اگر به دنبال ساخت ابزارهای سیستمی هستید که فراتر از یک چت‌بات ساده باشند، حالا می‌توانید عامل‌های هوش مصنوعی را مستقیماً در محیط خط فرمان (CLI) و با سرعت زبان Go اجرا کنید. این قابلیت به شما اجازه می‌دهد ابزارهایی بسازید که نه تنها حرف می‌زنند، بلکه دستورات سیستمی را اجرا کرده و داده‌های زنده را پردازش می‌کنند.
این تحول در حالی رخ می‌دهد که توسعه‌دهندگان به دنبال راهکارهایی بهینه‌تر برای اجرای جریان‌های کاری عامل‌محور (Agentic) هستند تا مجبور نباشند همواره از رابط‌های سنگین وب استفاده کنند. این رویکرد با یافته‌های اخیر همسو است که نشان می‌دهد عامل‌های هوش مصنوعی توانسته‌اند بار مهندسی در محاسبات علمی را به‌طور چشم‌گیری کاهش دهند. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های مسیریابی در مدل‌های گوگل اشاره کردیم، تمرکز این شرکت اکنون از بهینه‌سازی زیرساخت به بهبود تجربه توسعه‌دهنده در لایه ساخت پوسته و ادغام ابزارها تغییر کرده است.
کیت توسعه عامل‌های گوگل (Google ADK) — شبیه به یک جعبه‌ابزار جامع که تمام قطعات لازم برای ساخت یک ربات هوشمند را در اختیار مکانیک نرم‌افزار قرار می‌دهد — اکنون در کنار تایپ‌اسکریپت و پایتون، از SDK زبان Go نیز پشتیبانی می‌کند. این گام در راستای تسهیل توسعه با زبان Go برداشته شده است، مشابه آنچه در SDK گرافانا برای ایجاد سازگاری میان React و Go مشاهده کردیم. طبق گزارش منتشر شده در ۲۲ اوت ۲۰۲۶، پیاده‌سازی این زبان به‌ویژه برای ساخت اپلیکیشن‌های CLI بسیار سریع و کم‌حجم ایده‌آل است.
بر اساس مستندات فنی، گردش‌کار این سیستم شامل سه بخش اصلی است:
- یکپارچگی استنتاج: استفاده از APIهای رایگان استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، مثل خودِ آشپزی و نه دوره‌ی آموزش آشپز — از سرویس‌هایی مانند Kilocode یا Openrouter.
- استفاده از ابزار: اتصال عامل به یک Weather API برای دریافت داده‌های لحظه‌ای آب‌وهوای شهرها.
- خروجی ترکیبی: عامل برای گزارش‌های واقعی از داده‌های API استفاده می‌کند و برای ایجاد بستر گفتگو، به مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — متکی است.
برای یک توسعه‌دهنده، این یعنی دیگر نیازی نیست برای هر فراخوانی API، منطق‌های پیچیده تجزیه و تحلیل (Parsing) بنویسد. چارچوب ADK ارکستراسیون عامل را مدیریت می‌کند تا برنامه‌نویس فقط روی نقاط انتهایی (Endpoints) ابزار تمرکز کند. این رویکرد، ساخت ابزارهای تخصصی سیستم را به‌شدت دسترس‌پذیرتر می‌کند.
گام بعدی شما
- مستندات Google ADK را بررسی کنید تا بر اساس نیاز به سرعت یا انعطاف‌پذیری، بین SDKهای Go، پایتون یا تایپ‌اسکریپت یکی را انتخاب کنید.
- سعی کنید ابزارهای محلی سیستم (مانند مدیریت فایل‌ها یا مانیتورینگ شبکه) را به جای APIهای ساده، به عامل خود متصل کنید.
- مدل‌های استنتاج رایگان را برای کاهش هزینه استقرار اولیه تست کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو