وكلاء الذكاء الاصطناعي في أتمتة العمل اليومي — tool-cal

Tool Calling, Explained: How AI Agents Decide What to Do Next

في مشهد الذكاء الاصطناعي المتسارع، لم تعد نماذج اللغة الكبيرة مجرد أدوات لإنشاء النصوص أو الإجابة عن الأسئلة النظرية؛ بل تطوّرت لتصبح وكلاءً ذكيّين قادرين على التفاعل مع العالم الخارجي، وتنفيذ مهام حقيقية، واتخاذ قرارات مبنية على معطيات حية. وفي قلب هذه التحولات يبرز مفهوم Tool Calling (استدعاء الأدوات)، الذي يُعدّ أحد أهم الآليات التي تمكّن الوكلاء الاصطناعيين من تحديد ما ينبغي فعله في كل لحظة.

مقدمة: من المحادثة إلى الفعل

لعقود طويلة، كان الحاسوب آلةً تنتظر أوامر صريحة من المستخدم لتنفيذ مهمة محددة. أما اليوم، فإن الوكلاء الاصطناعيين يتقدمون خطوة إلى الأمام؛ إذ يستطيعون فهم هدف المستخدم، ثم تقييم الوضع، ثم اختيار الأداة المناسبة لتحقيق هذا الهدف. إنها قفزة من مجرد الردود النصية إلى عالم الإجراءات الفعلية، حيث يصبح الذكاء الاصطناعي مشاركًا فاعلاً في سير العمل بدلًا من أن يكون مجرد مرآة تعكس المعلومات.

ما هو استدعاء الأدوات؟

استدعاء الأدوات هو الآلية التي تسمح لنماذج اللغة الكبيرة بالتفاعل مع وظائف خارجية مخصصة—مثل قواعد البيانات، وواجهات برمجة التطبيقات (APIs)، والحاسبات، وأدوات البحث، وأنظمة التشغيل—من خلال توليد استدعاءات منظمة بالصيغة التي تتوقعها هذه الأدوات. ببساطة، بدلًا من أن يكتب النموذج ردًا نهائيًا مباشرة، يُخرج "طلبًا" لتنفيذ عملية خارجية، ثم يستقبل النتيجة، ويعالجها، ويُقدّمها للمستخدم في صورة مفيدة.

هذه الآلية تفصل بين "العقل" الذي يفكر والأداة التي تنفذ. فالنموذج اللغوي يمتلك القدرة على التفكير والتخطيط، لكنه لا يملك في العادة صلاحية الوصول المباشر إلى الإنترنت أو قواعد البيانات الداخلية للمؤسسات. لذا، يتصرف كمُنسّق ذكي: يقرأ السؤال، يُدرك أنه يحتاج إلى معلومات لا يملكها، يختار الأداة الأنسب، ويمرّر لها المعلومات اللازمة بصيغة دقيقة.

كيف يتخذ الوكيل قراره؟

يتكون قرار الوكيل الاصطناعي من سلسلة من الخطوات المنطقية التي تحاكي، إلى حدٍ ما، طريقة تفكير الإنسان عند مواجهة مشكلة تتطلب استخدام أداة معينة. هذه العملية لا تحدث عشوائيًا، بل تستند إلى بنية تحتية تقنية دقيقة:

1. فهم النية والسياق

عندما يطرح المستخدم طلبًا، يقوم النموذج أولًا بتحليل اللغة الطبيعية لاستخلاص النية الأساسية. هل المستخدم يسأل عن معلومة ثابتة؟ أم يريد إجراء عملية حسابية؟ أم يطلب تنفيذ إجراء في نظام خارجي؟ هذه الخطوة هي حجر الأساس؛ فإذا أخطأ النموذج في فهم الهدف، فسيؤدي ذلك إلى اختيار أداة خاطئة.

2. مطابقة الطلب بالأدوات المتاحة

لكل وكيل ذكي مخزون من الأدوات التي يُعَدّ للتعامل معها. كل أداة مُعرّفة باسمها، ووظيفتها، والمدخلات التي تتطلبها. يقارن النموذج بين حاجة المستخدم وبين أوصاف الأدوات المتاحة، بحثًا عن التطابق الأكثر دقة. هذه العملية تشبه قراءة دليل استخدام قبل اختيار الأداة المناسبة من صندوق أدوات.

3. توليد الاستدعاء المنظم

بمجرد اختيار الأداة، لا يكتفي النموذج بالقول "سأستخدم حاسبة"، بل يُنشئ هيكلًا برمجيًا دقيقًا—عادةً ما يكون بتنسيق JSON—يحتوي على اسم الأداة والمعلمات (Parameters) المطلوبة. هذه الخطوة تتطلب دقة شديدة؛ فأي خطأ في اسم المتغير أو نوع البيانات قد يؤدي إلى فشل العملية برمتها.

4. تنفيذ الأداة واستقبال النتيجة

يُرسل الاستدعاء إلى النظام الخارجي، الذي ينفذ العملية ويعيد النتيجة إلى النموذج. هنا، لا يُعيد النموذج النتيجة كما هي بالضرورة، بل يقوم بتحليلها وتلخيصها ودمجها في سياق المحادثة، ليُقدّم للمستخدم ردًا متماسكًا ومفيدًا.

دور نماذج اللغة الكبيرة في التخطيط

إن القدرة على اتخاذ القرار لا تنبع من الأدوات نفسها، بل من نماذج اللغة الكبيرة التي تقود العملية. هذه النماذج، التي تدربت على كميات هائلة من البيانات، تطوّرت لتتبنى ما يُعرف بـ الاستدلال المنطقي (Reasoning). فهي لا تكتفي بالتعرف على الأنماط اللغوية، بل تستطيع تقسيم المهام المعقدة إلى خطوات فرعية، وتحديد التبعيات بينها، وترتيبها ترتيبًا زمنيًا منطقيًا.

على سبيل المثال، إذا طلب من الوكيل تحليل أداء شركة ما خلال الربع الأخير، فقد يخطط النموذج للخطوات التالية: أولًا، البحث عن التقارير المالية الأخيرة باستخدام أداة بحث؛ ثم، استخراج الأرقام الرئيسية باستخدام أداة تحليل البيانات؛ وأخيرًا، مقارنة هذه الأرقام بالتوقعات السابقة باستخدام أداة حسابية. هذا النوع من التخطيط المتعدد الخطوات يُظهر كيف أن استدعاء الأدوات ليس مجرد رد فعل، بل هو عملية تفكير استراتيجي.

أمثلة عملية على استدعاء الأدوات

لتوضيح الفكرة، دعنا نستعرض بعض السيناريوهات الواقعية التي يبرز فيها استدعاء الأدوات كحل فعال:

المثال الأول: حجز رحلة طيران

لنفترض أن مستخدمًا قال للوكيل: "أريد حجز أرخص رحلة من الرياض إلى دبي يوم الجمعة القادم."

هنا، يدرك النموذج أن الإجابة تتطلب معلومات حية لا يملكها. فيقرر استخدام أداة للبحث في أنظمة الحجز. يولد استدعاءً يحتوي على:

• مدينة المغادرة: الرياض
• مدينة الوصول: دبي
• تاريخ السفر: الجمعة القادم
• معيار الترتيب: السعر (من الأقل إلى الأعلى)

بعد استلام النتائج، يُحللها النموذج، ويقدم للمستخدم خيارًا أوضحه، مع ذكر السعر والوقت، وربما يسأل عن تأكيد الحجز.

المثال الثاني: إجراء عمليات حسابية معقدة

إذا سُئل النموذج عن نتيجة معادلة مالية معقدة أو إحصائية، قد يستخدم أداة مُفسّر بايثون (Python Interpreter) لتنفيذ الحسابات بدقة. بدلًا من الاعتماد على تخمينات النموذج اللغوية، يُرسل المعادلة إلى بيئة حسابية آمنة، ويستقبل النتيجة الدقيقة، ثم يُفسّرها للمستخدم بلغة مبسطة.

المثال الثالث: الاستعلام من قواعد بيانات المؤسسات

في بيئة عمل مؤسسيّة، قد يسأل أحد المدراء: "ما إجمالي مبيعات الشهر الماضي في فرع جدة؟"

النموذج هنا يواجه حاجة للوصول إلى قاعدة بيانات داخلية. يستخدم أداة مخصصة للاستعلامات، يولد جملة SQL دقيقة، أو يمرر المعلمات اللازمة لواجهة برمجية داخلية، ثم يستلم الجدول أو الرقم، ويُقدّمه في تقرير موجز.

المثال الرابع: التحقق من الطقس والأخبار

عندما يسأل المستخدم عن "الطقس اليوم في القاهرة"، يُدرك النموذج أن معرفته الثابتة لا تتضمن بيانات الطقس اللحظية، فيستدعي أداة متصلة بخدمة الأرصاد الجوية، ويُرسل إليها إحداثيات المدينة أو اسمها، ثم يُعيد صياغة التقرير الجوي بلغة عربية واضحة.

التحديات والاعتبارات التقنية

على الرغم من القوة الكبيرة التي يمنحها استدعاء الأدوات للوكلاء الاصطناعيين، إلا أن هذه الآلية تطرح تحديات تقنية وأمنية لا يمكن تجاهلها:

الدقة في توليد المعلمات

تعتمد فعالية الاستدعاء على دقة المعلمات التي يولدها النموذج. خطأ بسيط—مثل كتابة تاريخ بالصيغة الخطأ، أو استخدام وحدة قياس غير متوقعة—قد يؤدي إلى نتائج خاطئة أو فشل تنفيذي. لذا، تتطلب هذه الأنظمة تصميمًا دقيقًا للأدوات وتدريبًا مستمرًا للنماذج على توليد بيانات منظمة بلا أخطاء.

الأمان والتحكم في الوصول

عندما يُتيح للنموذج الوصول إلى أنظمة خارجية أو قواعد بيانات حساسة، يصبح التحكم في الوصول والتحقق من الهوية أمرًا بالغ الأهمية. يجب أن تُصمّم الأدوات بحيث تضمن عدم تجاوز الوكيل لصلاحياته، وألا يتمكن من تنفيذ عمليات ضارة أو غير مصرح بها.

الاعتمادية والتعامل مع الأخطاء

قد تفشل الأدوات الخارجية في الاستجابة، أو تُعيد بيانات غير مكتملة. يجب على الوكيل الاصطناعي أن يكون قادرًا على التعامل مع هذه الفشل بذكاء، إما بإعادة المحاولة، أو باختيار أداة بديلة، أو بإبلاغ المستخدم بالمشكلة بوضوح دون التوقف عن العمل.

الشفافية والتفسير

من الضروري أن يكون المستخدم على دراية بأن الوكيل قام باستدعاء أداة خارجية، وما هي الأداة التي استُخدمت، ولماذا. هذه الشفافية تبني الثقة وتُمكّن المستخدم من التحقق من صحة النتائج، خاصة في التطبيقات الحساسة مثل المال أو الصحة.

مستقبل الوكلاء الذكيين

مع التطور المستمر في قدرات نماذج اللغة الكبيرة، يتجه استدعاء الأدوات نحو أن يصبح أكثر تكاملًا وديناميكية. فالمستقبل قد يشهد وكلاءً قادرين على اكتشاف أدوات جديدة بأنفسهم، أو تعديل سلوكهم بناءً على ملاحظات بيئية فورية، أو التعاون مع وكلاء آخرين لتنفيذ مهام معقدة تتطلب تخصصات متعددة. إنها بداية لعصر يكون فيه الذكاء الاصطناعي ليس مجرد مساعد يُجيب، بل شريك يُخطّط ويُنفّذ ويُتّخذ القرار.

خاتمة

إن استد

---

Originally published at https://nexus-ai-blog.com