یک درخواست تغییر کد (PR) بسیار گسترده را تصور کنید که آن‌قدر پیچیده و پراکنده است که هیچ برنامه‌نویس یا مدل واحدی نمی‌تواند بدون از دست دادن تمرکز یا نادیده گرفتن نقص‌های حیاتی، آن را به‌طور کامل بررسی کند. برای حل این چالش، OpenAI در ۱۶ ژوئیه ۲۰۲۶ نسخه بتای GPT-5.6 Sol را عرضه کرد. این قابلیت به یک عامل ریشه (Root Agent) اجازه می‌دهد تا از طریق API پاسخ‌ها (Responses API)، زیر-عامل‌های متعددی را برای پردازش موازی وظایف ایجاد و آن‌ها را هماهنگ کند.
این تحول در زمانی رخ می‌دهد که تیم‌های توسعه با «مالیات زمینه» (Context Tax) در PRهای حجیم دست-وپنج می‌زنند. همان‌طور که در پوشش پیشین ما از مدل GPT-Red و توانایی آن در یافتن ۸۴٪ از حفره‌های امنیتی در سناریوهای آزمایشی اشاره کردیم، معماری جدید از شهودِ تک‌مدلی به سمت یک «سربازان متخصص» یا همان سامانه چندعاملی (Multi-Agent System) حرکت کرده است؛ این ساختار از یک مدل واحد به یک گروه سیستماتیک برای جمع‌آوری شواهد تبدیل شده است. این رویکرد شباهت زیادی به استراتژی‌های تفکیک نقش دارد، همان‌طور که ابزار oh-my-agent با جداسازی کامل سازنده و بازبین توانست سوگیری‌های مدل‌ها را به‌طور موثر حذف کند. این سیستم را شبیه به یک تیم حقوقی تصور کنید که در آن یک وکیل غلط‌های املایی، دیگری انطباق با قوانین و سومی سوابق قضایی را بررسی می‌کنند و در نهایت همگی گزارش خود را به شریک ارشد می‌رسانند تا تصمیم نهایی را بگیرد.
منطق موازی‌سازی
اضافه کردن یک گروه از عامل‌ها لزوماً به معنای ایمنی بیشتر نیست. طبق گزارش‌های فنی، اگرچه عامل‌های موازی زمان کل عملیات را کاهش می‌دهند و زمینه‌های نامرتبط را از هم جدا می‌کنند، اما می‌توانند هزینه توکن (Token) — تکه‌های کوچکی از متن که مدل پردازش می‌کند — را چندین برابر کنند. همچنین این رویکرد ممکن است منجر به یافته‌های تکراری و تداخل در نوشتن کد (Write Conflicts) شود. مسئله بنیادی این نیست که آیا مدل می‌تواند عامل بسازد یا خیر، بلکه این است که آیا یک وظیفه را می‌توان به کارهای مستقل، محدود و مبتنی بر جمع‌آوری شواهد تقسیم کرد یا خیر.
بر اساس مستندات راهنمای dev.to، موثرترین پیاده‌سازی در حال حاضر، بازبینی کد به‌صورت «فقط-خواندنی» (Read-only) است. این روش برای مهاجرت‌های کد که نیاز به توالی دقیق دارند، وصله‌های بسیار کوچک یا جریان‌های کاری که در آن عامل‌ها ممکن است همزمان روی یک شاخه (Branch) بنویسند، مناسب نیست. در مقابل، وقتی جریان‌های کاری مستقل باشند، این معماری می‌درخشد زیرا به متخصصان اجازه می‌دهد تمرکز خود را روی بستر متنی (Context) خاص خود حفظ کنند.
قراردادهای شواهدی بازبین
برای اطمینان از عدم هم‌پوشانی وظایف، سه «قرارداد شواهدی» مجزا برای زیر-عامل‌ها تعریف شده است:
- صحت (Correctness): این عامل باید تفاوت‌های کد (Diffs) و مسیرهای فراخوانی (Call Paths) مرتبط را برگرداند. ارائه مراحل بازتولید خطا (Repro Steps)، ارجاع دقیق به فایل/خط و تعیین شدت خطا الزامی است. این عامل نباید هیچ اصلاحیه‌ای را بدون ارائه شواهد مستند پیشنهاد دهد.
- امنیت (Security): تمرکز این عامل بر تفاوت‌های کد، سیستم‌های احراز هویت و مرزهای داده است. این عامل باید نوع تهدید، مرز متأثر و پیش‌شرط‌های اکسپلویت (Exploit Preconditions) را گزارش کند. همچنین حق اجرای تست‌های تخریبی تأییدنشده را ندارد.
- شکاف‌های تست (Test Gaps): این عامل تفاوت‌های کد و مجموعه تست‌های موجود را تحلیل می‌کند. خروجی آن باید شامل رفتارهای تست‌نشده به همراه یک طرح کلی (Outline) برای تست باشد. این عامل نباید تنظیمات مشترک تست‌ها (Shared Test Fixtures) را تغییر دهد.
توسعه‌دهندگان برای پیاده‌سازی این ساختار از متد responses.create با تنظیمات multi_agent={"enabled": True, "max_concurrent_subagents": 3} استفاده می‌کنند. نقش عامل ریشه در اینجا صرفاً ترکیب، حذف موارد تکراری و رتبه‌بندی یافته‌ها است؛ او یک جمع‌آوری‌کننده شواهد است، نه یک تاییدکننده خودکار و مستقل.
جزئیات پیاده‌سازی فنی
- هم‌زمانی: مقدار پیش‌فرض و توصیه‌شده برای هم‌زمانی، ۳ عامل است. این محدودیت شامل تمام فرزندان در درخت عامل‌ها می‌شود اما عامل ریشه را شامل نمی‌شود.
- دامنه ابزارها: هر عامل در درخت به تمامی ابزارهای پیکربندی‌شده در درخواست دسترسی دارد. بنابراین، محدوده دسترسی‌ها و مجوزها باید در طراحی کلی درخواست مدیریت شود، نه از طریق مهندسی پرامپت (Prompt Engineering) — هنر سؤال درست پرسیدن از مدل.
- فراخوانی ابزار برنامه‌ریزی‌شده: این قابلیت جدید اجازه می‌دهد سیستم داده‌های ابزارهای میانی را پیش از بازگشت به مدل پردازش کند، که در نتیجه از ورود متون زائد به زمینه جلوگیری می‌گردد.
موازی‌سازی در واقع یک معامله بین تأخیر و هزینه است، نه یک ارتقای رایگان. GPT-5.6 Sol با قیمت ۵ دلار برای هر میلیون توکن ورودی و ۳۰ دلار برای هر میلیون توکن خروجی عرضه شده است و توکن‌های ورودی کش‌شده قیمت ۰.۵۰ دلار برای هر میلیون دارند. استفاده از زیر-عامل‌ها می‌تواند هزینه توکن‌ها را چندین برابر کند و در صورت اشتراک وضعیت‌های تغییرپذیر (Mutable State)، منجر به تداخل در نوشتن شود. همچنین، پرامپت‌های طولانی که از ۲۷۲ هزار توکن فراتر روند، هزینه بیشتری دارند؛ این بدان معنای است که تزریق کورکورانه کل مخزن کد به هر عامل، تمام سود بازدهی را از بین می‌برد.
محدودیت‌های فنی در این نسخه بتا چشمگیر است. قابلیت‌های max_tool_calls و reasoning.summary در حال حاضر زمانی که حالت چندعاملی فعال است، پشتیبانی نمی‌شوند. OpenAI توصیه می‌کند برای جریان‌های کاری که به شدت به ابزارها وابسته هستند، به‌جای HTTP از WebSockets استفاده شود، زیرا نتایج توابع را می‌توان به‌صورت آنی تزریق کرد. علاوه بر این، فشرده‌سازی سمت سرور (Server-side compaction) به‌طور ضمنی فعال است و برای متون عامل ریشه و زیر-عامل‌ها به‌طور مجزا اعمال می‌شود.
این معماری، فرض بنیادی در کدنویسی با هوش مصنوعی را از «یک متفکر بزرگ» به «متخصصان هماهنگ‌شده» تغییر می‌دهد. با محدود کردن فرآیند جمع‌آوری شواهد، احتمال توهم (Hallucination) — یعنی زمانی که مدل با اطمینان چیزی را می‌گوید که وجود ندارد — کاهش می‌یابد و تضمین می‌شود که هر باگ گزارش‌شده به خط خاصی از کد متصل است. این تغییر رویکرد، چالش‌های جدیدی را در زمینه نظارت ایجاد می‌کند؛ برای مثال، راهکارهای Armorer Labs برای حل شکاف‌های نظارتی نشان می‌دهد که چگونه رسیدهای تحویل می‌توانند تداخلات در سامانه‌های چندعاملی را مدیریت کنند. اثر ثانویه این تغییر، چرخش در مهندسی پرامپت به سمت «طراحی قرارداد» (Contract Design) برای عامل‌هاست، به‌جای استفاده از دستورات ساده.
برای توسعه‌دهندگان، این به معنای حرکت به سمت سیاست «حداقل دسترسی» (Least-privilege) در ابزارها است. از آن‌جایی که تمامی عامل‌ها در درخت به ابزارهای پیکربندی‌شده دسترسی دارند، امنیت اکنون به طراحی درخواست وابسته است، نه به امید اینکه مدل از دستورات پرامپت پیروی کند. این امر منجر به رویکردی منظم‌تر و منضبط‌تر در خط لوله‌های CI/CD یکپارچه با هوش مصنوعی می‌شود.
گام بعدی شما
- یک جریان کاری «فقط-خواندنی» انتخاب کرده و سه قرارداد بازبینی بدون هم‌پوشانی تعریف کنید.
- نتایج را در ۵ تا ۱۰ مورد از PRهای نمونه با یک مدل تک-عامل مقایسه کنید تا اثرگذاری را بسنجید.
- به‌جای تمرکز صرف بر هزینه توکن، نرخ «یافته‌های پذیرفته‌شده» و زمان کل بازبینی (تا زمانی که توسعه‌دهنده واقعاً از آن استفاده کند) را ردیابی کنید.
- سیستم را تنها در صورتی ارتقاء دهید که باعث بهبود یافته‌های پذیرفته‌شده یا کاهش زمان بازبینی در یک چارچوب هزینه محدود شود.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو