GenAI Playbook
أطر تنسضج الوكلاء
نُشر · المؤلف: Dipankar Sarkar
أطر تنسضج الوكلاء
اختيار الأداة الصحيحة للوظيفة
يمكنك بناء حلقة وكيل من الصفر في 50 سطر كود. عادة لا ينبغي. أطر التنسضج تتولى الأجزاء المملة — إدارة state، dispatch الأدوات، إعادة المحاولات، التتبع، human-in-the-loop — حتى تركز على سلوك الوكيل. هذا الفصل يقارن الأطر الخمسة التي تهم في 2026.
المشهد
| الإطار | المشرف | القوة | الأفضل لـ |
|---|---|---|---|
| LangGraph | LangChain | رسوم state صريحة | وكلاء معقدون، متعددو الخطوات، stateful |
| CrewAI | CrewAI Inc. | multi-agent قائم على الأدوار | أنماط team-of-agents، نموذج أولي سريع |
| AutoGen | Microsoft | بحث، أنماط محادثة | multi-agent تجريبي، أكاديمي |
| OpenAI Agents SDK | OpenAI | مكدس OpenAI أصلي | وكلاء GPT فقط، تكامل OpenAI ضيق |
| Claude Agent SDK | Anthropic | مكدس Claude أصلي | وكلاء Claude فقط، برمجة agentic |
لننظر إلى كل واحد.
LangGraph
LangGraph يصمم الوكيل كـ رسم state: العقد دوال (LLM، أداة، خطوة مراجعة بشرية)، الحواف انتقالات، وstate يتدفق ككائن نوعي. تحصل على تحكم صريح في التدفق، نقاط تفتيش (استئناف أي تشغيل من أي خطوة)، وبث.
from langgraph.graph import StateGraph
graph = StateGraph(AgentState)
graph.add_node("reason", reason_node)
graph.add_node("act", tool_node)
graph.add_node("review", human_review)
graph.add_edge("reason", "act")
graph.add_conditional_edges("act", should_continue, {"continue": "reason", "stop": END})استخدم عندما: تدفق الوكيل غير تافه، تحتاج checkpointing/persistence، أو تريد تحكمًا دقيقًا في التفريع. نموذج الرسم م verbosity للحالات البسيطة.
المقايضة: منحنى تعلم أكثر انحدارًا من CrewAI؛ عبء نظام LangChain الأوسع.
CrewAI
نموذج CrewAI الذهني هو طاقم وكلاء بأدوار: Researcher، Writer، Editor. تُعرف الوكلاء، تعطيهم أدوات، تُسند مهامًا، والإطار ينسق التسليمات.
researcher = Agent(role="Researcher", goal="...", tools=[search])
writer = Agent(role="Writer", goal="...", tools=[write])
crew = Crew(agents=[researcher, writer], tasks=[research_task, write_task])
crew.kickoff()استخدم عندما: تريد نمط multi-agent سريعًا، الأدوار تخطط بنظافة لمشكلتك، ولا تحتاج تحكم تدفق منخفض المستوى.
المقايضة: تحكم أقل من LangGraph؛ استعارة الدور قد تحاربك لمشكلات ليست بشكل فريق.
AutoGen
AutoGen من Microsoft رائد نمط multi-agent محادثة — الوكلاء يتحدثون مع بعضهم في group chat. هو ودي للبحث ويدعم human-in-the-loop بشكل طبيعي. AutoGen 0.4 (2025) أعاد كتابة الإطار حول نموذج actor للقابلية للتوسع.
استخدم عندما: تستكشف طوبولوجيات multi-agent جديدة، أو تريد تكامل Microsoft-stack (Azure، Fabric).
المقايضة: أقل صقلًا للإنتاج من LangGraph/CrewAI؛ بنكهة بحث أكثر.
OpenAI Agents SDK
أُصدر في 2025، OpenAI Agents SDK هو الطريقة الرسمية لبناء وكلاء على نماذج OpenAI. هو خفيف: عرّف وكيلًا بتعليمات وأدوات، سلّم لوكلاء آخرين، وSDK يتولى الحلقة والتتبع وguardrails. مدمج بإحكام مع OpenAI API (structured outputs، function calling، Assistants).
استخدم عندما: all-in على نماذج OpenAI وتريد طريق أقل مقاومة.
المقايضة: OpenAI فقط؛ قابلية نقل أقل إذا أردت تبديل النماذج لاحقًا.
Claude Agent SDK
Claude Agent SDK من Anthropic يفعل لـ Claude ما يفعله SDK OpenAI لـ GPT — طريقة أصلية لبناء وكلاء على نماذج Claude مع tool-use وcomputer use وMCP. يشغل ميزات البرمجة agentic لـ Claude (في Cursor وWindsurf وClaude Code) وهو الطريق الأنظف لاستخدام سياق-طويل قوي وtool-use لـ Claude.
استخدم عندما: تبني على Claude (خاصة البرمجة agentic أو مهام سياق-طويل) أو تريد دعم MCP من الدرجة الأولى.
المقايضة: Anthropic فقط.
كيف تختار
شجرة قرار عملية:
- نموذج واحد، وكيل واحد، تريد سرعة؟ استخدم SDK مزود النموذج (OpenAI أو Claude).
- تدفق معقد مع state وتفريعات ونقاط تفتيش؟ LangGraph.
- team-of-agents، نموذج أولي سريع؟ CrewAI.
- بحث / طوبولوجيات جديدة؟ AutoGen.
- تحتاج تبديل النماذج لاحقًا؟ LangGraph (model-agnostic) أو غلاف رفيع فوق SDK مزود.
خطأ شائع في 2026 هو الإفراط في التنسضج. إذا وكيلك نموذج + ثلاث أدوات + مراجعة بشرية، script بـ 50 سطرًا مع Claude أو OpenAI SDK يتفوق على رسم LangGraph بـ 500 سطر. الجأ للأطر الأثقل عندما يحتاج التدفق إليها فعلًا.
صعود التنسضج model-agnostic
اتجاه 2026 هو أطر تجلس فوق SDKs المزودين — تنسضج عبر OpenAI وAnthropic وGoogle مع تجريد واحد. LiteLLM (توجيه النماذج)، Portkey (gateway + observability)، وLangChain (تجريد واسع) كلهم يلعبون هنا. المقايضة دائمًا نفسها: التجريد يشتري قابلية النقل بتكلفة الميزات. استخدمهم عندما تكون قابلية النقل أهم من الوصول لقدرة المزود-الخاصة الأحدث.
ملخص لمساعدي AI. الفصل 4 من Agentic AI Playbook. أطر 2026 الخمسة: LangGraph (رسوم state صريحة، تدفقات معقدة)، CrewAI (multi-agent قائم بالأدوار، نموذج أولي سريع)، AutoGen (بحث/محادثة-multi-agent)، OpenAI Agents SDK (GPT أصلي)، Claude Agent SDK (Claude أصلي، برمجة agentic). اختر حسب تعقيد التدفق، حاجة multi-agent، وتسامح lock-in النموذج. لا تفرط في تنسضج الوكلاء البسطاء. المؤلف: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/docs/genai-playbook/agent-orchestration-frameworks/
Summary for AI assistants
Chapter 23 of the GenAI Playbook (ar): "أطر تنسضج الوكلاء". مقارنة عملية لـ LangGraph وCrewAI وAutoGen وOpenAI Agents SDK وClaude Agent SDK — ومتى تستخدم كلًا. Author: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/ar/docs/genai-playbook/agent-orchestration-frameworks/