کتاب Build an AI Agent (From Scratch)

کتاب Build an AI Agent (From Scratch) (یک عامل هوش مصنوعی بسازید (از صفر)) نوشتهٔ جونگجون هور و یونگهی سونگ، یک راهنمای گام‌به‌گام و عملی برای ساخت یک عامل هوش مصنوعی (AI Agent) از پایه‌ترین سطح تا یک سیستم کامل و قابل‌استفاده در دنیای واقعی است. این کتاب با زبانی ساده و با تمرکز بر شفاف‌سازی عملکرد درونی عامل‌ها، به خواننده کمک می‌کند تا بدون اتکا به کتابخانه‌های پیچیده و جعبه‌سیاه، درک عمیقی از اجزای تشکیل‌دهندهٔ یک عامل پیدا کند.

در ادامه مقدمه‌ای از کتاب Build an AI Agent (From Scratch) را از زبان نویسنده شرح خواهیم داد.

مقدمه‌ای بر کتاب Build an AI Agent (From Scratch):

زمانی که شروع به ساخت ایجنت‌ها کردیم، وجود فریم‌ورک‌ها برای ما یک موهبت بود. LangGraph، CrewAI، AutoGen و بسیاری دیگر این امکان را فراهم کردند که بتوانیم با تنها چند خط کد، یک ایجنت کاربردی راه‌اندازی کنیم. اما هر بار که سعی می‌کردیم عمیق‌تر شویم، چه برای درک علت رفتار خاص یک ایجنت و چه برای رفع خطایی که در محیط عملیاتی (Production) رخ می‌داد، در نهایت سر از خواندن کدهای منبع همان فریم‌ورک‌ها درمی‌آوردیم.

وقتی وارد جزئیات می‌شدیم، متوجه یک نکته‌ی تکراری می‌شدیم: زیر پوسته‌ی هر فریم‌ورک، مجموعه‌ی کوچکی از ایده‌های یکسان نهفته است؛ حلقه‌های پیام (Message Loops)، فراخوانی ابزارها (Tool Calls)، بسترهای اجرا (Execution Contexts)، حافظه، برنامه‌ریزی و همکاری. اگرچه نام‌ها و تنظیمات پیش‌فرض متفاوت‌اند، اما الگوها مشترک هستند.

این آگاهی، هسته‌ی اولیه‌ی این کتاب شد. ما به جای آموزش یک فریم‌ورک خاص، تصمیم گرفتیم الگوهایی را که در زیربنای همه‌ی آن‌ها قرار دارد آشکار کنیم تا خوانندگان بتوانند ایجنت‌های خودشان را از صفر بسازند و سپس با تکیه بر این دانش، کدهای هر فریم‌ورکی را به راحتی بخوانند؛ گویی کدهای خودشان است.

نوشتن درباره‌ی حوزه‌ای به این نوپایی، دشواری‌های منحصربه‌فردی دارد. در حین نوشتن، چشم‌انداز این حوزه مدام تغییر می‌کرد. با بلوغ مفاهیم و ابزارها و افزایش توجه‌ها، اصطلاحات جدیدی پدید آمدند و به‌ویژه دو ایده، ساختار کتاب را در حین شکل‌گیری دوباره تعریف کردند. اولی «مهندسیِ زمینه» (Context Engineering) بود. این مفهوم از این درک نشأت گرفت که یک ایجنت در واقع حلقه‌ای از فراخوانی‌های مکررِ مدل زبانی بزرگ (LLM) است و اکنون که مدل‌ها به اندازه‌ی کافی توانمند شده‌اند، کیفیت یک ایجنت به نحوه‌ی مدیریت ورودی‌هایی بستگی دارد که در این حلقه جریان می‌یابند.

ایده‌ی دوم «مهندسیِ مهار» (Harness Engineering) بود. از یک سو، توسعه‌دهندگان ایجنت به دنبال راه‌هایی بودند تا عملکرد ایجنت را از طریق عناصری که خارج از مدل قرار دارند، ارتقا دهند. از سوی دیگر، با گسترش دامنه‌ی وظایفی که به ایجنت‌ها سپرده می‌شد و ظهور محصولات واقعی مبتنی بر ایجنت (مانند ایجنت‌های برنامه‌نویس)، اشتیاق کاربران برای بهره‌برداری حداکثری از ایجنت‌ها افزایش یافت.

«مهندسی مهار» در نقطه‌ی تلاقی این دو جریان شکل گرفت. امروزه، محیطی که مدل در آن اجرا می‌شود — یعنی اطلاعاتی که ایجنت به آن‌ها دسترسی دارد — به اندازه‌ی خود مدل اهمیت دارد و چگونگی هدایت ایجنت به سمت رفتار مطلوب، به پرسشی کانونی تبدیل شده است.

هر مفهوم جدید، ما را به فصل‌هایی بازمی‌گرداند که گمان می‌کردیم به پایان رسیده‌اند. این فرآیند آسان نبود، اما معتقدیم کتاب به خاطر آن غنی‌تر شده است و امیدواریم خوانندگان نیز این سفر را به اندازه‌ی ما ارزشمند بیابند.

هدف و دامنه‌ی این کتاب عمداً محدود نگه داشته شده است. ما به جای بررسیِ همه‌ی فریم‌ورک‌ها یا مستندسازیِ مفصلِ یکی از آن‌ها، اجزای سازنده‌ی هر ایجنت را کالبدشکافی کرده‌ایم و آن‌ها را با پایتون، به گونه‌ای می‌سازیم که روی یک لپ‌تاپ اجرا شوند و در محیط عملیاتی نیز تاب‌آوری داشته باشند.

انتخاب پایتون انتخابی طبیعی بود، چرا که اکوسیستم مدل‌های زبانی بزرگ (LLM) هم‌اکنون در همین زبان زیست می‌کند. کتابخانه‌های پشتیبان، مانند LiteLLM برای دسترسی به مدل و پروتکلِ زمینه مدل (MCP) برای تعامل‌پذیری ابزارها، به این دلیل انتخاب شدند که ماهیت اصلی مفاهیم را پیچیده و مبهم نمی‌کنند.

امیدواریم مطالعه‌ی این کتاب همان کاری را برای شما انجام دهد که نوشتن آن برای ما کرد: کاری کند که ایجنت‌ها دیگر «جعبه‌های سیاه» به نظر نرسند، بلکه ابزارهایی باشند که می‌توانید آن‌ها را روی میز کارتان قطعه‌قطعه کنید و بشناسید. ساختن‌تان موفق!

درباره کتاب Build an AI Agent (From Scratch)

این کتاب یک راهنمای عملی برای ساخت ایجنت‌های هوش مصنوعی از صفر است. هدف این کتاب آموزشِ هیچ فریم‌ورک خاصی نیست، بلکه ارائه‌ی یک مدل ذهنی کامل از ساختارِ ایجنت به خوانندگان است؛ آن هم از طریق پیاده‌سازیِ لایه‌به‌لایه‌ی آن توسط خودِ خواننده. در پایان، خواننده باید قادر باشد کد منبع هر فریم‌ورک معروف ایجنت را باز کند، آن را دنبال کند و همچنین ایجنتی متناسب با نیازهای خودش طراحی و مدیریت کند.

چه کسانی باید کتاب Build an AI Agent (From Scratch) را بخوانند؟

این کتاب با در نظر گرفتن مخاطبان زیر نوشته شده است:

• توسعه‌دهندگانی که از APIهای مدل‌های زبانی (LLM) استفاده کرده‌اند، اما هنوز درک شفافی از سازوکار داخلی یک ایجنت ندارند.
• مهندسانی که می‌خواهند بدانند پشت «جادوی» فریم‌ورک‌ها چه می‌گذرد.
• تیم‌هایی که نیاز دارند ایجنت‌هایی متناسب با داده‌ها، ابزارها و جریان‌های کاریِ خاصِ خودشان بسازند.
• متخصصانی که باید ایجنت‌ها را به‌طور مطمئن در محیط عملیاتی (Production) اجرا کنند.

تنها چیزی که این کتاب از شما می‌خواهد، تسلط بر اصول اولیه‌ی پایتون و داشتن مقداری تجربه در کار با APIها است. نیازی به پیش‌زمینه عمیق در یادگیری ماشین یا پردازش زبان طبیعی نیست. آنچه واقعاً نیاز دارید، اشتیاق به خواندن، اجرا کردن و تغییر دادن کدهاست. این‌ها تنها پیش‌نیازهای این کتاب هستند.

کتاب Build an AI Agent (From Scratch) چگونه سازمان‌دهی شده است: نقشه راه

کتاب به دو بخش تقسیم شده که در ۱۰ فصل تنظیم شده است. بخش اول، کوچک‌ترین ایجنت کاربردی را از صفر می‌سازد. بخش دوم، آن ایجنت را به یک سیستم واقعی تبدیل کرده و سپس نحوه‌ی ارزیابی، مدیریت و بهبود مستمر آن را نشان می‌دهد. هر فصل کدِ فصل قبلی را گسترش می‌دهد، بنابراین ایجنت در طول مسیر بازنویسی نمی‌شود، بلکه تنها تکامل می‌یابد.

بخش اول: ساخت اولین ایجنت LLM شما

فصل ۱ کتاب Build an AI Agent (From Scratch): بررسی می‌کند که ایجنت چیست و چرا اهمیت دارد. این فصل مرز بین گردش‌های کاری (Workflow) و ایجنت‌ها را ترسیم کرده و نقشه‌ی کاملی از مؤلفه‌هایی که در کتاب پوشش داده می‌شود، ارائه می‌دهد.

فصل ۲ کتاب Build an AI Agent (From Scratch): مستقیماً API مدل زبانی را فراخوانی می‌کند تا پایین‌ترین لایه‌ی ایجنت، یعنی کانال ارتباطی آن، درک شود. با استفاده از LiteLLM، ما یک «انتزاع» (Abstraction) ایجاد می‌کنیم که وابسته به هیچ ارائه‌دهنده‌ی خاصی نباشد.

فصل ۳ کتاب Build an AI Agent (From Scratch): پیاده‌سازیِ «فراخوانی ابزار» (Tool Calling) را بررسی می‌کند؛ روشی که مدل زبانی با دنیای بیرون تعامل می‌کند. با استفاده از جستجوی وب و ماشین‌حساب به‌عنوان نمونه، مکانیسم‌های فراخوانی تابع (Function Calling) را بررسی می‌کنیم. همچنین به پروتکل زمینه مدل (MCP) به‌عنوان استانداردی برای ابزارها نگاهی می‌اندازیم.

فصل ۴ کتاب Build an AI Agent (From Scratch): حلقه‌ی «فکر کردن و عمل کردن» (ReAct) را پیاده‌سازی می‌کند و اولین ایجنت کاملاً کاربردی ما را تکمیل می‌نماید. انتزاعِ اصلی معرفی‌شده در اینجا، یعنی ExecutionContext، به شالوده‌ای تبدیل می‌شود که تمام فصل‌های بعدی بر روی آن بنا خواهند شد.

بخش دوم: توسعه قابلیت‌های پیشرفته ایجنت

فصل ۵ کتاب Build an AI Agent (From Scratch): «تولید تقویت‌شده با بازیابی» (RAG) را با استفاده از Embeddingها و جستجوی برداری برای کار با دانش خارجی پیاده‌سازی کرده و ابزارهایی برای پیمایش در سیستم فایل اضافه می‌کند. همچنین نشان می‌دهیم که چگونه از الگوی Callback برای کنترل انعطاف‌پذیر رفتار ابزارها استفاده کنیم.

فصل ۶: به مشکل «زمینه» (Context) می‌پردازد که با طولانی‌تر شدن گفتگوها ایجاد می‌شود. حافظه کوتاه‌مدت را با استفاده از پنجره‌های لغزان (Sliding Windows)، فشرده‌سازی و خلاصه‌سازی بهبود می‌بخشیم و از طریق نشست‌ها (Sessions) و حافظه بلندمدت، تداوم گفتگو را ایجاد می‌کنیم.

فصل ۷ کتاب Build an AI Agent (From Scratch): برنامه‌ریزی و بازتاب (Reflection) را برای حل مسائلی که ReAct به‌تنهایی قادر به حل آن‌ها نیست، معرفی می‌کند. ایجنت به نوعی «فرا-شناخت» (Metacognition) دست می‌یابد؛ وظایف را خودش تجزیه می‌کند و پیشرفت خود را می‌سنجد.

فصل ۸ کتاب Build an AI Agent (From Scratch): فراتر از فراخوانی ابزار رفته و رویکرد CodeAct را پیاده‌سازی می‌کند؛ رویکردی که در آن مدل زبانی کد را مستقیماً می‌نویسد و اجرا می‌کند. در یک محیط ایزوله (Sandbox)، ما با یک «ایجنت اجرایی» واقعی آشنا می‌شویم که می‌تواند به سیستم فایل و رابط خط فرمان (CLI) دسترسی پیدا کند.

فصل ۹ کتاب Build an AI Agent (From Scratch): به مسائلی می‌پردازد که برای یک ایجنت واحد بیش از حد بزرگ هستند و این کار را از طریق هماهنگ‌سازی ایجنت‌های تخصصی انجام می‌دهد. ما سه الگوی همکاری (Workflow، Agent as Tool و Agent Transfer) را به همراه پروتکل Agent2Agent (A2A) پوشش می‌دهیم که امکان همکاری در مرزهای شبکه را فراهم می‌کند.

فصل ۱۰ کتاب Build an AI Agent (From Scratch): ایجنت را با نمایش نحوه‌ی ارزیابی و عملیاتی کردن آن تکمیل می‌کند. ما تعیین می‌کنیم که چگونه بسنجیم آیا ایجنت واقعاً کار می‌کند یا خیر، سپس از ارزیابی خودکار و یک چرخه‌ی منظمِ مشاهده، تحلیل و بهبود استفاده می‌کنیم تا ایجنت به جای اینکه پس از اجرا «تمام‌شده» تلقی شود، در طول زمان مدام بهبود یابد.

فصل‌های کتاب Build an AI Agent (From Scratch) به گونه‌ای طراحی شده‌اند که به ترتیب خوانده شوند. از آنجا که کد هر فصل مستقیماً بر روی کد فصل قبلی ساخته می‌شود، رد کردن فصل‌ها احتمالاً باعث ایجاد شکاف‌هایی در پیاده‌سازی خواهد شد.

اگر از قبل با APIهای LLM یا RAG راحت هستید، می‌توانید سریع‌تر از فصل‌های ۲ و ۵ عبور کنید، اما همچنان باید آن‌ها را مرور کنید تا ببینید آن قطعات چگونه به ایجنتی که در حال ساخت آن هستید متصل می‌شوند. ارزش واقعی کتاب در اجرای کدها همزمان با خواندن آن‌هاست، بنابراین دفترچه‌های همراه (Companion Notebooks) را حین مطالعه باز نگه دارید.

سرفصل‌های کتاب Build an AI Agent (From Scratch):

• preface
• acknowledgements
• about this book
• about the authors
• about the cover illustration
• Part 1 Building your first LLM agent
  • 1 What is an Al agent?
  • 2 The brain of Al agents: LLMs
  • 3 Enabling actions: Tool use
  • 4 Implementing a basic ReAct agent
• Part 2 Developing advanced agent capabilities
  • 5 Building knowledge bases with RAG
  • 6 Adding memory to your agent
  • 7 Planning and reflection for complex tasks
  • 8 Empowering agents with code execution
  • 9 Orchestrating multi-agent systems
  • 10 Evaluating agents
• appendix. OpenAI API Key
• about this book

جهت دانلود کتاب Build an AI Agent (From Scratch) می‌توانید پس از پرداخت، دریافت کنید.