Боби 6. Аз LLM то агент: нақшаи бунёдӣ

Боби 6. Аз LLM то агент: нақшаи бунёдӣ

Яке аз хусусиятҳои муайянкунандаи зеҳни инсон тарзи якҷоя кардани андешаи дохилӣ бо амали мушаххас аст. Ҳайратовар аст, ки ин ба тарзи кори агентҳои дар асоси моделҳои бузурги забонӣ (LLM) сохташуда, ки бо абзорҳо пайвастаанд, хеле монанд аст. Раванди сохтани як лоиҳаи барномасозиро ба назар гиред. Ҳамчун барномасоз шумо аз промпт — дархости мизоҷ — оғоз мекунед. Аввал андешаронӣ меояд: шумо нақша мекашед, ки ба вазифа чӣ гуна наздик шавед. Баъд амал меояд: ҷустуҷӯи ҳуҷҷатҳо, навиштани функсияҳо ё ислоҳи хатоҳо. Бозхӯрд вақте ба давр ворид мешавад, ки санҷишҳо ноком мешаванд, ҳамкор ҳангоми баррасии код камбудиҳоро нишон медиҳад ё мизоҷ барномаро месанҷад. Ҳеҷ қадам собит нест: ҳамааш такроршаванда аст, андешаронӣ ба фаҳмиши нав мутобиқ мешавад ва амалҳо дар ҷавоб ба он тағйир меёбанд.

Ҳамин чиз ба як агенти LLM низ дахл дорад. Вақте вазифа дода мешавад, агент аввал меандешад, ки чӣ намерасад ё қадами навбатӣ кадом аст, сипас амал мекунад: барои гирифтани маълумот, иҷрои код ё санҷиши натиҷаҳо абзорҳоро даъват менамояд. Мисли давраи бозхӯрди барномасоз, муҳит сигналҳо медиҳад — хатоҳо, камбудиҳо ё тасдиқҳо, — ки такрори навбатиро роҳнамоӣ мекунанд. Дастгирии берунӣ, ба монанди китобхонаҳои код ё ҳуҷҷатҳо, ба абзорҳое мувофиқ меояд, ки ҷустуҷӯ дар пойгоҳҳои маълумот ё ҷустуҷӯ дар интернетро иҷро мекунанд ва натиҷаро аз қобилияти хоми худи модел беҳтар месозанд.

Агенти LLM модели бузурги забонӣ аст, ки дар давраи андешаронӣ, амал ва бозхӯрд ҷойгир шудааст: он метавонад абзорҳои беруниро даъват кунад ва рафтори худро аз рӯи натиҷаҳо мутобиқ созад. Баръакси LLM-и алоҳида, ки танҳо ба тавлиди статикии матн маҳдуд аст, агент ҳамчун воҳиди қароргиранда дар дохили ҷараёни корӣ (Workflow) амал мекунад. Расми 6.1 ин ҷараёнро нишон медиҳад.

Расми 6.1. Агенти LLM давраи андешаронӣ, амал ва мушоҳидаи бозхӯрдро то расидан ба ҳадаф такрор мекунад.

Дар ин қисми китоб истилоҳҳои «агентҳои зеҳни сунъӣ», «агентҳо» ва «агентҳои LLM»-ро ҳаммаъно истифода мебарем. Ба маънои дақиқ, агенти зеҳни сунъӣ ҳатман ба модели забонӣ ниёз надорад. Ба маънои классикӣ, агент муҳитро дарк мекунад, қарор қабул менамояд ва барои расидан ба ҳадаф амал мекунад. Он набояд забони инсонро фаҳмад ё тавлид кунад.

Масалан, дар омӯзиши тақвиятии «тоза» агентҳоро бевосита тавассути озмоиш ва хато дар ҳамкорӣ бо муҳит омӯзонидан мумкин аст. Бартарии истифодаи LLM ҳамчун қисми системаи агентӣ дар он аст, ки он қобилияти қавии ҷамъбаст (Generalization), андешаронӣ ва забони табииро илова мекунад. Ин рафтори агентро чандиртар ва берун аз муҳитҳои танг муайяншуда васеъ татбиқшаванда месозад.

Чӣ тавре ки малакаҳои як шахс дер ё зуд ба ҳадди худ мерасанд, як агент ҳам ҷараёни кориро танҳо то ҷое пеш бурда метавонад; баъд мураккабӣ ҳамоҳангсозиро талаб мекунад. Дар бораи ширкати хурд фикр кунед: як корманд метавонад ҳама корро аз аввал то охир иҷро кунад — тарҳрезӣ, барномасозӣ, санҷиш ва ҷорӣ кардан. Аммо бо калон шудани лоиҳа даста бояд васеъ шавад. Як нафар ба қисми серверӣ (Backend), дигаре ба қисми интерфейс (Frontend) ва сеюмӣ ба санҷиш тамаркуз мекунад.

Барои ҳамоҳанг нигоҳ доштани ҳама чиз роҳбари техникӣ ворид мешавад: ҳаҷми корро ҳамоҳанг мекунад, вазифаҳо тақсим менамояд ва натиҷаҳоро якҷоя мекунад. Фарқи байни як корманди танҳо ва дастаи ҳамоҳангшуда айнан ба фарқи байни як агент ва системаи бисёрагентӣ (Multi-Agent System — MAS) мувофиқ меояд. Чӣ тавре ки роҳбари техникӣ кори якчанд кормандро ҳамоҳанг мекунад, агенти нозир (Supervisor) метавонад якчанд агенти махсусро барои ҳалли ҳадафи мураккаб идора кунад.

Инчунин бояд донист, ки на одамон ва на агентҳо мустақилияти бемаҳдуд надоранд. Барномасозонро стандартҳои навиштани код, талаботи лоиҳа ва равандҳои созмонӣ роҳнамоӣ мекунанд ва озодии онҳо бо ҳамин сохторҳо маҳдуд аст. Агентҳо низ ба ҳамин монанд бо ҷараёнҳои кории худ маҳдуданд: онҳо танҳо дар доираи абзорҳо, иҷозатҳо ва чораҳои ҳифзие, ки ба онҳо дода шудаанд, амал мекунанд. Ин мустақилияти маҳдуд на заъф, балки он чизест, ки ҳарду системаро коршоям месозад. Барои одамон сохтор сифати код, қобилияти нигоҳдорӣ ва қаноатмандии мизоҷро таъмин мекунад. Барои агентҳо маҳдудиятҳо бехатарӣ, эътимоднокӣ ва мувофиқатро бо ҳадафҳое, ки таҳиягарон ва корбарон муайян кардаанд, кафолат медиҳанд.

Ин монандӣ нишон медиҳад, ки чаро васеъ кардани LLM-ҳо бо абзорҳо маъно дорад. Модели забонии алоҳида ба барномасозе монанд аст, ки аз StackOverflow, муҳити барномасозӣ (IDE) ё GitHub ҷудо карда шудааст: метавонад андешаронӣ кунад, аммо бе ёрии берунӣ маълумоти нав ҷамъ карда, натиҷаҳоро тафтиш намуда ё кори худро беҳтар карда наметавонад. Чӣ тавре ки дастаҳои барномасозӣ қобилиятҳои худро бо абзорҳо, манбаъҳо ва роҳбарии беҳтар афзун мекунанд, LLM-ҳо низ дар ҷараёнҳои кории агентӣ ва ҳатто дар якчанд агенти махсуси дохили MAS тавоноии бештар пайдо мекунанд. Бе ин такмилҳо ҳарду дар доираи омӯзиши аввалияи худ маҳдуд мемонанд ва дар рӯ ба рӯи вазифаҳои мураккаб зуд ҳайрон мешаванд. Бо абзорҳо, бозхӯрд ва равиши «тақсим кун ва ҳал кун» LLM-ҳо метавонанд натиҷаро қадам ба қадам беҳтар кунанд, мутобиқ шаванд ва вазифаҳоеро ҳал намоянд, ки аз имкониятҳои худи онҳо болотаранд.

Эзоҳ: Барои ин боб донистани Python ва бобҳои 1–5-и ҳамин китоб кифоя аст. Донистани омӯзиши мошинӣ лозим нест: ҳар мафҳум бо мисол ва код шарҳ дода мешавад.

Ин боб шарҳ медиҳад, ки LLM-ҳо чӣ гуна аз промптҳои статикӣ ба системаҳои агентии динамикӣ табдил меёбанд, чаро истифодаи абзорҳо зарур аст ва мустақилият (Autonomy) чӣ маъно дорад, вақте агентҳо дар доираи ҷараёнҳои кории муайян, иҷозатҳо ва чораҳои ҳифзӣ кор мекунанд.

Дар ин боб меомӯзем

• Мошини ҳолатҳо (FSM) ҳамчун модели содаи фикрии кори агент.
• Фарқи LLM-и оддӣ ва системаи агентӣ; даъвати абзорҳо бе ҳолат ва бо ҳолат.
• Сохтани агенти дорои ҳолат бо LangGraph: ҳолат, гиреҳҳо, канорҳо ва хотираи ришта.
• Мустақилияти идорашаванда: агентҳо имрӯз чӣ кор карда метавонанд ва чӣ кор не.
• Барои хонандагони пешрафта (дар охири боб): мошинҳои ҳолатҳои иерархӣ, пайгирии қадам ба қадами иҷро ва шохаҳои мувозӣ.

FSM ва HSM тарзҳои муайян кардани рафтори барнома мебошанд: барнома ҳоло дар кадом ҳолат аст ва ҳангоми рӯй додани ягон ҳодиса чӣ кор мекунад.

1. FSM — мошини ҳолатҳои маҳдуд

Яъне система шумораи муайяни ҳолатҳо дорад ва аз як ҳолат ба ҳолати дигар мегузарад.

Масалан, чароғак се ҳолат дорад:

🟢 Сабз → 🟡 Зард → 🔴 Сурх → 🟢 Сабз

Ҳар лаҳза танҳо яке аз онҳо фаъол аст. Гузаштани вақти муайян сабаби иваз шудани ҳолат мешавад.

FSM се ҷузъи асосӣ дорад:

2. HSM — мошини ҳолатҳои иерархӣ

Ин ҳамон фикри FSM аст, вале як ҳолат метавонад дар дохили худ зерҳолатҳо дошта бошад.

Масалан, барномаи мусиқӣ:

• Хомӯш
• Фаъол
  • Дар ҳоли навохтан
  • Таваққуфшуда

«Дар ҳоли навохтан» ва «Таваққуфшуда» ҳар ду зерҳолати «Фаъол» мебошанд. Агар корбар тугмаи хомӯшкуниро пахш кунад, аз ҳар ду зерҳолат барнома хомӯш мешавад. Қоидаи хомӯшкуниро метавон дар сатҳи «Фаъол» навишт, то барои ҳар зерҳолат такрор нашавад.

Дар агенти AI чӣ фоида доранд?

Масалан, агенти табдили тасвир ба матн метавонад чунин ҳолатҳо дошта бошад:

Интизори тасвир → Хондани матн → Санҷиши хатоҳо → Интизори тасдиқ → Нашр

Бо FSM муайян мекунед, ки агент дар ҳар қадам чӣ кор кунад ва агар хато рӯй диҳад, ба куҷо гузарад. Бо HSM метавонед «Хондани матн» ва «Санҷиши хатоҳо»-ро дар дохили ҳолати умумии «Коркарди тасвир» ҷой диҳед ва барои онҳо қоидаи муштараки бекоркунӣ муайян кунед.

Мошинҳои ҳолатҳои маҳдуд ва иерархӣ: модели асосии агентҳо

LangGraph, CrewAI ва чаҳорчӯбаҳои монанд барои сохтор додан ба рафтори агент сатҳҳои гуногуни абстраксияро пешниҳод мекунанд. LangGraph модели дорои ҳолат ва ба граф асосёфтаро ошкоро нишон медиҳад, CrewAI бошад чаҳорчӯбаи сатҳи болотаре дар атрофи агентҳо, дастаҳо (Crews) ва ҷараёнҳо (Flows) пешниҳод мекунад. Чаҳорчӯба шояд ин сохторро ҳамчун API-и расмии мошинҳои ҳолатҳои маҳдуд (Finite State Machines — FSM) ё мошинҳои ҳолатҳои иерархӣ (Hierarchical State Machines — HSM) нишон надиҳад. Аммо ҳар ҷараёни кории агентӣ ба ҳар ҳол ба модели идоракунӣ ниёз дорад: он бояд ҳолатро пайгирӣ кунад, қарор диҳад, ки кадом амалро иҷро кунад, натиҷаро мушоҳида намояд, контексташро нав кунад ва дар ниҳоят анҷом ёбад.

Ба таври умумӣ, мошини ҳолатҳо модели ҳисоббарорӣ аст, ки дар ҳар лаҳза дар яке аз шумораи маҳдуди ҳолатҳо қарор дорад. Он дар ҷавоб ба ҳодисаҳо ё вурудҳои муайян аз як ҳолат ба ҳолати дигар мегузарад ва ҳолати навбатӣ аз рӯи ҳолати ҷорӣ ва вуруд муайян карда мешавад.

Мақсади ин бахш — ба шумо ёрӣ додан дар сохтани модели фикрии агентҳост: нишон медиҳем, ки қолабҳои мошинҳои ҳолатҳо ҷараёни идоракунии системаҳои муосири агентиро чӣ гуна шарҳ медиҳанд. Ба забони сода, онро ҳамчун гузаришҳои сохторёфта тасаввур кунед — қолабе, ки муддатҳои дароз дар компиляторҳо, интерфейсҳои графикӣ, системаҳои дарунсохт ва протоколҳои шабакавӣ истифода мешуд ва акнун ба андешаронӣ ва истифодаи абзорҳо дар агентҳои ба LLM асосёфта татбиқ мешавад.

Мақсади мо аз он ки фаҳмиши шуморо аввал ба FSM ва HSM асос медиҳем, на танҳо як ташбеҳи умумӣ аст. Мехоҳем ба шумо нақшаи сохтани агентҳои LLM-ро диҳем, ки устувор, боэътимод ва мутобиқшаванда бошанд. Ин ба шумо имкон медиҳад на танҳо мафҳумҳоро фаҳмед, балки ҳангоми омӯхтани мавзӯъҳои мураккабтари бобҳои оянда онҳоро самаранок истифода баред. Агар бо мошинҳои ҳолатҳо кайҳо кор накарда бошед, ташвиш накашед: дар мисолҳои код мебинед, ки ин қолабҳо бевосита чӣ гуна татбиқ мешаванд. Луғати зеринро метавон ҳамчун «грамматикаи идоракунӣ»-и паси мисолҳои истифодаи абзорҳо ва системаҳои бисёрагентии ин китоб тасаввур кард.

Мошинҳои ҳолатҳои маҳдуд

Мошини ҳолатҳои маҳдуд ҳолатҳоеро, ки системаи шумо метавонад дар онҳо бошад, ва гузаришҳои иҷозатдодашудаи байни онҳоро тавсиф мекунад. Ҳар гузариш аз ҷониби ҳодиса оғоз мешавад, метавонад бо шарт муҳофизат шавад ва метавонад амалҳоеро иҷро кунад, ки ҳолатро нав мекунанд. Оғоз ва анҷом ҳолатҳои махсус бо маънои махсус мебошанд. Луғати асосӣ чунин аст:

• Ҳолат (State) — тасвири фишурдаи он чизе, ки система дар лаҳзаи муайян медонад. Барои агент ин метавонад рӯйхати паёмҳо, ишораҳои масиргузинӣ ё нишонаҳои пешрафт бошад.
• Ҳодиса (Event) — чизе, ки пас аз қарори охирин рух додааст, масалан даъвати абзор ё бозгашти натиҷаи он.
• Шарти гузариш (Guard) — санҷише, ки дар асоси ҳолати ҷорӣ ва ҳодисаи охирин муайян мекунад, ки кадом гузариш иҷро шавад.
• Амал (Action) — коре, ки ҳангоми гузариш иҷро мешавад, масалан даъвати абзор, илова кардани паём, нигоҳ доштани нуқтаи назоратӣ ё дархости вуруди инсон.
• Анҷом (Termination) — шарте, ки нишон медиҳад раванд ба охир расидааст.

Расми 6.2 мошини ҳолатҳои маҳдудро барои истифодаи абзорҳо нишон медиҳад. Ҳар гузариш бо ҳодиса, шарт ва амал муайян карда мешавад.

Расми 6.2. Намуди умумии мошини ҳолатҳои маҳдуд барои истифодаи абзорҳо.

FSM вақте беҳтарин интихоб аст, ки рафтор байни якчанд ҳолати устувор иваз мешавад ва барқарорсозӣ муҳим аст: татбиқҳо метавонанд дар сарҳади ҳар гиреҳ ё ҳолат нуқтаи назоратӣ нигоҳ доранд ва пас аз садама аз қадами охирини анҷомёфта идома диҳанд.

Фикр кардан бо мафҳуми ҳолатҳо ба шумо имкон медиҳад, ки вазифаи мураккабро ба қадамҳои алоҳида тақсим кунед. Масалан, ба ҷои як промпти «мақолаи блог навис», метавонед ҳолатҳои зеринро муайян кунед: интихоби мавзӯъ, сохтани нақша, навиштани нусхаи аввал, таҳрир ва беҳинасозӣ барои муҳаррикҳои ҷустуҷӯ (SEO). Ҳар ҳолат метавонад ба абзорҳои мушаххасе, ки агенти шумо истифода мебарад, пайваст бошад.

Гузаришҳо шуморо водор мекунанд, ки шартҳоеро муайян кунед, ки дар онҳо як вазифа ба вазифаи дигар супорида мешавад. Масалан, кадом натиҷаи ҳолати «сохтани нақша» ҳолати «навиштани нусхаи аввал»-ро оғоз мекунад. Ин сохтор ба промптҳои якдафъаинаи бесохтор муқобилат мекунад, ки бо LLM-ҳои алоҳида аксар вақт ба натиҷаҳои ноустувор меоранд.

Аммо вақте ки ҳолатҳои бештар — банақшагирӣ, бозбинӣ (Reflection), дарвозаҳои тасдиқ ва такрорҳо — илова мешаванд, FSM метавонад шуморо ба такрори код водор кунад ё масиргузинии печ дар печ («спагеттӣ») ба вуҷуд орад. Шумо бояд канорҳоро зери назорат нигоҳ доред, зеро онҳо нуқтаҳои қарор мебошанд: ҳар кадоми онҳо ҳодиса, шарт ва амалеро дар бар мегирад, ки функсияро ба ҳаракат меоранд. Дар ҳамин ҷо иерархия ёрӣ медиҳад.

Мошинҳои ҳолатҳои иерархӣ (HSM) ва тарзи татбиқи FSM/HSM дар LangGraph дар охири боб, дар қисми «Барои хонандагони пешрафта», шарҳ дода шудаанд. Барои хониши аввал онҳо ҳатмӣ нестанд.

Асосҳо: аз моделҳои статикӣ то агентҳои динамикӣ

Чӣ тавре ки дар бахши пешин дидед, илова кардани ҳолатҳо ва ҷараёни идоракунӣ барои автоматикунонӣ зарур аст. Ҳамин принсип ба агентҳо низ дахл дорад. Барои гузаштан аз истифодаи статикии LLM ба системаҳои агентӣ ба шумо ҳолати ошкоро ва ҷараёни идоракунӣ лозим аст. Ҳолат даъватҳои якдафъаинаи абзорҳоро ба раванди дорои ҳолат табдил медиҳад, ки дар он амалҳои пешина, натиҷаҳои абзорҳо ва қарорҳои масиргузинӣ аз як қадам ба қадами дигар нигоҳ дошта мешаванд. Ҷараёни идоракунӣ шартҳо ва гузаришҳоеро илова мекунад, ки муайян мекунанд кай нақша кашидан, кай амал кардан ва кай бас кардан лозим аст.

Сабаби илова кардани инҳо ба LLM-ҳо сода аст: LLM-ҳо пешгӯикунандагони статикӣ мебошанд. Онҳо бо назардошти промпт токени навбатиро тавлид мекунанд ва танҳо ба қолабҳое такя менамоянд, ки дар маълумоти омӯзишии онҳо ҷой гирифтаанд. Ин онҳоро ба андешаронии тавоно табдил медиҳад, аммо дар доираи он чизе, ки аллакай медонанд, маҳдуд мегузорад. Онҳо донишро нав карда, иддаоҳоро тафтиш карда ё бо муҳит ҳамкорӣ карда наметавонанд.

Агентнокӣ вақте пайдо мешавад, ки андешаронӣ бо амал пайваст мешавад. Андешаронӣ раванди дохилии нақшакашӣ ё қарор додан дар бораи қадами навбатӣ аст. Амал инро бо даъвати абзорҳо, гирифтани маълумот, иҷрои код ё даъвати хидматҳои берунӣ васеъ мекунад. Якҷоя онҳо давраи такроршавандаро ташкил медиҳанд: андеша кун, амал кун, бозхӯрд гир ва ислоҳ кун. Ҳамин давра асоси рафтори агентӣ мебошад.

Ҷадвали 6.1 LLM-ҳои статикиро бо системаҳои агентӣ муқоиса мекунад. Ин фарқиятҳо на танҳо нишон медиҳанд, ки чаро агентҳо заруранд, балки инчунин чӣ гуна тарҳи онҳо ҷараёнҳои кории анъанавии омӯзиши мошиниро ба системаҳои динамикии бо абзорҳо тақвиятёфта табдил медиҳад.

Ҷадвали 6.1. Муқоисаи LLM-ҳои статикӣ ва системаҳои агентӣ

Расми 6.3 нишон медиҳад, ки модулҳо LLM-и статикиро чӣ гуна ба агенти динамикӣ табдил медиҳанд. Дархости корбар ба ядро ворид мешавад, банақшагирӣ ва хотира андешаронии онро шакл медиҳанд ва абзорҳо амали мушаххасро имконпазир мекунанд. Давраи андешаронӣ, амал ва мутобиқшавӣ аз ҳамоҳангии ҳамин унсурҳо пайдо мешавад. Меъмориҳои мушаххаси хотира — интихоби нигоҳдорӣ, стратегияҳои ҷустуҷӯ ва механизмҳои нигоҳдории дарозмуддат — мавзӯи калони алоҳида мебошанд ва аз доираи ин боб берунанд.

Расми 6.3. Меъмории пояи агент: LLM-и алоҳида танҳо матнро пешгӯӣ карда метавонад, аммо бо банақшагирӣ, хотира ва абзорҳо ба системаи агентии коршоям табдил меёбад.

Модулҳои банақшагирӣ андешаронии агентро роҳнамоӣ мекунанд: аз пайҳои оддии занҷираи андешаронӣ (Chain-of-Thought)¹ то равишҳои пешрафтатар, ба монанди дарахти андешаҳо (Tree of Thoughts)² ё худтанқидкунӣ (ҳар ду дар боби 7 шарҳ дода мешаванд). Модулҳои хотира пайвастагиро таъмин мекунанд ва ба агент имкон медиҳанд, ки қадамҳои пешинро ба ёд орад, дониши қаблиро дубора истифода барад ё маълумотро байни ҷаласаҳо нигоҳ дорад. Абзорҳо агентро ба муҳиташ пайваст мекунанд — тавассути ҷустуҷӯ, гирифтани маълумот, иҷрои код ё API-ҳои махсус.

Ғайр аз ин, фарқи асосии байни истифодаи анъанавии LLM ва системаҳои агентӣ дар он аст, ки ҷараёни корӣ бе ҳолат (Stateless) аст ё дорои ҳолат (Stateful). Даъвати бе ҳолат моделро ҳамчун «қуттии сиёҳ» истифода мебарад: промптро мегирад, токенҳои навбатиро пешгӯӣ мекунад ва натиҷаро бармегардонад. Ҳеҷ чиз дар хотир нигоҳ дошта намешавад, ягон амал иҷро намешавад ва давраи бозхӯрд вуҷуд надорад. Намунаи 6.1 даъвати бе ҳолати LLM-ро нишон медиҳад.

Намунаи 6.1. Даъвати бе ҳолати LLM бо LangChain.

llm = ChatOpenAI(model="gpt-5-mini")
response = llm.invoke("What are AI agents?")
print(response.content)

Ғайр аз ин, ҳамин ки ба далелҳои берун аз маълумоти омӯзишӣ ниёз пайдо мекунед ё мехоҳед модел амал кунад (ҷустуҷӯ, ҳисоб), абзорҳоро ворид мекунед.

Дар коди зер (намунаҳои 6.2 то 6.4) иҷрои ҳадди ақалли бе ҳолат бо абзорҳо оварда шудааст: аввал ду абзорро ба LLM пайваст мекунед, сипас давраи хурдеро иҷро менамоед, ки ҳар даъвати абзореро, ки модел барои иҷрои вазифааш лозим медонад, иҷро мекунад. Аввал бояд абзорҳоро муайян кунед. Намунаи 6.2 татбиқи абзорҳоро нишон медиҳад.

Намунаи 6.2. Муайян кардани абзорҳо барои иҷрои бе ҳолат.

@tool("internet_search")  # @tool аз номи функсия, имзо ва docstring нақша месозад
def internet_search(query: str) -> str:
    """Search Google via SerpAPI for up-to-date information."""  # docstring ҳатмист
    serp_api_key = os.environ["SERPAPI_API_KEY"]
    params = {"engine": "google", "gl": "us", "hl": "en"}
    search = SerpAPIWrapper(params=params, serpapi_api_key=serp_api_key)
    return search.run(query)

@tool("calculator")
def calculator(expression: str) -> str:
    """Evaluate a single-line mathematical expression with numexpr."""
    local_dict = {"pi": math.pi, "e": math.e}
    out = numexpr.evaluate(   # танҳо ададҳои иҷозатдодашуда; тағйирёбандаҳои умумӣ манъ
        expression.strip(),
        global_dict={},
        local_dict=local_dict,
    )
    return str(out)

tools = [internet_search, calculator]
tool_map: Dict[str, Any] = {t.name: t for t in tools}

Ороишгари @tool-и LangChain аз номи функсия, имзои навъдор ва docstring нақшаеро (Schema) месозад, ки модел мебинад. Онҳоро бояд дақиқ, якхела ва то ҳадди имкон фаҳмо нигоҳ доред, то вазифа самаранок иҷро шавад. Docstring нақши тавсифи абзорро мебозад ва барои LangChain ҳатмист: агар он набошад, ҳангоми сохтани нақшаи абзор ё пайваст кардани абзорҳо ба модел хато мегиред. Ғайр аз ин, агар docstring норавшан бошад, эҳтимоли он ки модел даъватҳои нодуруст тавлид кунад, зиёд мешавад. Маҳдуд кардани ҳисоб дар calculator — манъи тағйирёбандаҳои умумӣ ва иҷозат додан танҳо ба доимиҳои лозимӣ — ҳисобкунакро муайян ва бехатар нигоҳ медорад.

Акнун, барои он ки LLM ба абзор дастрасӣ дошта бошад, абзорҳоро ба модел пайваст мекунед, чӣ тавре ки дар намунаи 6.3 нишон дода шудааст.

Намунаи 6.3. Пайваст кардани абзорҳо ба LLM.

# tool_choice="auto" ба модел имкон медиҳад худаш қарор диҳад, ки абзор даъват кунад ё не ва кадомашро
llm = ChatOpenAI(model="gpt-4o", temperature=0,
                max_tokens=800).bind_tools(tools, tool_choice="auto")

bind_tools ба модел рӯйхати абзорҳо ва тавсифи онҳоро «нишон медиҳад». Пас аз ин модел дар ҷавоби худ метавонад на матн, балки дархости даъвати абзор (tool_calls) баргардонад; иҷрои худи абзор кори коди шумост.

LLM-ҳои муосир барои вазифаҳои агентӣ сохта мешаванд. Моделҳои муосир на танҳо абзорҳоро даъват карда метавонанд, балки торафт бештар махсус барои вазифаҳои агентӣ омӯзонида ва беҳина карда мешаванд. Масалан, моделҳое ба монанди Kimi K2, Llama 4 ва Qwen3.6 ошкоро барои барномасозӣ, истифодаи абзорҳо ва кор дар системаҳои агентӣ танзим шудаанд. Ин моделҳо аз ҷавоб додан ба саволҳо дар равзанаи чат фаротар мераванд: онҳо барои амал кардан — даъвати API-ҳо, иҷрои код ё гирифтани маълумот ҳамчун қисми тарҳи асосии худ — бо дастурҳо танзим шудаанд.

Бо абзорҳои пайвастшуда метавонед давраи ҳадди ақалли бе ҳолатро бо абзорҳо иҷро кунед. Коди намунаи 6.4 ҳар даъвати абзореро, ки модел дархост мекунад, иҷро мекунад ва натиҷаҳои абзорҳоро ҳамчун мушоҳида ба модел бармегардонад. Дар ҷараёни кории даъвати абзорҳо ёвар метавонад ба ҷои ҷавоби ниҳоӣ даъвати абзор тавлид кунад. Пас аз он ки коди шумо ин абзорро иҷро мекунад, паёми охирин мушоҳидаи абзор аст ва модел ба як гардиши дигар ниёз дорад, то натиҷаро тафсир карда, ҷавоби ниҳоиро нависад. Барои ҳамин давра дастури кӯтоҳи ҷамъбастиро дар бар мегирад, ки агар иҷро пас аз мушоҳидаи абзор ба ҳадди қадамҳо расад, паёми ниҳоии ёварро маҷбурӣ месозад.

Намунаи 6.4. Иҷрои ягонаи бе ҳолат бо давраи абзорҳо.

def run_once(prompt: str, max_steps: int = 8) -> str:
    # Хотираи кӯтоҳмуддати маҳаллӣ танҳо барои ҳамин иҷро: байни иҷроҳо ҳолат нест
    messages: List[HumanMessage | AIMessage | ToolMessage] = [
    HumanMessage(content=prompt)]
    last_ai: AIMessage | None = None

    for _ in range(max_steps):  # маҳдудияти қадамҳо аз давраҳои беохир ҳифз мекунад
        ai: AIMessage = llm.invoke(messages)  # як қадами модел; метавонад абзор даъват кунад
        messages.append(ai)
        last_ai = ai

        calls = getattr(ai, "tool_calls", None) or []  # даъватҳои сохторёфтаи абзорҳо
        if not calls:
            return messages[-1].content

        for call in calls:
            name = call["name"]
            args = call.get("args", {}) or {}
            result = tool_map[name].invoke(args)
            messages.append(ToolMessage(
                content=str(result),
                name=name,
                tool_call_id=call.get("id")  # мушоҳида ба даъвати мувофиқаш пайваст мешавад
            ))

    # Давра метавонад бо мушоҳида анҷом ёбад; ин дастур паёми ниҳоии ёварро кафолат медиҳад
    messages.append(HumanMessage(content="""
Finish now. Give a short final answer in this exact format:

Current temperature:
Square of current temperature:
""".strip()))
    final_ai: AIMessage = llm.invoke(messages)
    return final_ai.content

print(run_once("""Two-step task.

Step 1: Use internet_search to get the current air temperature in New York City
today. Show the exact query you used, the top source title and snippet, and
extract a numeric temperature in Celsius. Return this temperature as feedback
for Step 2.

Step 2: Using the Celsius value from Step 1, compute its square with calculator.
Show the exact expression you used and the numeric result.

Important: Give a short final answer in this format:
Current temperature:
Square of current temperature:"""))

Додани ҳолат ба LLM

Қадами аввали табдил додани LLM ба агент ҷойгир кардани он дар ҷараёни кории дорои ҳолат аст. Ба ҷои он ки ҳар даъвати моделро ҳамчун промпт ва ҷавоби ҷудогона ҳисоб кунем, ҷараёни корӣ сабт мекунад, ки агент дар куҷост, чӣ аллакай рух додааст ва кадом маълумот бояд ба пеш интиқол ёбад. Дар ин китоб мо «ҳолат»-ро ба маънои тасвири сохторёфтаи ҷараёни корӣ ҳангоми иҷро истифода мебарем, на танҳо матни контексте, ки ба модел дода мешавад. Контексти модел метавонад як қисми ҳолат бошад, аммо ҳолат метавонад маълумоти масиргузинӣ, натиҷаҳои абзорҳо, нуқтаҳои назоратӣ, муайянкунандаҳои шохаҳо ва дигар маълумоти идоракуниро низ дар бар гирад. Расми 6.4 ҷараёнҳои агенти бе ҳолат ва дорои ҳолатро муқоиса мекунад.

Расми 6.4. Агенти бе ҳолат ҳар даъватро мустақил коркард мекунад, агенти дорои ҳолат бошад дар ҳар қадам аз ҳолати умумӣ мехонад ва ба он менависад.

Дар асоси вуруд ва мантиқ система ба ҳолати навбатӣ мегузарад ва ҳар ҳолат функсия ё рафтори марбути худро дорад. Дар LangGraph ҳолат метавонад ҳар навъи Python бошад, аммо одатан TypedDict ё BaseModel-и Pydantic аст. Мафҳумҳои асосии LangGraph барои сохтани агентҳои дорои ҳолат ва мутобиқшаванда инҳоянд:

• Ҳолат (State) — сохтори умумии маълумот, ки тасвири ҷории барномаро ифода мекунад.
• Гиреҳҳо (Nodes) — функсияҳое, ки мантиқи агентро ифода мекунанд. Онҳо ҳолати ҷориро мегиранд, ҳисоб ё амали берунӣ иҷро мекунанд ва ҳолати навшударо бармегардонанд.
• Канорҳо (Edges) — қоидаҳое, ки аз рӯи ҳолати ҷорӣ гиреҳи навбатиро интихоб мекунанд. Онҳо метавонанд шохаҳои шартӣ ё гузаришҳои собит бошанд ва инчунин бояд муайян кунанд, ки кай шарти анҷом иҷро шудааст.
• Фармон (Command) — объекте, ки ҷараёни идоракунӣ ва навсозии ҳолатро барои муоширати якчанд иштирокчӣ якҷоя мекунад. Гиреҳ метавонад бо баргардонидани Command ҳам ҳолатро нав кунад ва ҳам гиреҳи навбатиро интихоб намояд.

То ҳол абзорҳое, ки пештар сохтед, танҳо дар давраҳои бе ҳолат истифода мешуданд. Ҳар иҷро мустақил буд: модел метавонист абзорҳоро даъват кунад, ҷавоб гирад ва корро ҷамъбаст намояд, аммо ҳамин ки иҷро тамом мешуд, тамоми контекст гум мегашт. Акнун, агар хоҳед мафҳумҳои LangGraph-ро барои сохтани агентҳои дорои ҳолат якҷоя кунед, бояд абзорҳоро ба ҷараёни кории дорои ҳолат ворид созед. Ба ҷои партофтани паёмҳо пас аз ҳар гардиш, онҳоро дар ҳолати сохторёфта нигоҳ медоред. Ин системаро агентӣ месозад:

• Гиреҳи LLM дар бораи қадами навбатӣ меандешад.
• Гиреҳи абзорҳо амалҳои беруниро иҷро мекунад.
• Канорҳо ҷараёни идоракуниро аз рӯи он ки абзорҳо дархост шудаанд ё не, равона мекунанд.
• Нуқтаҳои назоратии хотира гуфтугӯро нигоҳ медоранд, то агент натиҷаҳои пешинаро дар гардишҳои баъдӣ дубора истифода барад.

Ин истифодаи абзорҳоро аз ёрдамчии якдафъаина ба давраи доимии андешаронӣ — амал — мутобиқшавӣ табдил медиҳад. Дар намунаҳои коди навбатӣ шумо чунин агенти дорои ҳолатро бо LangGraph месозед ва аз ҳамон абзорҳо ва пайвасти LLM, ки дар намунаҳои 6.3 ва 6.4 шинос шудед, оғоз мекунед.

Намунаи 6.5 нишон медиҳад, ки объекти ҳолатро дар LangGraph чӣ гуна татбиқ кардан мумкин аст, то гуфтугӯро нигоҳ дорад ва ҷараёни идоракуниро ҳамоҳанг созад. Абзорҳо ва LLM-и пайвастшударо аз намунаи 6.3 дубора истифода мебаред ва танҳо чизҳои навро илова мекунед: ҳолати навъдор, гиреҳи LLM, ки паёмҳои ёварро илова мекунад, гиреҳи абзорҳо, ки даъватҳоро иҷро менамояд, ва масиргузине, ки аз рӯи даъватҳои абзор қарор медиҳад идома диҳад ё бас кунад.

Намунаи 6.5. Сохтани графи ҳадди ақалли LangGraph бо ҳолат, гиреҳҳо ва масиргузинӣ.

class AgentState(TypedDict):
    # Ҳолат гуфтугӯро ҳамчун рӯйхати паёмҳо нигоҳ медорад;
    # add_messages навсозиҳои гиреҳҳоро бехатар якҷоя мекунад
    messages: Annotated[List[BaseMessage], add_messages]

def llm_node(state: AgentState) -> AgentState:  # гиреҳи асосии андешаронӣ
    ai = llm.invoke(state["messages"])
    return {"messages": [ai]}

tool_node = ToolNode(tools=tools)  # гиреҳи тайёр барои иҷрои даъватҳои абзор

graph = StateGraph(AgentState)  # зарф барои гиреҳҳо ва канорҳо
graph.add_node("llm", llm_node)
graph.add_node("tools", tool_node)
graph.add_edge(START, "llm")

def route(state: AgentState):
    # Масиргузин: агар гардиши охирини ёвар абзор дархост карда бошад — ба tools, вагарна — анҷом
    last = state["messages"][-1]
    calls = getattr(last, "tool_calls", None) or []
    return "tools" if calls else END

graph.add_conditional_edges("llm", route, {"tools": "tools", END: END})
graph.add_edge("tools", "llm")

Ду мафҳуми нав. TypedDict — луғати оддии Python аст, ки калидҳо ва навъҳои онҳо пешакӣ муайян шудаанд; ҳолати агент маҳз ҳамин луғат аст. Annotated[..., add_messages] ба LangGraph мегӯяд, ки паёмҳои нави гиреҳ ба рӯйхат илова шаванд, на ки рӯйхати пешинаро иваз кунанд. Барои ҳамин таърихи гуфтугӯ гум намешавад.

Пас аз муайян кардани граф бояд онро иҷрошаванда ва доимӣ созед. Намунаи 6.6 графро бо нигоҳдорандаи нуқтаҳои назоратӣ дар хотира тартиб медиҳад ва муайянкунандаи риштаро таъин мекунад. Нигоҳдорандаи нуқтаҳои назоратӣ дар ҳар гардиш паёмҳои пешинаро барқарор мекунад, то агент натиҷаҳои пешинаро дубора истифода барад. Муайянкунандаи ришта шохаҳоро ҷудо мекунад, то гуфтугӯҳои мувозиро бе халал ба ҳамдигар пеш баред.

Намунаи 6.6. Тартиб додан бо нуқтаҳои назоратӣ дар хотира ва танзими ришта.

checkpointer = MemorySaver()  # нуқтаҳои назоратии сабук барои ҳар ришта
app = graph.compile(checkpointer=checkpointer)  # барномаи иҷрошаванда, ки ҳолатро нигоҳ медорад ва бор мекунад

cfg = {"configurable": {"thread_id": "nyc-weather-session"}}  # як шохаи гуфтугӯ; ID-и нав — шохаи нав

Намунаи 6.7 ҳарорати ҷории ҳаворо дар Ню-Йорк бо дараҷаи Селсий мепурсад. Граф ба гиреҳи LLM ворид мешавад, дар ҳолати зарурӣ абзорро даъват мекунад ва паёми ниҳоии ёварро бармегардонад; натиҷа барои ҳамин ришта дар хотира нигоҳ дошта мешавад. Агар хоҳед ҳар қадами графро бубинед, бахши «Пайгирии қадам ба қадами иҷрои граф»-ро дар охири боб нигаред.

Намунаи 6.7. Гардиши 1: гирифтани ҳарорати ҷории ҳаво дар Ню-Йорк бо дараҷаи Селсий.

result = app.invoke(
    {"messages": [HumanMessage(content="Get the current air temperature in New York "
                                       "City in Celsius.")]},
    config={**cfg, "recursion_limit": 20},   # ҳадди қадамҳо, то давр беохир нашавад
)
print("\nTURN 1 (final assistant):\n", result["messages"][-1].content)

Модел чунин натиҷа медиҳад:

TURN 1 (final assistant):
The current air temperature in New York City is 18°C.

Дар ҳамон ришта идома медиҳед. Намунаи 6.8 мехоҳад ҳарорати пештар гирифташуда ба квадрат бардошта шавад. Азбаски муайянкунандаи ришта тағйир наёфтааст, барнома паёмҳои пешинаро барқарор мекунад ва ёвар метавонад натиҷаи пешинаро бе такрор кардани он дар промпт истифода барад.

Намунаи 6.8. Гардиши 2: ба квадрат бардоштани ҳамон ҳарорат дар ҳамон ришта.

result = app.invoke(
    {"messages": [HumanMessage(content="Now compute the square of that "
                                       "temperature.")]},
    config={**cfg, "recursion_limit": 20},   # ҳамон cfg — ҳамон ришта, ҳамон хотира
)
print("\nTURN 2 (final assistant):\n", result["messages"][-1].content)

Акнун квадрат ҳисоб карда мешавад ва модел бармегардонад:

TURN 2 (final assistant):
The square of the temperature, 18°C, is 324.

Тафсилот дар охири боб: «Шохаи мувозӣ: идомаи дигар дар риштаи алоҳида» (қисми «Барои хонандагони пешрафта»).

Deus ex machina: ҳоло чӣ имконпазир аст?

Дар театри Юнони қадим deus ex machina («худо аз мошин») пайдо шудани ногаҳонии худое буд, ки муноқиша ё мушкили ҳалнашавандаро ҳал мекард. Агентҳои зеҳни сунъиро ҳам ҳамин тавр тасаввур кардан васвасаовар аст: мошине, ки ногаҳон бо мустақилият ва зеҳни пурра амал карда, ҳамаи мушкилоти шуморо ҳал мекунад. Аммо имрӯз ин имконпазир нест: агентҳо системаҳои муҳандисишудаанд. Тавоноии онҳо на аз ҷодуи пинҳонӣ, балки аз ҷараёнҳои кории бодиққат тарҳрезишуда, абзорҳои хуб муайяншуда ва ҳудудҳое бармеояд, ки онҳоро бехатар ва коршоям нигоҳ медоранд. Агентҳо бо абзорҳое, ки ба онҳо медиҳед, бо чораҳои ҳифзие, ки ҷорӣ мекунед, ва бо ҷараёнҳои корие, ки ба онҳо иҷозат медиҳед, маҳдуд мемонанд. Маҳз ҳамин маҳдудиятҳо агентҳоро имрӯз коршоям мекунанд: барои ҷорӣ кардан бехатар, дар рафтор пешгӯишаванда ва бо ҳадафҳои худ мувофиқ.

Он чизе, ки системаҳои ҷорӣ нишон медиҳанд, шакли мустақилияти идорашаванда (Orchestrated Autonomy) аст. Чӣ тавре ки дар мисолҳои LangGraph-и боло (намунаи 6.5) дидед, агентҳо метавонанд ба таври шартӣ шоха кунанд, абзорҳоро даъват намоянд ё қарор диҳанд, ки ҷараёни кориро идома диҳанд ё не. Ин аллакай аз даъвати статикии «промпт — ҷавоб» хеле фарқ мекунад, аммо ба ҳар ҳол маҳдуд аст. Мантиқи идоракунӣ собит аст; дар дохили он LLM метавонад интихоб кунад, аммо меъмории худро аз нав муайян карда наметавонад. Ҷадвали 6.2 шарҳи кӯтоҳи он чизеро медиҳад, ки агентҳо дар меъмории дар ин боб нишондодашуда — графи собит бо гиреҳҳо ва абзорҳои пешакӣ муайяншуда — карда метавонанд ва карда наметавонанд.

Ҷадвали 6.2. Мустақилияти идорашаванда: дар ин меъморӣ чӣ имконпазир аст ва чӣ не

Сутуни рост маҳдудияти ҳамин меъмориро нишон медиҳад, на ҳадди имконоти ҳамаи агентҳо. Агар ба агент иҷозат ва механизм диҳед — масалан, абзоре, ки абзорҳои нав месозад ё графро тағйир медиҳад — ӯ метавонад ин корҳоро анҷом диҳад. Аммо анҷом дода тавонистан ҳанӯз маънои онро надорад, ки ин кор боэътимод ва бехатар анҷом мешавад: барои ин санҷиш, ҳудуди иҷозатҳо ва назорати инсон лозим аст (ниг. бобҳои 10 ва 11).

Агент ҳангоми иҷро мутобиқ мешавад, аммо танҳо дар доираи чаҳорчӯбае, ки шумо тарҳрезӣ мекунед. Инро ҳамчун спектр дидан муфид аст. Дар як канор масиргузинҳо ҳастанд, ки аз маҷмӯи собити имконҳо як қарор қабул мекунанд. Дар мобайн агентҳои даъваткунандаи абзорҳо ҳастанд, ки андешаронии чандқадама, бозбинӣ ва хотираро дастгирӣ мекунанд. Дар канори дигар MAS-ҳо ҳастанд, ки дар онҳо агентҳои махсус зери роҳбарии нозир ҳамкорӣ мекунанд ва қароргириро байни нақшҳо тақсим менамоянд. Расми 6.5 спектри мустақилиятро аз қарорҳои оддии масиргузинӣ то ғояи иҷрои пурра худидоракунанда нишон медиҳад. Дар амал қариб ҳамаи системаҳои воқеӣ дар мобайн ҷой доранд: онҳо системаҳои агентӣ мебошанд, на агентҳои воқеан мустақил. Мустақилияти онҳо идорашаванда аст, на худтаҳаввулкунанда: қарорҳо дар чаҳорчӯбаи ҳолатҳо, гузаришҳо ва маҷмӯи абзорҳои пешакӣ муайяншуда қабул мешаванд, ҳатто агар агент ҳангоми иҷро байни онҳо мутобиқшавандаро интихоб карда тавонад.

Расми 6.5. Дар мустақилияти идорашаванда нуқтаҳои қарор дар ҷараёни корӣ пешакӣ муайян шудаанд. Дар мустақилияти пурра LLM метавонист барои расидан ба ҳадафаш абзорҳо, амалҳо ё роҳҳои нави қарорро тавлид кунад.

Агентҳо метавонанд дар чаҳорчӯбаҳое ба монанди LangGraph бо истифода аз бозбинӣ, банақшагирӣ ва натиҷаҳои сохторёфта чандириро тақлид кунанд. Аммо ҳоло мо системаҳое надорем, ки меъмории худро озодона аз нав муайян кунанд ё дар бораи ҳадафҳои худ ба таври устувор ва умумӣ андешаронӣ намоянд.

AI Scientist: мустақилияти маҳдуд аллакай чӣ кор карда метавонад. AI Scientist v2³ намунаи он аст, ки мустақилияти идорашаванда аллакай чӣ чизро имконпазир мекунад. Ин система дар асоси ҷараёни кории бисёрагентӣ сохта шудааст, ки ҷустуҷӯи дарахтӣ, идоракунии таҷрибаҳо ва бозхӯрди визуалӣ-забониро якҷоя мекунад. Он метавонад фарзияҳои илмӣ пешниҳод кунад, барои санҷиши онҳо код нависад, таҷрибаҳоро мувозӣ иҷро карда, ҳамзамон хатоҳоро ислоҳ ва натиҷаҳоро беҳтар кунад, натиҷаҳоро ба таври аёнӣ нишон диҳад ва дар ниҳоят дастнависи мақолаи илмиро таҳия намояд. Соли 2025 система ба семинари (Workshop) конфронси ICLR се мақола пешниҳод кард, ки яке аз онҳо баррасии ҳамкасбонро гузашт ва расман қабул шуд — аввалин ҳолати маълуми мақолаи пурра аз ҷониби зеҳни сунъӣ тавлидшуда, ки ба ин сатҳ расид.

Аммо ин дастовард маҳдудиятҳои равшан дошт. Мақолаи қабулшуда дар сатҳи семинар буд, на дар бахши асосии конфронс. Аз се мақолаи пешниҳодшуда ду рад карда шуданд ва ҳатто кори қабулшуда камбудиҳои методологӣ, асосноккунии норавшан, таҳлили сатҳӣ ва маҳдудиятҳои маҷмӯи додаҳоро дошт. Гарчанде баррасикунандагон равшанӣ ва дақиқии онро ситоиш карданд, таъкид намуданд, ки он умқ ва навоварии барои нашрияҳои дараҷаи олӣ заруриро надорад. Система инчунин ба домҳои маълуми LLM-ҳо, аз ҷумла хатоҳои иқтибос ва тавсифи гумроҳкунандаи расмҳо, дучор шуд. Пас, гарчанде ҳайратовар аст, ки система метавонад мустақилона натиҷаро беҳтар кунад ва хатоҳоро ислоҳ намояд, он ҳанӯз парадигмаҳои куллан нави илмиро мустақилона ба вуҷуд оварда наметавонад.

Ин ҳолат ҳарду ҷанбаи мустақилияти ҷориро нишон медиҳад. Дар доираи ҳамоҳангсозии муҳандисишуда системаҳои агентӣ аллакай метавонанд давраро аз ғоя то таҷриба, код ва ҳатто нашри аз баррасии ҳамкасбон гузашта пӯшонанд. Берун аз ин ҳудудҳо — истеҳсоли пайвастаи илми инқилобӣ ё кор бо эҷодкории бемаҳдуд — агентҳои имрӯза маҳдуд мемонанд ва назорати инсон муҳим боқӣ мемонад.

Чӣ тавре ки акнун мефаҳмед, агентҳои имрӯза ҳалли «худо аз мошин» нестанд, балки системаҳои бодиққат ҳамоҳангшудае мебошанд, ки LLM-ҳоро бо сохтор, абзорҳо ва давраҳои бозхӯрд васеъ мекунанд. Мустақилияти онҳо бо тарҳ маҳдуд аст ва маҳз ҳамин онҳоро амалӣ, бехатар ва барои ҷорӣ кардан мувофиқ месозад. Гарчанде ҳанӯз маҳдуданд, онҳо аллакай ҳайратовар ва қодир ба андешаронӣ, амал ва мутобиқшавӣ ба тарзҳое мебошанд, ки аз LLM-ҳои статикӣ хеле фаротаранд.

Хулоса

Дар ин боб шумо омӯхтед, ки LLM-ҳо чӣ гуна бо илова шудани ҳолат, ҷараёни идоракунӣ ва истифодаи абзорҳо аз пешгӯикунандагони статикӣ ба агентҳои динамикӣ табдил меёбанд. Бо ҷойгир кардани андешаронӣ дар давраи амал ва бозхӯрд LLM-ҳо қобилияти мутобиқшавӣ ба натиҷаҳоро пайдо мекунанд ва имкониятҳои худро аз ҳудуди ҳамкориҳои «промпт — ҷавоб» хеле васеъ мекунанд.

Мошинҳои ҳолатҳои маҳдуд ва иерархӣ асоси мафҳумии тарҳи агентҳоро фароҳам оварданд. FSM-ҳо ба шумо имкон медиҳанд, ки ҷараёнҳои кориро ба қадамҳои барқароршаванда тақсим кунед, HSM-ҳо бошанд такрорро кам ва сиёсатҳоро барои вазифаҳои мураккаби чандқадама мутамарказ мекунанд. Ин абстраксияҳо бевосита ба чаҳорчӯбаҳои муосир, ба монанди LangGraph, мувофиқ меоянд, ки дар онҳо ҳолат, гиреҳҳо ва қоидаҳои масиргузинӣ муайян мекунанд, ки агентҳо бо мурури вақт чӣ гуна меандешанд ва амал мекунанд.

Акнун шумо инчунин мустақилиятро дар контексти дурусттар ҷой дода метавонед. Мефаҳмед, ки агентҳои имрӯза дар доираи ҷараёнҳои кории хуб маҳдудшуда кор мекунанд — байни роҳҳои пешакӣ муайяншуда интихоб мекунанд, абзорҳоро даъват менамоянд ва дар бораи натиҷаҳо мулоҳиза мекунанд, — аммо меъмории худро аз нав тарҳрезӣ намекунанд. Ин мустақилияти идорашаванда на заъф, балки қувват аст, зеро маҳдудиятҳо агентҳоро бехатар, пешгӯишаванда ва барои ҷорӣ кардан амалӣ месозанд. Мисоли AI Scientist v2 ҳам имкониятҳо ва ҳам маҳдудиятҳои ин равишро нишон дод: агентҳо аллакай метавонанд фарзияҳо тавлид ва санҷанд, аммо барои таъмини дақиқӣ ва умқ ба назорат ниёз доранд.

Чиро бояд дар ёд дошт

• Агент = LLM + абзорҳо + ҳолат + давраи «андеша → амал → мушоҳида», ки то расидан ба ҳадаф такрор мешавад.
• LLM худаш бе ҳолат аст: ҳар даъват аз сифр оғоз мешавад. Ҳолат (масалан, рӯйхати паёмҳо дар LangGraph) ба агент имкон медиҳад, ки натиҷаҳои пешинаро истифода барад.
• Дар LangGraph агент граф аст: гиреҳҳо (LLM, абзорҳо), канорҳо (кадом қадам баъд меояд) ва нуқтаҳои назоратӣ (хотираи ришта).
• Ҳар давра бояд шарти анҷом дошта бошад; вагарна агент беохир давр мезанад.
• Агентҳои имрӯза мустақилияти идорашаванда доранд: онҳо танҳо дар доираи абзорҳо ва роҳҳое, ки шумо медиҳед, интихоб мекунанд.

Барои хонандагони пешрафта

Ин қисм барои хониши аввал ҳатмӣ нест. Дар он тафсилоти техникӣ, формулаҳо ва коди пурра оварда шудаанд. Агар китобро бори аввал мехонед, метавонед онро гузаронед ва ба боби навбатӣ гузаред.

Мошинҳои ҳолатҳои иерархӣ

Мошинҳои ҳолатҳои иерархӣ ба ҳолатҳо имкон медиҳанд, ки ҳолатҳои дигарро дар бар гиранд. Суперҳолатҳо рафтори умумии воридшавӣ ва баромад ва шартҳои умумиро дар бар мегиранд. Зерҳолатҳо ин қоидаҳоро мерос мегиранд ва қоидаҳои худро илова мекунанд. Гиреҳҳои таърих (History) дар хотир доранд, ки ҳангоми баромадан шумо дар кадом зерҳолат будед, то баъдтар маҳз аз ҳамон ҷо идома диҳед. Ин иловаҳо ба мошини ҳолатҳо дар рӯйхати зер шарҳ дода шудаанд:

• Суперҳолат (Superstate) — ҳолате, ки маҷмӯи ҳолатҳои фарзанд ва сиёсатҳои умумии онҳоро гурӯҳбандӣ мекунад. Воридшавӣ ба суперҳолат мантиқи умумиро як маротиба иҷро мекунад; баромадан аз он тоза кардани умумиро як маротиба иҷро мекунад.
• Зерҳолат (Substate) — ҳолати мушаххасе, ки дар дохили суперҳолат ҷойгир аст. Он канорҳои худро дорад, аммо шартҳо ва амалҳои суперҳолатро мерос мегирад.
• Таърих (History) — нишонаи «дар куҷо будам»-ро дар хотир нигоҳ доштан. Таърихи сатҳӣ (Shallow History) аз охирин фарзанди фаъол идома медиҳад; таърихи амиқ (Deep History) аз дохили наберагони ҷойгиршуда идома медиҳад. Бо истилоҳҳои агент, ин нуқтаи назоратӣ барои қисме аз граф аст.
• Минтақаи мувозӣ (Parallel Region) — ду ё зиёда минтақаи фарзанди суперҳолат, ки мустақилона пеш мераванд. Барои паҳн кардани даъватҳои абзор ё нақшҳои агентҳо ва баъд якҷоя кардани натиҷаҳо муфид аст.

Расми 6.6 мошини ҳолатҳои иерархиро бо суперҳолати WORKING нишон медиҳад. PLAN, ACT ва REFLECT зерҳолатҳо мебошанд. H нишонаи таърихи сатҳӣ аст, ки охирин зерҳолати фаъолро сабт мекунад, то агар суперҳолат дубора ворид шавад, иҷро аз ҳамон ҷо идома ёбад.

Расми 6.6. Намуди умумии мошини ҳолатҳои иерархӣ бо нишонаи таърих, ки охирин зерҳолати фаъолро сабт мекунад.

HSM-ҳо махсусан барои MAS-ҳои пешрафта муҳиманд. HSM имкони «ҳолатҳо дар дохили ҳолатҳо»-ро медиҳад, ки такрорро кам мекунад ва сиёсатҳоро равшан месозад. Масалан, шумо метавонед маҳдудияти суръат (Rate Limit), филтрҳои бехатарӣ ё «автоматҳои қатъкунанда» (Circuit Breakers)-ро ба суперҳолати WORKING пайваст кунед, то банақшагирӣ, амал ва бозбинӣ ҳама ҳамон чораҳои ҳифзиро мерос гиранд. Шартро ё масиргузинро як маротиба муайян мекунед ва дар гиреҳҳои гуногун дубора истифода мебаред.

Агенти таҳқиқотиро ба назар гиред. Ба ҷои он ки таҳқиқотро як қадами ягонаи калон ҳисоб кунед, метавонед онро ба зермошин бо ҳолатҳое ба монанди ҷустуҷӯи калимаҳои калидӣ, ҷамъ кардани суроғаҳо (URL), гирифтани маълумот аз саҳифаҳо ва хулоса кардани натиҷаҳо тақсим кунед. Ҳар яке аз ин ҳолатҳо метавонад ҳатто ба агенти алоҳида бо қобилиятҳои худ мувофиқ ояд, ки ба дастаи калонтари агентҳо саҳм мегузорад. Ин сохтори ҷойгиршуда идоракунии мураккабиро осон мекунад, сиёсатҳоро якхела нигоҳ медорад ва фаҳмидан ва нигоҳдории тамоми системаро сода месозад.

Мувофиқати FSM/HSM ба чаҳорчӯбаҳои агентӣ

LangGraph аллакай бо забони мошинҳои ҳолатҳо ва иерархия гап мезанад. Онро бо зерграфҳо (Subgraphs) ва калидҳои умумӣ татбиқ мекунед. Масиргузин (Router) ё агенти қароргиранда, ки амали навбатиро интихоб мекунад (масалан, даъвати агент ё абзори навбатӣ), ба коркарди ҳодиса дар мошини ҳолатҳои классикӣ монанд аст. Ин қисми система ҳолати ҷорӣ ва натиҷаи LLM (ҳодиса ё мундариҷа)-ро мегирад ва қадами мантиқии навбатиро муайян мекунад. Мувофиқати мустақим чунин аст.

Барои иҷрои мисолҳои ин боб ин импортҳо лозиманд:

import json, math, os
from typing import Annotated, Any, Dict, List, TypedDict

import numexpr
from langchain_core.messages import AIMessage, BaseMessage, HumanMessage, ToolMessage
from langchain_core.tools import tool
from langchain_community.utilities import SerpAPIWrapper
from langchain_openai import ChatOpenAI
from langgraph.checkpoint.memory import MemorySaver
from langgraph.graph import END, START, StateGraph
from langgraph.graph.message import add_messages
from langgraph.prebuilt import ToolNode

Нақшаи ҳолат. TypedDict-и графи волидайн «шинаи» умумиро муайян мекунад. Зерграфҳо эълон мекунанд, ки кадом калидҳоро мехонанд ва менависанд. Калидҳои муштарак интерфейси суперҳолат мебошанд:

class State(TypedDict):
    # шинаи умумии графи волидайн ва зерграфҳо; add_messages паёмҳоро илова мекунад, иваз намекунад
    messages: Annotated[List[BaseMessage], add_messages]
    working_last: str | None     # нишонаи ихтиёрии таърихи сатҳӣ

Гиреҳҳо ва зерграфҳо. Зерграф суперҳолати HSM аст. Гиреҳҳои дохилии он зерҳолатҳо мебошанд. Воридшавӣ ба зерграф гиреҳи вурудии онро иҷро мекунад; баромадан аз он тавассути канори баромад ба графи волидайн бармегардад:

def plan_node(state: State) -> State:
    ai = AIMessage(content="Plan next step")
    return {"messages": [ai], "working_last": "plan"}

def act_node(state: State) -> State:
    ai = AIMessage(content="Act on plan")
    return {"messages": [ai], "working_last": "act"}

def reflect_node(state: State) -> State:  # зерҳолатҳо ҳангоми баромад working_last-ро муқаррар мекунанд
    ai = AIMessage(content="Reflect on result")
    return {"messages": [ai], "working_last": "reflect"}

subgraph_builder = StateGraph(State)
subgraph_builder.add_node("PLAN", plan_node)
subgraph_builder.add_node("ACT", act_node)
subgraph_builder.add_node("REFLECT", reflect_node)
subgraph_builder.add_edge(START, "PLAN")
subgraph_builder.add_edge("ACT", "REFLECT")   # REFLECT зерграфро анҷом медиҳад

Шартҳо ва канорҳои шартӣ. Шартҳои сатҳи волидайн сиёсати умумиро (буҷет, бехатарӣ) иҷро мекунанд. Шартҳои сатҳи фарзанд байни PLAN/ACT/REFLECT масиргузинӣ мекунанд. Азбаски шартҳо функсияҳои оддии Python мебошанд, онҳо муайян (Deterministic) ва барои аудит қобили санҷиш мемонанд:

def route_within_working(state: State):
    last = state.get("working_last")
    return "ACT" if last == "plan" else END

# Канори шартӣ дар дохили зерграф
subgraph_builder.add_conditional_edges("PLAN",
                route_within_working, {"ACT": "ACT", END: END})
subgraph = subgraph_builder.compile()  # зерграф — суперҳолат

parent = StateGraph(State)  # графи волидайн бо шарти умумӣ
parent.add_node("WORKING", subgraph)

def global_guard(state: State):
    # Сиёсати намунавӣ: агар корбар «stop» гуфта бошад ё давраи
    # PLAN → ACT → REFLECT анҷом ёфта бошад, кор тамом мешавад
    tail = "".join([
            getattr(m, "content", "") for m in state["messages"][-3:]
            ]).lower()
    if "stop" in tail or state.get("working_last") == "reflect":
        return END
    return "WORKING"

parent.add_edge(START, "WORKING")
parent.add_conditional_edges("WORKING", global_guard,
                            {"WORKING": "WORKING", END: END})

Таърих ва нуқтаҳои назоратӣ. MemorySaver таърихи сатҳӣ ва амиқро «ройгон» медиҳад: идома додани ришта (Thread) зерграфро дар охирин гиреҳи анҷомёфта барқарор мекунад. Агар «баргаштан ба ҳамон ҷое, ки дар дохили WORKING будам»-ро ошкоро хоҳед, нишонаи хурдро нигоҳ доред (масалан, state["working_last"] = "reflect") ва ҳангоми воридшавии дубора аз рӯи он шоха кунед:

checkpointer = MemorySaver()  # тартиб додан бо нуқтаҳои назоратӣ
app = parent.compile(checkpointer=checkpointer)

cfg = {"configurable": {"thread_id": "session-1"}}  # иҷро дар ришта
app.invoke({"messages": [HumanMessage(content="start")],
                        "working_last": None}, config=cfg)

Ҳангоми идома MemorySaver охирин гиреҳи анҷомёфтаро барқарор мекунад. Бе шарти анҷом дар global_guard граф WORKING-ро беохир такрор мекард ва LangGraph пас аз 25 қадам хатои GraphRecursionError медод — ин мисоли хуби он аст, ки чаро ҳар давра бояд шарти анҷоми ошкоро дошта бошад.

FSM-ҳо ба шумо роҳ медиҳанд, ки вазифаҳоро ба қадамҳои устувор ва барқароршаванда тақсим кунед. HSM-ҳо инро бо кам кардани такрор ва мутамарказ кардани сиёсатҳо, вақте ки ҷараёнҳои корӣ мураккабтар мешаванд, васеъ мекунанд. Ҳарду қолаб шуморо ба қадами навбатӣ омода мекунанд: табдил додани пешгӯиҳои статикии LLM ба агентҳои динамикӣ ва дорои ҳолат.

Пайгирии қадам ба қадами иҷрои граф

Вақте барномаи иҷрошаванда ва нуқтаҳои назоратӣ омодаанд, қадами навбатӣ мушоҳидашаванда кардани иҷрои он аст. Мехоҳед бубинед, ки граф чӣ кор мекунад, кадом паёмҳо мегузаранд ва натиҷаҳои абзорҳо чӣ гуна пайваст мешаванд. Намунаи 6.9 функсияи ёрирасони фишурдаеро муаррифӣ мекунад, ки паёмҳоро ба як сатри хоно табдил медиҳад ва пайгирии иҷроро бе сабтҳои аз ҳад зиёд осон мекунад.

Намунаи 6.9. Форматкунии паёмҳо барои пайгирии фишурда.

def _short(msg: BaseMessage, max_len: int = 140) -> str:
    """Compact one-line view of a message."""
    role = type(msg).__name__.replace("Message", "").lower()
    content = getattr(msg, "content", "")
    if isinstance(content, list):
        # баъзе натиҷаҳои абзорҳо метавонанд рӯйхат бошанд
        try:
            content = json.dumps(content)
        except Exception:
            content = str(content)
    text = str(content).replace("\n", " ").strip()
    if len(text) > max_len:
        text = text[: max_len - 3] + "..."
    if hasattr(msg, "tool_calls") and getattr(msg, "tool_calls"):  # номи абзорҳо, агар бошанд
        tnames = [tc.get("name", "tool") for tc in msg.tool_calls]
        return f"{role}: tool_calls -> {tnames}"
    if isinstance(msg, ToolMessage):
        return f"{role}({msg.name}): {text}"
    return f"{role}: {text}"

Намунаи 6.10 тасвири фишурдаи паёмҳо ва ишораҳои масиргузиниро чоп мекунад. Якҷоя бо функсияи пешина онҳо ба шумо имкон медиҳанд тафтиш кунед, ки натиҷаҳои абзорҳо дуруст пайваст шудаанд ва гузаришҳои ҳолат тавре кор мекунанд, ки интизор доред.

Намунаи 6.10. Чопи тасвири ҷории ҳолат.

def print_state_snapshot(app, config, title: str):
    """Print current graph state and memory for a given thread."""
    snap = app.get_state(config)  # охирин ҳолати ришта
    values = snap.values or {}
    msgs: List[BaseMessage] = values.get("messages", [])
    print(f"\n=== {title} | state snapshot ===")
    print(f"messages: {len(msgs)} total")
    for i, m in enumerate(msgs[-5:], start=max(0, len(msgs)-5) + 1):  # танҳо охири рӯйхат
        print(f"  {i:>3}: {_short(m)}")

    nxt = getattr(snap, "next", None)  # маълумоти масиргузинӣ ва вазифаҳои навбатӣ, агар бошанд
    tasks = getattr(snap, "tasks", None)
    if nxt:
        print(f"next nodes: {list(nxt)}")
    if tasks:
        print(f"queued tasks: {tasks}")
    print("memory: in-memory checkpoint present for this thread")

Намунаи 6.11 навсозиҳои гиреҳҳоро ба таври ҷараён (Stream) нишон медиҳад, то ҳар қадами графро бубинед.

Намунаи 6.11. Пайгирии ҷараёнии иҷрои граф.

def run_with_tracing(app, input_state: AgentState, config, title: str):
    """Run the graph while printing per-node updates and final memory."""
    print(f"\n=== {title} | execution trace ===")
    final = None
    for event in app.stream(input_state, config=config, stream_mode="updates"):  # навсозиҳои ҳар гиреҳ
        for node, upd in event.items():
            keys = list(upd.keys())  # upd луғат аст, масалан {"messages": []}
            print(f"[enter {node}] updated: {keys}")
            # агар паёмҳо нав шуда бошанд, охиринашро кӯтоҳ чоп мекунем
            msgs = upd.get("messages") or []
            if msgs:
                print(f"  {_short(msgs[-1])}")
            print(f"[leave {node}]")
            final = upd
    print_state_snapshot(app, config, title=f"{title} | after run")
    snap = app.get_state(config)  # паёми ниҳоии ёвар аз ҳолат
    msgs = snap.values.get("messages", [])
    return msgs[-1].content if msgs else ""

Барои дидани ҳар қадам, дар намунаҳои гардиши 1 ва 2 ба ҷойи app.invoke(...) функсияи run_with_tracing(app, input_state, config, title)-ро даъват кунед: он ҳамон ҷавоби ниҳоиро бармегардонад, аммо дар роҳ ҳар гиреҳ ва ҳар паёмро чоп мекунад.

Шохаи мувозӣ: идомаи дигар дар риштаи алоҳида

Агентҳо аксар вақт бояд алтернативаҳоро бе гум кардани пешрафт санҷанд. Намунаи 6.12 бо истифода аз муайянкунандаи дигари ришта шохаи алоҳида оғоз мекунад ва идомаи дигарро дархост менамояд. Риштаи нав холӣ оғоз мешавад, барои ҳамин аввал таърихи риштаи асосиро ба он нусхабардорӣ мекунем. Ин гуфтугӯи ҷудогонае месозад, ки метавонад аз роҳи асосӣ ҷудо шавад, дар ҳоле ки хотираи риштаи асосӣ бетағйир мемонад.

Намунаи 6.12. Шохаи мувозӣ барои идомаи дигар.

cfg_branch = {"configurable": {"thread_id": "nyc-weather-branch"}}

# Шоха аз ҳамон таърихи риштаи асосӣ оғоз мешавад; риштаи асосӣ тағйир намеёбад
main_messages = app.get_state(cfg).values["messages"]
app.update_state(cfg_branch, {"messages": main_messages}, as_node="llm")

branch_answer = run_with_tracing(
    app,
    {"messages": [HumanMessage(content="Instead of squaring, convert it to "
                                       "Fahrenheit and report both.")]},
    config={**cfg_branch, "recursion_limit": 20},
    title="BRANCH",
)
print("\nBRANCH (final assistant):\n", branch_answer)

Ниҳоят, метавонед бубинед, ки ҳар шоха чиро дар хотир дорад. Намунаи 6.13 тасвирҳои фишурдаи риштаи асосӣ ва шохаро чоп мекунад. Муқоисаи онҳо паҳлуи ҳам тасдиқ мекунад, ки ҳолат дар дохили ришта нигоҳ дошта мешавад ва байни риштаҳо ҷудо аст — ин асоси ҷараёнҳои кории боэътимоди чандқадама ва чандшохаи агентӣ мебошад.

Намунаи 6.13. Дидани тасвирҳои ҳарду ришта.

print_state_snapshot(app, cfg, title="MAIN THREAD memory view")
print_state_snapshot(app, cfg_branch, title="BRANCH THREAD memory view")

Бо ҳамин татбиқи хурд шумо акнун дақиқ мебинед, ки граф чиро дар хотир дорад, чӣ гуна масиргузинӣ кардааст ва ҳолати охирини ёвар барои ҳар шоха чист.

Мустақилият аз нигоҳи мошинҳои ҳолатҳо

Вақте агентҳоро ҳамчун HSM-ҳои дорои ҳолатҳо мебинед, спектри мустақилият ба масъалаи он табдил меёбад, ки дар дохили суперҳолат чӣ қадар интихоб мегузоред. Масиргузинҳо FSM-ҳои якканора бо як шарт мебошанд. Агентҳои даъваткунандаи абзорҳо HSM-ҳое мебошанд, ки суперҳолати WORKING доранд ва байни PLAN, ACT ва REFLECT давр мезананд. MAS-ҳо якчанд зерграфро зери суперҳолати нозир, баъзан бо минтақаҳои мувозӣ, якҷоя мекунанд. Система ба ҳар ҳол дар дохили ҳолатҳо ва шартҳои ошкоро кор мекунад; «мустақилияти» эҳсосшаванда танҳо интихоби бойтар дар дохили минтақаҳои хуб маҳдудшуда аст.

Манбаъҳо

1. Wei, J. ва ҳамкорон (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. https://arxiv.org/abs/2201.11903
2. Yao, S. ва ҳамкорон (2023). Tree of Thoughts: Deliberate Problem Solving with Large Language Models. https://arxiv.org/abs/2305.10601
3. Yamada, Y. ва ҳамкорон (2025). The AI Scientist-v2: Workshop-Level Automated Scientific Discovery via Agentic Tree Search. https://arxiv.org/abs/2504.08066