تصور کنید کسب‌وکاری بتواند وب‌سایت خود را بدون نوشتن حتی یک خط کدِ ارکستراسیون، به یک عامل هوش مصنوعی عمومی تبدیل کند. این رویای اتوماسیون اکنون با Webagent محقق شده است؛ چارچوبی مبتنی بر زبان Go که توسط Agent-net تحت لایسنس Apache 2.0 در گیت‌هاب منتشر شده تا عامل‌ها بتوانند در یک بازار غیرمتمرکز، یکدیگر را شناسایی کرده، به هم اعتماد کنند و با هم تعامل مالی داشته باشند.
بسیاری از چارچوب‌های فعلی برای کنترل رفتار مدل‌ها به مهندسی پرامپت (Prompt Engineering) — که شبیه تلاش برای متقاعد کردن یک کارمند لجباز با جملات خاص است — تکیه می‌کنند. اما Agent-net معتقد است موفقیت یک عامل را معماری تعیین می‌کند، نه توانایی مدل. طبق یافته‌های پژوهشی ذکر شده در مستندات طراحی پروژه (DESIGN.md و arXiv 2511.19477)، انتخاب‌های معماری درست باعث ایجاد شکافی ۳۵ درصدی در نرخ موفقیت وظایف (۸۵٪ در مقابل ۵۰٪) شده است، در حالی که از مدل‌های یکسانی استفاده می‌شد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، جداسازی لایه‌ی تصمیم‌گیری از لایه‌ی اجرا کلید پایداری است. Webagent دقیقاً همین مسیر را می‌رود و از یک مشخصات JSON اعلامی (Declarative) شامل ۹ جایگاه (Slot) قابل تعویض استفاده می‌کند. کاربر برای هر جایگاه — مثل مغز، حافظه یا کانال ارتباطی — یک ارائه‌دهنده انتخاب کرده و با دستور webagent serve آن را اجرا می‌کند. این رویکرد در تضاد با مدل‌های متمرکز است، مشابه زمانی که OpenAI مدیریت زیرساخت عامل‌های هوشمند را از طریق Agents API بر عهده گرفت تا پیچیدگی‌های ارکستراسیون را برای توسعه‌دهندگان کاهش دهد.
معماری و ساختار
این سیستم با زبان Go نوشته شده و هر عامل را به عنوان یک «مغز» (ترکیبی از مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — و دستورالعمل‌ها) می‌بیند که روی مجموعه‌ای از جایگاه‌ها در مسیر core/ عمل می‌کند. هر جایگاه در واقع یک رابط ارائه‌دهنده سرویس (SPI) است که فهرستی از ارائه‌دهنده‌های ثبت شده در مسیر spi/ دارد و برای هر کدام یک گزینه پیش‌فرض تعیین شده است.
این طراحی سه گروه مخاطب متمایز را روی یک قرارداد واحد هدف قرار می‌دهد: اول، کسب‌وکارهایی که فقط با انتخاب گزینه‌ها از منو، عامل خود را پیکربندی می‌کنند؛ دوم، کسب‌وکارهایی که با ثبت یک ارائه‌دهنده سفارشی، سیستم را گسترش می‌دهند؛ و سوم، شرکت‌های شریک که آداپتورهای اختصاصی عرضه می‌کنند. برای حفظ پایداری سیستم، هیچ‌کس اجازه فورک کردن (Fork) هسته اصلی را ندارد؛ در عوض، هر ارائه‌دهنده برای دریافت گواهینامه باید مجموعه تست‌های سازگاری (Conformance Suite) مربوط به جایگاه خود را با موفقیت پشت سر دهد.
مشخصات فنی
- مغز (Brain): پشتیبانی از OpenRouter، گیت‌وی‌ها یا یک «مغز اکو» (Echo Brain) پیش‌فرض برای تست. OpenRouter و گیت‌وی‌ها کلاینت‌های سازگار با OpenAI هستند که دارای یک حلقه فراخوانی ابزار (Tool-calling loop) می‌باشند. این سازگاری با استانداردهای OpenAI، یادآور عرضه API عمومی برای مدیریت عامل‌ها توسط OpenAI است که دسترسی به ابزارهای پیشرفته مدیریت عامل را برای عموم فراهم کرد.
- کانال‌ها (Channels): ادغام‌های زنده برای Slack (از طریق
/slack/events)، WhatsApp (از طریق/whatsapp/webhook) و HTTP؛ در حال حاضر یک استاب (Stub) برای تلگرام در دست توسعه است. - اکشن (Action): اتصال به ابزارهای پروتکل زمینه مدل (MCP) از طریق HTTP استریم‌شده (در قالب JSON و SSE) با احراز هویت Bearer یا API-key. دست‌دادن (Handshake) بین سیستم و ابزار در زمان ساخت (Build time) رخ می‌دهد.
- اسرار (Secrets): از یک قانون نام‌گذاری استفاده می‌کند که در آن کلیدهایی که به 'Secret' ختم می‌شوند، در زمان ساخت از طریق یک خزانه (Vault) تحلیل و جایگزین می‌شوند تا فایل‌های مشخصات برای سیستم‌های کنترل نسخه (مانند گیت) امن بمانند. هر ارجاعی که قابل تحلیل نباشد، باعث شکست در فرآیند ساخت می‌شود.
- حافظه و بازیابی: شامل حافظه مبتنی بر نشست (Session-based) و گزینه‌های بازیابی زنده، کلیدواژه‌ای یا ترکیبی (Hybrid) است.
- مشاهده‌پذیری: برای هر نوبت گفتگو یک
TurnTraceتولید می‌کند که با کنوانسیون‌های OpenTelemetry GenAI همسو است، هرچند خروجی OTel هنوز در وضعیت انتظار است. - ارائه‌دهنده (Presenter): پشتیبانی از خروجی‌های متنی، ترمینال (QR) و وب.
ایمنی در این سیستم از طریق مکانیزمی به نام action.Guard تضمین می‌شود. هر ابزاری که عامل به آن دسترسی دارد، چه از طریق ارائه‌دهنده اکشن باشد و چه توسط میزبان تزریق شده باشد، در این حفاظ (Guardrail) پیچیده شده است. مدل نمی‌تواند این لایه را دور بزند؛ بنابراین امنیت از فضای پیش‌بینی‌ناپذیر پرامپت‌ها به فضای قابل‌اعتماد کد منتقل شده است.
برای کسانی که امروز قصد استقرار دارند، سیستم از کلاینت‌های سازگار با OpenAI پشتیبانی می‌کند. دستور webagent keys set openrouter کلیدها را در دایرکتوری پیکربندی سیستم‌عامل با دسترسی محدود (mode 0600) ذخیره می‌کند تا امنیت حفظ شود. همچنین آداپتورهای واتس‌اپ و اسلک تمام امضاهای وب‌هوک ورودی را تایید کرده، بلافاصله پاسخ تایید (Acknowledge) می‌فرستند و برای جلوگیری از تکرار، عملیات De-duplication را روی تحویل‌های تکراری انجام می‌دهند.
در حال حاضر پروژه در نسخه v0 است؛ این بدان معناست که برخی قابلیت‌ها — مانند اکشن‌های مرورگر، MCPهای محدود شده با OAuth و لایه‌ی هویت و پرداخت AgentNet — هنوز ساخته نشده‌اند. با این حال، برای تست می‌توان از دستورات webagent validate و webagent serve به صورت آماده و با استفاده از نمونه‌های مشخصاتی مثل zomato.json و bakery.json استفاده کرد.
این چرخش به سمت پیکربندی «منو-محور» یعنی کسب‌وکارها دیگر نیازی به تغییر کد هسته برای گسترش قابلیت‌ها ندارند. در عوض، آن‌ها می‌توانند ارائه‌دهنده‌های سفارشی ثبت کنند که باید برای تاییدیه، تست‌های سازگاری را پاس کنند. این امر یک قرارداد استاندارد برای شرکت‌های شریکی که آداپتور عرضه می‌کنند، ایجاد می‌کند.
برای کاربر نهایی، این یعنی مانع استقرار یک عامل امن و ابزار-محور از چندین هفته مهندسی به یک فایل JSON ساده کاهش یافته است. با جداسازی مغز از حفاظ اکشن، ریسک توهم (Hallucination) — وقتی مدل با اطمینان چیزی می‌گوید که وجود ندارد، شبیه دوستی که خاطره‌ای را اشتباه تعریف می‌کند — در فراخوانی ابزارها و ایجاد شکست در محیط عملیاتی به شدت کم می‌شود.
توسعه‌دهندگان باید پیش از استقرار در محیط عملیاتی، لیست سخت‌سازی‌های آتی (deferred-hardening) را در مخزن گیت‌هاب بررسی کنند. نسخه فعلی برای عامل‌های مبتنی بر MCP کاملاً سبز و عملیاتی است.
منتظر انتشار قریب‌الوقوع لایه‌ی هویت و پرداخت AgentNet باشید که اقتصاد کامل «عامل-به-عامل» را که تیم پیش‌بینی کرده است، فعال خواهد کرد.
گام بعدی شما
- مخزن گیت‌هاب Webagent را بررسی کرده و فایل‌های نمونه JSON را برای درک ساختار جایگاه‌ها مطالعه کنید.
- اگر از ابزارهای MCP استفاده می‌کنید، سعی کنید یک عامل ساده با
webagent serveراه‌اندازی کنید. - لایه‌ی پرداخت و هویت AgentNet را دنبال کنید تا بتوانید عامل خود را در اقتصاد عامل-به-عامل وارد کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو