| 👀 خبر در یک نگاه:
Skills.sh ابزار متنباز ورسل است که به عاملهای هوش مصنوعی امکان میدهد مهارتها را از طریق خط فرمان اجرا کنند. توسعهدهندهها میتوانند مهارتها را تعریف، به اشتراک گذاشته و کشف کنند. این رویکرد اجرای قابل پیشبینی و ترکیبپذیر را فراهم میکند و پذیرش سریع داشته است. |
ورسل (Vercel) ابزار Skills.sh را منتشر کرد، یک پروژه متنباز که به عاملهای هوش مصنوعی امکان میدهد از طریق خط فرمان اقدامات قابل استفاده مجدد یا مهارتها را اجرا کنند. این پروژه یک اکوسیستم باز مهارتهای عاملی ارائه میدهد که توسعهدهندهها میتوانند عملیات مجزا را تعریف، به اشتراک گذاشته و اجرا کنند تا عاملها در جریانهای کاری خود از آنها استفاده کنند. هدف، جدا کردن استدلال عامل از اجرا است، به طوری که عاملها به مجموعهای کنترلشده از دستورات از پیش تعریفشده دسترسی داشته باشند و به جای اتکا به منطق پویا در Shell عمل کنند.
از نظر فنی، Skills.sh بهعنوان یک محیط اجرای سبک عمل میکند که به عاملها امکان میدهد مهارتها را که بهصورت دستورات مبتنی بر شل پیادهسازی شدهاند، فراخوانی کنند. هر مهارت یک قرارداد ساده دارد که ورودیها، خروجیها و رفتار اجرا را مشخص میکند. این ساختار به عاملها اجازه میدهد کارهایی مانند خواندن یا ویرایش فایلها، اجرای مراحل ساخت، تعامل با APIها یا پرسوجوی متاداده پروژه را به شکلی قابل پیشبینی و قابل بررسی انجام دهند. از آنجا که مهارتها صریح و نسخهبندیشده هستند، تیمها میتوانند بهتر بفهمند عامل چه اقداماتی میتواند انجام دهد و این اقدامات را در حین توسعه یا محیطهای تولید بازبینی کنند.
مهارتها طوری طراحی شدهاند که هم بهصورت محلی و هم در محیطهای خودکار مثل خط لوله CI کار کنند. توسعهدهندهها میتوانند Skills.sh را نصب کرده و مهارتها را مستقیما روی دستگاه خود اجرا کنند و همزمان همان مهارتها را در جریانهای کاری مبتنی بر عامل ادغام کنند. این یکپارچگی با هدف کاهش پیچیدگی هنگام انتقال از آزمایش به استفادههای ساختاریافتهتر است. مهارتها با استفاده از فایلهای پیکربندی ساده توصیف میشوند که امکان بازبینی، توسعه یا شخصیسازی آنها را بدون نیاز به چارچوبهای اضافی یا وابستگیهای سنگین فراهم میکند.
ورسل این اکوسیستم را بهعنوان باز و مبتنی بر جامعه توسعهدهندهها معرفی کرده است. توسعهدهندهها میتوانند مهارتهای خود را منتشر کنند و از مهارتهای ساختهشده توسط دیگران استفاده مجدد داشته باشند، که منجر به ایجاد یک کتابخانه مشترک از اقدامات رایج عاملها میشود. دادههای اولیه استفاده که توسط شرکت به اشتراک گذاشته شده، سرعت بالای پذیرش را نشان میدهد و گزارش شده پروژه چند ده هزار نصب را کمی پس از عرضه تجربه کرده است.
نظرات جامعه بیشتر روی عملی بودن رویکرد تمرکز داشته تا نوآوری آن. توسعهدهندهها در X اشاره کردهاند که بسیاری از شکستهای عاملها ناشی از اجرای غیرقابل اعتماد است نه ضعف استدلال و یک لایه مهارتها میتواند به پر کردن این شکاف کمک کند.
توسعهدهنده نرمافزار توماس رهمر (Thomas Rehmer) نوشت:
«این محصول معقول است. مهارتهای قابل کشف (discoverable skills) مشکل «چه کار میتوانی انجام دهی؟» را که اکثر تنظیمات عامل دارند، حل میکنند.»
در همین حال، مهندس هوش مصنوعی آکاش هریش (Aakash Harish) منتشر کرد:
«این مثل npm برای عاملهای هوش مصنوعی است. نکته کلیدی: مهارتها قابلیت ترکیبپذیری را بر پیچیدگی پروتکل اولویت میدهند. MCP مشکل «عاملها چگونه با ابزارها ارتباط برقرار کنند» را حل کرد اما Skills مشکل «توسعهدهندهها چگونه قابلیتهای عامل را به اشتراک گذاشته و کشف کنند» را حل میکند. برنده نه یکی است نه دیگری؛ ترکیب Skills برای کشف و MCP برای استفادههای سازمانی قطعی که نیاز به رفتار تضمینشده دارند.»
چندین توسعهدهنده Skills.sh را با سایر ابزارها و استانداردهای در حال ظهور برای اجرای عاملها مقایسه کردهاند. ایدههای مشابه در رویکردهای مبتنی بر پروتکل دیده میشود، مانند پروتکل زمینه مدل (Model Context Protocol – MCP) از Anthropic که بر دسترسی ساختاریافته به ابزارها و دادهها از طریق API تمرکز دارد، و فراخوانی تابع از OpenAI که اقدامات از پیش تعریفشده را از طریق JSON schema ارائه میکند. پروژههای دیگر، از جمله ابزارهای LangChain و وظایف CrewAI، نیز هدفشان دادن دسترسی کنترلشده به اجرای اقدامات به عاملها است، اگرچه اغلب به جای دستورات مبتنی بر شل، روی انتزاعات سطح بالای پایتون متکی هستند.
منبع: infoq.com
دیدگاهتان را بنویسید