عملاء LangChain العميقون (Deep Agents): بيئة تشغيل مهيكلة للتخطيط والذاكرة وعزل السياق

أصدرت LangChain أداة Deep Agents في 15 مارس 2026 — وهي بيئة تشغيل هيكلية تمنح وكلاء الذكاء الاصطناعي ميزات مدمجة للتخطيط، وإدارة السياق القائمة على نظام الملفات، وتفويض الوكلاء الفرعيين (subagent delegation). وهي تسد فجوة تجاهلتها معظم أطر عمل الوكلاء: ماذا يحدث عندما تتطلب المهمة أكثر من مجرد بضع استدعاءات للأدوات لإنجازها.

ما هي Deep Agents فعلياً

تُعد Deep Agents بمثابة "هيكل تحكم للوكلاء" (agent harness) مبني فوق LangGraph، وهي بيئة تشغيل LangChain للتنفيذ المستدام. وهي تحزم مجموعة من الإعدادات الافتراضية والأدوات المدمجة حول حلقة استدعاء الأدوات القياسية. يحصل المطورون على التخطيط، وتفريغ السياق (context offloading)، وتفويض المهام الفرعية دون الحاجة إلى بناء تلك الأنظمة من الصفر.

تأتي المكتبة مع عدة مكونات أساسية: أداة تخطيط write_todos، وأدوات نظام الملفات (read_file و write_file و edit_file و ls و glob و grep)، وصول إلى "shell" معزول عبر execute، وأداة task لإنشاء وكلاء فرعيين، وتلخيص تلقائي لإدارة السياق.

استدعاء create_deep_agent(...) يعيد كائن CompiledStateGraph — وهو كائن LangGraph قياسي. وهذا يعني أن Deep Agents ليست طبقة تجريد منفصلة؛ فهي تعمل على نفس بيئة التشغيل، وتدعم البث (streaming)، و LangGraph Studio، ونقاط التحقق (checkpointers) بشكل مباشر.

لماذا يعد التخطيط مهماً للوكلاء متعدد الخطوات

تعمل معظم وكلاء LLM بشكل جيد في تسلسلات استدعاء الأدوات القصيرة: البحث في الويب، تحليل النتيجة، ثم تقديم إجابة. لكنها تبدأ في التدهور عندما تتطلب المهمة عشرة أو عشرين أو خمسين خطوة مع قرارات وسيطة.

بدون طبقة تخطيط، يرتجل النموذج كل خطوة بناءً على ما هو موجود حالياً في نافذة المطالبة (prompt window). تعالج Deep Agents ذلك من خلال write_todos، وهي أداة مدمجة تتيح للوكيل تقسيم المهمة المعقدة إلى خطوات منفصلة، وتتبع التقدم، وتحديث الخطة مع ظهور معلومات جديدة.

هذا مفيد لسير العمل الملموس: مهام البحث التي تتطلب عمليات بحث متعددة ومقارنة مرجعية، وجلسات البرمجة التي تمتد عبر ملفات متعددة، أو وظائف التحليل حيث تعتمد كل خطوة على النتيجة السابقة. يكتب الوكيل خطته، وينفذها، ويضع علامة مكتمل على العناصر أثناء سيره.

إدارة السياق القائمة على نظام الملفات

يُعد تجاوز سعة نافذة السياق (Context window overflow) هو وضع الفشل الرئيسي للوكلاء الذين يعملون لفترات طويلة. تستوعب نافذة سياق Claude Opus 4 واحدة ما يقرب من 200,000 رمز (token). يبدو هذا كثيراً إلى أن يجمع الوكيل نتائج البحث، ومخرجات الكود، والملاحظات الوسيطة، وسجل المحادثة عبر عشرات الخطوات.

تستخدم Deep Agents أدوات نظام الملفات لحل هذه المشكلة. بدلاً من الاحتفاظ بكل شيء في المطالبة النشطة، يقوم الوكيل بكتابة المخرجات الكبيرة — الكود المولد، ملاحظات البحث، التقارير الوسيطة — في ملفات ويسترجعها عند الحاجة. يقلل هذا النهج الضغط على نافذة المطالبة ويبقي سياق العمل ذا صلة.

يدعم النظام أنواعاً متعددة من الخلفيات (backends): StateBackend (مؤقت، مخزن في حالة LangGraph)، و FilesystemBackend، و LocalShellBackend، و StoreBackend، و CompositeBackend. الافتراضي هو StateBackend الذي يخزن نظام ملفات مؤقت لخيط معالجة (thread) واحد.

ضغط السياق الذاتي

في 11 مارس، أصدرت LangChain ميزة مصاحبة: ضغط السياق الذاتي (autonomous context compression). بدلاً من الضغط عند عتبة رموز ثابتة (النهج القياسي، عادةً عند 85% من السياق المتاح)، توفر Deep Agents الآن أداة تتيح للوكيل تفعيل الضغط بنفسه.

السبب وراء ذلك بسيط؛ فهناك أوقات جيدة وأوقات سيئة لضغط السياق:

• سيئة: في منتصف عملية إعادة هيكلة الكود (refactor)، عندما يحتاج الوكيل إلى التفاصيل الأخيرة لإجراء تعديلات صحيحة.
• جيدة: بعد الانتهاء من تسليم مهمة، قبل البدء في مهمة جديدة، أو بعد استخراج استنتاج من جولة بحث كبيرة.

من خلال منح النموذج التحكم في وقت الضغط، يتجنب النظام المواقف التي تؤدي فيها العتبة الثابتة إلى تفعيل الضغط في أسوأ لحظة ممكنة. يحتفظ الضغط بالرسائل الحديثة (10% من السياق المتاح) ويلخص كل شيء قبل تلك النقطة.

يتبع هذا ما تطلق عليه LangChain "الدرس المر" (the bitter lesson) — السماح للنموذج بالتعامل مع المزيد من قراراته التشغيلية بدلاً من البرمجة الصلبة لسلوك هيكل التحكم.

الوكلاء الفرعيون وعزل السياق

تتضمن Deep Agents أداة task مدمجة لإنشاء وكلاء فرعيين بسياق معزول. يمكن للوكيل الرئيسي تفويض مهام فرعية محددة — مثل البحث في واجهة برمجة تطبيقات واحدة، أو كتابة ملف اختبار، أو تلخيص مستند — إلى وكيل فرعي يبدأ بنافذة سياق نظيفة.

يعالج هذا وضع فشل شائع؛ فعندما يتراكم في خيط وكيل واحد أهداف متعددة، ومخرجات أدوات، وقرارات مؤقتة، تنخفض جودة المخرجات ويفقد النموذج تتبع ما كان يفعله. يحافظ عزل الوكلاء الفرعيين على نظافة الخيط الرئيسي مع السماح بعمل أعمق في مهام فرعية محددة.

هذا النمط مشابه لكيفية تعامل OpenClaw و Codex CLI وهياكل الوكلاء الأخرى مع التفويض، لكن Deep Agents تدمجه في بيئة التشغيل القياسية بدلاً من تركه لمطوري التطبيقات.

الذاكرة طويلة المدى عبر المحادثات

تدعم Deep Agents الذاكرة المستمرة من خلال Memory Store الخاص بـ LangGraph. يتيح ذلك للوكيل حفظ واسترجاع المعلومات من المحادثات السابقة — تفضيلات المستخدم، السياق الخاص بالمشروع، أو القرارات المتخذة في جلسات سابقة.

هذه طبقة فوق إدارة السياق القائمة على نظام الملفات. يتعامل نظام الملفات مع الحالة داخل الجلسة، بينما يتعامل Memory Store مع الاستمرارية عبر الجلسات. معاً، يمنحان الوكيل ذاكرة عمل واستدعاءً طويل المدى.

كيف تبدأ

الإعداد بالحد الأدنى. قم بتثبيت deepagents بالإضافة إلى أي مزودي أدوات تحتاجهم:

pip install -qU deepagents tavily-python

from deepagents import create_deep_agent

def search_web(query: str) -> str:
    """Search the web for information."""
    from tavily import TavilyClient
    client = TavilyClient()
    return client.search(query)["results"]

agent = create_deep_agent(
    model="anthropic:claude-opus-4",
    tools=[search_web],
    system_prompt="You are a research assistant."
)

result = agent.invoke({"messages": [{"role": "user", "content": "Research the latest AI agent frameworks"}]})

بالنسبة لضغط السياق الذاتي، أضف برمجية التلخيص الوسيطة (summarization middleware):

from deepagents.middleware.summarization import create_summarization_tool_middleware
from deepagents.backends import StateBackend

agent = create_deep_agent(
    model="anthropic:claude-opus-4",
    middleware=[
        create_summarization_tool_middleware("anthropic:claude-opus-4", StateBackend),
    ],
)

مقارنة Deep Agents مع أطر عمل الوكلاء الأخرى

الميزة	Deep Agents	OpenClaw	AutoGen	CrewAI
تخطيط مدمج	نعم (write_todos)	عبر المهارات	يدوي	تفكيك المهام
سياق نظام الملفات	نعم (خلفيات متعددة)	نعم (workspace)	لا	لا
عزل الوكلاء الفرعيين	نعم (أداة task)	نعم (sessions_spawn)	نعم (وكلاء)	نعم (crews)
ضغط السياق	ذاتي	ضغط تلقائي	يدوي	لا
ذاكرة طويلة المدى	LangGraph Memory Store	SOUL.md + ملفات	يدوي	محدود
بيئة التشغيل	LangGraph	Node.js daemon	Python	Python
النشر	LangGraph Cloud	استضافة ذاتية	استضافة ذاتية	استضافة ذاتية

من يجب أن يستخدم Deep Agents

تم بناء Deep Agents للمطورين الذين يستخدمون LangChain بالفعل أو يفكرون في استخدامها، ويحتاجون إلى وكلاء يتعاملون مع مهام تستغرق أكثر من بضع استدعاءات للأدوات. تشمل حالات الاستخدام المحددة:

• أتمتة الأبحاث: المهام التي تتطلب عمليات بحث متعددة، ومقارنة المصادر مرجعياً، وإنتاج مخرجات هيكلية.
• توليد الكود: المشاريع متعددة الملفات حيث يحتاج الوكيل إلى تتبع التبعيات عبر الملفات.
• تحليل البيانات: الاستكشاف المتكرر حيث تعتمد كل خطوة على النتائج من الخطوة السابقة.
• معالجة المستندات: المستندات الطويلة التي تتجاوز حدود نافذة السياق وتحتاج إلى معالجتها في أجزاء.

إذا كانت مهام وكيلك تكتمل في أقل من خمس استدعاءات للأدوات، فمن المحتمل أن تكون وكلاء LangChain الأبسط أو استدعاءات واجهة برمجة التطبيقات المباشرة كافية. تضيف Deep Agents قيمة عندما تكون المهمة معقدة بما يكفي بحيث يشكل التخطيط وتفريغ السياق والتفويض فرقاً ملموساً.

الخلاصة

يعتبر Deep Agents بيئة تشغيل مهيكلة من LangChain لعملاء الذكاء الاصطناعي متعددي الخطوات، تم إصداره في 15 مارس 2026. ويتضمن تخطيطاً مدمجاً (write_todos)، وإدارة سياق تعتمد على نظام الملفات، وتفويض العملاء الفرعيين. يتيح ضغط السياق الذاتي للعميل تحديد موعد ضغط نافذة السياق الخاصة به. يعمل النظام على LangGraph ويعيد CompiledStateGraph قياسياً، لذا فإن أدوات LangGraph الحالية تعمل بشكل طبيعي. يتم دعم الذاكرة المستمرة عبر المحادثات من خلال متجر الذاكرة (Memory Store) الخاص بـ LangGraph. يعد Deep Agents الأنسب للمهام التي تتطلب أكثر من خمسة استدعاءات للأدوات وتستفيد من التخطيط وعزل السياق.

أهم النقاط

• أطلقت LangChain أداة Deep Agents في 15 مارس 2