كيف تبني نظاماً يتعاون فيه عدة وكلاء ذكاء اصطناعي لحل مهمة معقدة، مثل تحليل تغريدات السوق السعودي وإصدار تقرير استثماري؟ Sage هو إطار عمل Python مفتوح المصدر (رخصة MIT) يتيح لك تعريف وكلاء متخصصين يعملون معاً عبر سير عمل. هذا الدليل يرشدك خطوة بخطوة من التركيب إلى تشغيل أول وكيلين، مع تفاصيل عن التكلفة والخصوصية والقيود الحقيقية.

المتطلبات الأساسية

قبل البدء، تأكد من توفر: Python 3.10+، Git، مفتاح API لنموذج LLM (مثل OpenAI)، وDocker (اختياري لواجهة الويب).

خطوات التركيب

1. استنساخ المستودع: git clone https://github.com/ZHangZHengEric/Sage.git && cd Sage
2. تثبيت الحزمة: pip install -e .
3. إعداد ملف .env: انسخ .env.example إلى .env وأضف المفتاح: SAGE_DEFAULT_LLM_API_KEY=your-key
4. تشغيل الواجهة الطرفية: sage-terminal (أو استخدم Cargo إذا كنت تريد بناءها من المصدر). لتشغيل واجهة الويب، شغل Docker: docker-compose up في مجلد app/web.

مثال عملي: وكيل بسيط للترجمة من الإنجليزية إلى العربية

أنشئ ملف translation_agent.py بالمحتوى التالي:

from sage import Agent, Workflow

class TranslatorAgent(Agent):
    def execute(self, task):
        prompt = f"Translate the following English text to Arabic: {task['text']}"
        response = self.llm.generate(prompt)
        return {'translation': response}

class ReviewerAgent(Agent):
    def execute(self, task):
        prompt = f"Review the Arabic translation for accuracy and fluency: {task['translation']}"
        response = self.llm.generate(prompt)
        return {'review': response, 'approved': 'yes' if 'good' in response.lower() else 'no'}

workflow = Workflow()
workflow.add_agent(TranslatorAgent(name='translator'))
workflow.add_agent(ReviewerAgent(name='reviewer'))
workflow.set_flow(['translator', 'reviewer'])
result = workflow.run({'text': 'Hello, how are you?'})
print(result)

شغل المثال: python translation_agent.py. سترى الترجمة والمراجعة.

تحليل التكلفة: كم يكلف تشغيل Sage لمشروع صغير؟

لتشغيل مثال الترجمة أعلاه باستخدام GPT-4 (سعر ~0.03$ لكل 1K رمز إدخال و0.06$ لكل 1K رمز إخراج)، كل وكيل يستهلك حوالي 500 رمز إدخال و200 رمز إخراج. التكلفة التقريبية لكل تشغيل: (0.03*0.5 + 0.06*0.2) * 2 وكيل = 0.054$. لمشروع صغير بـ 100 تشغيل يومياً، التكلفة ~5.4$ يومياً. يمكن تقليلها باستخدام نماذج أرخص مثل GPT-3.5-turbo.

الخصوصية والأمان: هل بياناتي آمنة؟

Sage يخزن البيانات محلياً في ملفات (افتراضي) أو PostgreSQL. يمكن تشغيله بالكامل محلياً دون اتصال بالإنترنت إذا استخدمت نموذجاً محلياً (مثل Llama). لا يرسل البيانات إلى خوادم خارجية إلا عند استدعاء API النموذج. تأكد من عدم تضمين مفاتيح API في الكود المصدري.

مقارنة مع البدائل

القيود الحقيقية

• لا يدعم الوكلاء المتزامنين (كل وكيل يعمل بشكل تسلسلي).
• صعوبة تصحيح الأخطاء: لا توجد أدوات تصحيح مدمجة.
• لا توجد واجهة مستخدم رسومية متكاملة (واجهة الويب لا تزال تجريبية).
• المجتمع صغير نسبياً، مما يعني دعماً محدوداً.

الأخطاء الشائعة وحلولها

الأسئلة الشائعة

كيف أضبط ملف .env لنموذج GPT-4؟

أضف السطرين: SAGE_DEFAULT_LLM_API_KEY=sk-xxxx و SAGE_DEFAULT_LLM_MODEL=gpt-4.

ماذا أفعل إذا لم يعمل sage-terminal؟

تأكد من تثبيت Rust (Cargo) وحاول بناءه يدوياً: cd app/terminal && cargo run.

هل يمكن تشغيل Sage بدون Docker؟

نعم، استخدم الواجهة الطرفية فقط.