في عالم الذكاء الاصطناعي الحديث، تعتبر نماذج تشغيل الوكلاء (agent harnesses) إحدى الأدوات الحيوية التي تجعل من نموذج اللغة (Language Model) وكيلًا مستقلًا قادرًا على التعامل مع بيئات معقدة. تعتمد هذه النماذج على هيكليات مدمجة تساعدها في بناء سياقاتها وتشغيل الأدوات وإدارة العمليات المستمرة.

في دراسة جديدة، تم تسليط الضوء على ثلاث نماذج تشغيل متميزة تم إنشاؤها وفق فلسفات متعارضة، وهي:

1. **DeepAgents** لنموذج LangChain: يتميز بتضمينه عناصر متكاملة تجعل الاستخدام سهلاً ومباشراً.
2. **Pi** من Earendil: يتمتع بنهج بسيط للغاية، مما يجعله نموذجًا ثوريًا في البساطة.
3. **Dsh** من DeepSeek: يعتمد على مفهوم الإضافات ككل، حيث كل شيء هو إضافة (plugin).

عند تحليل هذه النماذج، نجد أنها تسير في اتجاهين متعاكسين؛ حيث أن DeepAgents قام بالتقليص من البنية الموجودة سابقًا، بينما Pi أضافت بنية تحتية قوية ودائمة. ومع ذلك، فإن جميع النماذج الثلاثة قد اجتمعت في شكل معماري مشترك يتكون من خمسة عناصر متكررة: حلقة مع commoditisation، سجل جلسة قابل للإعادة، بيانات تخزن خصائص النماذج، الكشف التدريجي للسياق، وفتحات واضحة للتوسيع.

ومن اللافت للنظر أن أحد هذه النماذج أظهر جميع العناصر الخمسة مع إعادة استخدام طريقة موجودة بالفعل، مما يعكس جوهر التعاون والتقارب بين هذه الأنظمة.

لكن يوجد بُعد رئيسي واحد لا يجمع بينها، ألا وهو **قابلية التحقق الخارجي**، وهي السجل الذي يمكن للطرف الخارجي التحقق منه دون الحاجة إلى الوثوق في البرنامج نفسه. قد تشير هذه الفجوة إلى محور جديد في تطوير نماذج التشغيل بخلفيات حساسة للمسؤولية. هل ستظهر نماذج تشغيل جديدة تمثل هذا الفارق في المستقبل؟