همه دارن درباره AI Agent حرف میزنن، اما تقریباً هیچکسی که غیرحرفهای باشه یکی نساخته. دلیلش سادهست: یه راهنمای کامل و قابلفهم وجود نداشت که یه آدم غیربرنامهنویس بتونه باهاش از صفر شروع کنه.
این شد که رفتم همه مستندات Anthropic و OpenAI رو خوندم. پستها و ویدیوهای متخصصهایی که تکهتکه اطلاعات مفید داده بودن رو جمع کردم. بعد همهشون رو ساختاردهی کردم و یه راهنمای یکپارچه ازش درآوردم. نه برای توسعهدهنده حرفهای؛ برای کسی مثل خودم. معمار، بازاریاب، کارآفرین، یا هرکسی که میخواد AI رو از سطح «چت کردن» ببره به سطح «ساختن سیستم».
Agent فقط یه ربات چت نیست. Agent یه سیستمه که فکر میکنه، تصمیم میگیره، ابزار استفاده میکنه و کار رو تمام میکنه. و ساختنش اونقدر که فکر میکنی سخت نیست.
توی این مقاله از صفر شروع میکنیم؛ از اینکه Agent اصلاً چیه و چطور کار میکنه، تا اینکه چطور اولین Agent خودت رو بسازی، بهش ابزار بدی، حافظه بدی، تستش کنی و توی دنیای واقعی ازش استفاده کنی. هفت بخش داره، طولانیه، ولی اگه تا آخرش بخونی، میتونی امروز اولین Agent خودت رو بسازی.
۱. ایجنت چیه و چطور کار میکنه؟
یه AI Agent در سادهترین شکلش یه حلقه تکراریه: کاربر یه چیزی میگه ← مدل زبانی (مثل Claude یا GPT) فکر میکنه ← تصمیم میگیره جواب بده یا یه ابزار رو صدا بزنه ← اگه ابزار صدا زد، نتیجه رو میگیره و دوباره فکر میکنه ← این چرخه تکرار میشه تا کار تموم بشه.
هر ایجنت از سه جزء اصلی ساخته میشه:
هر فریمورکی که اسمش رو شنیدی (LangGraph، CrewAI، Anthropic SDK، OpenAI SDK) فقط یه لایه روی همین حلقه ساده میذاره. ذات کار عوض نمیشه.
مدل زبانی معمولی در مقابل تقویتشده
مدل معمولی فقط متن میگیره و متن برمیگردونه. اما وقتی بهش سه قابلیت اضافه کنی، میشه مدل تقویتشده: اول ابزارها، توابعی که مدل میتونه صداشون بزنه، مثل یه تابع ماشینحساب، یه API برای گرفتن قیمت سهام، یا دسترسی به دیتابیس؛ این ابزارها با فرمت JSON تعریف میشن. دوم بازیابی اطلاعات (Retrieval)، توانایی رفتن و آوردن اطلاعات از منابع بیرونی مثل موتور جستجو، اسناد شرکت، یا پایگاه داده برداری (Vector Database). سوم حافظه، نگهداشتن اطلاعات بین مکالمات مختلف، چه با تاریخچه پیامها و چه با ذخیرهسازی دائمی.
فرق Workflow با Agent واقعی
Workflow مثل یه خط تولید کارخانهست. مراحلش از قبل مشخصه، همیشه همون مسیر رو طی میکنه، و ارزونتره چون تعداد فراخوانی مدل کمتره؛ برای کارهای تکراری و مشخص عالیه. اما Agent مثل یه کارمند باهوشه که خودش تصمیم میگیره قدم بعدی چیه؛ ممکنه چند بار ابزار مختلف صدا بزنه، مسیرش از قبل معلوم نیست، و طبیعتاً گرونتره.
همیشه اول با Workflow ساده شروع کن. فقط اگه واقعاً لازم شد، برو سراغ Agent مستقل.
۲. پنج الگوی اصلی Workflow
بیشتر مشکلات رو بدون Agent کامل میشه حل کرد. این پنج الگو تقریباً همه حالتهای رایج رو پوشش میدن:
کار رو به چند مرحله پشت سر هم بشکن. خروجی هر مرحله ورودی مرحله بعده و بین مراحل یه چک کیفیت برنامهنویسیشده بذار.
مثال: اول یه متن بازاریابی بنویس، بعد ترجمهاش کن. یا اول outline بنویس، چکش کن، بعد متن کامل رو بنویس.
اول ورودی رو دستهبندی کن، بعد بفرستش به بخش مخصوص خودش. هر بخش پرامپت بهینهشده مخصوص خودش رو داره.
مثال: سیستم پشتیبانی مشتری که سوال فنی رو به تیم فنی میفرسته و شکایت رو به تیم رسیدگی.
چند تا فراخوانی مدل رو همزمان اجرا کن. دو روش داره: «تقسیمبندی» یعنی کار رو به بخشهای مستقل تقسیم کنی و همزمان اجراشون کنی؛ «رأیگیری» یعنی یه کار رو چند بار اجرا کنی و جوابها رو مقایسه کنی تا مطمئنتر بشی.
یه مدل مرکزی (رهبر) کار رو تحلیل میکنه، در لحظه تصمیم میگیره چه زیرکارهایی لازمه، و اونا رو به مدلهای کارگر واگذار میکنه. فرقش با موازیسازی اینه که زیرکارها از قبل مشخص نیستن؛ رهبر خودش تشخیص میده.
مثال: تولید کد در چند فایل مختلف، نوشتن گزارش تحقیقاتی، یا هر کاری که ساختارش قابل پیشبینی نیست.
یه مدل خروجی تولید میکنه. مدل دوم ارزیابیش میکنه و بازخورد میده. اگه قبول نشد، برمیگرده و دوباره تلاش میکنه تا کیفیت به حد مطلوب برسه.
مثال: ترجمه متن، تولید کد، یا نوشتن هر چیزی که معیار کیفیت واضح داره.
۳. چطور Agent خودت رو بسازی
چهار سوال کلیدی
قبل از هر کاری این چهار سوال رو جواب بده. اگه اینا رو واضح جواب بدی، نسخه اولت رو توی یه روز میسازی:
| سوال | باید مشخص کنی |
|---|---|
| نتیجه نهایی چی باشه؟ | دقیقاً چه چیزی تولید بشه؟ یه خلاصه؟ یه ایمیل؟ یه گزارش؟ یه کد؟ |
| چه اطلاعاتی لازم داره؟ | آیا باید وب رو بگرده؟ فایل بخونه؟ به دیتابیس وصل بشه؟ یا فقط پیام کاربر کافیه؟ |
| چه کارهایی مجازه انجام بده؟ | فقط جواب بده؟ جستجو کنه؟ فایل ویرایش کنه؟ ایمیل بفرسته؟ |
| چه قوانینی رعایت کنه؟ | لحن صحبتش چطور باشه؟ فرمت خروجی چی باشه؟ وقتی مطمئن نیست چیکار کنه؟ |
فرمول ساده طراحی Agent
مثال عملی: نقش: دستیار تحقیق پروژههای کریپتو. هدف: پیدا کردن اطلاعات دقیق و خلاصه واضح. ابزارها: جستجوی وب، جستجوی فایل، ماشینحساب. قوانین: منبع ذکر کن، حدس نزن، وقتی مطمئن نیستی بگو. فرمت خروجی: خلاصه + ریسکها + فرصتها + نتیجهگیری.
از کجا شروع کنی؟
نیازی نیست ۵ تا فریمورک یاد بگیری. دو تا گزینه اصلی داری:
روش کار گام به گام
قبل از هر پیچیدگی، در یک جمله ساده هدف Agent رو مشخص کن. اگه نتونی در یک جمله بگی، هنوز آماده ساخت نیستی.
همون چهار سوال بالا رو با جزئیات جواب بده تا مرز اختیارات و رفتار Agent روشن باشه.
با حداقل امکانات شروع کن؛ یه شغل مشخص، یه پرامپت واضح و حداکثر دو ابزار.
با ورودیهای واقعی امتحانش کن تا ببینی کجا خوب کار میکنه و کجا خراب میشه.
هر بار فقط یه چیز رو عوض کن تا بفهمی کدوم تغییر واقعاً اثر داشته.
سعی نکن همه چیز رو یکجا بسازی. با یه شغل مشخص، یه Agent، یه پرامپت واضح و حداکثر دو تا ابزار شروع کن.
۴. استفاده از ابزارها (Tools)
بزرگترین اشتباه اینه که فکر کنی ابزار بیشتر یعنی Agent باهوشتر. این کاملاً اشتباهه.
ابزار بهتر یعنی Agent باهوشتر. ابزار کمتر یعنی Agent قابلاعتمادتر.
هر ابزار باید سه ویژگی داشته باشه: اسم واضح داشته باشه، توضیح دقیق داشته باشه که مدل بفهمه کی و چطور ازش استفاده کنه، و پارامترهاش ساده باشن. همچنین باید به مدل بگی «کِی» از هر ابزار استفاده کنه و «کِی» استفاده نکنه. بدون این راهنمایی، مدل ممکنه بیدلیل ابزار صدا بزنه.
۵. حافظه دادن به Agent
مردم خیلی پیچیدهاش میکنن. در واقع فقط دو نوع حافظه وجود داره:
۶. کار کردن Agent در دنیای واقعی
وقتی Agent رو ساختی، سه نکته مهم برای رسوندنش به دنیای واقعی هست:
نه مثل سازندهاش. سوالات عجیب و غریب بپرس. ببین کجا خراب میشه و لبههای شکستنش کجاست.
وقتی مشکل پیدا کردی، لاگها و خطاها رو به AI نشون بده و ازش بخواه کمکت کنه ریشه مشکل رو پیدا کنی.
اگه همزمان چند چیز رو عوض کنی، نمیفهمی کدوم تغییر مشکل رو حل کرد.
۷. چند Agent همزمان
فقط توی سه حالت واقعاً نیاز داری چند Agent داشته باشی:
همیشه با یه Agent شروع کن. فقط وقتی ثابت شد یه Agent کافی نیست، Agent دوم اضافه کن. اگه چند Agent داری، یه Agent «سرپرست» (Supervisor) بذار که کار رو تقسیم کنه و نتایج رو جمع بزنه.
۸. جمعبندی
مهمترین نکته اینه: Agentها مفهومی ساده ولی عملیاتی سخت هستن. حلقه اصلی توی ۵۰ خط کد پایتون جا میشه. کار واقعی اینه که ابزارها رو خوب طراحی کنی، خطاها رو مدیریت کنی، خروجی رو ارزیابی کنی، و ساده شروع کنی.
یک، اول یه Agent ساده از صفر بساز تا بفهمی چطور کار میکنه. دو، با سادهترین الگو شروع کن و فقط در صورت نیاز پیچیدگی اضافه کن. سه، از همون اول روی طراحی خوب ابزارها و تست واقعی سرمایهگذاری کن.
حالا آمادهای اولین Agent خودت رو بسازی.
میخواهید AI را در کل کسبوکارتان ادغام کنید؟
راهنمای جامع کلاود ۲۰۲۶ همه چیزی است که برای تبدیل شدن به یک کارآفرین AI-اول نیاز دارید. از prompting تا workflow automation، همه به فارسی.