بناء وكلاء ذكاء اصطناعي موثوقين باستخدام Mastra: غوص عميق في إطار عمل TypeScript الجديد

يتغير مشهد تطوير الذكاء الاصطناعي بسرعة. نحن نتجاوز روبوتات الدردشة البسيطة وواجهات برمجة التطبيقات القائمة على المطالبات نحو سير عمل وكلاء معقد ومستقل. بينما توجد العديد من أطر العمل لمساعدة بناء هذه الأنظمة، فإن القليل منها يقدم السلامة الهيكلية وتجربة المطور المطلوبة للتطبيقات الجاهزة للإنتاج. هنا يأتي دور Mastra، وهو إطار عمل ناشئ قائم على TypeScript مصمم خصيصًا لبناء تطبيقات ذكاء اصطناعي موثوقة وجاهزة للإنتاج.

في هذا المنشور، سنستكشف سبب تميز Mastra في حقل أطر عمل الوكلاء المزدحم، وكيف تحل مفاهيمه الأساسية مثل سير العمل والذاكرة التحديات الشائعة لنماذج اللغات الكبيرة (LLM)، وكيف يمكنك البدء في بناء وكيلك الأول باستخدام أمثلة برمجية عملية.

ما الذي يجعل Mastra مختلفًا؟

تركز معظم أطر عمل نماذج اللغات الكبيرة (LLM) الحالية بشكل كبير على "ماذا" — أي النموذج الذي يجب استخدامه، وكيفية تحليل الاستجابة. ومع ذلك، يتطلب بناء وكلاء قويين حل "كيف" — كيف تحافظ على الحالة، وكيف تتعامل مع المهام طويلة الأمد، وكيف تضمن الاتساق عبر مكالمات الوظائف المتعددة. يعالج Mastra هذه المشكلات من خلال دمج ثلاثة أعمدة حرجة:

• دعم TypeScript الأصلي: تم بناؤه مع وضع السلامة النوعية في الاعتبار، مما يضمن أن وكلاءك آمنين نوعيًا وأسهل في تصحيح الأخطاء.
• سير عمل إعلاني: نهج بصري ومبني على الكود لتحديد العمليات متعددة الخطوات.
• ذاكرة مدمجة: تكامل سلس مع قواعد بيانات المتجهات لتوفير سياق طويل المدى لوكلائك.

المفهوم الأساسي: سير العمل

إحدى أقوى ميزات Mastra هي محرك سير العمل الخاص بها. على عكس مطالبات تسلسل الأفكار البسيطة، تسمح لك سير العمل بتعريف تدفقات منطقية معقدة، بما في ذلك التفرع الشرطي، والتنفيذ المتوازي، ومعالجة الأخطاء. هذا أمر بالغ الأهمية للوكلاء الذين يحتاجون إلى أداء مهام مثل "البحث عن البيانات، وتحليل النتائج، وإذا كانت درجة الثقة منخفضة، فاطلب من المستخدم التوضيح."

لنلقِ نظرة على مثال عملي لتحديد سير عمل بسيط في Mastra. يوضح هذا المثال كيفية إنشاء خطوة تعالج إدخال المستخدم قبل تمريره إلى نموذج لغة كبير (LLM).

import { Workflow, step } from '@mastra/core';

// Define a step that validates input
const validationStep = step('validate-input', async (input) => {
  if (!input.query) {
    throw new Error('Query is required');
  }
  return { isValid: true, data: input };
});

// Define a step that processes the query
const processingStep = step('process-query', async (context) => {
  // Logic to process the validated data
  return { result: 'Processed Data' };
});

// Create the workflow
const myWorkflow = new Workflow('data-processor')
  .addStep(validationStep)
  .addStep(processingStep)
  .run();

تنفيذ الذاكرة للوعي السياقي

لكي يكون الوكيل مفيدًا حقًا، يحتاج إلى تذكر التفاعلات السابقة. يوفر Mastra نظام ذاكرة مدمج يتكامل بسلاسة مع مستودعات المتجهات الشائعة مثل Pinecone وWeaviate أو Supabase. يسمح هذا لوكيلك باسترجاع السياق التاريخي ذي الصلة عند الإجابة على الأسئلة، مما يقلل من الهلوسة ويحسن الصلة.

إليك كيفية تكوين الذاكرة في وكيل Mastra:

import { Memory } from '@mastra/memory';

const memory = new Memory({
  storage: {
    type: 'sqlite', // or 'pinecone', 'weaviate', etc.
  },
  queries: {
    topK: 3,
  },
});

// Store a conversation turn
await memory.storeMessages([
  {
    role: 'user',
    content: 'ما هي أفضل الممارسات لـ TypeScript؟',
    id: 'msg-1'
  },
  {
    role: 'assistant',
    content: 'إليك أفضل 5 ممارسات...',
    id: 'msg-2'
  }
]);

// Retrieve relevant context
const context = await memory.recall('أفضل الممارسات لـ TypeScript');

التطبيق العملي: بناء وكيل بحث

بدمج سير العمل والذاكرة، يمكنك بناء وكيل بحث متطور. تخيل وكيلًا يمكنه أخذ موضوع، والبحث عن المقالات الحديثة، وملخصها، وتخزين النتائج في ذاكرته للإشارة إليها في المستقبل. يجعل هيكل Mastra هذا معياريًا وقابلًا للصيانة.

من خلال الاستفادة من واجهات برمجة التطبيقات الآمنة نوعيًا في Mastra، يمكنك التأكد من أن كل خطوة في خط أنابيب وكيلك يتم التحقق منها في وقت الترجمة، مما يقلل بشكل كبير من أخطاء وقت التشغيل. هذا مفيد بشكل خاص في بيئات المؤسسات حيث تعتبر الموثوقية أمرًا بالغ الأهمية.

الخاتمة

يمثل Mastra خطوة كبيرة إلى الأمام في تطور أطر عمل الوكلاء. من خلال إعطاء الأولوية لـ TypeScript وسير العمل المنظم والذاكرة المدمجة، فإنه يوفر للمطورين الأدوات اللازمة لبناء تطبيقات ذكاء اصطناعي ليست وظيفية فحسب، بل قوية وقابلة للصيانة. مع انتقال الصناعة نحو أنظمة ذكاء اصطناعي أكثر استقلالية وتعقيدًا، ستلعب أطر عمل مثل Mastra دورًا حاسمًا في توحيد ممارسات التطوير. بالنسبة للمطورين من المستوى المتوسط إلى المتقدم الذين يتطلعون إلى تجاوز تكاملات LLM الأساسية، فإن Mastra هو إطار عمل يستحق الاستكشاف والاعتماد.