لماذا تدعو CNCF إلى تشغيل وكلاء الذكاء الاصطناعي على Kubernetes بدلاً من بنية تحتية جديدة؟

أبرز النقاط

• أنظمة الذكاء الاصطناعي الوكيلية هي في جوهرها أنظمة موزعة مع قدرات استدلالية إضافية، وليست نموذجاً معمارياً جديداً كلياً
• البنية التحتية السحابية الأصلية (Kubernetes، OpenTelemetry، Dapr، SPIFFE) توفر بالفعل معظم القدرات التي تحتاجها الوكلاء الذكية
• العامل المحدد لنجاح الذكاء الاصطناعي الوكيلي ليس ذكاء النموذج بل الموثوقية التشغيلية وهندسة الأنظمة المنضبطة

نشرت مؤسسة الحوسبة السحابية الأصلية (CNCF) تحليلاً تقنياً جديداً يطرح رؤية واضحة: مستقبل الذكاء الاصطناعي الوكيلي (Agentic AI) لن يُبنى على بنية تحتية مبتكرة من الصفر، بل على المنظومة السحابية الأصلية الناضجة التي تُشغّل بالفعل التطبيقات الموزعة الحديثة. هذا الطرح يتحدى مباشرةً الافتراض السائد بأن الوكلاء الذكية تتطلب إعادة اختراع العجلة معمارياً.

لماذا تعتبر CNCF أن وكلاء الذكاء الاصطناعي أنظمة موزعة بامتياز؟

الحجة المركزية في تحليل CNCF بسيطة لكنها عميقة: أنظمة الذكاء الاصطناعي الوكيلية ليست نموذجاً معمارياً جديداً كلياً، بل هي أنظمة موزعة تقليدية مُعززة بقدرات استدلالية. عندما تنتقل المؤسسات من المساعدين الذكيين التجريبيين إلى وكلاء مستقلين قادرين على استدعاء الأدوات والتعاون مع وكلاء آخرين واتخاذ قرارات تشغيلية، تصبح التحديات التشغيلية مألوفة جداً.

• تأمين الهويات الرقمية للأحمال العاملة
• تنسيق سير العمل طويل الأمد
• إدارة الحالة (State Management)
• ضمان المراقبة والرصد (Observability)
• التعافي من الأعطال

هذه بالضبط المشكلات التي قضت المنظومة السحابية الأصلية عقداً كاملاً في حلها. تقنيات مثل Kubernetes وOpenTelemetry وDapr وSPIFFE وFalco وKafka وGitOps توفر مجتمعةً القدرات التي تحتاجها الأنظمة الذكية المستقلة: التنسيق، والمراقبة، وهوية أحمال العمل، والأمان، والمرونة، والحوكمة.

كيف يبدو التطبيق العملي؟ منصة أمنية متعددة الوكلاء

يستند تحليل CNCF إلى تجربة بناء منصة أمن سيبراني متعددة الوكلاء قائمة على Kubernetes، مصممة لاكتشاف التهديدات والاستجابة لها في وقت التشغيل. المنصة تجمع عدة تقنيات سحابية أصلية في بنية متكاملة حيث يؤدي كل مكوّن دوراً متخصصاً.

النقطة الجوهرية هنا أن وكلاء الذكاء الاصطناعي لا تستبدل أدوات الأمان التقليدية، بل تُبنى فوق أساس سحابي أصلي قائم. هذا النموذج يُظهر كيف يمكن توسيع المنصات التشغيلية الراسخة بقدرات اتخاذ القرار الذكي بدلاً من إعادة كتابتها من الصفر.

ما الذي يجعل Kubernetes مناسباً لأحمال الوكلاء الذكية؟

مع تزايد تعقيد أنظمة الوكلاء المتعددة، تصبح اعتبارات البنية التحتية أكثر أهمية. الوكلاء قد تعمل لساعات أو أيام، وتتنسق مع خدمات خارجية عديدة، وتستدعي أدوات متعددة، وتتعاون مع وكلاء آخرين عبر بيئات موزعة. Kubernetes يوفر المرونة والتنسيق اللازمين لدعم أنماط التنفيذ المعقدة هذه مع الحفاظ على الاتساق التشغيلي عبر النشر الهجين ومتعدد السحابات.

لماذا تحتاج أنظمة الذكاء الاصطناعي الإنتاجية إلى مراقبة مختلفة؟

يُبرز التحليل أن المراقبة والرصد (Observability) من المتطلبات الحاسمة لأنظمة الذكاء الاصطناعي الإنتاجية. على عكس التطبيقات التقليدية، الوكلاء الذكية تتخذ قرارات احتمالية، وتستدعي أدوات خارجية، وتتكيف ديناميكياً مع السياق المتغير — مما يجعلها أصعب بكثير في المراقبة واستكشاف الأخطاء.

تقنيات المراقبة السحابية الأصلية مثل OpenTelemetry تصبح ضرورية لتتبع ليس فقط تفاعلات الخدمات، بل أيضاً مسارات الاستدلال واستدعاءات الأدوات وسياقات التنفيذ والتعاون بين الوكلاء المتعددة. المراقبة يجب أن تتطور من مجرد قياس زمن الاستجابة والإنتاجية إلى تفسير لماذا وصل الوكيل إلى قرار معين وكيف انتشر هذا القرار عبر النظام الأوسع.

الأمان وهوية أحمال العمل: التحدي الأكبر

مع اكتساب وكلاء الذكاء الاصطناعي صلاحيات متزايدة للوصول إلى أنظمة حساسة وواجهات برمجية وعمليات تجارية، تصبح هوية أحمال العمل القوية ضرورة لا رفاهية. يشير التحليل إلى مشاريع مثل SPIFFE وSPIRE كأمثلة على كيفية توفير أُطر الهوية السحابية الأصلية لهويات قابلة للتحقق تشفيرياً للأحمال المستقلة.

هذا التوجه يتسق مع جهود صناعية أوسع لإنشاء تنفيذ موثوق لأنظمة الذكاء الاصطناعي. مبادرات حديثة تشمل قدرات التنفيذ القابل للتحقق في Dapr 1.18 ومبادرة Akrites الأمنية من Linux Foundation، تعكس إدراكاً متزايداً بأن أنظمة الذكاء الاصطناعي المستقبلية يجب أن تكون قادرة على إثبات ليس فقط القرارات التي اتخذتها، بل أيضاً من اتخذها، وتحت أي صلاحية، وما إذا كان سجل التنفيذ سليماً.

الرسالة الأعمق: الهندسة المنضبطة تتفوق على ذكاء النموذج

يعكس التحليل توجهاً متزايد الوضوح عبر المنظومة السحابية الأصلية: التقنيات المُنشأة أصلاً للخدمات المصغرة (Microservices) تُكيَّف بسرعة لأحمال الذكاء الاصطناعي. الرسالة الأشمل أن نجاح الذكاء الاصطناعي الوكيلي يعتمد أقل على النماذج الأكثر قدرة وأكثر على هندسة الأنظمة المنضبطة.

مع انتقال المؤسسات من روبوتات المحادثة إلى سير عمل مستقلة، ينتقل العامل المحدد من ذكاء النموذج إلى الموثوقية التشغيلية. هذا تحول جوهري في كيفية التفكير ببناء أنظمة الذكاء الاصطناعي الإنتاجية.

الأسئلة الشائعة

ما الفرق بين الذكاء الاصطناعي الوكيلي والذكاء الاصطناعي التقليدي؟

الذكاء الاصطناعي الوكيلي (Agentic AI) يشير إلى أنظمة قادرة على العمل باستقلالية: استدعاء أدوات، التعاون مع وكلاء آخرين، اتخاذ قرارات تشغيلية، والعمل لفترات طويلة دون تدخل بشري مستمر، على عكس نماذج المحادثة التقليدية التي ترد على استفسارات منفردة.

هل يمكن تشغيل وكلاء الذكاء الاصطناعي على Kubernetes بدون خبرة متقدمة؟

يتطلب الأمر خبرة أساسية في Kubernetes والحاويات، لكن النقطة الجوهرية أن الفرق التي تمتلك خبرة سحابية أصلية يمكنها الانتقال لبناء أنظمة وكلاء دون تعلم منصات جديدة كلياً. أدوات مثل Dapr تُبسّط كثيراً من التعقيدات.

ما هي SPIFFE ولماذا تهم أنظمة الذكاء الاصطناعي؟

SPIFFE هو معيار مفتوح لهوية أحمال العمل يوفر هويات تشفيرية قابلة للتحقق. أهميته لأنظمة الذكاء الاصطناعي أنه يُمكّن من إثبات من اتخذ قراراً معيناً وتحت أي صلاحية — وهو متطلب حوكمة حاسم للوكلاء المستقلين.

كيف تختلف مراقبة أنظمة الذكاء الاصطناعي عن التطبيقات التقليدية؟

التطبيقات التقليدية تُراقَب عبر مقاييس زمن الاستجابة والإنتاجية. أنظمة الذكاء الاصطناعي تحتاج مراقبة مسارات الاستدلال وتفسير سبب وصول الوكيل لقرار معين وتتبع سلسلة استدعاءات الأدوات والتعاون بين الوكلاء.