ایجنت هوش مصنوعی چیست؟ توضیحی ساده
ایجنت هوش مصنوعی مدلی است که میتواند برای رسیدن به یک هدف اقدام کند، نه فقط با متن پاسخ دهد. شما یک کار میدهید و او در یک حلقه کار میکند: تصمیم میگیرد گام بعدی چیست، از یک ابزار استفاده میکند (فایلی را ویرایش کند، وب را جستجو کند، دستوری اجرا کند، به یک اپ وصل شود)، نتیجه را میبیند و دوباره تصمیم میگیرد — تا کار تمام شود یا به ورودی شما نیاز پیدا کند. «مغز» معمولاً یک مدل زبانی بزرگ است؛ ابزارها هستند که به آن امکان انجام کار میدهند.
چرا هنگام ساخت با هوش مصنوعی مهم است
سازندههای اپ با هوش مصنوعی امروزی ایجنت هستند. وقتی یک قابلیت میخواهید، ایجنت فقط کد نمینویسد و تحویل نمیدهد. فایلهای موجود شما را میخواند، تغییر میدهد، بسته نصب میکند، اپ را راه میاندازد، پیامهای خطا را میخواند و رفعشان میکند، اغلب در گامهای متعدد بدون اینکه شما هر گام را تماشا کنید.
به همین دلیل میتوانند نرمافزار کارا بسازند، نه تکهکد. نقش شما را هم تغییر میدهد. دیگر کد را کپی و پیست نمیکنید؛ دارید یک دستیار بسیار سریع و توانا را مدیریت میکنید که گاهی دستورها را اشتباه میفهمد یا با اطمینان به مسیر غلط میرود. دانستن نحوه کار ایجنتها به شما کمک میکند هدفهای درست بدهید، ببینید کی در یک دور گیر کرده، و تصمیم بگیرید کجا میخواهید خودتان تأیید کنید.
یک تشبیه روزمره
مقایسه کنید پرسیدن مسیر از یک دوست با استخدام یک پیک.
پرسیدن مسیر یک چتبات است: شما میپرسید، او میگوید، و شما راه میروید. اگر جاده بسته باشد، برمیگردید و دوباره میپرسید.
پیک یک ایجنت است. میگویید «این بسته را تا ساعت ۵ به این آدرس برسان.» او مسیر را انتخاب میکند، بستن جاده را میبیند، مسیر دیگری میرود، ورودی کناری ساختمان را پیدا میکند و گزارش میدهد «تحویل شد، رسید توسط پذیرش امضا شد.» شما هدف و محدودیت را تعیین میکنید — «بیشتر از ۲۰ دلار برای تاکسی خرج نکن» — و او گامها را انجام میدهد.
پیکها فقط تا حدی خوباند که دستورالعمل و محدودیتهایی که میگذارید. ایجنتها هم همینطورند.
ایجنت چطور کار میکند
بیشتر ایجنتها همین حلقه پایه را دنبال میکنند:
۱. هدف. شما آنچه میخواهید را شرح میدهید: «یک فرم تماس اضافه کن که ارسالها را به ایمیل من بفرستد.» ۲. برنامهریزی. مدل گام بعدی را انتخاب میکند: «اول ببین سایت چطور ساخته شده.» ۳. اقدام. ابزاری را صدا میزند: فهرست فایلها را میگیرد، صفحه اصلی را میخواند. ۴. مشاهده. نتیجه ابزار را میخواند. ۵. تکرار. بر اساس آنچه دیده، گام بعدی را انتخاب میکند: فرم را میسازد، کد سرور را اضافه میکند، اپ را اجرا میکند، خطاها را بررسی میکند. ۶. پایان یا پرسش. وقتی هدف برآورده شد، گزارش میدهد. اگر گیر کرده یا مطمئن نیست، از شما میپرسد.
دور این حلقه چند بخش دیگر هم هست:
| بخش | کارش |
|---|---|
| مدل | مدل زبانی بزرگی که استدلال میکند و تصمیم میگیرد چه کار کند. |
| ابزارها | اقداماتی که ایجنت میتواند انجام دهد: خواندن/نوشتن فایل، اجرای دستور، جستجو، فراخوانی API. |
| دستورالعملها | قوانین ثابت درباره نقش، سبک و محدودیتها (پرامپت سیستم). |
| حافظه | یادداشتهایی که بین گامها یا جلسات حمل میشوند، مثل ترجیحات شما. |
| دسترسیها | کدام ابزارها را آزادانه میتواند استفاده کند، و کدامها نیاز به تأیید شما دارند. |
| زیرایجنتها | ایجنتهای کمکی که ایجنت اصلی بخشی از کار را به آنها میسپارد. |
ابزارها ایده کلیدیاند. یک مدل تنها فقط میتواند متن تولید کند. ابزارها آن متن را به اقدام تبدیل میکنند — و استانداردهایی مثل MCP اتصال ابزارهای تازه به یک ایجنت را آسانتر میکنند.
یک مثال کامل: رفع فرم ثبتنام خراب
فرض کنید فرم لیست انتظار سایت منتشرشدهتان دیگر ایمیلها را ذخیره نمیکند، و به سازندهتان میگویید: «فرم لیست انتظار دیگر چیزی ذخیره نمیکند. درستش کن.»
یک اجرای معمول ایجنت ممکن است اینطور باشد:
۱. میخواند کامپوننت فرم و کد سروری را که ارسالها را مدیریت میکند.
۲. اجرا میکند اپ را و یک ایمیل آزمایشی ارسال میکند.
۳. خطا را میخواند: سرور میگوید ستونی در پایگاه داده به نام email_address وجود ندارد.
۴. ساختار پایگاه داده را بررسی میکند: ستون در واقع email نام دارد. یک تغییر اخیر آن را فقط در یک جا تغییر نام داده بود.
۵. کد سرور را ویرایش میکند تا نام ستون درست را استفاده کند.
۶. دوباره آزمایش میکند: یک ایمیل آزمایشی ارسال میکند و تأیید میکند ردیف جدیدی ظاهر شده.
۷. گزارش میدهد: «فرم پس از تغییر دیروز داشت در ستونی مینوشت که دیگر وجود ندارد. کد سرور را بهروز کردم و تأیید کردم که یک ثبتنام آزمایشی ذخیره میشود.»
شما یک دستور دادید؛ ایجنت هفت گام برداشت، از جمله دو آزمایش. این قدرت است. ریسک همان چیز است از طرف دیگر: اگر ایجنت تصمیم گرفته بود ستون پایگاه داده را تغییر نام دهد، ممکن بود چیز دیگری را خراب کند، و شما شاید تا وقتی گزارشش را نخوانید متوجه نمیشدید.
اصطلاحات کلیدی
| اصطلاح | معنی |
|---|---|
| Agent (ایجنت) | مدل هوش مصنوعی که برای تکمیل یک کار در یک حلقه از ابزار استفاده میکند. |
| Tool (ابزار) | یک اقدام مشخص که ایجنت میتواند انجام دهد، مثل «نوشتن فایل» یا «ارسال ایمیل». |
| Tool call (فراخوانی ابزار) | یک بار استفاده از ابزار، با ورودیها و نتیجهای که برمیگرداند. |
| Agentic (عاملی) | توصیف هوش مصنوعیای که در چند گام عمل میکند، نه اینکه فقط یک بار پاسخ دهد. |
| Autonomy (خودمختاری) | میزان کاری که ایجنت پیش از پرسیدن از شما انجام میدهد. |
| Human in the loop (انسان در حلقه) | لازم بودن تأیید یک فرد در گامهای کلیدی. |
| Sub-agent (زیرایجنت) | ایجنت کمکی که ایجنت اصلی برای بخشی از کار راه میاندازد. |
| Guardrails (محافظها) | قوانین و محدودیتهایی که جلوی کارهای مضر یا ناخواسته ایجنت را میگیرند. |
| MCP | پروتکل Model Context Protocol، استانداردی باز برای اتصال ایجنتها به ابزارها. ببینید MCP چیست. |
اشتباهات رایج و باورهای غلط
- «ایجنتها کاملاً مستقلاند.» ایجنتهای امروزی بهترین کار را روی وظایف مشخص با هدف روشن انجام میدهند. هدفهای مبهم و باز («کسبوکارم را رشد بده») کارهای بیهوده تولید میکنند.
- «گفته کارم تمام است، پس تمام است.» ایجنتها گاهی پس از کار نیمهکاره موفقیت را گزارش میکنند. نتیجه را خودتان بررسی کنید، بهخصوص هر چیزی که به پول، داده یا کاربران مربوط است. ببینید نحوه بازبینی کد تولیدشده با هوش مصنوعی.
- دادن دسترسی زیاد. ایجنتی که بتواند ایمیل بفرستد، داده را پاک کند و پول خرج کند، به محدودیتهای سخت و تأیید شما برای کارهای پرریسک نیاز دارد.
- اجازه دادن به حلقه بیپایان. اگر ایجنت مدام همان راهحل را امتحان کند، متوقفش کنید و اطلاعات بیشتر یا رویکرد دیگری بدهید.
- اعتماد به محتوایی که میخواند. ایجنتهایی که صفحات وب یا ایمیل میخوانند ممکن است با متنی که برای دستکاریشان نوشته شده فریب بخورند (تزریق پرامپت). مراقب باشید ایجنت پس از خواندن محتوای نامطمئن چه کارهایی میتواند بکند.
- درخواستهای خیلی بزرگ در یک گام. کارهای بزرگ وقتی به مراحلی که میتوانید بررسیشان کنید تقسیم شوند قابلاعتمادترند.
چه چیزی از سازندهتان بخواهید
- «اول برنامه بده. پیش از تغییر هر چیزی، گامها را بگو.»
- «فقط فایلهای مربوط به فرم رزرو را تغییر بده.»
- «بعد از تغییر، آن را آزمایش کن و دقیقاً بگو چطور بررسی کردی.»
- «اگر لازم شد ساختار پایگاه داده را تغییر دهی، اول از من بپرس.»
- «آنچه را تغییر دادی و هر چیزی که دربارهاش مطمئن نیستی خلاصه کن.»
- «اگر همان رفع دو بار شکست خورد، بایست و بپرس.»
برای نوشتن دستورالعملهای واضحتر، ببینید مهندسی پرامپت چیست.
ایجنتهای هوش مصنوعی در Mythex
Mythex حول یک ایجنت ساخته شده است. در سندباکس ابری خصوصی پروژهتان میتواند فایل بسازد و ویرایش کند، بسته نصب کند، دستورهای ترمینال اجرا کند، خطاها را بررسی کند و تکرار کند، و از ابزارهای اپهای متصل استفاده کند. برای کارهای پیچیده ممکن است زیرایجنت راه بیندازد که کارشان را میتوانید باز کنید و تماشا کنید. حالت Plan اجازه میدهد پیش از ویرایش یک رویکرد پیشنهاد دهد، حالت Ask بدون تغییر فایلها پاسخ میدهد، و نقاط بازیابی به شما اجازه میدهند اگر تغییری اشتباه شد برگردید. این مسیر هم برعکس کار میکند: ایجنتهایی مثل Claude، Cursor یا Codex میتوانند از طریق سرور MCP Mythex در آن بسازند.
پرسشها
ایجنت هوش مصنوعی به زبان ساده چیست؟
ایجنت هوش مصنوعی مدلی است که میتواند اقدام کند، نه فقط متن بنویسد. به آن یک هدف و مجموعهای از ابزارها داده میشود — مثل ویرایش فایل، جستجوی وب یا فراخوانی یک اپ — و در یک حلقه کار میکند: تصمیم بگیرد، اقدام کند و نتیجه را بررسی کند، تا کار تمام شود.
تفاوت چتبات و ایجنت هوش مصنوعی چیست؟
چتبات به پیام شما با متن پاسخ میدهد و منتظر پیام بعدی میماند. ایجنت میتواند بدون کمک، چند گام بردارد، با استفاده از ابزار چیزهایی را در دنیای واقعی تغییر دهد، نتیجه را بررسی کند و تنظیم کند، و بعد گزارش دهد.
آیا ایجنتهای هوش مصنوعی امن هستند؟
میتوانند باشند، با محدودیت. فقط ابزار و دسترسیای را به ایجنت بدهید که لازم دارد، برای کارهای پرریسک مثل ارسال پیام یا خرج پول تأیید خودتان را بخواهید، نسخه پشتیبان یا نقطه بازیابی نگه دارید، و آنچه را انجام داده بررسی کنید.
آیا سازنده اپ با هوش مصنوعی یک ایجنت هوش مصنوعی است؟
بیشتر سازندههای اپ با هوش مصنوعی امروزی حول یک ایجنت ساخته شدهاند: درخواست شما را میخواند، کد را ویرایش میکند، دستورها را اجرا میکند، خطاها را میبیند و در یک حلقه رفع میکند، بهجای اینکه فقط کدی پیشنهاد دهد تا شما آن را کپی کنید.