پروژه Agent Harness دیپ‌سیک نمونه خوبی از همین تغییر نگاه است. برای ساخت یک عامل هوش مصنوعی واقعی، فقط یک مدل قوی کافی نیست؛ باید ابزارها، حافظه، مدیریت زمینه، سطح دسترسی، محیط اجرای ایزوله و چرخه انجام کار هم کنار آن طراحی شوند.
از طرف دیگر، توسعه استانداردهایی مثل A2A نشان می‌دهد ماجرا فقط ساخت یک عامل هم نیست؛ عامل‌های مختلف باید بتوانند با یکدیگر ارتباط بگیرند و کار را بین خودشان تقسیم کنند.
تصویر آینده می‌تواند چیزی شبیه این باشد:
🔎 یک عامل تحقیق می‌کند.
👨💻 دیگری کد می‌زند.
📊 یکی داده را تحلیل می‌کند.
✍️ یکی خروجی نهایی را آماده می‌کند.
یعنی به‌جای یک هوش مصنوعی که منتظر سؤال ماست، با مجموعه‌ای از عامل‌های تخصصی روبه‌رو می‌شویم که برای رسیدن به یک هدف با هم کار می‌کنند.
برای ما در مارون سیستم، بخش جذاب این تغییر دقیقاً همین‌جاست:
ارزش آینده هوش مصنوعی فقط در این نیست که مدل چقدر خوب فکر می‌کند؛ در این است که چقدر خوب می‌توانیم اطراف آن یک سیستم قابل‌اعتماد برای انجام کار بسازیم.
مسیر هم کم‌کم روشن‌تر می‌شود:
مدل → ابزار → حافظه → عامل → تیمی از عامل‌ها
و این احتمالاً یکی از مهم‌ترین مسیرهایی است که مهندسی هوش مصنوعی در سال‌های پیش رو دنبال خواهد کرد.
🔎 𝗠𝗔𝗥𝗢𝗡 𝗦𝗬𝗦𝗧𝗘𝗠 توسعـه نرم‌افـزار مـارون