تحويل فوضى الذكاء الاصطناعي إلى سيطرة: حوار حول Agentic AI مع Tesseract Talks
.webp)
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
مع انتقال الشركات من مرحلة التجريب باستخدام النماذج اللغوية الكبيرة (LLMs) إلى نشر أنظمة Agentic AI في بيئة الإنتاج، تبرز مجموعة جديدة من التحديات. تعمل الفرق بسرعة أكبر من أي وقت مضى، ولكن غالبًا في اتجاهات مختلفة. تتزايد النماذج والأدوات والأطر التكنولوجية والـ Agents، ومع هذا النمو يأتي التشتت والتجزؤ.
في حلقة حديثة من برنامج Tesseract Talks، استضاف John K. Thompson الرئيس التنفيذي والمؤسس المشارك لشركة TrueFoundry، Nikunj Bajaj، لاستكشاف ما يتطلبه التوسع الفعلي في استخدام Agentic AI داخل المؤسسات الكبيرة.
إليك أهم الرؤى والمخرجات من هذا الحوار.
من تطبيقات LLM البسيطة إلى أنظمة Agentic المعقدة
شهدت أنظمة AI تطورًا جذريًا، خاصة خلال العام الماضي.
ما كان في السابق مجرد استدعاء فردي لـ LLM مع أداة واحدة، تحول الآن إلى شبكة من المكونات التي تعمل معًا. عادةً ما تجمع الـ Agents الجاهزة لبيئة الإنتاج بين:
- نماذج LLMs متعددة (غالبًا عبر مزودين وسحب حوسبية مختلفين)
- Model Context Protocols (MCPs) والأدوات
- Guardrails للأمان والخصوصية والامتثال (Compliance)
- الـ Prompts ومنطق التنسيق (Orchestration logic)
- Agents أخرى، مجمعة بشكل هرمي
كما أوضح Nikunj، فإن هذا التعقيد ليس عشوائيًا، بل هو نتيجة طبيعية لتزايد قدرات الـ Agents. ولكنه يعني أيضًا أن الفرق المختلفة داخل المؤسسة الواحدة تبني الـ Agents بطرق مختلفة تمامًا، باستخدام أطر عمل وبيئات تكنولوجية متنوعة.
تساعد هذه المرونة الفرق على التحرك بسرعة. ولكن عند التوسع، فإنها تتسبب أيضًا في إحداث الفوضى.
التحدي الحقيقي للمؤسسات: السرعة والسيطرة
تواجه المؤسسات حاجة ملحة للموازنة بين قوتين متناfstين: منح الفرق الاستقلالية للتجريب وتوفير القيمة بسرعة، وفي الوقت نفسه، الحفاظ على الاتساق على مستوى المؤسسة فيما يتعلق بالأمان والحوكمة والتكلفة. وقد صاغ Nikunj ذلك بـ "التنفيذ الفدرالي مع الحوكمة المركزية".
في المراحل الأولى، عندما تكون الفرق صغيرة، تعمل الاستقلالية بشكل ممتاز. ولكن مع نمو المؤسسات، تبرز أهمية السياسات والميزانيات والإشراف. يعمل الموظفون البشر بمرونة ولكن ضمن نظام مهيكل، وAgentic AI يحتاج إلى الأمر نفسه تمامًا.
Agentic AI يحتاج إلى الأمر نفسه تمامًا.
وهنا يأتي دور مفهوم AI Gateway. وفقًا لـ Nikunj، تطورت الـ Gateway إلى ما هو أبعد بكثير من مجرد Proxy بسيط لتوجيه الطلبات بين النماذج. حيث أصبحت اليوم:
- نقطة دخول موحدة لـ LLMs وMCPs والـ Agents والـ Prompts والـ Guardrails
- طبقة توحيد قياسي (Normalization layer) عبر مزودي السحابة ومزودي النماذج
- مكانًا لتطبيق التحكم في الوصول (Access control)، وحدود الميزانية، وسياسات الامتثال
- أساسًا لعمليات Observability وتصحيح الأخطاء (Debugging)
باختصار، أصبحت المقر الرئيسي لـ Agentic AI، أو الـ Control Plane الذي كان مفقودًا في المؤسسات.
رؤيتنا لدور TrueFoundry
في TrueFoundry، لا ننظر إلى agentic AI على أنه مجرد سلسلة من المشاريع المنفصلة، بل نراه تحولًا طويل الأجل. وكما أوضح Nikunj، ينصب تركيزنا على مساعدة المؤسسات في:
- الحفاظ على جاهزية بيئتها التكنولوجية لـ AI للمستقبل مع تطور النظام البيئي (Ecosystem)
- دمج قدرات Agentic الجديدة في البنية التحتية الحالية
- تجنب الخيار الخاطئ بين بناء كل شيء بنفسها أو شراء أدوات صلبة غير مرنة
من خلال توفير منصة مرنة تعتمد على APIs، يمكن للفرق البناء فوق أساس قوي والتحرك بسرعة أكبر دون فقدان السيطرة.
وكما قال Nikunj: "تحتاج الـ Agents إلى المرونة للعمل، وتتسق المؤسسات إلى مقر رئيسي للسيطرة عليها."
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.















.webp)




.webp)
.webp)
.png)

.png)
.png)
.png)
.png)
.png)
.webp)
.webp)






