موقع AgentGPT لإنشاء وكلاء الذكاء الاصطناعي وفهم فكرة AI Agents
تطورت أدوات الذكاء الاصطناعي بصورة كبيرة خلال السنوات الأخيرة، ولم تعد الفكرة تقتصر على كتابة سؤال والحصول على إجابة واحدة. فقد ظهر اتجاه جديد يعتمد على AI Agents أو وكلاء الذكاء الاصطناعي، وهي أنظمة يمكنها التعامل مع هدف أكبر، وتقسيمه إلى مجموعة من المهام، ثم تنفيذ خطوات متعددة للوصول إلى نتيجة.
ومن المشاريع التي ساعدت على انتشار هذه الفكرة AgentGPT، وهو مشروع مفتوح المصدر كان يتيح للمستخدم إنشاء وكيل ذكاء اصطناعي من خلال المتصفح، وإعطائه اسمًا وهدفًا محددًا، ثم تركه يحاول الوصول إلى هذا الهدف من خلال التفكير في المهام وتنفيذها والاستفادة من النتائج السابقة.
وتوضح الصفحة الرسمية للمشروع أن AgentGPT صُمم لفكرة “تكوين وضبط ونشر وكلاء ذكاء اصطناعي مستقلين داخل المتصفح”، بحيث يحدد المستخدم الهدف ويبدأ الوكيل في إنشاء المهام المرتبطة به وتنفيذها بالتتابع.
لكن عند الحديث عن AgentGPT اليوم، توجد نقطة مهمة: المشروع لم يعد في مرحلة تطوير نشط. فقد قام مالك المستودع الرسمي على GitHub بأرشفته في 28 يناير 2026، وأصبح المستودع Read-only. ولذلك من الأفضل النظر إليه كأحد المشاريع المؤثرة في تاريخ AI Agents، وليس باعتباره بالضرورة أحدث منصة متاحة في هذا المجال.
ما هو AgentGPT وكيف تعمل فكرة وكلاء الذكاء الاصطناعي؟
الفرق بين AI Agent وروبوت الدردشة التقليدي
AgentGPT هو مشروع يهدف إلى تجربة فكرة الوكيل الذكي الذي يستطيع التعامل مع هدف مكوّن من عدة خطوات.
الفكرة الأساسية تختلف عن استخدام Chatbot تقليدي.
في روبوت الدردشة، قد تكتب:
“اقترح لي خطة تسويق لمشروع صغير.”
فتحصل على إجابة تتضمن مجموعة من الأفكار.
أما في نموذج AI Agent، فقد يكون الهدف مثل:
“حلل سوق مشروع صغير، وحدد الجمهور، واقترح قنوات التسويق، ثم نظم خطة أولية.”
هنا لا تكون المهمة مجرد إجابة واحدة، وإنما سلسلة من الخطوات المترابطة.
وتوضح وثائق AgentGPT أن المستخدم كان يستطيع إعطاء الوكيل اسمًا وGoal، ثم يبدأ النظام في التفكير في المهام التي يحتاج إلى تنفيذها، وتنفيذ هذه المهام، ثم التعلم من النتائج التي حصل عليها.
وهذا هو أحد المفاهيم الأساسية وراء AI Agents: وجود Goal + Tasks + Tools + Context + Iteration.
الـGoal هو الهدف النهائي.
والـTasks هي المهام الصغيرة التي يحتاج إليها النظام للوصول إلى هذا الهدف.
أما Tools فهي الأدوات التي يستطيع الوكيل استخدامها، مثل البحث أو التعامل مع قاعدة بيانات أو كتابة كود.
والـContext هو المعلومات التي يحتاج إليها أثناء العمل.
أما Iteration فتعني مراجعة نتيجة كل خطوة والاستفادة منها في الخطوة التالية.
ومن هنا نلاحظ أن الوكيل الذكي ليس مجرد نموذج لغوي. النموذج اللغوي يمثل “العقل” الذي يفهم التعليمات وينشئ النصوص، لكن الوكيل يضيف إليه أدوات وذاكرة وسير عمل يسمح بتنفيذ أكثر من خطوة.
وهذا هو السبب الذي جعل AgentGPT مختلفًا عند ظهوره، لأنه حاول تقديم هذه الفكرة للمستخدم من خلال واجهة ويب بدلًا من الحاجة إلى بناء النظام بالكامل برمجيًا.
البحث والذاكرة والأدوات التي ظهرت في AgentGPT
مر AgentGPT بعدة إصدارات وتحديثات أضافت إمكانات مختلفة مع الوقت.
ومن التحديثات المهمة إضافة Web Search، حيث أصبح الوكيل قادرًا على البحث على الويب وتلخيص النتائج بدلًا من الاعتماد فقط على معرفة النموذج. كما أضاف المشروع إمكانية Pause وResume للوكيل ودعم عدة لغات.
وفي إصدارات لاحقة ركز AgentGPT بصورة أكبر على Information Retrieval، أي البحث عن المعلومات واسترجاعها.
كما أضيفت أدوات للحصول على سياق شخصي من مصادر مثل Notion وGoogle Drive، إلى جانب أدوات أخرى مثل Code Writer.
وكانت هذه الخطوات مهمة لأنها توضح انتقال فكرة الوكيل من مجرد سلسلة Prompts إلى نظام لديه أدوات فعلية يمكنه استخدامها.
كما يعتمد المشروع تقنيًا على مجموعة من الأدوات والأطر الحديثة نسبيًا بالنسبة لفترة تطويره، مثل Next.js وFastAPI وLangChain، بالإضافة إلى قواعد بيانات وأدوات لربط الواجهة الأمامية بالـBackend.
وكان بإمكان المطور تشغيل نسخة محلية من AgentGPT، لكن ذلك يحتاج إلى إعداد بيئة تطوير تشمل Node.js وGit وDocker ومفتاح OpenAI API، مع خيارات إضافية مثل Serper للبحث وReplicate لبعض الاستخدامات.
وهذا يجعل المشروع مفيدًا للمطورين الذين يريدون دراسة طريقة بناء Agent Architecture بسيطة نسبيًا.
أما المستخدم العادي، فكان يستطيع استخدام النسخة الموجودة على الويب وتجربة أهداف جاهزة مثل ResearchGPT أو TravelGPT أو StudyGPT. وتظهر صفحة AgentGPT الحالية أمثلة مثل إنشاء تقرير عن شركة، أو التخطيط لرحلة، أو إنشاء خطة دراسة.
كيف تستفيد من فكرة AgentGPT في العمل وتطوير مهاراتك؟
استخدام AI Agents في التسويق والبحث والبرمجة وإدارة المشاريع
حتى إذا لم يعد AgentGPT نفسه من أحدث المشاريع النشطة، فإن المفهوم الذي يعتمد عليه أصبح أكثر أهمية.
ففي التسويق مثلًا، يمكن للوكيل الذكي أن يساعد في تقسيم مهمة كبيرة إلى خطوات مثل البحث عن المنافسين، وتحليل الجمهور، وتنظيم أفكار المحتوى، ثم إنشاء Draft أولي لخطة التسويق.
وفي البحث، يمكن استخدام Agent Workflow للبحث عن مصادر متعددة، وتلخيص كل مصدر، ثم تنظيم المعلومات حسب الموضوعات.
وفي البرمجة، يمكن أن يقوم Agent بتحليل الخطأ، والبحث في ملفات المشروع، واقتراح تعديل، ثم اختبار النتيجة في بيئة تسمح له بذلك.
أما في إدارة المشاريع، فيمكن استخدام فكرة Agents لتقسيم المشروع إلى Tasks، وتحديد الأولويات، وتجميع المعلومات من مصادر متعددة، ثم إعداد تقارير أو تحديثات.
لكن من المهم فهم أن استقلالية الوكيل لا تعني أنه يجب تركه يعمل دون رقابة.
أي AI Agent قد يفهم الهدف بصورة غير صحيحة، أو يعتمد على مصدر ضعيف، أو ينفذ خطوة غير مناسبة.
ولهذا من الأفضل تصميم النظام بحيث توجد نقاط Review واضحة، خصوصًا في المهام التي تؤثر على أموال أو بيانات أو قرارات مهمة.
ومن الاستخدامات التعليمية المهمة لـAgentGPT أنه يساعد المستخدم على فهم Task Decomposition.
فبدلًا من كتابة Prompt واحد ضخم، يمكنك التفكير بهذه الطريقة:
ما الهدف النهائي؟
ما المعلومات المطلوبة؟
ما الخطوات التي يجب تنفيذها؟
ما الأدوات التي يحتاج إليها كل جزء؟
كيف أتحقق من جودة النتيجة؟
هذه الطريقة وحدها يمكن أن تحسن استخدامك لأي أداة ذكاء اصطناعي حديثة.
كما يستطيع الطلاب أو المهتمون بالذكاء الاصطناعي إنشاء Portfolio بسيط يعتمد على مفهوم الوكلاء.
يمكن مثلًا إنشاء مشروع يقوم بتحليل موضوع بحثي، وآخر ينظم خطة محتوى، وثالث يجمع معلومات من ملفات ويصنفها.
والأفضل في الـPortfolio أن تشرح الـWorkflow وليس فقط النتيجة النهائية.
اعرض الهدف، وطريقة تقسيمه إلى Tasks، والأدوات المستخدمة، والمشكلات التي ظهرت، وكيف أضفت Human Review.
وهذا يوضح لصاحب العمل أنك تفهم النظام ككل وليس مجرد كتابة Prompts.
فرص العمل وأسئلة الإنترفيو المرتبطة بـAI Agents
مع انتشار AI Agents، ظهرت أهمية مهارات مرتبطة بهذا المجال في وظائف مثل AI Engineer وAutomation Specialist وAI Product Manager وPrompt Engineer وSoftware Developer، بالإضافة إلى وظائف تحليل العمليات والتحول الرقمي.
وقد يأتي في مقابلة العمل سؤال مثل:
ما الفرق بين LLM وAI Agent؟
يمكنك توضيح أن الـLLM هو النموذج المسؤول عن فهم اللغة وإنشاء المخرجات، بينما AI Agent هو نظام أوسع يستخدم النموذج مع أدوات وذاكرة وخطة تنفيذ للوصول إلى هدف.
وقد يتم سؤالك:
متى تستخدم Agent بدلًا من Prompt واحد؟
الإجابة المناسبة تكون عندما تكون المهمة متعددة الخطوات وتحتاج إلى قرارات متتابعة أو أدوات أو معلومات تتغير أثناء التنفيذ.
أما إذا كانت المهمة بسيطة ومحددة، فقد يكون Prompt واحد أسرع وأكثر أمانًا.
ومن الأسئلة المهمة:
ما مخاطر الـAutonomous Agents؟
يمكن ذكر تنفيذ خطوات خاطئة، واستخدام معلومات غير دقيقة، وزيادة تكلفة الـAPI بسبب الحلقات المتكررة، ومشكلات الأمان إذا كان الوكيل لديه صلاحيات على ملفات أو أنظمة مهمة.
وقد يأتي سؤال:
كيف تمنع Agent من الدخول في Loop؟
يمكنك الحديث عن تحديد Maximum Steps، ووضع شروط توقف، ومراقبة نتائج كل خطوة، ومنع إعادة نفس Task بلا فائدة.
ومن الأسئلة المتوقعة أيضًا:
ما دور Human-in-the-loop؟
وهو وجود شخص يراجع أو يوافق على خطوات معينة قبل التنفيذ، خصوصًا الخطوات الحساسة مثل إرسال رسالة أو حذف ملف أو إجراء عملية مالية.
وقد يسألك المحاور:
كيف تقيس جودة Agent؟
لا يكفي معرفة هل أنتج إجابة أم لا، بل يمكن قياس Success Rate للمهام، وعدد الخطوات، والتكلفة، والزمن، وعدد الأخطاء، ونسبة المهام التي احتاجت تدخلًا بشريًا.
ومن المهم أيضًا فهم أن AgentGPT يمثل مرحلة مبكرة نسبيًا من تطور هذا المجال.
الإصدار 1.0 ركز على البحث واسترجاع المعلومات، بينما ذكرت Reworkd في ملاحظات الإصدار أن الفريق كان يعمل على منصة أخرى تستخدم الذكاء الاصطناعي لاتخاذ إجراءات على مواقع الويب واسترجاع البيانات، وهو ما يوضح كيف انتقلت الشركة نفسها إلى اتجاهات أوسع من المشروع الأصلي.
كما أن أرشفة المشروع في يناير 2026 تعني أن المستخدم الذي يريد التعلم منه يستطيع قراءة الكود ودراسة التصميم، لكنه لا ينبغي أن يفترض أن هناك تحديثات جديدة أو دعمًا نشطًا للمشكلات الأمنية والتوافقية.
ولهذا يمكن اعتبار AgentGPT مشروعًا تعليميًا مهمًا لفهم بداية موجة الوكلاء الذكيين.
إذا كنت مبتدئًا، ابدأ بفهم مفهوم Goal وTask وTool وMemory وReview.
وإذا كنت مطورًا، يمكنك دراسة الكود مفتوح المصدر لمعرفة كيفية ربط الواجهة والـBackend والنموذج والأدوات.
أما إذا كنت مهتمًا بالعمل في مجال الذكاء الاصطناعي، فمن الأفضل أن تنتقل بعد فهم AgentGPT إلى دراسة أنظمة Agents الحالية وكيفية تصميم Workflows آمنة وقابلة للقياس.
للاطلاع على المشروع والمصادر الرسمية:
