اگر به یک مدل زبانی دسترسی مستقیم به API فروشگاهتان دادهاید، ریسک بزرگی پذیرفتهاید. در واقع کلید گاوصندوق را به کسی دادهاید که ممکن است در یک لحظه تمام محصولات شما را پاک کند.
شابیفای (Shopify) برای حل این مشکل، Shopify Flow را به عنوان یک محیط ایزوله یا «سندباکس» معرفی میکند. در این ساختار، عاملهای هوش مصنوعی (AI Agents) به جای ارسال دستورات باز و خطرناک، تنها میتوانند گردشهای کاری پیشتعریفشده و امن را فعال کنند.
بر اساس مستندات فنی منتشر شده در ۱۱ می ۲۰۲۶، این تغییر معماری برای پاسخ به نیاز «تجارت عاملمحور» طراحی شده است. همانطور که در تحلیل قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، مدیریت دسترسیها در سیستمهای خودکار حیاتی است. اکنون مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — باید از یک پل عبور کند تا دستوراتش به عملیات اجرایی تبدیل شود.
طبق گزارش وبسایت dev.to، این زیرساخت بر سه رکن فنی استوار است:
- پروتکل بافت مدل (Model Context Protocol یا MCP): این پروتکل مثل یک دفترچه راهنما عمل میکند که به مدل میگوید هر ابزار دقیقاً چه ورودی و خروجیای دارد.
- توابع شابیفای (Shopify Functions): منطقهای لحظهای را اجرا میکنند؛ مثلاً بررسی میکنند آیا مشتری واقعاً واجد شرایط تخفیف است یا خیر.
- متااوُبجکتها (Metaobjects): حافظهای دائمی ایجاد میکنند تا عاملهای AI ترجیحات مشتری را فراموش نکنند و دچار توهم (Hallucination) — یعنی گفتن چیزهایی که وجود ندارند شبیه خاطرات اشتباه یک دوست — نشوند.
این تغییر برای مدیران فروشگاه یعنی پایان دورهی انتخاب میان «AI ممنوع» یا «AI خطرناک». اکنون لایهای وجود دارد که قوانین کسبوکار را تحمیل میکند. همچنین چون منطق Flow بصری است، یک مدیر فروشگاه میتواند رفتار AI را بدون نوشتن حتی یک خط کد تغییر دهد.
گام بعدی شما
- فرآیندهای دستی تکراری خود را لیست کنید تا بفهمید کجاها به تریگرهای عاملمحور نیاز دارید.
- یک سرور نمونه MCP بسازید و قراردادهای دادهای JSON خود را برای تریگرها تعریف کنید.
- برای دسترسی به نمونههای Zod و راهنماهای فنی، یادداشتهای مهندسی در github.com/no7software/engineering-notes را بررسی کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ اثر این معماری بر هزینهی استنتاج را در گزارش بعدی بررسی خواهیم کرد.
گفتگو