رونمایی از Diagrid Catalyst 2.0؛ اجرای پایدار و قابل تأیید برای عامل‌های هوش مصنوعی

رونمایی از Diagrid Catalyst 2.0؛ اجرای پایدار و قابل تأیید برای عامل‌های هوش مصنوعی

شرکت Diagrid نسخه جدید پلتفرم Catalyst 2.0 را معرفی کرد. این به‌روزرسانی قابلیت‌های بازیابی خطا (Failure Recovery) و تأیید رمزنگاری‌شده را به عامل‌های هوش مصنوعی (AI Agents) ساخته‌شده با فریم‌ورک‌های محبوبی همچون LangGraph، Microsoft Agent Framework، Google ADK و Dapr Agents اضافه می‌کند.

در این نسخه، ۱۰ ادغام فریم‌ورک مختلف ارائه شده است که علاوه بر موارد فوق، شامل LangGraph Deep Agents، AWS Strands، OpenAI Agents SDK، Claude Managed Agents، CrewAI و Pydantic AI نیز می‌شود.

اجرای پایدار و کاهش هزینه‌های فراخوانی مدل‌ها

توسعه‌دهندگان با افزودن پکیج Diagrid به برنامه‌های موجود خود، می‌توانند از قابلیت‌های آن بهره‌مند شوند. به گفته Diagrid، پلتفرم Catalyst فراخوانی‌های مدل و ابزارها را به عنوان فعالیت‌های گردش کار پایدار (Durable Workflow Activities) بازنمایی می‌کند. این رویکرد به برنامه‌های متوقف‌شده اجازه می‌دهد تا بدون نیاز به تکرار کارهای انجام‌شده، از همان نقطه توقف بازنشانی شوند.

این ویژگی مستقیماً یکی از مشکلات رایج توسعه‌دهندگان را هدف قرار می‌دهد: زمانی که یک اجرای طولانی و چندمرحله‌ای در مراحل پایانی خود با خطا مواجه می‌شود، بدون وجود سیستم ذخیره‌سازی وضعیت (Checkpointing) در سطح فراخوانی‌ها، تلاش مجدد (Retry) مستلزم پرداخت هزینه دوباره برای تمام فراخوانی‌های مدل قبلی خواهد بود. Catalyst این مشکل را حل کرده و در محیط‌های ابری، محلی (On-premise) و حتی محیط‌های کاملاً ایزوله (Air-gapped) قابل اجرا است.

امنیت و تأیید رمزنگاری‌شده با Dapr 1.18

مدل تأیید هویت این ابزار بر پایه Dapr 1.18 بنا شده است. سیستم Dapr دسته‌های رویدادهای تاریخچه گردش کار را هش کرده، هر خلاصه (Digest) را به امضای قبلی متصل می‌کند و در نهایت نتیجه را با استفاده از هویت مبتنی بر SPIFFE سایدکار Dapr امضا می‌کند. این زنجیره هنگام بارگذاری وضعیت گردش کار بررسی می‌شود تا هرگونه حذف، تغییر چیدمان یا اصلاح تاریخچه قابل شناسایی باشد.

تیم‌های توسعه باید توجه داشته باشند که قابلیت امضا به طور پیش‌فرض در Dapr 1.18 غیرفعال است و فعال‌سازی آن به فلگ WorkflowHistorySigning و پروتکل mTLS وابسته است. همچنین این تصمیم برای هر گردش کار یک‌طرفه است؛ یعنی امکان امضای عطف به ماسبق برای تاریخچه‌های موجود وجود ندارد.

رقابت در بازار پایداری عامل‌های هوش مصنوعی

یارون اشنایدر (Yaron Schneider)، هم‌بنیان‌گذار و مدیر فناوری Diagrid، اشاره می‌کند که سازمان‌ها هنگام فراخوانی ابزارها یا تفویض کار توسط عامل‌ها، به «سندی برای اثبات آنچه رخ داده است» نیاز دارند. در حال حاضر، شرکت ZEISS Group از پذیرندگان اولیه این فناوری است.

اگرچه Catalyst اولین گزینه برای ایجاد پایداری در این فریم‌ورک‌ها نیست و ابزارهایی مانند سیستم بومی ذخیره‌سازی LangGraph یا پلتفرم‌های Temporal و Restate پیش از این راه‌حل‌های مشابهی ارائه داده‌اند، اما مزیت رقابتی Catalyst در ارائه یک مدل واحد بازیابی و تأیید مبتنی بر Dapr است که چندین فریم‌ورک مختلف را پوشش می‌دهد و پایداری را به جای مرزهای گراف، روی تک‌تک فراخوانی‌های مدل و ابزار اعمال می‌کند.