بناء وكيل ذكاء اصطناعي منخفض الكود باستخدام Flowise على بوابة TrueFoundry للذكاء الاصطناعي

Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
ازدهرت أدوات البناء منخفضة الكود مثل Flowise لسرعتها. تتيح لوحة السحب والإفلات لعلماء البيانات ومديري المنتجات ربط المطالبات والأدوات والبحث المتجه والوكلاء متعددي الخطوات - دون الحاجة إلى بايثون. يتم إطلاق إثباتات المفهوم في ساعات، وليس أسابيع. ولكن عندما تبدأ هذه النماذج الأولية في تحقيق قيمة حقيقية، تظهر التكلفة الخفية: كل عقدة تستدعي نقطة نهاية نموذج مختلفة، ولكل منها مفتاح API الخاص بها، وسجلات الاستخدام الخاصة بها، وبندها الخاص في بطاقة الشركة. اضرب ذلك عبر الفرق والتجارب ولن يتمكن أحد من الإجابة على الأساسيات: من استدعى ماذا؟ كم كلّف ذلك؟ هل كان آمنًا؟
هذا هو بالضبط ما تحله بوابة الذكاء الاصطناعي TrueFoundry. تعالج أكثر من مليون استدعاء لنموذج لغوي كبير يوميًا للمؤسسات، وتطبق مصادقة على مستوى المشروع، وضوابط تكلفة لكل طلب، واتفاقيات مستوى خدمة زمن الاستجابة (SLOs)، وسجلات تدقيق كاملة - سواء كنت تستخدم GPT‑5 أو Claude 4 أو Mistral أو نموذجًا داخليًا مُعدلاً بدقة. طلبت منا الفرق تطبيق نفس الضوابط الوقائية على وكلاء Flowise. لذا إليك المدونة المفصلة حول: لماذا يجب أن تكون وكلاء الكود المنخفض خلف البوابة
لماذا يجب أن تكون وكلاء الكود المنخفض خلف البوابة
- تحكم مركزي: توحد بوابة الذكاء الاصطناعي TrueFoundry الحوكمة لتطبيقات Flowise و LangChain والخدمات المصغرة المخصصة خلف نقطة نهاية واحدة متوافقة مع OpenAI.
- أمان وسلامة Flowise: فرض الوصول المستند إلى الدور، وإخفاء معلومات التعريف الشخصية (PII)، وفحوصات السياسات، وتسجيل التدقيق عند الحافة. أمان Flowise ليس إضافة خارجية؛ بل هو مدمج في مسار الطلب.
- قابلية المراقبة والتتبع في Flowise: احصل على تتبعات موحدة، وعدد الرموز، وزمن الاستجابة p50/p95، وإعادة التشغيل. تتبع Flowise بالإضافة إلى سجلات البوابة يجعل تصحيح الأخطاء سريعًا وموثوقًا.
- تتبع تكاليف Flowise: اطلع على الإنفاق لكل فريق، وحدد الميزانيات، وضع حدًا للوكلاء الجامحين، وتلقى تنبيهات قبل ارتفاع الفواتير.
- المرونة: تبديل المزودين (Anthropic, OpenAI, Mistral, Groq, vLLM) دون تغيير لوحة Flowise. تستمر وكلاؤك في العمل؛ تتغير التوجيهات عند البوابة.
- جاهزية الامتثال: سجلات تدقيق تلقائية، وتطبيق السياسات، وضوابط البيانات لاجتياز المراجعات دون إبطاء تجارب Flowise.
هذه هي نفس الحوكمة التي نطبقها بالفعل على حركة المرور الحيوية (>1 مليون استدعاء/يوم). إضافة Flowise ببساطة يوسعها لتشمل تجاربك منخفضة الكود. لإلقاء نظرة سريعة على بوابة الذكاء الاصطناعي TrueFoundry، تفضل بزيارة: رابط

نظرة سريعة على التكامل
المتطلبات المسبقة
- نشر Flowise (مستضاف ذاتيًا أو SaaS)
- TrueFoundry رمز الوصول الشخصي
- عنوان URL الأساسي للبوابة (https://<your-org>.truefoundry.cloud/api/llm)

الإعداد في خطوتين قصيرتين
- الصق بيانات الاعتماد الخاصة بك في Flowise
- افتح Flowise ← بيانات الاعتماد ← اختر "OpenAI Custom".
- أدخل عنوان URL الخاص بالبوابة ورمزك المميز — لا يلزم وجود رمز تغليف.
- أنشئ وكيلًا ووجهه إلى نموذجك
- داخل اللوحة، أضف AgentFlow عقدة، وقم بتوصيلها من البداية، والصق معرف النموذج الذي نسخته من لوحة تحكم TrueFoundry. انقر فوق حفظ؛ كل استدعاء لنموذج اللغة الكبير (LLM) يمر الآن عبر البوابة.
يمكنك العثور على دليل إرشادي أكثر تفصيلاً، مكتمل بلقطات الشاشة، في وثائقنا

ما تحصل عليه جاهزًا
بمجرد ملء هذين الحقلين، يرث Flowise كل ما تفعله البوابة بالفعل لأعباء العمل الإنتاجية:
- قابلية مراقبة موحدة – عدد الرموز، وزمن الاستجابة p50/p95، وإعادة تشغيل التتبع الكامل في مكان واحد.
- حوكمة التكاليف – حدود الإنفاق لكل فريق وتنبيهات تلقائية للوكلاء الخارجين عن السيطرة.
- اختيار المورد – استبدل Anthropic بـ Mistral بتغيير قائمة منسدلة واحدة، دون تعديلات على اللوحة.
- الأمان والامتثال – يتم حظر الانتهاكات عند الحافة، وتخزين سجلات التدقيق تلقائيًا.
هل تريد البدء؟ سجل حسابك هنا: ترو فاوندري لا يلزم وجود بطاقة ائتمان :), اتبع خطوات الإعداد في دليل البدء السريع، وستحصل على حزمة ذكاء اصطناعي جاهزة للإنتاج تعمل في حوالي 15 دقيقة. لا توجد عمليات ترحيل معقدة، ولا إعادة كتابة للتعليمات البرمجية - فقط أداء أفضل وأمان وتحكم لتطبيقات الذكاء الاصطناعي الخاصة بك.
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.
The fastest way to build, govern and scale your AI

















.png)
.webp)










.webp)






