Eigent: اللقاء بين Cowork مفتوح المصدر و Z.ai GLM-4.7

الملخص

في بيئات المؤسسات الحقيقية، تعمل العديد من الأدوات الداخلية ولوحات التحكم والأنظمة القديمة بالكامل داخل المتصفح أو الطرفية، لتشكّل العمود الفقري للعمليات اليومية.

ولأتمتة هذه الأنظمة المعقدة، نقدّم Eigent، وهو تطبيق workforce متعدد الوكلاء مفتوح المصدر يعمل محليًا ويمكن إعداده بالكامل من المصدر، مع تركيز قوي على أتمتة المتصفح والطرفية، ليكون عمليًا بديل Cowork مفتوح المصدر لمسارات عمل المؤسسات.

في هذا المقال، سنستكشف كيف يستفيد Eigent من بنية Workforce الخاصة بـ CAMEL وأتمتة الطرفية للتعامل مع مهام المؤسسات متعددة الخطوات. كما سنلقي نظرة أقرب على GLM-4.7، ونحلل أداءه في أتمتة الطرفية والميزات المعمارية التي تدعم مسارات العمل الوكيلية طويلة الأفق.

الخلفية: ما هو Eigent وكيف يدعم GLM-4.7

Eigent هو منتج workforce متعدد الوكلاء مفتوح المصدر يعمل محليًا على سطح المكتب. وهو مبني على بنية multi-agent بأسلوب workforce ومزوّد بقدرات عامة الغرض مثل:

• أتمتة المتصفح
• أتمتة الطرفية
• تكاملات MCP (Model Context Protocol)

يتيح هذا التصميم للوكلاء في Eigent أن يتصرفوا مثل العاملين البشريين الحقيقيين، ويعملوا مباشرة داخل بيئات سطح المكتب — دون الحاجة إلى تكاملات API عميقة أو إعادة تهيئة مستمرة لمسارات العمل.

ومع استمرار تحسن النماذج الأساسية، فإن دمجها مع نظام Eigent مفتوح المصدر متعدد الوكلاء يمكّن المطورين والمؤسسات من تطبيق قدرات LLM على حالات الاستخدام الواقعية بسرعة وفعالية.

ولهذا السبب قام Eigent بتكامل GLM-4.7 فور إطلاقه.

البدء مع GLM-4.7

• وضع السحابة:

  ما عليك سوى اختيار GLM-4.7 من القائمة المنسدلة العلوية للنماذج.

• Bring Your Own Key (BYOK):

  انتقل إلى Model Settings → GLM، وأدخل مفتاح API الخاص بك من Z.ai، ثم اضبط اسم النموذج على GLM-4.7.

هل تحتاج إلى مساعدة؟ اطلع على دليلنا حول تهيئة مفتاح API الخاص بك في Z.ai.

يتوفر أيضًا أدناه فيديو تعليمي خطوة بخطوة.

مستودع GitHub وكيفية إعداد Eigent

مستودع GitHub

👉 https://github.com/eigent-ai/eigent

البدء السريع: إعداد البيئة

يمكنك تشغيل Eigent بطريقتين:

الخيار A: تطبيق سطح مكتب بدون إعدادات (موصى به للمستخدمين)

للمستخدمين الذين يريدون البدء في أتمتة المهام فورًا:

1. نزّل العميل من الموقع الرسمي
2. ثبّت ملف .dmg (macOS) أو .exe (Windows)
3. شغّل التطبيق — سيبدأ الـ backend المحلي تلقائيًا

الخيار B: إعداد المطوّر (من المصدر)

للمطورين الذين يرغبون في فحص النظام أو تخصيصه.

1. المتطلبات الأساسية

• Node.js v18–22
• Python 3.10+

2. النسخ والتثبيت

# Clone the repository
git clone https://github.com/eigent-ai/eigent.git
cd eigent

# Install frontend dependencies
npm install

3. تشغيل التطبيق

# Run in development mode
npm run dev

بعد التشغيل، يمكنك تهيئة مزودي LLM (مثل GLM-4.7 وغيرها) مباشرة من الإعدادات.

للحصول على إعدادات متقدمة وحل المشكلات، راجع التوثيق الرسمي.

من الداخل: Full Stack الخاص بـ Eigent وبنية CAMEL Workforce

نظرة عامة على النظام

Eigent هو تطبيق سطح مكتب محلي أولاً مدعوم بمحرك orchestration متعدد الوكلاء مبني على CAMEL Workforce.

المبادئ المعمارية الأساسية:

• تنفيذ محلي بالكامل
• تصميم full-stack مفكك
• ضمانات قوية لسيادة البيانات
• عدم تنفيذ الوكلاء داخل السحابة

1. الواجهة الأمامية

تعمل الواجهة الأمامية كـ control plane لتكوين الوكلاء ومراقبة مسارات العمل.

مجموعة التقنيات:

• React + TypeScript
• Electron
• Zustand (إدارة الحالة)
• React Flow (تنسيق بصري للوكلاء)

تتواصل الواجهة الأمامية مع الواجهة الخلفية عبر طلبات HTTP محلية آمنة.

2. الواجهة الخلفية

الواجهة الخلفية هي خادم Python محلي مبني باستخدام:

• FastAPI + Uvicorn
• Python 3.10+ (تتم إدارته عبر uv)
• PostgreSQL (عبر SQLModel / SQLAlchemy)

ويستضيف إطار العمل متعدد الوكلاء CAMEL، الذي يدير:

• تنسيق workforce
• تفاعلات LLM (عن بُعد عبر Z.ai أو محليًا عبر vLLM)
• أدوات لأتمتة المتصفح والطرفية والمستندات

CAMEL Workforce: نظام متعدد الوكلاء مستوحى من المؤسسات

في قلب Eigent يوجد CAMEL Workforce، وهو نظام decentralized متعدد الوكلاء مصمم لمهام المؤسسات المعقدة.

أدوار الوكلاء

• Coordinator Agent

  يحافظ على الحالة العالمية ويقوم بتوزيع المهام الفرعية.

• Task Agent

  يفكك الأهداف عالية المستوى إلى مهام ذرّية.

• Worker Agent

  ينفذ المهام باستخدام أدوات خاصة بالمجال.

التواصل غير المتزامن: TaskChannel

يتم تنسيق تنفيذ المهام عبر طابور رسائل غير متزامن:

1. يبدأ Workforce مهمة
2. يتحقق Worker agents من المهام المخصصة
3. يتم دفع النتائج مرة أخرى عند الاكتمال

يضمن هذا التصميم تنفيذًا غير حاجب وقابلاً للتوسع.

بناء DAG ديناميكي

مسارات عمل المؤسسات نادرًا ما تكون خطية.

يقوم CAMEL Workforce ببناء Directed Acyclic Graph (DAG) بشكل ديناميكي:

• تُنفذ المهام المستقلة بالتوازي
• تُحجب المهام التابعة حتى اكتمال المتطلبات السابقة

مثال:

• Search Flights و Search Hotels يتم تنفيذهما بالتزامن
• Generate Itinerary ينتظر حتى تصبح كلتاهما DONE

آليات تحمل الأعطال

تُعامل حالات الفشل على أنها حالات متوقعة، وليست أخطاء قاتلة.

استراتيجيات الاستعادة المدعومة:

• RETRY – إعادة تشغيل المهمة
• REPLAN – تعديل المهمة بناءً على سجلات الفشل
• REASSIGN – نقل المهمة إلى وكيل آخر
• DECOMPOSE – تقسيم المهمة إلى مهام فرعية أصغر

اختبار GLM-4.7 مع أتمتة طرفية من العالم الحقيقي

قمنا بتقييم GLM-4.7 باستخدام أتمتة الطرفية في Eigent ضمن مسار عمل واقعي لنهاية اليوم.

مهمة نموذجية

"انتهى وقت العمل الآن! من فضلك ساعدني في تنظيم ملفات العمل على سطح المكتب داخل مجلد اليوم، ثم اكتب تقريرًا يوميًا بصيغة HTML يلخص ما قمت به اليوم."

ما الذي يجب أن يفعله الوكيل

1. فحص ملفات سطح المكتب
2. إنشاء مجلد يعتمد على التاريخ
3. تحديد الملفات المتعلقة بالعمل ونقلها
4. استنتاج الأنشطة اليومية من تغييرات الملفات
5. إنشاء تقرير HTML منظم

يتطلب هذا استدلالًا طويل الأفق، والحفاظ على السياق، والعديد من استدعاءات الأدوات.

في اختباراتنا، نجح GLM-4.7 في إكمال مسار العمل بنجاح.

كيف يدعم GLM-4.7 الأداء الوظيفي الوكيل

GLM-4.7 هو نموذج موجه للبرمجة ومحسن لمسارات عمل الوكلاء، ويقدم توازنًا قويًا بين التكلفة والأداء.

Interleaved & Preserved Thinking

يقدّم GLM-4.7 عناصر تحكم متقدمة في الاستدلال:

• Interleaved Thinking

  يفكر قبل كل استجابة وكل استدعاء أداة.

• Preserved Thinking

  يحتفظ بكتل الاستدلال عبر الجولات، مما يقلل انحراف السياق.

• Turn-Level Thinking Control

  فعّل الاستدلال للمهام المعقدة، وعطّله للمهام الخفيفة لتوفير التكلفة وزمن الاستجابة.

تجعل هذه الميزات GLM-4.7 مناسبًا بشكل خاص لـ الأتمتة متعددة الخطوات وطويلة الأفق.

الخلاصة والخطوات التالية

يوفر Eigent بيئة production-grade محلية أولاً لنشر وكلاء AI يعملون مباشرة داخل أنظمة المؤسسات الحقيقية.

ومن خلال الجمع بين:

• بنية CAMEL متعددة الوكلاء القائمة على workforce
• الاستقلالية على مستوى الطرفية والمتصفح
• قابلية ملاحظة قوية وتحمل للأعطال

يقدم Eigent الخصائص الأساسية المطلوبة من أجل نشر AI بمستوى المؤسسات:

القابلية للتحكم، وقابلية التدقيق، وسيادة البيانات.

كما أوضحنا أيضًا كيف أن GLM-4.7، عند دمجه مع Eigent، يوفر قدرات استدلال قوية لمسارات العمل المعقدة.

انضم إلينا

Eigent مفتوح المصدر بالكامل. نرحب بالمطورين والباحثين وفرق المؤسسات لاستكشافه والمساهمة فيه.

• 👉 GitHub: https://github.com/eigent-ai/eigent
• 👉 Discord: https://discord.camel-ai.org