ویرگول
ورودثبت نام
خشایار جام سحر
خشایار جام سحرمهندسی نرم افزار
خشایار جام سحر
خشایار جام سحر
خواندن ۶ دقیقه·۳ ماه پیش

نقشه راه آموزش و تسلط بر برنامه نویسی هوش مصنوعی عامل محور Agentic AI بخش دوم جزئیات

انواع لایه های مورد نیاز برنامه نویسی هوش مصنوعی عامل محور Agentic AI:

شماره 1 : انواع امکانات مدلهای زبانی بزرگ LLM :

  • Transformers

  • Context Window

  • Tokenization

  • Reasoning

  • Structured Output

  • Function/Tool Calling

  • Embeddings

  • Reranking

  • Quantization

  • Local LLM, Ollama

  • Cloud LLM APIs

  • Model Routing

شماره 2 : مفاهیم معماری Agent Architecture :

  • ReAct

  • Planning

  • Reflection

  • Self-Correction

  • Tool Use

  • Memory

  • Goal-oriented Agents

  • Autonomous Agents

  • Stateful Agents

و هم چنین مفاهیمی همچون Single Agent, Agent + Tools, Multi-Agent, Hierarchical Multi-Agent, Agent Swarm, Agentic Workflow

شماره 3 : Agent Orchestration and Frameworks :

  • LangGraph

  • Microsoft Agent Framework

  • CrewAI

  • Google ADK

  • OpenAI Agents SDK

شماره 4 : انواع الگوهای Orchestration :

  • Sequential

  • Parallel

  • Conditional

  • Router

  • Supervisor

  • Handoff

  • Fan-out / Fan-in

  • Human-in-the-loop

  • Event-driven

  • Long-running workflows

شماره 5 : Tools و MCP :

  • Database

  • REST API

  • File System

  • Browser

  • Python

  • Git

  • Email

  • ERP

  • CRM

  • Cloud

  • External Services

شماره 6 : Knowledge Systems :

  • Documents

  • Parsing

  • Chunking

  • Embedding

  • Vector DB

  • Hybrid Search

  • Reranking

  • Context Construction

  • LLM

شماره 7 : RAG :

  • Hybrid RAG

  • Graph RAG

  • Agentic RAG

  • Multi-hop RAG

  • Query Expansion

  • Reranking

  • Metadata Filtering

شماره 8 : Memory :

  • Redis

  • PostgreSQL

  • Vector DB

  • Graph DB

  • Object Storage

  • Files

شماره 9 : Security :

  • Authentication

  • Authorization

  • RBAC

  • ABAC

  • OAuth2

  • JWT

  • Secrets Management

  • Prompt Injection

  • Tool Injection

  • Data Leakage

  • PII Protection

  • Tenant Isolation

  • Sandboxing

  • Tool Permissions

شماره 10 : Observability, Evaluation, Tools and Concepts :

  • OpenTelemetry

  • LangSmith

  • Tracing

  • Metrics

  • Logging

  • Evaluation

  • LLM-as-a-Judge

  • Benchmarking

  • Regression Testing

شماره 11 : Production Engineering :

  • FastAPI

  • AsyncIO

  • Redis

  • PostgreSQL

  • Message Queue

  • Kafka / RabbitMQ

  • Docker

  • Kubernetes

  • Load Balancing

  • Caching

  • Rate Limiting

  • Circuit Breaker

  • Retries

  • Timeouts

  • Horizontal Scaling

شماره 12 : Cloud و Distributed Systems :

  • Docker

  • Kubernetes

  • Service Architecture

  • Distributed Agents

  • Cloud Deployment

  • Azure

  • AWS

  • Google Cloud

شماره 13 : Agentic AI Design Patterns :

  • Router Agent

  • Supervisor Agent

  • Planner-Executor

  • Critic-Reviewer

  • Generator-Critic

  • Human Approval

  • Handoff

  • Debate

  • Parallel Agents

  • Sequential Agents

  • Map-Reduce Agents

  • Reflection

  • Self-Healing

  • Event-Driven Agents

شماره 14 : Human-in-the-Loop HILT :

برای موارد حساس بسیار ضروری است.

شماره 15 : Failure Engineering :

Agent ها ممکن است در حین اجرا :

  • Tool اشتباه انتخاب کنند

  • اطلاعات غلط تولید کنند

  • در Loop گیر کنند

  • بیش از حد Tool فراخوانی کنند

  • Context را پر کنند

  • API را چند بار صدا بزنند

  • هزینه زیادی ایجاد کنند

  • Timeout شوند

  • پاسخ متناقض بدهند.

بنابراین بایستی از امکانات زیر برخوردار باشند:

  • Retry

  • Timeout

  • Fallback

  • Circuit Breaker

  • Budget Limit

  • Token Limit

  • Step Limit

  • Loop Detection

  • Error Recovery

  • Dead Letter Queue

شماره 16 : Cost Engineering :

موارد زیر بایستی مدیریت و کنترل شود:

  • Token Cost

  • Latency

  • Number of LLM Calls

  • Number of Tool Calls

  • Cache Hit Rate

  • Model Selection

معمولا به شکل زیر:

  • Simple Task → Small/Fast Model

  • Complex Reasoning → Large Model

  • Embedding → Embedding Model

  • Classification → Small Model

شماره 17 : Context Engineering مهمتر از Prompt Engineering :

چون مسئله فقط نوشتن Prompt خوب نیست. باید تصمیم بگیرید:

  • چه اطلاعاتی؟

  • از کجا؟

  • در چه زمانی؟

  • با چه اولویتی؟

  • چه مقدار؟

  • برای کدام Agent؟

شماره 18 : Data Governance Concepts :

برای مثال :

  • Who can see what?

  • Who can call which tool?

  • Which data can leave the organization?

  • Which model can process which data?

  • How long is memory retained?

پس مفاهیمی مانند:

  • Data Classification

  • Data Residency

  • Audit Trail

  • Retention

  • PII

  • Tenant Isolation

  • Access Policies

مهم می‌شوند.

شماره 19 : Agent Testing :

تست برنامه های عامل محور از برنامه ها معمولی بسیار سخت تر است چرا که ممکن است در هر بار اجرا شرایط تصمیم گیری متفاوت باشد و باید تست کنید:

  • Did Agent choose correct tool?

  • Did it respect permissions?

  • Did it recover from failure?

  • Did it hallucinate?

  • Did it stop?

  • Did it ask for approval?

  • Did it leak information?

  • Did it stay within budget?

بنابراین:

  • Unit Tests

  • Integration Tests

  • Scenario Tests

  • Agent Evaluation

  • Security Tests

  • Load Tests

  • Regression Tests

  • Red-Team Tests

لازم می‌شوند.

شماره 20 : Agent OS :

Agent OS را می‌توان «سیستم‌عامل منطقی Agentها» در نظر گرفت. البته باید دقت شود که در حال حاضر «Agent OS» یک محصول واحد و استانداردشده مثل Windows یا Linux نیست؛ بیشتر یک معماری/دسته مفهومی برای زیرساخت اجرای Agentهاست. در یک Agent OS باید بتوان:

  • Create Agent

  • Start Agent

  • Stop Agent

  • Pause Agent

  • Resume Agent

  • Schedule Agent

  • Monitor Agent

  • Authenticate Agent

  • Authorize Agent

  • Store Agent State

  • Manage Agent Memory

  • Communicate with Agent

  • Audit Agent

  • Terminate Agent

بنابراین:

  • Agent

  • Memory

  • Tools

  • Identity

  • Tasks

  • Events

  • Policies

  • Communication

  • Governance

سئوال : چرا مهم است؟

جواب : فرض کنید Enterprise شما 1000 Agent دارد.

پس بایستی بدانید که هر یک از آنها چه میکند:

Agent #987

  • Who owns it?

  • What permissions?

  • Which model?

  • Which tools?

  • What memory?

  • What tasks?

  • What is its current state?

  • How much did it cost?

  • Is it healthy?

  • What events is it subscribed to?

اینجاست که مفهوم Agent OS اهمیت پیدا می‌کند.

شماره 21 : Agent-to-Agent یا A2A :

A2A یعنی Agent بتواند با Agent دیگری ارتباط برقرار کند. به جای اینکه یک Agent همه کارها را انجام دهد، هر Agent تخصص خودش را دارد. همچنین هر Agent می‌تواند Agent دیگری را فراخوانی کند. همچنین میتوان مشخص نمود که یک Agent مدیریت، نظارت و کنترل سایر Agent ها را بر عهده گیرد.

شماره 22 : Event-Driven Agents :

در اکثر محیطها بسیاری از اتفاقات بدون درخواست مستقیم کاربر رخ می‌دهند. که دارای معماری و طراحی خاص خود هستند:

مزیت:

  • Loosely coupled

  • Scalable

  • Asynchronous

  • Fault tolerant

  • Real-time

فناوری‌های رایج این حوزه شامل موارد زیر هستند:

  • Kafka

  • RabbitMQ

  • NATS

  • Redis Streams

  • Cloud event buses

شماره 23 : Long-Running Agents :

فرض کنید کاربر بگوید: یک گزارش کامل از 10,000 مشتری تهیه کن. این کار ممکن است ساعت ها و یا حتی روزها طول بکشد.

پس نمیتوان Sessionها برای مدت زیادی باز نگهداشت. و بایستی از Agent works asynchronously و Checkpoint و Persist State استفاده نمود که در صورت Crash سیستم، قابل بازیابی و ادامه کار دنبال شود.

شماره 24 : Agent Identity :

اگر Agent بتواند:

  • Database بخواند

  • Email ارسال کند

  • Payment انجام دهد

  • فایل حذف کند

باید بدانیم، این Agent دقیقاً چه کسی است؟

مثلاً:

Agent:

  • Finance-Approval-Agent

Identity:

  • agent-9f81...

Owner:

  • Finance Department

Permissions:

  • READ invoices

  • READ customers

  • APPROVE payments < $10,000

این مشابه Identity برای User است.

شماره 25 : Agent Governance :

Governance یعنی: چه Agentی، چه کاری، با چه داده‌ای، تحت چه قوانینی و با چه محدودیت‌هایی می‌تواند انجام دهد؟

مثلاً سازمان بگوید:

Research Agent

  • ✓ Internet

  • ✓ Public Data

  • ✗ Customer Database

  • ✗ Payment

Finance Agent

  • ✓ Finance DB

  • ✓ Invoice System

  • ✗ HR Data

HR Agent

  • ✓ Employee Database

  • ✗ Financial Transactions

این Policyها باید قابل اجرا و قابل Audit باشند.

شماره 26 : Agent Discovery :

وقتی تعداد Agentها زیاد شود، Agent باید بتواند Agent مناسب را پیدا کند.

مثلاً:

User:

  • Investigate company finance?

Orchestrator

  • Agent Discovery

Find:

  • Financial Analysis Agent

A2A

  • Financial Agent

این یعنی Dynamic Agent Discovery.

شماره 27 : Agent Observability:

در چنین سیستمی باید بتوانیم Trace کنیم:

User ↓ Agent A ↓ A2A → Agent B ↓ MCP → Database ↓ LLM ↓ Event ↓ Agent C ↓ Final Response

و تمام این مسیر باید قابل مشاهده باشد.

مثلاً:

Trace ID: 84A91 Agent A 1.2 sec Agent B 4.7 sec MCP Tool 0.8 sec LLM 3.2 sec Database 0.3 sec Total 10.2 sec

شماره 28 : Agent Marketplace + Billing :

در آینده حتی می‌توان Agent را مانند یک سرویس مصرف کرد:

Invoice Agent $0.02 / invoice Research Agent $0.10 / task Legal Analysis Agent $0.50 / document

بنابراین Marketplace می‌تواند شامل موارد زیر باشد:

  • Pricing

  • Usage Metering

  • Subscription

  • Quota

  • Billing

  • Rating

  • SLA

شماره 29 : Agent Lifecycle :

یک Agent Enterprise باید Lifecycle داشته باشد:

DESIGN ↓ DEVELOPMENT ↓ TESTING ↓ SECURITY REVIEW ↓ APPROVAL ↓ REGISTRY ↓ DEPLOYMENT ↓ PRODUCTION ↓ MONITORING ↓ VERSION UPDATE ↓ DEPRECATION ↓ RETIREMENT

این موضوع بسیار مهم است و در پروژه‌های واقعی نباید فراموش شود.

شماره 30 : معماری جامع هوش مصنوعی عامل محور Agentic AI :

حالا همه را کنار هم بگذاریم، به نظر این معماری جامع‌ترین تصویری است که میتوان پیشنهاد داد:

┌──────────────────┐ │ USERS │ └────────┬─────────┘ │ ▼ ┌──────────────────┐ │ Agent Gateway │ └────────┬─────────┘ │ ┌────────────────▼─────────────────┐ │ AGENT OS │ │ │ │ Identity │ │ Registry │ │ Scheduler │ │ Memory │ │ Lifecycle │ │ Policy Engine │ │ Governance │ │ Observability │ └────────────────┬─────────────────┘ │ ┌─────────────┼─────────────┐ ▼ ▼ ▼ Agent A Agent B Agent C │ │ │ └──────── A2A ┴─────────────┘ │ ┌────────────┴────────────┐ ▼ ▼ MCP Events │ │ ┌──────┼──────┐ ▼ ▼ ▼ ▼ Event Bus DB APIs SaaS │ ▼ Long-Running Jobs │ ▼ Checkpoints │ ▼ Human Approval │ ▼ Final Action ┌────────────────────────────────────┐ │ AGENT MARKETPLACE │ │ │ │ Discover / Install / Version │ │ Security / Rating / Billing │ └────────────────────────────────────┘

و نهایتاً:

ENTERPRISE │ ┌──────▼──────┐ │ Agent OS │ └──────┬──────┘ │ ┌────────────────┼────────────────┐ │ │ │ Agent Registry Identity Governance │ │ │ └────────────────┼────────────────┘ │ Agent Marketplace │ ┌────────┴────────┐ │ │ A2A MCP │ │ Agent Network Tool Network │ │ └────────┬────────┘ │ Event Architecture │ Long-Running Agents │ Human-in-Loop │ Observability │ Security │ Enterprise Data
هوش مصنوعی
۰
۰
خشایار جام سحر
خشایار جام سحر
مهندسی نرم افزار
شاید از این پست‌ها خوشتان بیاید