اگر میخواهید یک عامل هوشمند داشته باشید که همهچیز را درباره شما بداند اما هیچچیز را به سرورهای ابری نفرستد، تا امروز با یک بنبست فنی روبرو بودید. حالا میتوانید به یک مدل محلی دسترسی به دادههای واقعیتان را بدهید، بدون اینکه پرسوجوهای خام خود را به سرورهای دوردست ارسال کنید.
گوگل اکنون در حال رفع «شکاف کاربردی» در رایانش لبه (Edge Computing) — شبیه پردازش عکس در خود گوشی بهجای ارسال آن به یک استودیو برای ویرایش — است. همانطور که در تحلیل قبلی ما دربارهی عاملهای Gemini Spark اشاره کردیم، مدلهای محلی برای حریم خصوصی عالی هستند اما معمولاً از تقویم، اینباکس و دادههای زنده وب جدا ماندهاند. این بهروزرسانی، یک محیط آزمایش ساده را به یک زمانبندی اجرایی برای عامل (Agent) — مثل دستیاری که کلید دفتر شما را دارد اما محتویات آن را به رئیس نمیگوید — تبدیل میکند.
طبق گزارش dev.to، در ۱۹ مه ۲۰۲۶، ابزار Google AI Edge Gallery پشتیبانی از پروتکل متن مدل (MCP) را اضافه کرد. این پروتکل شبیه یک مترجم استاندارد است که اجازه میدهد مدلهای مختلف با ابزارهای مختلف بدون دردسر حرف بزنند. این سیستم از Gemma 4 برای استدلال محلی و LiteRT-LM برای بهرهوری در پسزمینه استفاده میکند. مشخصات فنی کلیدی عبارتند از:
- معماری حریم خصوصی: مدل بهصورت محلی تصمیم میگیرد کدام ابزار را فراخوانی کند؛ بنابراین فقط درخواست API ساختاریافته از دستگاه خارج میشود.
- پیشخوانی سریع: پسزمینه LiteRT-LM در GPUهای مدرن به سرعت بیش از ۳۰۰۰ توکن در ثانیه میرسد که بازیابی جلسات طولانی را تقریباً آنی میکند.
- یکپارچگی ابزارها: کاربران میتوانند به Google Workspace، Google Maps یا سرورهای سفارشی MCP متصل شوند.
این تغییر، MCP را از یک داستان سازمانی در دسکتاپ به یک واقعیت موبایلی تبدیل میکند. گوگل با نگه داشتن منطق سازماندهنده در دستگاه، معماری قابلقبولی برای بخشهای با امنیت بالا مثل بهداشت و حقوق ایجاد کرده است. این یعنی ظهور «عامل محیطی»؛ سیستمی که با گذر زمان بافتار را حفظ میکند و از طریق اعلانهای محلی سیستمعامل، پیشکننده عمل میکند.
گام بعدی شما
- بررسی مخزن عمومی گیتهاب برای ساخت مهارتهای سفارشی برای عاملهای محلی.
- دنبال کردن اخبار انتشار نسخه iOS برای گسترش این قابلیتها به دستگاههای اپل.
- تست مدلهای Gemma 4 در محیط AI Edge Gallery برای ارزیابی سرعت استنتاج محلی.
اما تأثیر این معماری بر مصرف باتری دستگاهها موضوع دیگری است — به بررسی ما درباره بهینهسازیهای LiteRT مراجعه کنید.
گفتگو