في عالم البحث العلمي، تتطلب تشغيل الأدوات مثل المجهر القوى الذري (Atomic Force Microscope - AFM) مهارات وخبرات متخصصة، حيث يتعين على المستخدم المختص تحديد نية التجربة، وترجمة هذه النية إلى أوامر تشغيل، وتقييم البيانات المدخلة، وضبط المعلمات قبل المضي قُدمًا في معالجة الصور النهائية.

حتى الآن، كانت الأتمتة المتاحة تركز بشكل رئيسي على أجزاء معينة من هذا العمل، ومعظمها يعتمد على إجراءات مُشفّرة يدويًا أو نماذج تعلم آلة مُعتمدة على مهام محددة. لكن ماذا لو كان هناك إطار عمل للذكاء الاصطناعي يُمكنه معالجة كامل سير العمل؟

لقد ظهر مؤخرًا الإطار الجديد للذكاء الاصطناعي الوكّيل، والذي يُعد ثورة في تشغيل هذه الأدوات العلمية. تعتمد هذه التقنية على نماذج لغوية ضخمة (Large Language Models) مرتبطة بشبكة وظائف الأدوات من خلال بروتوكول نموذج السياق (Model Context Protocol - MCP).

يتكون هذا الإطار من ثلاثة وكلاء مبنية على MCP:
1. **AFM Messenger**: يقوم بتحويل التعليمات باللغة الطبيعية إلى أوامر تم فحصها لعمل الأداة.
2. **AFM Pilot**: يقوم بتقييم جودة الصورة من خلال النموذج اللغوي الضخم، وإذا لزم الأمر، يُعدل المعلمات الخاصة بالتصوير.
3. **AFM Doctor**: يقوم بتشخيص العيوب في الصور ويطبق معالجة ما بعد التصوير باستخدام أدوات تم الموافقة عليها مسبقًا.

المميز في هذه التقنية هو أنها تسمح بتطبيق نفس الاستراتيجية عبر أنواع العينات وأنظمة التصوير المختلفة دون الحاجة لإعادة تدريب محددة، حيث يُفوّض تنفيذ الأوامر والتعديلات الذكية إلى وكلاء الذكاء الاصطناعي. والأكثر أهمية، أن هذه التقنية تخدم كحل آمن لتجنب أي تنفيذ خاطئ للأوامر من خلال وجود طبقة تحقق من التحفظ قبل التنفيذ.

أظهرت التجارب المباشرة أن أداء **AFM Pilot** كان متساويًا مع مشغلي الخبراء في جودة الصور ومدة التكرار، مع عدم وجود اختلاف كبير في النتائج. لذا، يُعد هذا الإطار حلًا مثيرًا لتحقيق عملية تشغيل آمنة للأدوات العلمية، حيث يبقى القرار النهائي بأيدي البشر بينما يتم تكليف الذكاء الاصطناعي بتفاصيل التنفيذ.