پرش به محتوای اصلی
پرش به محتوای مقاله

سازوکار Claude Code برای مدیریت ۲۶ عامل تخصصی در نرم‌افزارهای تجاری

·۶ تیر ۱۴۰۵۶ دقیقه مطالعه۱ بازدید
راهنما
نحوه راه‌اندازی Claude Code با ۲۶ زیرعامل تولیدی (CLAUDE.md، MCP، Hooks)
نحوه راه‌اندازی Claude Code با ۲۶ زیرعامل تولیدی (CLAUDE.md، MCP، Hooks)
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

جایگزینی رویکرد «پرامپت‌نویسی» با «معماری عاملان»؛ استفاده از ۲۶ عامل تخصصی با قراردادهای متنی (CLAUDE.md) و قلاب‌های امنیتی در سطح شل برای حذف خطاهای احتمالی مدل در محیط توسعه.

اگر امروز کدهای خود را به یک دستیار هوشمند می‌سپارید، احتمالاً با خروجی‌هایی روبه‌رو هستید که با اطمینان کامل اشتباه می‌کنند. برای عبور از این بن‌بست، یک پیکربندی تخصصی برای Claude Code طراحی شده است که به‌جای تکیه بر یک مدل کلی، از ۲۶ عامل (Agent) — شبیه به یک شرکت کوچک که هر فرد در آن فقط مسئول یک وظیفه خاص است — و یک سیستم «قرارداد» سخت‌گیرانه استفاده می‌کند تا استانداردهای مهندسی حرفه‌ای را اعمال کند.

طبق گزارشی که در ۲۷ ژوئن ۲۰۲۶ در وب‌سایت dev.to منتشر شد، تفاوت میان خروجی‌های متوسط و سطح ارشد، نه در میزان هوش مدل، بلکه در «حفاظ‌ها» (Guardrails) یا همان نرده‌های ایمنی قطعی است که پیرامون مدل کشیده شده است. این رویکرد در حالی مطرح می‌شود که توسعه‌دهندگان با ماهیت «با اعتماد به نفس اما غلط» در کدنویسی عامل‌محور دست‌وپنجه نرم می‌کنند. همان‌طور که در تحلیل قبلی ما درباره‌ی رقابت مدل‌های GPT-5.6 Sol و Claude Mythos اشاره کردیم، صنعت اکنون از بحث بر سر اینکه کدام مدل «باهوش‌تر» است، به سمت عملیاتی‌سازی واقعی آن‌ها حرکت کرده است؛ یعنی گذار از استخدام یک فریلنسر بااستعداد به ساخت یک دپارتمان ساختاریافته که در آن فرآیند، تضمین‌کننده‌ی خروجی قابل انتشار است.

قرارداد CLAUDE.md

قلب این سامانه فایلی به نام CLAUDE.md است. برخلاف فایل‌های README معمولی، این سند یک قرارداد الزام‌آور است که عامل در شروع هر جلسه به‌طور خودکار آن را می‌خواند. بر اساس مستندات این راهنما، این فایل باید زیر ۵۰ خط باشد تا از رقیق شدن پنجرهٔ زمینه (Context Window) — که مثل میز کاری است و فقط جای چند ورق کاغذ دارد — جلوگیری شود؛ زیرا اگر فایل بیش از حد طولانی شود، عامل ممکن است بخش‌های میانی آن را نادیده بگیرد.

  • دستورات صریح: این فایل دستورات دقیق را لیست می‌کند تا عامل برای حدس زدن مدیریت بسته‌ها (مثلاً جابجایی بین npm، yarn یا make) وقت تلف نکند و دورهای کاری خود را با شکست مواجه نکند. این دستورات شامل نصب (pnpm install)، توسعه (pnpm dev)، آزمون (pnpm test -- --run)، بررسی استایل (pnpm lint) و بررسی تایپ‌ها (pnpm typecheck) است.
  • گردش‌های کاری اجباری: اجرای دستور pnpm typecheck && pnpm test -- --run پیش از اعلام پایان هر وظیفه الزامی است. همچنین این قرارداد مقرر می‌کند که هرگاه یک تابع عمومی (Public Function) تغییر کند، تست‌های مربوط به آن باید در همان ویرایش به‌روزرسانی شوند.
  • محدودیت‌های سخت: استفاده از الحاق رشته‌ها (String Concatenation) برای SQL به‌طور صریح ممنوع و استفاده از کوئری‌های پارامتریک اجباری است. همچنین اجرای دستورات تخریبی مثل git push یا git reset --hard و هرگونه تغییر در ساختار پایگاه داده (DB Migrations) بدون تأیید انسانی به‌طور مطلق ممنوع شده‌اند. علاوه بر این، عامل حق ندارد برای حل مشکلی که با چند خط کد قابل حل است، وابستگی (Dependency) جدیدی به پروژه اضافه کند و همچنین نمی‌تواند تست‌های شکست‌خورده را صرفاً برای پاس دادن مجموعه تست‌ها، غیرفعال کند.

تخصصی‌سازی از طریق عامل‌های فرعی

به‌جای استفاده از یک عامل عمومی که می‌خواهد هم‌زمان بازبینی، تست و بازسازی کد را انجام دهد و در نهایت در هر سه مورد خروجی‌های متوسطی تولید کند، این سیستم ۲۶ عامل فرعی را در مسیر .claude/agents/*.md مستقر می‌کند. هر عامل در واقع یک فایل Markdown با بخش frontmatter و یک پرامپت سیستمی (System Prompt) خاص است که با نامش فراخوانی می‌شود.

جزئیات پیاده‌سازی عامل‌ها:

  • بازبین کد (Code-Reviewer): این متخصص طراحی شده تا فقط خطوط تغییر‌یافته و زمینه نزدیک آن‌ها را بررسی کند. او به‌طور سخت‌گیرانه منع شده است که برای «دقیق به نظر رسیدن»، مشکلات خیالی اختراع کند و باید دقیقاً خطی را که به آن ایراد می‌گیرد، نقل‌قول کند. خروجی او به سه بخش تقسیم می‌شود:
    • مسدودکننده (Blocking): شامل باگ‌ها، حفره‌های امنیتی و ریسک‌های از دست رفتن داده (همراه با ذکر فایل:خط و راهکار اصلاح).
    • باید اصلاح شود (Should fix): مسائلی مربوط به صحت یا وضوح کد که مسدودکننده نیستند.
    • جزئیات (Nits): موارد مربوط به استایل و نام‌گذاری که باید کوتاه باشند.
  • لیست متخصصان: این جعبه‌ابزار گسترده شامل یک دیباگر است که پیش از theorize کردن، ابتدا خطا را بازتولید می‌کند؛ یک نویسنده‌ی تست که به‌جای مسیرهای خوش‌بینانه (Happy Paths)، حالت‌های مرزی (Edge Cases) را هدف قرار می‌دهد و حساب‌رس‌های امنیتی که به‌طور خاص بر اساس دسته‌بندی‌های OWASP فکر می‌کنند. دیگر متخصصان شامل طراح API (api-designer) و معمار بازسازی (refactor-architect) هستند.
  • منطق عملیاتی: با تبدیل یک generalist به چندین متخصص، هر وظیفه پنجرهٔ زمینه اختصاصی خود را می‌گیرد. الگو در تمام عامل‌ها ثابت است: یک شغل مشخص، یک فرمت خروجی معین و یک محدودیت سخت‌گیرانه علیه پرحرفی و زیاده‌گویی (Anti-fluff).

گسترش قابلیت‌ها با پروتکل MCP

برای اینکه عامل «چشم و حافظه» داشته باشد، این تنظیمات از پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) استفاده می‌کنند. این سرورها به Claude Code اجازه می‌دهند از محیط چت خارج شده و از طریق یک فایل تنظیمات .mcp.json به سیستم فایل، مرورگر یا یک حافظه دائمی دسترسی پیدا کند. این قابلیت تکمیلی است برای رویکردهایی که حافظه محلی و ماندگار را به Claude Code اضافه می‌کنند تا تداوم عملیاتی در جلسات طولانی تأمین شود.

پیکربندی‌های سرور MCP:

  • تفکر متوالی: با استفاده از دستور npx -y @modelcontextprotocol/server-sequential-thinking مدل یک فضای پیش‌نویس (Scratchpad) دارد تا مسئله را به مراحل خرد تقسیم کند و پیش از اقدام، فکر کند. این کار به‌طور محسوسی پاسخ‌های «با اعتماد به نفس اما غلط» را در وظایف چندمرحله‌ای کاهش می‌دهد.
  • دسترسی به مرورگر: یک MCP مبتنی بر Playwright به عامل اجازه می‌دهد صفحات واقعی را لود کرده و کنسول مرورگر را بخواند، به‌جای اینکه حدس بزند چرا رابط کاربری (UI) خراب شده است.
  • دسترسی به سیستم فایل: پیکربندی @modelcontextprotocol/server-filesystem تضمین می‌کند که عامل می‌تواند ساختار پروژه را به‌دقت پیمایش کند. همچنین برای مدیریت دانش سازمانی، می‌توان از روش‌های متفاوتی چون تبدیل Notion به حافظه پویا برای پروژه‌های Claude استفاده کرد تا دسترسی به مستندات خارجی تسهیل شود.
  • هشدار: با توجه به اینکه سرورهای MCP به‌سرعت تغییر می‌کنند و برخی رها شده‌اند، این راهنما توصیه می‌کند که تنها از سرورهای پشتیبانی‌شده استفاده کنید و پیش از اعتماد کامل، نصب آن‌ها را تأیید نمایید.

قلاب‌های ایمنی قطعی

برای تبدیل وضعیت از «پرستاریِ عامل» به «اعتماد به عامل»، این سیستم از قلاب‌های شل (Shell Hooks) استفاده می‌کند؛ دستوراتی قطعی که در رخدادهای خاص بدون پرسش اجرا می‌شوند.

  • پس از استفاده از ابزار: قلابی تنظیم شده که در رخدادهای Edit|Write فعال شود و دستور pnpm prettier --write "$CLAUDE_FILE_PATHS" را اجرا کند تا نویزهای فاصله (Whitespace) در Diff‌ها به‌طور خودکار حذف شوند.
  • قلاب guarding: یک اسکریپت bash در مسیر .claude/hooks/guard.sh مانند یک دیوار آتش (Firewall) پیش از اجرا عمل می‌کند. این اسکریپت از دستور grep برای اسکن ورودی‌های ابزار ($CLAUDE_TOOL_INPUT) جهت یافتن الگوهای تخریبی مثل rm -rf / یا git reset --hard یا DROP TABLE استفاده می‌کند. در صورت یافتن، با یک کد غیرصفر خارج شده و پیام «Blocked: destructive command refused by guard hook» را چاپ می‌کند تا عامل از اجرای آن دستور بازداشته شود.

این معماری نقش توسعه‌دهنده را از یک کدنویس به یک تصمیم‌گیرنده تغییر می‌دهد. در یک گردش کار واقعی، عامل مراحل را برنامه‌ریزی می‌کند، اسکلت‌بندی و پیاده‌سازی کد را انجام می‌دهد (با فرمت‌بندی خودکار توسط قلاب‌ها) و سپس توسعه‌دهنده بازبین کد و نویسنده تست را برای شناسایی شکاف‌ها فراخوانی می‌کند. عامل تایپ می‌کند؛ توسعه‌دهنده تصمیم می‌گیرد.

برای کسانی که قصد پیاده‌سازی این سیستم را دارند، راهنما پیشنهاد می‌کند که امروز با یک فایل CLAUDE.md سخت‌گیرانه و یک عامل فرعی بازبین کد شروع کنند. اثر cumulative این ۲۶ عامل — که تحت عنوان «Claude Code Agent OS» با ۱۲ دستور slash (مانند /plan ،/review ،/test و /ship) و ۵ قالب (Template) بسته‌بندی شده‌اند — ثابت می‌کند که قابلیت اطمینان در سیستم‌های عامل‌محور، یک مسئله مهندسی است و نه صرفاً مسئله‌ی آموزش مدل.

با رایج‌تر شدن این تنظیمات خودگردان، مرز بعدی، استانداردسازی این پیکربندی‌های «Agent OS» در میان فروشندگان مختلف هوش مصنوعی خواهد بود. باید منتظر ظهور کتابخانه‌های مشترک عامل‌های فرعی بود که بتوان آن‌ها را بین محیط‌های مبتنی بر Claude و GPT منتقل کرد.

گام بعدی شما

  • با ایجاد یک فایل CLAUDE.md دقیق و تعریف یک عامل فرعی برای بازبینی کد شروع کنید.
  • از سرور sequential-thinking برای کاهش خطاهای استدلالی در تسک‌های پیچیده استفاده کنید.
  • قلاب‌های bash را برای جلوگیری از دستورات تخریبی در محیط توسعه پیاده‌سازی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.

چرا این موضوع مهم است؟

این چارچوب نشان می‌دهد که قابلیت اطمینان در سامانه‌های عامل‌محور، یک مسئله‌ی مهندسی نرم‌افزار است و نه صرفاً آموزش مدل. اعتماد به این ابزارها تنها از طریق جایگزینی پرامپت‌های کلی با پروتکل‌های سخت‌گیرانه و بازبینی‌های تخصصی ممکن است (تخصص در معماری سیستم).

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به APIهای Anthropic، پیاده‌سازی این چارچوب برای توسعه‌دهندگان ایرانی نیازمند استفاده از پروکسی‌های معتبر یا جایگزین‌های متن‌بازه با پروتکل MCP است.

·نگاه ما
تحریریه دات‌هوش

پیمایش این معماری نشان می‌دهد که قابلیت‌های پیشرفته‌ی مدل‌های زبانی، بدون یک لایه‌ی «حکمرانی» (Governance) مهندسی‌شده، در محیط تولید (Production) بی‌فایده‌اند. در واقع، ارزش افزوده دیگر در خودِ مدل نیست، بلکه در طراحی «سیستم‌عامل عامل» است که محدودیت‌های مدل را با گردش‌های کاری قطعی جبران می‌کند. این رویکرد، پارادایم برنامه‌نویسی را از نوشتن کد به طراحی قراردادهای عملیاتی تغییر می‌دهد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.