Anthropic گردش‌کارهای پویا را برای هماهنگی عامل‌های Claude معرفی کرد

گردش‌کارهای پویا، قابلیت تازه Anthropic برای Claude Managed Agents، به Claude امکان می‌دهد خودش نحوه تقسیم و هماهنگی کار میان چند عامل هوش مصنوعی را تعیین کند. این قابلیت که با نام Flows معرفی شده، روز جمعه ۱۷ مهر رونمایی شد و روز دوشنبه ۲۰ مهر در کنفرانس AI Engineer New York درباره آن توضیح داده شد؛ تغییری که می‌تواند نیاز توسعه‌دهندگان به طراحی دستی ساختار عامل‌ها را کاهش دهد.

گردش‌کارهای پویا چه تغییری ایجاد می‌کنند؟

در روش قبلی Claude Managed Agents، توسعه‌دهنده باید یک عامل هماهنگ‌کننده و فهرستی از عامل‌های زیردست را از پیش تعریف می‌کرد. به گفته CJ Avilla و Harrison Stall، اعضای فنی Anthropic که در این کنفرانس قابلیت را معرفی کردند، Flows این ساختار را به Claude می‌سپارد تا متناسب با وظیفه، چگونگی سازمان‌دهی عامل‌ها را انتخاب کند.

در این الگو، عامل اصلی ابتدا برنامه‌ای برای انجام کار می‌سازد و سپس Claude برنامه‌ای برای هماهنگی اجرا می‌کند: عامل‌های لازم را راه می‌اندازد، نتیجه‌ها را جمع‌آوری می‌کند و جریان اطلاعات میان بخش‌های مختلف کار را مدیریت می‌کند. منظور از هماهنگی چندعاملی، تقسیم یک کار میان چند عامل هوش مصنوعی و ترکیب خروجی آن‌هاست.

با این حال، کنترل کاملاً از دست توسعه‌دهنده خارج نمی‌شود. Avilla گفت می‌توان عامل‌های تخصصیِ ازپیش‌پیکربندی‌شده را نیز در تنظیمات وارد کرد. Flows از طریق Claude Console، محیط توسعه‌دهندگانی که با Claude از راه API کار می‌کنند، در دسترس است.

نمونه اجرا و نحوه نظارت

در نمایش ارائه‌شده، یک گردش‌کار فهرستی از نمادهای سهام را اسکن می‌کرد. در مرحله نخست، بررسی نمادها میان عامل‌هایی با زمینه‌های کاری جداگانه تقسیم می‌شد؛ در مرحله بعد، نتایج بازبینی و برای تهیه گزارش جمع‌بندی می‌شدند. این نمونه ساده بود، اما الگوی تقسیم کار و بررسی خروجی را نشان می‌داد.

در پاسخ به پرسشی درباره مشاهده عملکرد عامل‌های زیردست، Avilla گفت توسعه‌دهندگان می‌توانند از قابلیت نمودار در Claude Console برای بررسی فعالیت‌ها استفاده کنند. بنابراین، خودکارشدن هماهنگی به معنای حذف امکان بازرسی اجرای کار نیست.

بودجه و بهبود گردش‌کارها

یکی از پرسش‌های حاضران این بود که Claude چگونه تعداد عامل‌های موردنیاز را تعیین می‌کند و آیا حتی یک کار ساده ممکن است عامل‌های زیادی به راه بیندازد. Stall پاسخ داد که ارزیابی عملکرد و پایین‌بودن تنظیمات پیش‌فرض در این زمینه نقش دارند و برای موازی‌سازی بیشترِ کارهای بزرگ، توسعه‌دهنده باید آن را صریحاً تشویق کند.

Stall همچنین گفت Claude هنگام اجرا از بودجه مالی خود خبر ندارد، هرچند توسعه‌دهنده می‌تواند برای هر جلسه سقف بودجه تعیین کند. پیشنهاد او این بود که آگاه‌کردن مدل از میزان بودجه ممکن است آن را بیش از حد نگران کند؛ توضیحی که با خنده حاضران همراه شد.

برای بهینه‌کردن اجرای‌های تکراری، Avilla به قابلیت «dreaming» اشاره کرد که در مستندات Anthropic به‌عنوان پیش‌نمایش پژوهشی معرفی شده است. این قابلیت حافظه‌های موجود و متن جلسه‌های پیشین را می‌خواند و نسخه‌ای بازسازمان‌یافته از حافظه می‌سازد؛ از جمله با ادغام موارد تکراری و جایگزینی داده‌های منسوخ یا متناقض. به گفته Avilla، این کار می‌تواند به بهبود حافظه مرتبط با جلسه‌های Flows کمک کند. بااین‌حال، Stall گفت قابلیت بهبود خودکار گردش‌کار در محصول تعبیه نشده است.

این خبر برای چه کسانی اهمیت دارد

Flows برای توسعه‌دهندگانی اهمیت دارد که کارهای بزرگ را با چند عامل هوش مصنوعی پیش می‌برند و نمی‌خواهند همه ارتباط‌ها و مراحل را دستی تعریف کنند. این قابلیت بخشی از هماهنگی را به Claude واگذار می‌کند، اما تنظیم بودجه، تعیین عامل‌های تخصصی و نظارت بر اجرا همچنان به تصمیم توسعه‌دهنده وابسته است.