تصور کنید عامل هوش مصنوعی شما به جای درخواست ابزار جدید، خودش نرم‌افزار لازم برای حل مسئله را بنویسد. اگر هنوز فکر می‌کنید ابزارهای استاتیک کافی هستند، احتمالاً در حال تماشای منسوخ شدن متدهای فعلی هستید.
Tendril، یک محیط ایزوله یا سندباکس (Sandbox) عامل‌محور (Agentic)، این رویا را به واقعیت تبدیل کرده است. طبق اعلام توسعه‌دهندگان در ۲۷ آوریل ۲۰۲۶، این سیستم با پیاده‌سازی «الگوی قابلیت» (Capability pattern)، اجازه می‌دهد مدل‌ها ابزارها را کشف کرده، بسازند و در جلسات مختلف بازیافت کنند.
به نقل از مستندات گیت‌هاب پروژه، Tendril رویکرد سنتی «کیسه بزرگ ابزارها» را معکوس کرده است تا از گیج شدن مدل جلوگیری کند. این عامل توسط AWS Bedrock (با بهره‌گیری از مدل Claude) و Strands Agents SDK قدرت گرفته است و تنها با سه ابزار اولیه (لیست، ثبت و اجرا) رشد خود را مدیریت می‌کند.
مشخصات فنی کلیدی این سیستم عبارتند از:
- سندباکس کد: یک زیرپردازش Deno با دسترسی‌های محدود برای اجرای امن.
- پوسته: یک رابط دسکتاپ Tauri (نوشته شده با Rust) با فرانت‌اند React 18 و TailwindCSS v4.
- پروتکل: استفاده از JSON-RPC 2.0 روی NDJSON برای ارتباط بین میزبان و عامل.
همان‌طور که در تحلیل قبلی ما درباره‌ی امنیت مدل‌های بازمتن اشاره کردیم، مدیریت دسترسی‌ها در محیط‌های پویا حیاتی است. این معماری دقیقاً مشکل «تعداد زیاد ابزارها» را حل می‌کند؛ جایی که مدل‌های زبانی بزرگ (Large Language Models) در انتخاب تابع درست از یک کتابخانه عظیم شکست می‌خورند.
با ثابت نگه داشتن سطح ابزارها و پویا کردن رجیستری قابلیت‌ها، عامل با هر جلسه کارآمدتر می‌شود. اما با حرکت به سمت خودمختاری کامل، نبرد بعدی، ایمن‌سازی این کدهای خود-نوشته در برابر حملات تزریق پرامپت (Prompt Injection) خواهد بود.
گام بعدی شما
- بررسی مستندات Deno برای درک نحوه ایزوله‌سازی کدها در محیط‌های عامل‌محور.
- مطالعه الگوی Capability برای پیاده‌سازی در پروژه‌های هوش مصنوعی زاینده (Generative AI).
- تست مدل‌های Claude در محیط Bedrock برای ارزیابی توانایی کدنویسی ابزارهای پویا.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو