تصور کنید یک عامل هوش مصنوعی با خواندن ایمیلی که نوشته «همه چیز آماده است»، به شما اطمینان می‌دهد پروازتان تایید شده است، اما در واقع ایرلاین هنوز بلیطی صادر نکرده است. برای حل این شکاف خطرناک، BookingTruth در ۲۷ سپتامبر ۲۰۲۶ یک API تضمین رزرو و سرور پروتکل زمینه مدل (MCP) — شبیه به یک مترجم استاندارد که اجازه می‌دهد مدل‌های مختلف با ابزارهای خارجی زبان مشترک داشته باشند — را عرضه کرد تا حدس‌های مدل را با یک «دروازه شواهد» سخت‌گیرانه جایگزین کند.
بسیاری از عامل‌های سفر امروز برای تحلیل ایمیل‌ها به مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیارد‌ها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — تکیه می‌کنند. اما طبق گزارش فنی BookingTruth، تاییدیه یک واسطه (OTA) صرفاً حرف یک میان‌جی است و مدرکی بر ثبت تراکنش در سیستم تامین‌کننده نیست. این نقص باعث می‌شود عامل‌ها ایمیل‌های «در حال پردازش» را به اشتباه به عنوان تایید نهایی به کاربر گزارش کنند. این چالش با رویکرد استفاده از رسیدهای رمزنگاری‌شده برای شکستن توهمِ اطمینان در عامل‌ها که پیش‌تر بررسی کردیم، هم‌سو است.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت و قابلیت اطمینان عامل‌های هوش مصنوعی اشاره کردیم، حذف توهمات در محیط‌های عملیاتی نیازمند خروج از فضای احتمالات است. به نقل از مستندات فنی این سیستم، هر ادعای استخراج‌شده در یک لایه شواهد از ۰ تا ۶ قرار می‌گیرد:
- لایه ۵ و ۶ (معتبر توسط تامین‌کننده): استعلام‌های تایید شده از تامین‌کننده یا رسیدهایی که دارای آثار صدور هستند (مانند شماره بلیط الکترونیکی ۱۳ رقمی).
- لایه ۳ (تایید واسطه): تاییدیه میان‌جی‌هایی مثل Expedia که وضعیت را پیشنهاد می‌دهند اما صدور بلیط را ثابت نمی‌کنند.
- لایه ۰ (خروجی مدل): تولیدات خالص مدل که سیستم اجازه نمی‌دهد هرگز به عنوان حکم نهایی پذیرفته شوند.
در آزمایش‌های زنده ۲۷ سپتامبر، این API توانست یک سند از United Airlines را به‌درستی «تایید شده» (لایه ۵) تشخیص دهد، زیرا شماره بلیط الکترونیکی بر متن «در حال پردازش» ایمیل اولویت داشت. در مقابل، تاییدیه اجاره خودروی Expedia با برچسب «نامشخص» و پرچم needs_primary_check علامت‌گذاری شد، چون تامین‌کننده هنوز رزرو را تایید نکرده بود.
این معماری، عامل‌های هوش مصنوعی را از «حدس احتمالی» به «تایید قطعی» منتقل می‌کند. برای توسعه‌دهندگان، این یعنی عامل‌ها دیگر با اعتمادبه‌نفس درباره وضعیت سفر کاربر دروغ نمی‌گویند؛ بلکه تا زمان انجام بررسی اولیه، صادقانه وضعیت را «نامشخص» گزارش می‌کنند.
این رویکرد، معیار جدیدی برای قابلیت اطمینان در سفرهای عامل‌محور تعریف می‌کند. با قرار دادن خروجی مدل در پایین‌ترین لایه شواهد، سیستم عامل را مجبور می‌کند پیش از اعلام موفقیت، به دنبال آثار سخت — مانند استخراج PNR — بگردد.
گام بعدی شما
- توسعه‌دهندگان می‌توانند از طریق محیط Sandbox رایگان و با دو دستور curl، عملکرد این سیستم را تست کنند.
- برای ادغام در گردش‌کارها، از این ابزار به عنوان یک سرور MCP با قابلیت streamable-HTTP استفاده کنید.
- منتظر به‌روزرسانی‌های آتی برای گسترش ماتریس تحلیل‌گرها به فراتر از United، Expedia و Disney باشید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو