پرش به محتوای اصلی
پرش به محتوای مقاله

چطور ترکیب Burrowbox و Vercel گردش‌کار عامل‌های هوش مصنوعی را پایدار می‌کند؟

·۱۲ مهر ۱۴۰۵۴ دقیقه مطالعه
راهنما
منوس به هر وظیفه یک کامپیوتر ابری اختصاصی می‌دهد. آن را به‌عنوان یک گردش کار پایدار در ورسل بسازید.
منوس به هر وظیفه یک کامپیوتر ابری اختصاصی می‌دهد. آن را به‌عنوان یک گردش کار پایدار در ورسل بسازید.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر پارادایم از اجرای کد در محیط‌های Transient (گذرا) به تخصیص VMهای ایزوله و دائمی برای هر تسک؛ این یعنی عامل‌ها اکنون «میز کار» شخصی دارند که بین جلسات پاک نمی‌شود.

تصور کنید هر بار که از یک دستیار هوشمند می‌خواهید پروژه‌ای را پیش ببرد، او تمام ابزارها و فایل‌های جلسه قبل را فراموش کرده باشد. برای حل این مشکل، Manus استراتژی تندی را در پیش گرفته است: اختصاص یک کامپیوتر ابری مجزا برای هر تک‌وظیفه.

به نقل از پست ژانویه ۲۰۲۶ در محیط Sandbox شرکت Manus، این عامل (Agent) — شبیه کارمندی که برای هر پروژه یک لپ‌تاپ اختصاصی می‌گیرد اما اجازه دارد فایل‌هایش را روی یک هارد خارجی ذخیره کند تا با خاموش شدن دستگاه پاک نشوند — دیگر کدها را در پنجره‌های موقت اجرا نمی‌کند. در عوض، یک ماشین مجازی (VM) کاملاً ایزوله با شبکه، سیستم فایل و ابزارهای مرورگر مخصوص به خود تخصیص می‌یابد. این رویکرد در واقع بخشی از استراتژی جدید Manus برای تبدیل عامل‌های تک‌منظوره به یک پلتفرم جامع است تا انعطاف‌پذیری توسعه‌دهندگان افزایش یابد.

بسیاری از عامل‌های فعلی با مفهوم «وضعیت» یا State دست‌وپنجه نرم می‌کنند؛ یعنی یا جایگاه توقف خود را فراموش می‌کنند یا فایل‌ها را بین جلسات از دست می‌دهند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی حافظه عامل‌های هوشمند اشاره کردیم، جداسازی منطق مدل از محیط اجرا، کلید رسیدن به پایداری است. در مدل Manus، وقتی محیط Sandbox به حالت خواب می‌رود و دوباره بیدار می‌شود، فایل‌ها همچنان باقی می‌مانند. این مدل مدیریت وضعیت، شباهت زیادی به نحوه عملکرد میکرو-ماشین‌های مجازی در Claude Code و Instinct دارد که برای ایزوله‌سازی محیط‌های اجرا طراحی شده‌اند.

این معماری تضمین می‌کند که هر وظیفه یک کامپیوتر کامل در اختیار داشته باشد. عامل می‌تواند هر نرم‌افزاری را نصب کند، فایل بنویسد و بدون تداخل با دیگران از مرورگر استفاده کند. از آنجا که برخی وظایف ممکن است ساعت‌ها طول بکشند، کدهای اجرایی باید در برابر بازراه‌اندازی‌ها مقاوم باشند و در پایان کار، محیط را پاک‌سازی کنند.

هر وظیفه در Manus روی کامپیوتر ابری اختصاصی اجرا می‌شود. با Vercel گردش کاری پایدار بسازید.

برای توسعه‌دهندگانی که به دنبال ساخت گردش‌کارهای مشابه هستند، ترکیب Burrowbox و Vercel Workflow SDK یک نقشه راه عملی فراهم می‌کند. این ساختار بر سه ستون فنی استوار است:

  • استخرهای گرم (Warm Pools): برای جلوگیری از تأخیر در نصب، Burrowbox از مجموعه‌ای از ماشین‌های آماده استفاده می‌کند. برای مثال، می‌توان از طریق API تنظیم کرد که python3 و pandoc از پیش نصب شده باشند تا ماشین در لحظه تخصیص، وقت خود را تلف نکند.
  • توابع پایدار (Durable Functions): SDK شرکت Vercel توابعی را اجرا می‌کند که در صورت بروز خطا، به‌طور خودکار بازاجرا می‌شوند و گردش‌کار دقیقاً از همان نقطه‌ی توقف ادامه می‌یابد.
  • یکپارچگی MCP: با استفاده از AI SDK و پروتکل زمینه مدل (MCP)، عامل‌ها می‌توانند از طریق یک توکن امن، دستورات شل (Shell) را اجرا کنند، فایل بنویسند و در مرورگر جابه‌جا شوند.

در یک اجرای نمونه، سیستم ابتدا ماشینی را با یک زمان انقضای مشخص (مثلاً ۱۲۰ دقیقه) از استخر می‌گیرد. سپس عاملی مانند Claude 3.5 Sonnet را فعال می‌کند تا در مسیر ~/task کار کرده و گزارش نهایی را در ~/task/report.md ذخیره کند. پس از اتمام کار یا رسیدن به سقف ۵۰ گام، گزارش در پایگاه‌داده ذخیره و ماشین متوقف می‌شود.

طول عمر این محیط‌ها متغیر است؛ در طرح رایگان، محیط‌ها پس از ۷ روز بی‌تحرکی بازیافت می‌شوند، اما کاربران Pro تا ۲۱ روز فرصت دارند. پس از بازیافت، تنها فایل‌های آپلود شده و خروجی‌ها باقی می‌مانند و فایل‌های موقت پاک می‌شوند.

این تغییر معماری، عامل‌ها را از «چت‌بات‌های بدون وضعیت» به «کارگران دیجیتال دارای وضعیت» تبدیل می‌کند. با این روش، توسعه‌دهندگان می‌توانند وظایفی را اجرا کنند که ساعت‌ها یا روزها طول می‌کشند، بدون اینکه نگران خطاهای Timeout یا پاک شدن حافظه باشند.

برای کاربر نهایی، این یعنی عامل می‌تواند نرم‌افزارهای سفارشی را در لحظه نصب کند و لاگین‌های مرورگر را بین جلسات حفظ کند. این تحول، عامل را از یک مشاور که فقط توصیه می‌کند، به اپراتوری تبدیل می‌کند که یک فضای کاری دائمی را مدیریت می‌کند. برای کارهای تکمیلی، می‌توان با فراخوانی API شروع، همان ماشین قبلی را با تمام فایل‌ها و برنامه‌های نصب‌شده بازیابی کرد.

از نظر هزینه، این مدل مدیریت‌پذیر است. یک ماشین کوچک با ۱ vCPU و ۶ گیگابایت رم، در حالت اجرا ساعتی ۰.۱۱ دلار و در حالت توقف تنها ۰.۰۰۱ دلار هزینه دارد. هزینه نگهداری یک استخر دو ماشین کوچک تقریباً ۰.۲۲ دلار در ساعت است.

گام بعدی شما

  • بررسی مستندات Vercel Workflow SDK برای جایگزینی فراخوانی‌های ساده API با فرآیندهای ماشین‌محور.
  • تست ترکیب Burrowbox با مدل‌های استدلالی برای اجرای تسک‌های طولانی‌مدت (Long-running tasks).
  • طراحی ساختار ذخیره‌سازی فایل‌ها در مسیرهای ایزوله برای جلوگیری از تداخل داده‌ها.

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

چرا این موضوع مهم است؟

این معماری با تکیه بر اعتبار زیرساخت‌های ابری، عامل‌های هوش مصنوعی را از ابزارهای پاسخ‌دهنده به اپراتورهای اجرایی تبدیل می‌کند. این تغییر باعث می‌شود تسک‌های پیچیده صنعتی که نیاز به محیط‌های نرم‌افزاری خاص دارند، برای نخستین بار به صورت خودکار و پایدار اجرا شوند.

تأثیر برای ایران

به‌دلیل محدودیت‌های دسترسی به Vercel و سرویس‌های ابری پیشرفته، پیاده‌سازی این مدل برای توسعه‌دهندگان ایرانی نیازمند استفاده از جایگزین‌های Open-source مانند KubeVirt یا محیط‌های ایزوله داخلی است.

·نگاه ما
تحریریه دات‌هوش

جایگزینی محیط‌های موقت با ماشین‌های مجازی ایزوله، در واقع پذیرش این واقعیت است که مدل‌های زبانی به تنهایی نمی‌توانند «حافظه کاری» داشته باشند. این رویکرد، تمرکز را از بهبود پنجره متنی مدل به سمت ایجاد یک «سیستم‌عامل برای عامل‌ها» می‌برد. به نظر ما، برنده نهایی این رقابت کسی است که بتواند هزینه استقرار این ماشین‌ها را به نزدیکی صفر برساند.

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.