هندسة الأنظمة 3 ساعات8 مهام تسليم

من إجابة إلى إجراءوكلاء الذكاء الاصطناعي وأدوات MCP

صمّم وكيل بحث بثلاث أدوات محددة وحدود تنفيذ واضحة، ثم تتبّع قراراته وقيّم نجاحه وإخفاقه.

AgentsMCPToolsTracing
08
ماذا ستبني؟

Research Operations Agent

وكيل يستخدم الأدوات بأدلة وحدود قابلة للاختبار.

ماذا ستتعلم في هذه الجلسة؟

التمييز بين LLM Call وFixed Workflow وAI Agent.
شرح فكرة Agent Loop واستخدام الأدوات والحالة (State) وحدود التنفيذ.
تعريف أدوات ذات مدخلات ومخرجات واضحة والتحقق من المعاملات.
فهم أدوار MCP Host وClient وServer والفرق بين Tools وResources.
إنشاء MCP Server بسيط وربطه بتطبيق وكيل.
اختيار إطار واحد لتنظيم سير عمل الوكيل دون تعقيد غير ضروري.
التعرف إلى أنماط Multi-Agent مثل Orchestrator–Workers وHandoffs ومتى لا نحتاجها.
تطبيق ضوابط Human-in-the-Loop على الإجراءات التي تتطلب موافقة.
قراءة Trace لتحديد أين فشل الاسترجاع أو استخدام الأداة أو تكوين التقرير.
تقييم تنفيذ الوكيل من حيث جودة النتيجة وسلوك الأدوات والتكلفة والزمن.

تعمّق قبل الجلسة وبعدها

4 فيديو مختار
3 كورس

كيف تتقدم في التطبيق؟

  1. 01

    MCP Server

  2. 02

    حلقة الوكيل

  3. 03

    مراجعة وحدود الصلاحيات

  4. 04

    Tracing وتقييم الفشل

أسئلة الجلسة وإجاباتها

ما الفرق بين Workflow وAgent؟+

الـWorkflow ينفذ مسارات يحددها المطور مسبقًا، بينما قد يختار Agent خطواته وأدواته ديناميكيًا بناءً على الهدف والحالة، ضمن حدود تنفيذ واضحة.

ما الأدوات الثلاث في مشروع Research Operations Agent؟+

search_docs للبحث وget_document لقراءة الوثائق، وwrite_report لحفظ تقرير داخل مجلد مقيد بعد المراجعة والموافقة المناسبة.

هل يتطلب المشروع عدة وكلاء؟+

لا. يستخدم المختبر إطارًا واحدًا وثلاث أدوات؛ تصبح بنية Multi-Agent مناسبة عندما توجد مهام منفصلة تحتاج إلى تنسيق فعلي.

فيديوهات مختارة

شاهدها قبل الجلسة أو بعدها لتثبيت المفاهيم.

Mohammed Hamdy

AI Agents using LangGraph (playlist)

سلسلة عربية عن أنماط تصميم الوكلاء وبنائها عملياً باستخدام LangGraph.

متوسط

كورسات للتعمّق

مسارات أطول لمن يريد بناء الأساس بعد الجلسة.

Hugging Face

Model Context Protocol (MCP) Course

دورة مجانية لبناء خوادم وعملاء MCP ودمجها مع النماذج والأدوات.

مجانيEnglish
Hugging Face

AI Agents Course

دورة مجانية تشرح الوكلاء واستدعاء الأدوات وأطر العمل مثل LangGraph.

مجانيEnglish
LangChain Academy

Introduction to LangGraph

الدورة الرسمية لبناء وكلاء بحالة وذاكرة وتدخل بشري باستخدام LangGraph.

مجانيEnglish

روابط خارجية تفتح على YouTube ومنصات التعلّم وتخضع لسياساتها. تحقّقنا من عملها في نوفمبر 2026؛ اختر ما يناسب مستواك ولا يلزمك مشاهدتها كلها.

المنهج الكامل · دون اختصارتنزيل المصدر
فهرس محتوى الجلسة

نظرة عامة#

تنتقل هذه الجلسة بالطالب من بناء تطبيق يرسل سؤالًا إلى LLM وينتظر إجابة إلى تصميم Agent يستطيع اختيار أدوات، وتنفيذ خطوات متعددة، وفحص النتائج، ثم اتخاذ قرار بالاستمرار أو التوقف وفق ضوابط واضحة.

الهدف ليس بناء «وكيل مستقل يفعل كل شيء»، بل فهم كيف نصمم حدود الاستقلالية والتحكم والملاحظة والتقييم ضمن تطبيق عملي.

مخرجات التعلّم#

بنهاية الجلسة، يُتوقع أن يستطيع الطالب:

  • التمييز بين LLM Call وFixed Workflow وAI Agent.
  • شرح فكرة Agent Loop واستخدام الأدوات والحالة (State) وحدود التنفيذ.
  • تعريف أدوات ذات مدخلات ومخرجات واضحة والتحقق من المعاملات.
  • فهم أدوار MCP Host وClient وServer والفرق بين Tools وResources.
  • إنشاء MCP Server بسيط وربطه بتطبيق وكيل.
  • اختيار إطار واحد لتنظيم سير عمل الوكيل دون تعقيد غير ضروري.
  • التعرف إلى أنماط Multi-Agent مثل Orchestrator–Workers وHandoffs ومتى لا نحتاجها.
  • تطبيق ضوابط Human-in-the-Loop على الإجراءات التي تتطلب موافقة.
  • قراءة Trace لتحديد أين فشل الاسترجاع أو استخدام الأداة أو تكوين التقرير.
  • تقييم تنفيذ الوكيل من حيث جودة النتيجة وسلوك الأدوات والتكلفة والزمن.

المحاور النظرية#

1. What Makes an Agent? — ما الذي يجعل النظام Agent؟#

يمكن استخدام الصياغة التعليمية المبسطة التالية:

Agent≈LLM+Tools+Control Loop+State\text{Agent} \approx \text{LLM}+\text{Tools}+\text{Control Loop}+\text{State}
المفهومالتوضيح
LLM Callمدخلات محددة تنتج استجابة واحدة، غالبًا دون تنفيذ أدوات.
Workflowخطوات ومسارات تنفيذ يحددها المطور مسبقًا.
Agentمسار ديناميكي قد يختار فيه النموذج الأدوات والخطوات بناءً على الحالة والهدف.
Stateبيانات الجلسة الحالية والنتائج الوسيطة اللازمة لاستمرار المهمة.
Control Loopدورة اختيار الفعل وتنفيذه وملاحظة النتيجة ثم تقرير الخطوة التالية أو التوقف.

2. Tool Calling, ReAct & Planning#

  • تعريف أداة باسم ووصف وInput Schema واضح.
  • الفرق بين طلب النموذج تشغيل الأداة وبين التنفيذ الفعلي الذي يتحكم به التطبيق.
  • ReAct: نمط يجمع بين اختيار إجراء وملاحظة نتيجته وإكمال المهمة.
  • Planning: تقسيم الهدف إلى خطوات يمكن متابعتها وتعديلها.
  • وضع شروط توقف: Maximum Steps، Timeout، Token Budget.
  • التعامل مع نتائج الأدوات الفارغة أو الخاطئة دون إنشاء معلومات غير موثوقة.

3. MCP — Model Context Protocol#

MCP معيار مفتوح لتنظيم اتصال تطبيقات الذكاء الاصطناعي بالأدوات ومصادر البيانات الخارجية.

الأدوار الأساسية:

المكوّنالوظيفة
Hostالتطبيق الذي يحتوي تجربة المستخدم ويتولى إدارة الاتصال والسياق.
Clientمكوّن اتصال يتبادل الرسائل مع MCP Server.
Serverيقدم إمكانات واضحة لتطبيق AI، مثل الأدوات أو الموارد.
Toolsإجراءات أو وظائف قابلة للاستدعاء مع معاملات محددة.
Resourcesبيانات وسياق يمكن للتطبيق قراءتهما من المصدر.

الجزء التطبيقي: إنشاء MCP Server محلي صغير يعرض ثلاث أدوات، ثم استدعاؤها عبر عميل مناسب.

4. Agent Frameworks#

يختار المدرب إطارًا واحدًا للتطبيق المتعمق (مثل LangGraph أو Agents SDK)، مع مقارنة مفاهيمية سريعة بالخيارات الأخرى.

محاور المقارنة:

  • إدارة State ومسار التنفيذ.
  • تعريف الأدوات وإرجاع نتائجها.
  • حدود عدد الخطوات وإعادة المحاولة.
  • دعم مراجعة الإنسان والتتبع.
  • سهولة الاختبار والتشغيل محليًا.

5. Multi-Agent Systems — متى نحتاج أكثر من وكيل؟#

  • Orchestrator–Workers: وكيل أو مكوّن مركزي يوزع المهام على عمال متخصصين.
  • Handoffs: نقل مسؤولية المهمة من وكيل إلى آخر عند الحاجة.
  • Specialized Roles: فصل البحث عن التحليل أو المراجعة.

6. Human-in-the-Loop, Guardrails & Tracing#

  • طلب موافقة بشرية قبل عمليات الكتابة أو مشاركة النتائج.
  • التحقق من Tool Inputs باستخدام Schema واضح.
  • تقييد المسارات المسموح بالكتابة إليها.
  • تسجيل خطوات التنفيذ ونتائج الأدوات دون حفظ أسرار.
  • تحليل أسباب الفشل بدل إعادة محاولة غير محدودة.
  • مقارنة Task Success وTool Selection وGroundedness وLatency.

المشروع الرئيسي: Research Operations Agent#

فكرة المشروع#

يطلب المستخدم من الوكيل:

يعمل الوكيل على مجموعة مستندات تعليمية محددة ومجهزة مسبقًا، ويستخدم أدوات للبحث والقراءة وإنشاء التقرير، بدل الاعتماد على البحث المفتوح أو موارد غير مؤكدة أثناء المختبر.

الأدوات الثلاث المطلوبة#

الأداةالوظيفةنوع العملية
search_docs(query)البحث ضمن الوثائق التعليمية المتاحة وإرجاع معرفات وملخصات.قراءة فقط
get_document(document_id)جلب محتوى وثيقة مع بيانات مصدرها.قراءة فقط
write_report(title, content)حفظ تقرير Markdown داخل مجلد تقارير محدد.كتابة مقيدة، بعد موافقة مناسبة

معمارية مبسطة#

flowchart TD
    A["User Research Request"] --> B["Agent Controller"]
    B --> C["LLM Chooses Action"]
    C --> D["MCP Tools"]
    D --> E["Tool Result + Updated State"]
    E --> F{"Goal Complete?"}
    F -->|No| C
    F -->|Yes| G["Review + Final Report"]
تدفق النظام كما ورد في منهج الجلسة

المرحلة 1 — Build the MCP Server#

  • إعداد مشروع MCP Python بسيط.
  • تعريف الأدوات الثلاث مع وصف ومعاملات دقيقة.
  • بناء أدوات قراءة تعمل على وثائق محلية مسموح بها.
  • جعل الكتابة محصورة في مجلد التقارير فقط.
  • تجربة الأدوات بصورة مستقلة قبل وصلها بالنموذج.

المرحلة 2 — Integrate the Agent#

  • تعريف هدف الوكيل وتعليماته وحدود الوصول.
  • ربط عميل MCP بالأدوات المتاحة.
  • استخدام إطار واحد لإدارة State والقرارات.
  • وضع حد لعدد الخطوات وزمن التنفيذ.
  • إظهار نتائج الأدوات المستخدمة في التقرير النهائي.

المرحلة 3 — Human Approval & Guardrails#

  • التحقق من وجود معرف المستند قبل محاولة القراءة.
  • التعامل مع مدخلات غير صالحة أو نتائج فارغة.
  • منع أدوات الكتابة من الخروج خارج المجلد المسموح.
  • إضافة خطوة مراجعة بشرية قبل اعتماد التقرير.
  • تجنب تضمين بيانات حساسة في السجلات.

المرحلة 4 — Tracing & Evaluation#

الحالة الأولى — Successful Run:

  • يسترجع الوكيل المصادر المناسبة.
  • يقرأها باستخدام الأدوات.
  • ينتج مقارنة تتضمن مراجع صحيحة.
  • يُسجل Trace واضحًا لتسلسل الأدوات والنتائج.

الحالة الثانية — Failed Run:

  • تجربة سؤال لا تتوفر له وثيقة كافية، أو طلب معرف مستند غير صالح.
  • إظهار سبب الفشل أو الاستجابة غير المناسبة في Trace.
  • توثيق كيف ينبغي أن يتعامل النظام معه بصورة صحيحة.
  • اقتراح إصلاح قابل للاختبار.

ما الذي نقيّمه؟#

المعيارالسؤال
Task Completionهل أنجز الوكيل الهدف المسموح؟
Tool Correctnessهل اختار الأداة الصحيحة وبالمعاملات المناسبة؟
Evidence Groundingهل يدعم المصدر المعلومات الواردة في التقرير؟
Failure Handlingهل توقف أو تعامل بشكل صحيح مع غياب البيانات؟
Safetyهل التزم بحدود القراءة والكتابة والموافقة؟
Efficiencyكم خطوة وطلبًا وزمنًا استغرق التنفيذ؟

التسليم المطلوب (Deliverables)#

  • Repository يحتوي MCP Server بثلاث أدوات عاملة.
  • تطبيق Agent يستطيع استخدام الأدوات لتحقيق مهمة البحث المحددة.
  • تقرير Markdown واحد على الأقل مع إحالات للمصادر.
  • Trace لحالة نجاح يوضح الخطوات والأدوات.
  • Trace لحالة فشل مع تحليل السبب وخطة إصلاح.
  • اختبارات بسيطة للتحقق من مدخلات الأدوات والحدود الأمنية.
  • README.md لطريقة الإعداد والتشغيل والقيود.
  • Pull Request لتسليم المشروع.

معايير تقييم مقترحة#

المعيارالوزن
صحة تنفيذ الأدوات وMCP25%
إكمال المهمة ودقة التقرير25%
جودة Tracing وتحليل الفشل25%
الأمان والموافقة وحدود التنفيذ15%
جودة التوثيق وقابلية إعادة التشغيل10%

المراجع الرسمية#

خلاصة الجلسة#

تعرّف الجلسة الثامنة الطلاب على كيفية بناء وكلاء يستخدمون الأدوات ضمن حدود واضحة للمسؤولية والصلاحيات والتنفيذ. التركيز على اتخاذ قرار استخدام الأداة، وإدارة الحالة، والتعامل مع الفشل، وتسجيل أدلة تساعد على التقييم والتصحيح.

حوّل التعلّم إلى إنجاز.

مهام التسليم مستخرجة من المنهج. أضف خطواتك الخاصة هنا.

0 / 8

مهامي الخاصة 0

أفكارك تستحق أن تُحفظ.

دوّن ما تعلمته، أسئلتك، وروابط العمل التي تريد العودة إليها.

ما الذي تريد تعلّمه؟

بحث في محتوى الجلسات العشر. استخدم Esc للإغلاق.