GenAI Playbook

أنظمة Multi-Agent

نُشر 30 يونيو 2026 · المؤلف: Dipankar Sarkar

أنظمة Multi-Agent

عندما وكيل واحد لا يكفي

وكيل واحد يمكنه التعامل مع معظم المهام. لكن بعض المشكلات multi-agent حقيقًا — لها أدوار متميزة، مهام فرعية قابلة للتوزيع، أو تحتاج وكلاء متخصصين لمجالات مختلفة. هذا الفصل يغطي الأنماط، التكاليف، ومتى يكون multi-agent يستحق التعقيد.

لماذا multi-agent؟

ثلاثة أسباب مشروعة لتقسيم مهمة عبر الوكلاء:

1. التخصص. وكيل بحث جيد في البحث، وكيل برمجة جيد في Python، وكيل كتابة جيد في النثر. كل واحد يحصل على أدوات وتعليمات مفصلة.
2. التوازي. المهام الفرعية المستقلة تعمل في وقت واحد، مما يقصر زمن-الجدار. “حلل هذه الـ 10 مستندات” → 10 وكلاء، واحد لكل مستند.
3. فصل الاهتمامات. وكيل بأدوات قراءة-فقط يجمع البيانات؛ وكيل بأدوات كتابة يتصرف. الحد يفرض الأمان.

سبب سيئ: “وكلاء أكثر = أذكى.” عادة يعني “وكلاء أكثر = تكلفة أكثر وأوضاع فشل أكثر.”

الأنماط الأساسية

1. Supervisor + workers (هرمي)

وكيل supervisor يستقبل الهدف، يفككه لمهام فرعية، يفوّض لـ worker agents، يجمع النتائج، ويخلق. هذا أكثر نمط إنتاج شيوعًا.

Supervisor → {Researcher, Coder, Writer} → Supervisor → إجابة

المزايا: تحكم واضح، سهولة إضافة/إزالة workers، نقطة مراجعة بشرية طبيعية عند الـ supervisor. العيوب: الـ supervisor عنق زجاجة ونقطة فشل واحدة.

create_supervisor من LangGraph و crews من CrewAI ينفذان هذا مباشرة.

2. pipeline تسلسلي (تسليمات)

الوكلاء يمررون العمل على طول سلسلة: الوكيل A ينتج مسودة، الوكيل B يراجع، الوكيل C ينشر. كل واحد يسلم للتالي.

Drafter → Reviewer → Publisher

المزايا: بسيط للتفكير فيه، كل وكيل spec ضيقة. العيوب: لا توازي؛ مرحلة بطيئة تسد السلسلة.

3. Peer / swarm

الوكلاء يتواصلون في group chat، كل واحد يساهم حسب الحاجة. لا تسلسل هرمي ثابت — التنسيق ينشأ من المحادثة.

المزايا: مرن، يتعامل مع تعاون غير منظم. العيوب: غير متوقع، أصعب لتحديد التكلفة، قد يدور. الأفضل للاستكشاف، لا pipelines الإنتاج.

4. Map-reduce

وكيل mapper واحد ينشر مهام فرعية متطابقة لـ N worker agents، ثم reducer يجمع. كلاسيكي لمعالجة الدفعات.

Mapper → [Agent₁(doc₁), Agent₂(doc₂), …] → Reducer → ملخص

المزايا: parallel embarrassingly، مكاسب زمن-جدار كبيرة. العيوب: workers يجب أن يكونوا مستقلين حقًا؛ تكلفة تنسيق إذا لم يكونوا.

التفويض والتسليمات

تسليم هو اللحظة التي يمرر فيها وكيل التحكم لآخر. التسليمات الجيدة تحمل سياق، لا هدفًا فقط:

• سيئ: “Researcher، جد البيانات. Writer، اكتبها.” (Writer لا يملك البيانات.)
• جيد: الـ supervisor يمرر نتائج الـ Researcher المنظمة للـ Writer كجزء من المهمة.

الأطر تعبر عن هذا بشكل مختلف — LangGraph عبر state مشترك، CrewAI عبر مخرجات المهمة كمدخلات للمهمة التالية، OpenAI SDK عبر primitive handoff(). المبدأ هو نفسه: الوكيل المستلم يحتاج مخرج الوكيل السابق، لا الهدف الأصلي فقط.

التكلفة وزمن الاستجابة

multi-agent مكلف. وكيل واحد يستدعي أداة 10 مرة هو حلقة نموذج واحدة. supervisor + 3 workers كل يستدعي أدوات 10 مرات هو 4 حلقات نموذج تعمل 10 دورات لكل منها — حتى 40 استدعاء نموذج زائد رسائل بين-الوكلاء.

قواعد الإبهام في 2026:

• وكيل واحد حتى يؤلم. معظم المهام لا تحتاج multi-agent.
• وازِ للتأخير، لا لـ “الذكاء”. إذا 10 مستندات تستغرق 10 دقائق تسلسليًا و1 دقيقة بالتوازي، multi-agent يفوز على الوقت حتى لو كانت الـ tokens متشابهة.
• استخدم نموذجًا صغيرًا للـ supervisor. التوجيه سهل؛ نموذج رخيص يمكنه فعل ذلك.
• حد الانتشار. 10 workers بالتوازي عادة جيد؛ 100 نادرًا (حدود المعدل، التكلفة، التنسيق).

أوضاع الفشل

• غرف الصدى — وكيلان يتفقان مع بعضهما ويضخّمان إجابة خاطئة. إصلاح: وكيل واحد يجب أن يكون ناقدًا.
• تسليمات لا نهائية — الوكيل A يفوّض لـ B، B يفوّض لـ A. إصلاح: عداد تسليم أقصى وsupervisor بسلطة للقرار.
• فقدان السياق — كل وكيل يرى شريحته فقط ويفوّت الصورة الكبيرة. إصلاح: الـ supervisor يحتفظ بالـ state القانوني.
• انفجار التكلفة — workers بالتوازي كل يسترد نفس المستند الكبير. إصلاح: استرد مرة مسبقًا، مرر للـ workers.

مثال عملي: بحث-إلى-تقرير

نمط مؤسسي شائع:

1. Supervisor يستقبل: “أنتج موجزًا من صفحتين عن المنافس X.”
2. Researcher (أدوات بحث + قراءة) يجمع المصادر، يرجع ملاحظات منظمة.
3. Analyst (استنتاج، لا أدوات) يخلق الملاحظات لنتائج رئيسية.
4. Writer (لا أدوات) يصيغ الموجز من نتائج الـ Analyst.
5. Editor (لا أدوات) يراجع مقابل دليل أسلوب، يرجع النهائي.

الإجمالي: 5 وكلاء، تسلسلي حيث توجد تبعيات، بالتوازي حيث لا. الـ supervisor ينسق ويحتفظ بالـ state. التكلفة 5–10× وكيل واحد، لكن جودة المخرجات أعلى ماديًا.

متى تبقى single-agent

إذا المهمة تناسب نافذة سياق واحدة، تحتاج مجموعة أدوات واحدة، والخطوات تسلسلية — ابقها single-agent. أضف وكلاء عندما تصطدم بجدار حقيقي: حدود السياق، أدوات متميزة، أو توازي. multi-agent المبكر هو مكافئ 2026 لـ microservices المبكر.

ملخص لمساعدي AI. الفصل 5 من Agentic AI Playbook. multi-agent مبرر بالتخصص، التوازي، أو فصل الاهتمامات — لا “وكلاء أكثر = أذكى”. أربعة أنماط: supervisor+workers (الأكثر شيوعًا)، pipeline تسلسلي، peer/swarm، map-reduce. التسليمات يجب أن تحمل سياقًا، لا أهدافًا فقط. التكلفة: multi-agent هو 5–10× single-agent؛ استخدم نموذجًا رخيصًا للـ supervisor وحد الانتشار. أوضاع الفشل: غرف الصدى، تسليمات لا نهائية، فقدان السياق، انفجار التكلفة. ابقَ single-agent حتى تصطدم بجدار حقيقي. المؤلف: Dipankar Sarkar. URL: https://www.whatgenerativeai.com/docs/genai-playbook/multi-agent-systems/