| 👀 خبر در یک نگاه:
داکر قابلیت Docker Compose را برای توسعه ایجنت‌ها به‌روزرسانی کرد تا تعریف، ساخت و اجرای ایجنت‌ها ساده‌تر شود. همچنین سرویس جدید Docker Offload با انتقال پردازش مدل‌ها به GPU ابری، منابع محلی را آزاد می‌کند و کار توسعه را روان‌تر می‌کند. |
داکر قابلیت جدیدی معرفی کرده که به توسعه‌دهنده‌ها اجازه می‌دهد ایجنت‌ها را با استفاده از Docker Compose تعریف، ساخته و اجرا کنند؛ هدف این قابلیت ساده‌سازی فرایند توسعه ایجنت و کاهش کارهای تکراری است. همچنین قابلیت Docker Offload که فعلا در نسخه آزمایشی عرضه شده، امکان انتقال آسان فرایند ساخت و اجرای مدل‌ها به سرورهای راه‌دور دارای GPU را فراهم می‌کند.
قابلیت داکر برای تعریف ایجنت
افزودن پشتیبانی از تعریف ایجنت‌ها با استفاده از Docker Compose، گام دیگری در استراتژی داکر برای تبدیل شدن به ابزار کلیدی در توسعه ایجنت‌ها است؛ مشابه نقشی که پیش‌تر در توسعه مبتنی بر کانتینر ایفا کرده بود. به گفته مارک کاویج (Mark Cavage) و توشار جین (Tushar Jain) از داکر، این حرکت به معنای ساده‌سازی کارهای تکراری و خسته‌کننده‌ای است که معمولا در توسعه ایجنت‌ها وجود دارد، مانند آزمایش مدل‌های مختلف، اتصال امن به ابزارهای MCP و بسته‌بندی همه‌چیز به‌گونه‌ای که هم‌تیمی‌ها بتوانند به‌راحتی همان فرایند را اجرا کنند.
نحوه تعریف ایجنت با Docker Compose
قابلیت جدید به توسعه‌دهنده‌ها اجازه می‌دهد مدل‌های باز، ایجنت‌ها و ابزارهای MCP را در یک فایل compose.yaml تعریف کرده و سپس با استفاده از دستور docker compose up آن‌ها را بسازند و اجرا کنند. Docker Compose با بسیاری از فریم‌ورک‌های فعلی توسعه ایجنت یکپارچه می‌شود، از جمله LangGraph، Embabel، Vercel AI، Spring AI، CrewAI، Google ADK و Agno.
برای کمک به توسعه‌دهنده‌ها در شروع استفاده از Docker Compose برای توسعه ایجنت، داکر یک مخزن GitHub ایجاد کرده که شامل پروژه‌های نمونه برای تمام فریم‌ورک‌های پشتیبانی‌شده است. برای مثال، یکی از نمونه‌ها نشان می‌دهد چگونه می‌توان یک سامانه بررسی حقایق چندایجنتی و تعاملی با استفاده از Google ADK ساخت:
«ایجنت Critic با استفاده از جست‌وجوی زنده در اینترنت از طریق DuckDuckGo و به‌کمک Model Context Protocol (به‌طور خلاصه: MCP) شواهد را جمع‌آوری می‌کند، در حالی که ایجنت Reviser تنها با تکیه بر استدلال داخلی نتیجه را تحلیل و اصلاح می‌کند. این سیستم نشان می‌دهد که چگونه ایجنت‌هایی با نقش‌ها و ابزارهای متفاوت می‌توانند زیر نظر یک سیستم هماهنگ‌کننده با یکدیگر همکاری کنند.»
فایل compose.yaml مربوطه دو سرویس به نام‌های adk و mcp-gateway را تعریف می‌کند و بخشی به نام models دارد که مدل‌های مورد استفاده و آرگومان‌های آن‌ها را فهرست می‌کند. داکر در نسخه 4.40 از Docker Desktop امکان بسته‌بندی و اجرای مدل‌های محلی را با ابزار Model Runner معرفی کرده اما می‌توان از مدل‌های راه‌دور یا مبتنی بر کلاد (Cloud-based) نیز استفاده کرد، به‌شرطی که اطلاعات دسترسی مناسب را فراهم کرده باشید.
معماری ماژولار Docker Compose این امکان را فراهم می‌کند که به‌راحتی Overrideهایی برای پیکربندی‌های مختلف ایجنت ایجاد کنید. برای مثال، می‌توانید نسخه‌ای تعریف کنید که به‌جای مدل محلی از OpenAI استفاده کند یا نسخه‌ای که روی Google Cloud Run اجرا می‌شود. این قابلیت به شما اجازه می‌دهد چند فایل Compose را ترکیب کرده و به‌سادگی بین تنظیمات مختلف ایجنت جابه‌جا شوید:
|
1 |
docker compose –f compose.yaml –f compose.openai.yaml up —build |
نقش Docker Offload در ساخت ایجنت
ویژگی جدید دیگر برای توسعه ایجنت که در آخرین نسخه Docker Desktop پشتیبانی می‌شود، Docker Offload است. این سرویس کاملا مدیریت‌شده می‌تواند جایگزین مستقیم Docker Model Runner باشد وقتی منابع محلی کافی نباشند و به توسعه‌دهنده‌ها امکان می‌دهد مدل‌ها و کانتینرها را به‌صورت شفاف روی GPU ابری با همان فرایند اجرای محلی اجرا کنند.
Docker Offload شما را از محدودیت‌های زیرساختی خلاص می‌کند و بارهای پردازشی سنگین مثل مدل‌های زبان بزرگ و هماهنگی چندایجنتی را به محیط‌های ابری با عملکرد بالا منتقل می‌کند؛ بدون نیاز به راه‌اندازی پیچیده، بدون کمبود GPU و بدون دردسرهای پیکربندی.
این سرویس در حال حاضر در نسخه بتا است و داکر برای کمک به توسعه‌دهنده‌ها ۳۰۰ دقیقه استفاده رایگان ارائه می‌دهد.
منبع: infoq.com
دیدگاهتان را بنویسید