الوحدة 7 · الدرس 6 · 13 دقيقة قراءة
كيف تختار إطار الوكلاء المناسب؟
Choosing an Agent Framework
المقدمة
لا يوجد إطار أفضل مطلقًا، بل إطار أنسب لمشكلة محددة. في هذا الدرس نحوّل المشكلة إلى متطلبات، ونبني مصفوفة قرار موزونة ببايثون، ونتعلم كيف نختبر الخيار بنموذج أولي صغير قبل الالتزام.
أهداف التعلم
- استخراج متطلبات اختيار الإطار من وصف المشكلة
- ربط كل نوع حاجة بالإطار المرشح لها مع التبرير
- بناء مصفوفة قرار موزونة وتفسير نتيجتها
- تصميم نموذج أولي صغير للتحقق من الاختيار
ابدأ من المشكلة لا من الإطار
أكثر خطأ شائع عند بناء أول وكيل حقيقي هو اختيار الإطار لأنه الأشهر هذا الشهر، ثم محاولة لَيّ المشكلة لتناسبه. الطريقة الأصح عكس ذلك: صِف المشكلة أولًا، ثم استخرج المتطلبات، ثم قيّم الأطر وفق هذه المتطلبات. وتذكّر توصية Anthropic في «Building effective agents» (2024): ابدأ بأبسط حل يعمل، ولا تضف التعقيد إلا حين يثبت أنه يحسّن النتيجة.
أسئلة تحدد المتطلبات
قبل أي مقارنة، أجب كتابيًا عن هذه الأسئلة:
- من يحدد الخطوة التالية؟ هل المسار ثابت ومعروف (مسار عمل) أم يقرره النموذج حسب المحادثة (وكيل)؟
- كم يطول التشغيل؟ ثوانٍ في محادثة، أم ساعات وأيام مع انتظار موافقات بشرية؟ الحالة الثانية تتطلب استمرارية واستئنافًا.
- كم وكيلًا تحتاج فعلًا؟ كثير من المهام يكفيها وكيل واحد بأدوات جيدة.
- ما بيئة الفريق؟ لغة البرمجة (Python فقط أم .NET أيضًا)، ونسخة Python المتاحة، والمزوّد المسموح به للنماذج.
- ما متطلبات المراقبة والأمان؟ هل تحتاج إلى تتبع مفصل، وحواجز، ونقاط موافقة لا يمكن تخطيها؟
خريطة سريعة: متى يلمع كل إطار؟
بحسب التوثيق الرسمي (مراجعة 18 نوفمبر 2026)، ومع التذكير بأن هذه تعميمات تعليمية لا أحكام نهائية:
| الحاجة الغالبة | مرشّح طبيعي | السبب |
|---|---|---|
| محادثة تنتقل بين متخصصين مع تتبع جاهز | OpenAI Agents SDK | وكيل وتسليم وحواجز وتتبع بمفاهيم قليلة |
| مسار طويل مضبوط مع استئناف وموافقة بشرية | LangGraph | رسم حالة صريح وتنفيذ متين واستمرارية |
| نمذجة سريعة لفريق أدوار ينتج محتوى | CrewAI | وكلاء بأدوار ومهام وعملية تسلسلية أو هرمية |
| بيئة .NET وPython أو انتقال من AutoGen/Semantic Kernel | Microsoft Agent Framework | الخلف الرسمي، ووكلاء مع مسارات عمل |
| مهمة بسيطة بأداة أو اثنتين | دون إطار | حلقة يدوية أوضح وأسهل في التصحيح |
انتبه أيضًا إلى قيود عملية: CrewAI يدعم Python من 3.10 حتى ما قبل 3.14، وagent-framework يتطلب 3.11 أو أحدث، وopenai-agents يتطلب 3.10 أو أحدث. قيد كهذا قد يحسم الاختيار في خادم جامعي قديم.
مثال عملي: مصفوفة قرار موزونة
السيناريو: عمادة شؤون الطلاب تريد وكيلًا يستقبل طلبات تأجيل الاختبارات، ويتحقق من المستندات، وينتظر موافقة المرشد (قد تستغرق يومين)، ثم يحدّث النظام. الفريق يعمل بلغة Python فقط.
نحوّل المتطلبات إلى معايير بأوزان، ونقيّم كل خيار من 1 إلى 5، ثم نحسب المجموع الموزون. هذه الدرجات تقديرات الفريق لهذا السيناريو وليست قياسات منشورة:
# مصفوفة قرار موزونة - بايثون قياسي دون مكتبات
weights = {"استئناف بعد انتظار طويل": 0.30, "موافقة بشرية مضمونة": 0.25,
"بساطة التعلم": 0.20, "تتبع ومراقبة": 0.15, "ملاءمة بيئة الفريق": 0.10}
scores = { # تقديرات افتراضية من الفريق (1 إلى 5)
"حلقة يدوية": {"استئناف بعد انتظار طويل": 1, "موافقة بشرية مضمونة": 3,
"بساطة التعلم": 5, "تتبع ومراقبة": 2, "ملاءمة بيئة الفريق": 5},
"OpenAI Agents SDK": {"استئناف بعد انتظار طويل": 3, "موافقة بشرية مضمونة": 3,
"بساطة التعلم": 4, "تتبع ومراقبة": 5, "ملاءمة بيئة الفريق": 5},
"LangGraph": {"استئناف بعد انتظار طويل": 5, "موافقة بشرية مضمونة": 5,
"بساطة التعلم": 3, "تتبع ومراقبة": 4, "ملاءمة بيئة الفريق": 5},
}
def weighted(option):
return round(sum(weights[c] * s for c, s in scores[option].items()), 2)
for name in sorted(scores, key=weighted, reverse=True):
print(f"{name:20} {weighted(name)}")في هذا السيناريو يتقدم الرسم الصريح لأن الاستئناف بعد انتظار طويل والموافقة المضمونة يحملان نصف الوزن. لو تغيّر السيناريو إلى «محادثة أسئلة شائعة فورية» لتغيّرت الأوزان وربما النتيجة.
اختبار صغير قبل الالتزام
لا تكتفِ بالجدول. خصّص يومًا لنموذج أولي (Spike) بأصغر نسخة من المهمة في الإطارين الأعليين، وقِس أمورًا ملموسة: كم سطرًا احتجت؟ هل استطعت إيقاف التشغيل واستئنافه؟ هل يظهر كل استدعاء أداة في التتبع؟ هل تستطيع اختبار الخطوات دون استدعاء نموذج حقيقي؟
الملخص
اختيار الإطار يبدأ من المشكلة: من يحدد الخطوة التالية، وكم يطول التشغيل، وكم وكيلًا نحتاج، وما بيئة الفريق ومتطلبات الأمان. لكل إطار نقاط يلمع فيها، وأحيانًا يكون الحل الأفضل حلقة يدوية دون إطار. المصفوفة الموزونة تجعل القرار صريحًا، بشرط تحديد الأوزان قبل التقييم. ثم يؤكد نموذج أولي صغير الاختيار قبل الالتزام.
المصطلحات
| المصطلح | English | التعريف |
|---|---|---|
| المتطلبات | Requirements | ما يجب أن يحققه النظام ويقيس به الاختيار |
| مصفوفة القرار | Decision Matrix | جدول معايير وأوزان ودرجات لمقارنة الخيارات |
| نموذج أولي استكشافي | Spike | تجربة قصيرة لاختبار فرضية تقنية قبل الالتزام |
| تثبيت الإصدار | Version Pinning | تحديد رقم إصدار المكتبة في ملف المتطلبات |
| مسار عمل مقابل وكيل | Workflow vs Agent | مسار ثابت يحدده الكود مقابل مسار يقرره النموذج |
أسئلة المراجعة
- ما الأسئلة الخمسة التي تساعد على تحديد متطلبات اختيار الإطار؟
- لماذا يجب تحديد الأوزان قبل تقييم الأطر؟
- متى يكون عدم استخدام أي إطار هو الخيار الأفضل؟
- ما الذي تقيسه في نموذج أولي صغير لتأكيد الاختيار؟
المراجع
- Building effective agents (Anthropic, 2024) www.anthropic.com روجع في 2026-11-18
- Building agents track (OpenAI) developers.openai.com روجع في 2026-11-18
- Microsoft Agent Framework overview learn.microsoft.com روجع في 2026-11-18
