پرش به محتوای اصلی
پرش به محتوای مقاله

«حذف دخالت انسان»؛ هدف از معماری جدید for-agents.json در لایه هماهنگی

·۱۸ مرداد ۱۴۰۵۲ دقیقه مطالعه
شبکه چندعاملی محصول نیست — مگر اینکه عامل‌ها بتوانند آن را کشف کنند
شبکه چندعاملی محصول نیست — مگر اینکه عامل‌ها بتوانند آن را کشف کنند
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

معرفی مکانیزم شناسایی ماشین‌خوان (for-agents.json) به‌جای رابط‌های متنی؛ این یعنی عامل‌ها دیگر برای همکاری نیاز به «چت کردن» ندارند و مستقیماً از طریق پروتکل‌های زیرساختی هم را می‌یابند.

تصور کنید در یک سامانهٔ چندعاملی، دیگر نیازی به ثبت‌نام دستی یا تعریف رابط‌های انسانی برای معرفی ابزارها نباشد. در ۹ اوت ۲۰۲۶، پروژه LuisCore جزئیات لایه هماهنگی Chorus Field را منتشر کرد که اجازه می‌دهد عامل‌ها (Agents) — شبیه به کارکنان یک شرکت که بدون نیاز به معرفی مدیر، از روی دفترچه راهنما متوجه وظایف هم می‌شوند — از طریق یک فایل متنی به نام for-agents.json یکدیگر را شناسایی و فعال کنند.

بسیاری از ساختارهای فعلی بر پایهٔ «تئاتر بحث» بنا شده‌اند؛ جایی که عامل‌ها در یک رابط کاربری به صورت نوبتی با هم بحث می‌کنند. به نقل از مستندات LuisCore، این روش یک «نمایش» ناکارآمد است که توان عملیاتی (Throughput) — یعنی تعداد کارهایی که سیستم در هر ثانیه پیش می‌برد — را به‌شدت کاهش می‌دهد. آن‌ها به‌جای این کار، سیستمی را پیاده کرده‌اند که شاخه‌های موازی را بر اساس سیگنال‌های پاداش و واریانس (Variance) رتبه‌بندی می‌کند تا سریع‌تر به اجماع برسند.

معماری فنی

بر اساس مستندات این پروژه، زیرساخت از چهار بخش کلیدی تشکیل شده است:

  • Chorus Field: لایه هماهنگی باز با ابزارهای بومی MCP و کلیدهای دسترسی محدود.
  • Protocol Watch: سامانه تله‌متری که با استفاده از NDJSON، فشار حافظه گره‌ها و توپولوژی شبکه را رصد می‌کند.
  • SPFD: مکانیزمی برای تشخیص زودهنگام انشعاب‌ها و مدیریت مسیرهای اجرای موازی. این رویکرد در راستای حل چالش‌هایی است که در راهکارهای Solon AI برای مدیریت دقت مدل‌های زبانی و انتخاب ابزارها به آن‌ها پرداخته شده بود.
  • Veloraith: موتور اجماع چندمدلی که بر اساس وزن پاداش‌ها عمل می‌کند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی پروتکل‌های ارتباطی مدل‌ها اشاره کردیم، حذف واسطه‌های انسانی در لایه‌های زیرین، کلید مقیاس‌پذیری است. توسعه‌دهندگان اکنون می‌توانند این خط لوله را با دستور npx -y @luiscore/chorus-field بررسی کنند. این سیستم از ۳۰ زبان پشتیبانی می‌کند و فایل‌های شناسایی را در آینه‌های محلی ارائه می‌دهد.

این تغییر، صنعت را از نگاه به عامل‌ها به‌عنوان «چت‌بات‌هایی که با هم حرف می‌زنند» به سمت «اپراتورهای بدون رابط» (Headless Operators) می‌برد که روی یک زیرساخت با تأخیر کم اجرا می‌شوند. این استراتژی در واقع تکامل همان دیدگاهی است که LuisCore پیش‌تر با جایگزینی صفحات فرود با فایل‌های JSON ماشین‌خوان برای بهینه‌سازی دسترسی عامل‌ها دنبال کرده بود. LuisCore با اولویت دادن به شناسایی ماشین‌خوان به‌جای رابط‌های کاربر، هماهنگی عامل‌ها را یک مسئلهٔ مهندسی توان عملیاتی می‌بیند، نه یک گفتگوی متنی.

شما می‌توانید شواهد زنده این سیستم را از طریق لینک‌های تله‌متری سخت‌افزاری یا پیش‌چاپ Zenodo مشاهده کنید تا ببینید سیگنال‌های تشخیص انشعاب در لحظه چگونه عمل می‌کنند.

گام بعدی شما

  • اگر توسعه‌دهنده هستید، فایل mcp.json را در سایت luiscore.com بررسی کنید تا نحوه اتصال ابزارهای خود را بیابید.
  • مستندات SPFD را بخوانید تا متوجه شوید چگونه می‌توان از اجرای موازی برای کاهش زمان پاسخ‌دهی استفاده کرد.
  • تله‌متری NDJSON را رصد کنید تا با نحوه مدیریت فشار حافظه در گره‌های توزیع‌شده آشنا شوید.

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

چرا این موضوع مهم است؟

این رویکرد با حذف گلوگاه‌های انسانی در شناسایی ابزارها، سرعت اجرای عملیات‌های پیچیده در سامانه‌های چندعاملی را به‌شدت افزایش می‌دهد. اعتبار این ادعا از طریق انتشار داده‌های تله‌متری سخت‌افزاری در لحظه و پیش‌چاپ علمی تأیید شده است.

تأثیر برای ایران

توسعه‌دهندگان ایرانی می‌توانند از این استاندارد برای ساخت عامل‌هایی استفاده کنند که بدون نیاز به APIهای متمرکز و گران‌قیمت، در محیط‌های محلی با هم هماهنگ شوند.

·نگاه ما
تحریریه دات‌هوش

جایگزینی لایه‌های گفتگو با فایل‌های مانیفست (Manifest) نشان می‌دهد که عصر «پرامپت‌نویسی برای هماهنگی» رو به پایان است. در واقع، LuisCore دارد عامل‌ها را از موجوداتی که «صحبت می‌کنند» به توابعی تبدیل می‌کند که «فراخوانی می‌شوند». این رویکرد، استقرار سیستم‌های عامل‌محور را از سطح اسباب‌بازی‌های دمو به ابزارهای صنعتی با قابلیت مقیاس‌پذیری واقعی نزدیک می‌کند.

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.