث عميق أو إعادة هيكلة للكود لعدة ساعات.

ما الفرق بين الروبوتات المستضافة سحابياً والروبوتات الداخلية؟

يمكنك استضافتها ذاتياً، لكنها مكلفة وبطيئة.

يتطلب الروبوت الذكي القادر على العمل الفعلي أكثر بكثير من مجرد "استدعاء واجهة برمجة تطبيقات": بيئة رملية (مساحة آمنة معزولة حيث يمكن للذكاء الاصطناعي تشغيل الكود، وتعديل الملفات، والعبث دون التأثير على النظام الخارجي الحقيقي، مثل تزويد الذكاء الاصطناعي بجهاز افتراضي مخصص)، وإدارة بيانات الاعتماد، واستعادة الحالة، والتحكم في الأذونات، والتتبع الشامل، والمزيد.

اعتاد العديد من عملاء المؤسسات الحاجة إلى فريق هندسي كامل مخصص لهذه المهام. الآن، أصبح الأمر جاهزاً للاستخدام المباشر (Plug and Play)، مما يحرر المهندسين للتركيز على جوهر المنتج.

ومع ذلك، فإن نقاط الألم التي تعالجها Managed Agents تتجاوز مجرد توفير العمالة.

لدى Matt Dongslee (@dongxi_nlp) ملخص موجز:

هناك مثال محدد في مدونة Anthropic الهندسية:

عندما يقترب Claude Sonnet 4.5 من حد نافذة السياق، فإنه "يصاب بالذعر" وينهي المهمة على عجل. لقد أضافوا إعادة تعيين السياق في إطار العمل المجدول لمعالجة هذا الأمر. ومع ذلك، مع Claude Opus 4.5، اختفت هذه المشكلة، وأصبحت الرقعة البرمجية السابقة عبئاً في الواقع.

إذا قمت ببناء إطار العمل المجدول الخاص بك، فسيتعين عليك تحديثه مع كل ترقية للنموذج. فوض الأمر إلى Anthropic؛ فهم يحسنونه من أجلك، مما يعني أساساً تحسين ما يبيعونه لك.

من يستخدمها؟ وكيف؟

تسمح Notion للمستخدمين بتفويض مهام مثل البرمجة، وإنشاء عروض PPT، وتنظيم جداول البيانات مباشرة إلى Claude داخل مساحة العمل، وتشغيل عشرات المهام بالتوازي، مع تعاون الفريق بأكمله على نفس المخرجات. قال مدير منتج Notion، إريك ليو، إن المستخدمين يمكنهم تفويض المهام المعقدة والمفتوحة مباشرة دون مغادرة Notion.

نفذت Sentry عملية مؤتمتة بالكامل "من اكتشاف الخطأ إلى تقديم إصلاح الكود". أداة تصحيح الأخطاء بالذكاء الاصطناعي الخاصة بهم Seer، بعد تحديد السبب الجذري، تسمح لـ Claude بكتابة التصحيحات مباشرة، وفتح طلبات السحب (PRs). قال مدير الهندسة Indragie Karunaratne إنهم تمكنوا من الإطلاق في غضون أسابيع قليلة، مما وفر تكلفة الصيانة المستمرة للبنية التحتية المبنية ذاتياً.

دمجت Atlassian الخدمة في Jira، مما مكن المطورين من تعيين المهام مباشرة إلى Claude AI.

أنشأت Asana زملاء عمل بالذكاء الاصطناعي (AI Teammates)، مما أضاف متعاونين من الذكاء الاصطناعي في إدارة المشاريع يمكنهم تولي المهام والتسليمات.

تمتلك General Legal (شركة تكنولوجيا قانونية) النهج الأكثر إثارة للاهتمام: يمكن للذكاء الاصطناعي الخاص بهم إنشاء أدوات مؤقتة للبحث في البيانات بناءً على استفسارات المستخدم. في السابق، كان يجب توقع كل استفسار للمستخدم، وتطوير أداة استرجاع مسبقاً، ولكن الآن يقوم الذكاء الاصطناعي بإنشائها عند الطلب. قال الرئيس التنفيذي للتكنولوجيا إن وقت التطوير قد انخفض بمقدار 10 أضعاف.

نشرت Rakuten وكلاء ذكاء اصطناعي متخصصين في أقسام الهندسة، والمنتجات، والمبيعات، والتسويق، والمالية، حيث بدأ كل منهم العمل في غضون أسبوع، واستقبال المهام عبر Slack وTeams وتقديم مخرجات ملموسة مثل جداول البيانات، وعروض PPT، والتطبيقات.

المبدأ التقني: فصل العقل عن اليدين

كتب فريق هندسة Anthropic منشور مدونة تقني بعنوان "توسيع نطاق Managed Agents: فصل العقل عن اليدين"، يناقش التطور المعماري وراء Managed Agents.

في البداية، وضعوا كل شيء في حاوية واحدة: حلقة استنتاج الذكاء الاصطناعي، وبيئة تنفيذ الكود، وسجل الجلسة، كلها معاً. كانت الميزة هي البساطة، لكن الجانب السلبي هو أن كل شيء كان في سلة واحدة—إذا تعطلت الحاوية، فُقدت الجلسة بأكملها، ولم يكن من الممكن استبدال الأجزاء الفردية بشكل منفصل.

لاحقاً، قاموا بتقسيم رئيسي:

· "العقل" هو Claude وإطار عمل الجدولة الخاص به، المسؤول عن التفكير واتخاذ القرار.

· "اليد" هي البيئة الرملية والأدوات المختلفة، المسؤولة عن تنفيذ عمليات محددة.

· "الذاكرة" هي سجل جلسة مستقل، يسجل كل ما يحدث.

الثلاثة مستقلون، وإذا تعطل أحدهم، فإنه لا يؤثر على الاثنين الآخرين.

جلب هذا التقسيم العديد من الفوائد العملية:

السرعة

لا تحتاج كل مهمة إلى بدء بيئة الرملية الكاملة. الآن، يتم إطلاق البيئة الرملية فقط عند الطلب عندما يحتاج الذكاء الاصطناعي حقاً إلى تشغيل الكود. انخفض متوسط زمن استجابة الاستجابة الأولى بنحو 60%، وفي الحالات القصوى، انخفض بأكثر من 90%.

الأمان

يعمل الكود الذي تم إنشاؤه بواسطة الذكاء الاصطناعي في البيئة الرملية، بينما يتم تخزين بيانات الاعتماد للوصول إلى الأنظمة الخارجية في خزنة آمنة خارج البيئة الرملية، مع عزل مادي على كلا الجانبين. على سبيل المثال، للوصول إلى مستودع Git، يقوم النظام باستنساخ الكود أثناء التهيئة، ويتفاعل الذكاء الاصطناعي مع git push/pull بشكل طبيعي، ولكن الرمز (Token) نفسه غير مرئي للذكاء الاصطناعي. بالنسبة لخدمات مثل Slack وJira، يتم الوصول إليها عبر بروتوكول MCP protocol، حيث تمر الطلبات عبر طبقة وكيل (proxy)، وتقوم طبقة الوكيل باسترداد بيانات الاعتماد من الخزنة لاستدعاء الخدمة، ولا يتعامل الذكاء الاصطناعي مع بيانات الاعتماد طوال العملية.

المرونة

لا يهتم "العقل" بماهية "اليد". هناك عبارة مثيرة للاهتمام في المدونة الهندسية: إطار عمل الجدولة لا يعرف ما إذا كانت البيئة الرملية عبارة عن حاوية، أو هاتف محمول، أو محاكي بوكيمون. إنه يحتاج فقط إلى الالتزام بواجهة "إدخال اسم، والحصول على سلسلة نصية".

هذا يعني أيضاً أن عقولاً متعددة يمكنها مشاركة اليد، ويمكن لعقل واحد تسليم اليد إلى عقل آخر، مما يضع الأساس للتعاون بين وكلاء متعددين.

القيود

Managed Agents ليست قوية بشكل مطلق. هناك عدة نقاط يجب ملاحظتها:

بعض الميزات لا تزال في مرحلة المعاينة البحثية. قدرات مثل التعاون بين وكلاء متعددين، وأدوات الذاكرة المتقدمة، والتكرار للتقييم الذاتي (السماح للوكيل بالحكم على جودة إكمال مهمته والتحسين بشكل تكراري) ليست مفتوحة بالكامل بعد وتتطلب تقديم طلب للوصول إليها.

الارتباط بالمنصة. اختيار Managed Agents يعني أن بنية تحتية لوكلائك مرتبطة بنظام Anthropic البيئي. إذا كنت تخطط للتبديل إلى نماذج أو منصات أخرى في المستقبل، فلا ينبغي التغاضي عن تكاليف الترحيل.

لا تزال إدارة السياق تمثل تحدياً. بينما يتم تخزين سجلات الجلسات بشكل مستقل، فإن تحديد المعلومات التي يجب الاحتفاظ بها أو التخلص منها أثناء المهام الطويلة لا يزال يتضمن قرارات لا رجعة فيها. هذا تحدٍ مستمر، ونهجهم الحالي يفصل تخزين السياق عن إدارة السياق: يضمن التخزين الحفظ، بينما تتكيف سياسات الإدارة مع تطور النموذج.

إمكانية التنبؤ بالتكلفة. قد يبدو 0.08 دولار لكل ساعة جلسة معقولاً، ولكن بالنسبة للمهام المعقدة التي تتطلب تشغيل الوكيل لعدة ساعات، وبالنظر إلى استهلاك الرموز (Tokens) وتكاليف وقت التشغيل، قد لا تكون التكلفة الإجمالية ضئيلة. تحتاج المؤسسات إلى تقييم ميزانياتها وفقاً لذلك.

تشير Managed Agents إلى أن معظم المؤسسات لا يزال أمامها طريق طويل قبل أن تتمكن من "الاعتماد الكامل على وكلاء الذكاء الاصطناعي في العمل".

على الرغم من انخفاض حاجز البنية التحتية، لا يمكن لـ Managed Agents المساعدة في تحديد المهام الجيدة، أو تصميم سير العمل، أو بناء الثقة للسماح للذكاء الاصطناعي بالوصول إلى بيانات الأعمال الأساسية.

"لحظة AWS" لبنية تحتية لوكلاء الذكاء الاصطناعي

يبدو أن Managed Agents تتبع المسار الذي سلكته AWS في أيامها الأولى: توفير قوة الحوسبة أولاً، ثم تغليف بيئة وقت التشغيل.

قبل عشر سنوات، ناقشت المؤسسات ما إذا كانت ستنتقل إلى "السحابة"؛ والآن، النقاش يدور حول ما إذا كانت ستستضيف "بنية تحتية للوكلاء ذاتياً أو الاعتماد على الخدمات المدارة". تخبرنا التجربة التاريخية أن معظم المؤسسات تختار في النهاية الخدمات المدارة لأن البنية التحتية ليست أبداً كفاءة أساسية. أطلقت OpenAI أيضاً منصة الوكلاء الخاصة بها، Frontier، والمنافسة في هذا المجال بدأت للتو.

من منظور تكنولوجي، يجدر ملاحظة النهج المعماري "فصل العقل عن اليد". فهو يسمح لكل جزء من النظام بالتطور بشكل مستقل: ترقية النموذج، تغيير العقل؛ الحاجة إلى أداة جديدة، إضافة يد؛ تغيير حل التخزين، استبدال طبقة الذاكرة.

تشبيه جيد من مدونة هندسية: أمر read() الخاص بنظام التشغيل لا يهتم بما إذا كان يتعامل مع قرص من السبعينيات أو قرص SSD حديث؛ طبقة التجريد مستقرة، مما يسمح باستبدال التنفيذ الأساسي بسهولة.

من منظور الاستخدام، إذا كنت مطور مؤسسات تتطلع إلى دمج قدرات وكيل الذكاء الاصطناعي في منتجك، فقد توفر لك Managed Agents عدة أشهر من أعمال البنية التحتية.

يتم دعم ست لغات (Python، TypeScript، Java، Go، Ruby، PHP) بواسطة حزم تطوير البرمجيات (SDKs). إذا كنت تستخدم Claude Code بالفعل، فقم بالتحديث إلى أحدث إصدار، واكتب /claude-api managed-agents-onboarding للبدء.

إذا كنت من عشاق الذكاء الاصطناعي العاديين، فإن التأثير الأكثر فورية الذي قد تشعر به هو: في منتجات SaaS التي تستخدمها، سيعمل المزيد والمزيد من وكلاء الذكاء الاصطناعي في الخلفية لمساعدتك، مع احتمال تشغيل هؤلاء الوكلاء على Managed Agents.

مرجع التسعير: تعتمد تكاليف الرموز (Tokens) على التسعير القياسي لواجهة برمجة تطبيقات Anthropic، مع تكلفة وقت تشغيل تبلغ 0.08 دولار لكل ساعة جلسة (لا يتم محاسبة وقت الخمول) و10 دولارات لكل ألف عملية بحث على الويب.

هل تعتقد أن البنية التحتية لوكلاء الذكاء الاصطناعي ستسيطر عليها في النهاية بضعة لاعبين كبار، على غرار الحوسبة السحابية اليوم؟

رابط المقال الأصلي