تصور کنید مدیر محصول یک شرکت SaaS هستید و هر روز با دهها درخواست برای ویژگیهای خاص از مشتریان سازمانی مواجه میشوید که نقشه راه اصلی شما را مختل میکنند. حالا میتوانید این بار را به خود کاربران بسپارید تا ابزارهای مورد نیازشان را بسازند.
Vendo که در ۲۰ اوت ۲۰۲۶ عرضه شد، یک لایهٔ جاسازیشده برای عامل (Agent) — شبیه به یک دستیار هوشمند که میتواند به جای شما دکمهها را بزند و فرمها را پر کند — است که به کاربران نهایی اجازه میدهد روی APIهای موجود، برنامههای کوچک و اتوماسیونهای شخصی بسازند. طبق گزارش مستندات vendo.run، این سیستم به جای تغییر در کد اصلی برنامه، به عنوان یک کاربر وارد شده و دستورات را از طریق API اجرا میکند و رابط کاربری حاصل را در یک سطح بومی و ایزوله نمایش میدهد. این یعنی مالک محصول ابزارهای را فراهم میکند، اما مشتری جریان کاری (Workflow) خاص خود را میسازد.
همانطور که در تحلیلهای پیشین ما دربارهی اکوسیستم عاملهای هوش مصنوعی اشاره کردیم، جداسازی منطق اجرا از رابط کاربری، کلید مقیاسپذیری در محیطهای سازمانی است. Vendo دقیقاً همین نقطه را هدف قرار داده تا شرکتها بتوانند «سفارشیسازی نامحدود» را بدون ایجاد بدهی فنی (Technical Debt) ناشی از نگهداری هزاران شاخه کد سفارشی برای مشتریان مختلف، ارائه دهند.
بر اساس مستندات فنی این پروژه، سازوکار Vendo در سه مرحله رخ میدهد:
- استخراج (Extract): سیستم API میزبان را میخواند و آن را به ابزارهای قابل اجرا برای عامل تبدیل میکند.
- تولید (Generate): عامل با استفاده از اسناد UI که دارای تگهای فرمت هستند، نماهای بصری را میسازد. این نماها در یک محیط ایزوله (iframe jail) با تنظیمات
connect-src 'none'اجرا میشوند تا امنیت برنامه میزبان به خطر نیفتد. - حفاظت (Guard): تمام اجراها از یک نقطه کنترل (Choke Point) واحد عبور میکنند تا سیاستها، تأییدیهها و گزارشهای بازرسی (Audit Logs) ثبت شوند. این لایه حفاظتی یادآور رویکردهای نظارتی است که در گزارش unYOLO برای کاهش ریسک نفوذ عاملهای AI بررسی شد.
نصب این سیستم بسیار سریع است و طبق ادعای سازندگان، تنها با دستور npm install @vendoai/vendo در ۶۰ ثانیه فعال میشود. معماری آن ماژولار است و بستههای مجزایی برای انواع هسته (Core Types) ارائه میدهد. برای ذخیرهسازی دادهها در Postgres از PGlite استفاده میکند. همچنین یک درگاه اختصاصی برای پروتکل زمینهٔ مدل (MCP) دارد که به مدلهایی مثل Claude یا ChatGPT اجازه میدهد مستقیماً در نقش کاربر وارد برنامه شوند.
برای توسعهدهندگان، این رویکرد بار ایجاد ویژگیهای جدید را از دوش تیم مهندسی به دوش کاربران حرفهای (Power Users) منتقل میکند. توسعهدهندگان دیگر مجبور نیستند برای هر مورد خاص (Edge Case) یک نقطه اتصال (Endpoint) جدید بنویسند؛ آنها فقط API را باز میکنند و اجازه میدهند عامل Vendo منطق اتوماسیون و ترکیب رابط کاربری را مدیریت کند. این تغییر در پارادایم توسعه، مکمل ابزارهایی است که مانند Agent-Manager مدیریت متمرکز ارتش عاملهای کدنویس را در محیط ترمینال ممکن میسازند.
این رویکرد عملاً یک محصول SaaS را به یک پلتفرم تبدیل میکند. با جداسازی API از UI، شرکتها میتوانند انعطافپذیری کاملی را بدون پیچیدگیهای کدنویسی دستی فراهم کنند.
کاربران میتوانند با دستور npx vendo init یا استفاده از یک عامل کدنویس برای دنبال کردن دستورالعملهای موجود در vendo.run/agents.md فرآیند را آغاز کنند. این سیستم با هر مدل زبانی (LanguageModel) از طریق AI SDK سازگار است و به هیچ ارائهدهنده خاصی وابسته نیست.
چه تیمی در حال حاضر یک حلقه عامل داخلی داشته باشد و چه هیچ قابلیت هوش مصنوعی در محصولش نباشد، Vendo رابط کاربری چت و گیتهای تأیید لازم را فراهم میکند تا جریانهای کاری عاملمحور برای محیطهای تولیدی B2B ایمن شوند.
گام بعدی شما
- اگر محصول B2B دارید، APIهای خود را بررسی کنید تا ببینید کدام قابلیتها پتانسیل تبدیل شدن به ابزارهای Vendo را دارند.
- مستندات
vendo.run/agents.mdرا برای پیادهسازی اولین عامل سفارشی مطالعه کنید. - بررسی کنید آیا استفاده از MCP میتواند تجربه کاربری شما را در چتباتهای خارجی بهبود ببخشد یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو