جدول المحتويات
يوزّع النظام متعدد الوكلاء سير عمل صناعيًا على عدة وكلاء ذكاء اصطناعي، لكل منهم تعليماته وأدواته وصلاحياته، وينسّق بينهم وكيل مدير أو شيفرة برمجية. وهو مفيد حين ينقسم العمل إلى أجزاء مستقلة، مثل جمع الأدلة من عدة أنظمة في المصنع. أما في المهام التسلسلية تمامًا، فالوكيل الواحد أو سير العمل الثابت أكثر موثوقية عادةً.
أهم النقاط
- توصي كل من OpenAI وAnthropic باستغلال قدرات الوكيل الواحد أولًا، وعدم إضافة وكلاء إلا عندما تتطلب المهمة ذلك (OpenAI، Anthropic).
- في دراسة مضبوطة، حسّن التنسيق المركزي الأداء بنسبة 80.9% في مهمة مالية قابلة للتوازي، بينما خفّضت جميع الصيغ متعددة الوكلاء الأداء بنسبة 39 إلى 70% في مهمة تخطيط تسلسلية (Google Research, 2026).
- تشغيل الأنظمة متعددة الوكلاء مكلف: إذ تفيد Anthropic بأنها تستهلك نحو 15 ضعف ما تستهلكه المحادثات العادية من الرموز (tokens) (Anthropic, 2025). وفي التشغيل داخل الموقع، يعني ذلك قدرة GPU.
- كثيرًا ما تعود الإخفاقات إلى التصميم والتنسيق: فقد وجد تحليل لأكثر من 1,600 سجل تشغيل 14 نمطًا من أنماط الإخفاق في 3 فئات، هي تصميم النظام، وعدم التوافق بين الوكلاء، والتحقق من المهام (Cemri et al., 2025).
- في المصنع، أقوى سبب لفصل الوكلاء هو فصل الصلاحيات: وكلاء متخصصون للقراءة فقط، ووكيل واحد يصوغ المسودات، والموافقات وقرارات التحكم تبقى بيد البشر.
ما هو النظام متعدد الوكلاء في البيئة الصناعية؟
الوكلاء ليسوا جديدين في مجال الأتمتة. فسلسلة الإرشادات الألمانية VDI/VDE 2653 تتناول الأنظمة متعددة الوكلاء في الأتمتة الصناعية، ويقدّم جزؤها الرابع (2022) مجموعة مختارة من معماريات الأنظمة متعددة الوكلاء وأنماطًا للتحكم على المستوى الميداني (VDI). ويحدد المعيار IEEE 2660.1 (2021) ممارسات موصى بها لربط الوكلاء الصناعيين بوظائف الأتمتة منخفضة المستوى (IEEE SA). ويتناول كلاهما وكلاء برمجيين في الأتمتة والتحكم، وقد نُشر كلاهما قبل أن تنتشر الوكلاء المبنية على النماذج اللغوية.
يتناول هذا المقال الجيل الأحدث: الوكلاء المبنية على النماذج اللغوية الكبيرة (LLM). كل وكيل نموذج له تعليمات ومجموعة أدوات يختار استدعاءها؛ ويشرح مقال Chatbot أم Copilot أم وكيل ذكاء اصطناعي الفرق بين الثلاثة. والنظام متعدد الوكلاء يجمع عددًا منها. فميزة البحث لدى Anthropic مثلًا تستخدم وكيلًا رئيسيًا يخطط للعمل وينشئ وكلاء فرعيين يبحثون بالتوازي، ثم يدمج نتائجهم (Anthropic, 2025).
ويختبر الباحثون الفكرة على مهام صناعية أيضًا. فإطار Agents4PLC يستخدم وكلاء مبنية على LLM لتوليد شيفرة وحدات التحكم المنطقية القابلة للبرمجة (PLC) والتحقق منها على مستوى الشيفرة (Liu et al., 2024). ولحالات استخدام الوكلاء في المصانع بشكل أوسع، راجع مقال الذكاء الاصطناعي الوكيلي لأتمتة العمليات الصناعية.
كيف ينسّق الوكلاء فيما بينهم؟
تصف وثائق المورّدين عددًا محدودًا من الأنماط. تميّز OpenAI بين نمط المدير، حيث يستدعي وكيل مركزي الوكلاء المتخصصين عبر استدعاءات الأدوات، والنمط اللامركزي، حيث يسلّم الوكلاء المهمة بعضهم لبعض (handoff) (OpenAI, A practical guide to building agents). وتتيح حزمة SDK الخاصة بها أيضًا التنسيق بالشيفرة، مما يجعل السرعة والكلفة والأداء أكثر قابلية للتنبؤ (وثائق OpenAI Agents SDK). وتصف Anthropic الأفكار نفسها في صورة مسارات عمل: المنسّق والعمّال، والتوازي، وحلقات المُقيِّم والمُحسِّن (Anthropic, Building effective agents).
| النمط | طريقة العمل | مثال في المصنع | ما يجب الانتباه إليه |
|---|---|---|---|
| سير عمل ثابت بالشيفرة | تستدعي الشيفرة الوكلاء بترتيب محدد | سجل الوردية ← ملخص ← تقرير تسليم الوردية بصيغته النهائية | جامد، لكنه الأسهل في الاختبار والتدقيق |
| المدير (المنسّق والعمّال) | يستدعي وكيل مدير الوكلاء المتخصصين كأدوات ويدمج نتائجهم | التحقيق في انحراف: وكيل يقرأ بيانات historian المصدَّرة، وآخر نتائج LIMS، وثالث سجل الصيانة، ورابع الإجراءات | المدير عنق زجاجة ونقطة إخفاق وحيدة |
| التسليم (لامركزي) | يحيل وكيل الفرز المهمة كاملة إلى وكيل متخصص يتولاها | مكتب مساعدة داخلي يوجّه السؤال إلى وكيل الصيانة أو وكيل الجودة | قد يضيع السياق عند كل تسليم |
| حلقة التقييم | يصوغ وكيل مسودة ويتحقق منها وكيل آخر وفق معايير حتى تستوفيها | مسودة تقرير تُراجع وفق نموذج الموقع وحدود المواصفات | تتطلب معايير واضحة وحدًا أقصى لعدد الدورات |
| وكلاء مستقلون بالتوازي | يعمل الوكلاء منفصلين وتُدمج النتائج في النهاية | فرز مجموعة كبيرة من الوثائق، دفعة لكل وكيل | لا تُراجع الأخطاء تقاطعيًا قبل الدمج |
ويتناول مقال أتمتة تقارير الوردية والتسليم تسليم الوردية بمزيد من التفصيل.
متى يفيد تقسيم العمل على عدة وكلاء؟
تأتي مقارنة مضبوطة من دراسة أجرتها Google Research على تصميم بوكيل واحد وأربعة تصاميم متعددة الوكلاء عبر 180 تهيئة (Google Research, 2026):
- في Finance-Agent، وهي مهمة تنقسم إلى أجزاء متوازية، حسّن التنسيق المركزي الأداء بنسبة 80.9% مقارنة بوكيل واحد.
- في PlanCraft، وهي مهمة تخطيط تسلسلية تمامًا، خفّضت جميع الصيغ متعددة الوكلاء الأداء بنسبة 39 إلى 70%.
- ضخّم الوكلاء المستقلون الأخطاء حتى 17.2 ضعفًا، بينما حصر التصميم المركزي ذلك في 4.4 أضعاف، إذ أدّى المنسّق دور نقطة تحقق.
- ازدادت كلفة التنسيق مع عدد الأدوات، لذا تتطلب المهام كثيرة الأدوات حذرًا.
وتنقل Anthropic نمطًا مشابهًا من التجربة العملية. فقد تفوّق نظام البحث متعدد الوكلاء لديها على الوكيل الواحد بنسبة 90.2% في تقييم بحثي داخلي، لكن المقال نفسه يذكر أن المجالات التي تتطلب سياقًا مشتركًا أو تكثر فيها التبعيات بين الوكلاء لا تناسب الأنظمة متعددة الوكلاء في الوقت الحالي (Anthropic, 2025). وتدافع Cognition عن الرأي المعاكس في المهام الطويلة: فكل إجراء يحمل قرارات ضمنية، والقرارات المتعارضة تؤدي إلى نتائج سيئة، لذلك ينتج الوكلاء الذين يعملون بالتوازي على افتراضات مختلفة عملًا لا يتلاءم بعضه مع بعض (Cognition, 2025).
ونصائح المورّدين متسقة. فتوصية OpenAI العامة هي استغلال قدرات الوكيل الواحد إلى أقصى حد أولًا، ثم التقسيم حين تصبح التعليمات معقدة جدًا أو تتداخل الأدوات؛ فبعض الأنظمة تدير أكثر من 15 أداة واضحة التمايز، بينما يتعثر غيرها بأقل من 10 أدوات متداخلة (OpenAI). وتشير وثائق LangChain إلى أن ليس كل مهمة معقدة تتطلب هذا النهج (وثائق LangChain).
ما مسارات العمل الصناعية التي تناسب تصميمًا متعدد الوكلاء؟
ارسموا مسار العمل قبل الاختيار. فالمسارات ذات الفروع المستقلة تناسب عدة وكلاء، أما السلاسل التي تحتاج فيها كل خطوة إلى نتيجة سابقتها فلا تناسبها عادةً.
- التحقيق في الانحرافات والحوادث. يجمع وكلاء متخصصون الأدلة بالتوازي من بيانات historian المصدَّرة ونتائج المختبر وسجل الصيانة والإجراءات، ويجمّع وكيل مدير مسودة للمهندس. وكل وكيل متخصص يعمل للقراءة فقط.
- مراجعة مجموعات وثائق كبيرة. التحقق من ملف وثائق المورّد أو وثائق مقاول مقارنة بمواصفة ما، بوكيل لكل قسم، مع وكيل مراجعة يتحقق من الملاحظات. راجع RAG على أدلة الصيانة.
- التقارير الدورية من عدة أنظمة. ملخصات شهرية للإنتاج والجودة والصيانة، يستعلم فيها كل وكيل مصدرًا واحدًا. راجع تحويل النص إلى SQL على قواعد بيانات الإنتاج.
- التحضير للصيانة. وكيل يقرأ سجل المعدة، وآخر يبحث في الإجراءات، وثالث يصوغ مسودة إشعار صيانة لمخطط الصيانة، كما يصف مقال ربط وكيل ذكاء اصطناعي بنظام CMMS.
أما المرشحات الضعيفة فهي الإجراءات التسلسلية مثل خطوات بدء التشغيل أو الإيقاف، وكل ما يقع داخل حلقة تحكم، والمهام القصيرة التي يؤديها وكيل واحد جيدًا أصلًا.
كم يكلّف تشغيل نظام متعدد الوكلاء داخل الموقع؟
تفيد Anthropic بأن الوكلاء يستهلكون نحو 4 أضعاف ما تستهلكه المحادثات العادية من الرموز، وأن الأنظمة متعددة الوكلاء تستهلك نحو 15 ضعفًا. وفي تحليلها، فسّر استهلاك الرموز وحده 80% من التباين في الأداء على اختبار BrowseComp (Anthropic, 2025). أي إن جزءًا من مكسب زيادة عدد الوكلاء يأتي من إنفاق قدرة حوسبة أكبر.
على خوادمكم الخاصة، تتحول الرموز إلى وقت GPU وطلبات متزامنة. وقد يضاعف تصميم بعدة وكلاء حمل المساعد الواحد مرات عدة، لذا احسبوا العتاد على أساس سير العمل لا على أساس عرض توضيحي لمحادثة؛ راجع تحديد العتاد وGPU لنموذج LLM داخل الموقع. وتتوقع Gartner إلغاء أكثر من 40% من مشاريع الذكاء الاصطناعي الوكيلي بحلول نهاية 2027، بسبب ارتفاع التكاليف وعدم وضوح القيمة التجارية وقصور ضوابط المخاطر (Staffing Industry Analysts, 2025).
لماذا تخفق الأنظمة متعددة الوكلاء؟
حلّلت دراسة MAST أكثر من 1,600 سجل تشغيل موسوم من 7 أطر عمل متعددة الوكلاء، ووجدت 14 نمطًا من أنماط الإخفاق في 3 فئات: مشكلات تصميم النظام، وعدم التوافق بين الوكلاء، والتحقق من المهام. ويلاحظ مؤلفوها أن مكاسب الأداء على الاختبارات المعيارية الشائعة غالبًا ما تكون ضئيلة (Cemri et al., 2025).
ويعدّد مهندسو Anthropic المشكلات العملية: الوكلاء يحتفظون بحالتهم والأخطاء تتراكم، والتشغيلات غير حتمية حتى مع تعليمات (prompts) متطابقة، والوكيل الرئيسي الذي ينتظر وكلاءه الفرعيين يخلق اختناقات. وقد أضافوا التتبع وإعادة المحاولة ونقاط حفظ تتيح الاستئناف من موضع الإخفاق (Anthropic, 2025). وفي المصنع، تظهر المشكلات نفسها في صورة رمز معدة خاطئ ينتقل من وكيل إلى آخر، أو وكيلين يقرآن نافذتين زمنيتين مختلفتين، أو ملخص يخفي مصدر بيانات مفقودًا.
كيف نحافظ على أمان نظام متعدد الوكلاء في المصنع؟
- دور واحد وقائمة أدوات واحدة. امنحوا كل وكيل الأدوات التي يحتاجها دوره فقط. فالوكلاء المتخصصون الذين يقرؤون البيانات لا يملكون أدوات كتابة أبدًا، ووكيل واحد فقط يصوغ، ولا ينشئ إلا مسودات.
- التفويض في النظام المستهدف. تنص مواصفة Model Context Protocol على أنه يجب على خوادم الأدوات التحقق من المدخلات، وتطبيق ضوابط الوصول، وتحديد معدل الاستدعاءات، وتنقية المخرجات (مواصفة MCP). فنظام historian أو LIMS أو CMMS هو الذي يقرر ما يحق لحساب كل وكيل فعله، لا النموذج.
- معاملة الرسائل بين الوكلاء كبيانات غير موثوقة. فالوكيل الذي يقرأ وثيقة مورّد قد ينقل تعليمة مخفية إلى الوكيل التالي. تحققوا من مخرجات منظَّمة بين الوكلاء بدل تمرير نص حر.
- موافقة بشرية على الإجراءات. توصي مواصفة MCP بأن يكون هناك دائمًا إنسان في الحلقة قادر على رفض استدعاء الأدوات، وتوصي OpenAI بإشراف بشري على الإجراءات الحساسة أو غير القابلة للتراجع أو عالية المخاطر. ويتناول مقال الإنسان في الحلقة لوكلاء الذكاء الاصطناعي مواضع هذه الموافقات.
- البقاء خارج التحكم. تنصح CISA وشركاؤها بالحدّ من التحكم الفعلي في أنظمة OT بواسطة الذكاء الاصطناعي دون إنسان في الحلقة، وبتفضيل معماريات الدفع (push) أو الوسيط (broker) التي تُخرج البيانات من OT، وبآليات احتياطية تعيد التشغيل إلى الأتمتة التقليدية أو التشغيل اليدوي (CISA et al., 2025). راجع نموذج Purdue وموقع الذكاء الاصطناعي فيه وصمامات البيانات والنقل أحادي الاتجاه.
- هوية مستقلة لكل وكيل. توصي CISA بأن تكون هوية الذكاء الاصطناعي المسجلة في السجلات متميزة عن معرّفات الآلات والمستخدمين الأخرى. ومع تعدد الوكلاء، سجّلوا كل وكيل على حدة حتى يمكن تتبّع أي سجل خاطئ إلى الوكيل الذي كتبه.
- الحدود والاختبارات. حدّدوا عددًا أقصى من الدورات كما توصي Anthropic (Anthropic, Building effective agents)، واختبروا على نسخ من الأنظمة الحقيقية؛ راجع كيف تقيّم نموذج LLM على وثائقك.
ويبرز بروتوكولان مفتوحان لربط هذه المكونات. يوحّد MCP طريقة وصول الوكيل إلى الأدوات والبيانات. أما A2A، الذي طوّرته Google ثم تبرعت به لمؤسسة Linux Foundation، فيوحّد طريقة تبادل الوكلاء المنفصلين للمهام، ويتيح لهم التعاون دون مشاركة ذاكرتهم الداخلية أو أدواتهم أو منطقهم الخاص (بروتوكول A2A). ولا يغني أيّ منهما عن الضوابط المذكورة أعلاه.
ما رأيناه في KABAS AI
صُمّم DALILE، مساعدنا الذي يعمل داخل الموقع، بوصفه نظامًا متعدد الوكلاء: منسّق يفهم السؤال ويوجّهه إلى وكلاء متخصصين في البحث وتحليل البيانات وإعداد التقارير. ويعمل على خوادم العميل، ويتصل بأنظمة مثل ERP وLIMS وإدارة الوثائق وقواعد بيانات SQL، ويتضمن ضوابط وصول وسجلات تدقيق. ويبني فريق الذكاء الاصطناعي الوكيلي لدينا وكلاء ومسارات عمل مخصصة عليه.
يستخدم مشروعانا المنشوران، في ADFC وENAD Shymeca، منصة Virtual Lab في البحث والتطوير، وتدرس الشركتان كلتاهما التكامل مع DALILE. لذا فما يلي هو التسلسل الذي نوصي به عند تحديد نطاق سير عمل متعدد الوكلاء، لا نتيجة مُبلَّغ عنها:
- ارسموا سير العمل وحدّدوا الخطوات المستقلة والخطوات التي تعتمد على سابقتها.
- ابنوه أولًا بوكيل واحد وقيسوا أداءه على حالات حقيقية.
- لا تقسّموا إلا حيث تشير الأدلة: جمع الأدلة بالتوازي، أو كثرة الأدوات المتداخلة، أو الحاجة إلى صلاحيات منفصلة.
- اتفقوا على قائمة أدوات كل وكيل ونقاط الموافقة مع فرق التشغيل والصيانة والصحة والسلامة والبيئة (HSE) قبل كتابة أي شيفرة.
المصادر
- Anthropic, How we built our multi-agent research system (June 2025)
- Anthropic, Building effective agents (December 2024)
- OpenAI, A practical guide to building agents
- OpenAI Agents SDK documentation: Agent orchestration
- LangChain documentation: Multi-agent
- Google Research, Towards a science of scaling agent systems: When and why agent systems work (January 2026)
- Cemri et al., Why Do Multi-Agent LLM Systems Fail?, arXiv 2503.13657, 2025
- Cognition, Don't Build Multi-Agents (June 2025)
- Liu et al., Agents4PLC: Automating Closed-loop PLC Code Generation and Verification in Industrial Control Systems using LLM-based Agents, arXiv 2410.14209, 2024
- VDI, VDI/VDE 2653 Part 4: Multi-agent systems in industrial automation, selected patterns for field level control and energy systems (2022)
- IEEE SA, IEEE 2660.1-2020, Recommended Practice for Industrial Agents: Integration of Software Agents and Low-Level Automation Functions
- CISA, ASD's ACSC and partners, Principles for the Secure Integration of Artificial Intelligence in Operational Technology (December 2025)
- Model Context Protocol specification (2025-11-25), Tools
- A2A Protocol documentation
- Staffing Industry Analysts, Gartner says agent washing is taking place (June 2025)
الأسئلة الشائعة
ما الفرق بين وكيل الذكاء الاصطناعي والنظام متعدد الوكلاء؟
وكيل الذكاء الاصطناعي نموذج لغوي واحد يخطط لخطواته التالية ويستدعي الأدوات لبلوغ هدف ما. أما النظام متعدد الوكلاء فيوزّع العمل على عدة وكلاء، لكل منهم تعليماته وأدواته وسياقه، وينسّق بينهم وكيل مدير أو عمليات تسليم بين الوكلاء أو شيفرة ثابتة. يعمل كل وكيل بالطريقة نفسها؛ والفرق في كيفية توزيع العمل والصلاحيات.
هل النظام متعدد الوكلاء أفضل دائمًا من الوكيل الواحد؟
لا. في دراسة مضبوطة أجرتها Google Research، حسّن التنسيق المركزي النتائج في مهمة مالية قابلة للتوازي، لكن جميع الصيغ متعددة الوكلاء التي اختُبرت خفّضت الأداء في مهمة تخطيط تسلسلية. وتنصح كل من OpenAI وAnthropic باستغلال قدرات الوكيل الواحد أولًا، وعدم إضافة وكلاء إلا عندما تتطلب المهمة ذلك.
هل يمكن لنظام متعدد الوكلاء أن يتحكم في عملية إنتاج؟
لا ينبغي أن يعمل مباشرة على أنظمة التحكم. فالإرشادات المشتركة الصادرة عن CISA وشركائها تنصح بالحدّ من التحكم الفعلي في أنظمة OT بواسطة الذكاء الاصطناعي دون إنسان في الحلقة، وبدفع البيانات إلى خارج شبكة OT بدل منح أنظمة الذكاء الاصطناعي وصولًا واردًا إليها. ويمكن للوكلاء قراءة البيانات المصدَّرة وإعداد توصيات تمرّ عبر إجراءات إدارة التغيير القائمة في الموقع.
هل يتواصل الوكلاء مباشرة فيما بينهم أم عبر منسّق؟
في معظم مسارات العمل الصناعية، عبر منسّق. فالوكيل المدير المركزي يحتفظ برؤية واحدة للمهمة، ويتحقق من نتائج الوكلاء المتخصصين، ويكون النقطة الوحيدة التي تُطبَّق فيها الموافقات والسجلات. وفي دراسة Google Research، ضخّم الوكلاء المستقلون الذين لا يتواصلون فيما بينهم الأخطاء أكثر بكثير من التصميم المركزي.
هل نحتاج إلى MCP أو A2A لبناء نظام متعدد الوكلاء؟
لا. يوحّد بروتوكول Model Context Protocol طريقة اتصال الوكيل بالأدوات والبيانات، ويوحّد A2A طريقة تبادل الوكلاء المنفصلين للمهام والنتائج. ويفيدان حين يأتي الوكلاء والأدوات من فرق أو مورّدين مختلفين. أما داخل تطبيق واحد في الموقع، فيمكن أيضًا التنسيق بين الوكلاء بالشيفرة، وتبقى الضوابط نفسها: أدوات محدودة، وفحص الصلاحيات في النظام المستهدف، وسجلات، وموافقة بشرية.
كيف نختبر نظامًا متعدد الوكلاء قبل استخدامه في التشغيل؟
شغّلوه على سيناريوهات واقعية وعلى نسخ اختبارية من الأنظمة التي يقرأ منها ويكتب فيها، عدة مرات لكل سيناريو، لأن تشغيلات الوكلاء غير حتمية. تتبّعوا استدعاءات الأدوات ورسائل كل وكيل، وقيّموا السجلات النهائية لا رسائل الوكلاء، وقارنوا النتيجة بنسخة من سير العمل نفسه بوكيل واحد.



