ایجنت‌های هوش مصنوعی برای مدل‌های لوکال؛ بهترین Agentهای محلی در سال ۲۰۲۶

ایجنت‌های هوش مصنوعی برای مدل‌های لوکال؛ نسل جدید Local AI

تا همین چند وقت پیش، اجرای یک مدل هوش مصنوعی روی کامپیوتر شخصی بیشتر به این معنا بود که یک مدل را باز کنیم، سؤال بپرسیم و جواب بگیریم. مدل روی سیستم اجرا می‌شد اما عملاً فقط نقش یک چت‌بات را داشت.

اما نسل جدید Local AI در حال تغییر این مدل استفاده است.

امروز می‌توان یک مدل زبانی را به ابزارهایی مانند ترمینال، فایل‌های کامپیوتر، مرورگر، جست‌وجوی وب، حافظه و حتی نرم‌افزارهای دیگر متصل کرد. در این حالت، مدل دیگر فقط پاسخ نمی‌دهد؛ بلکه می‌تواند یک کار را مرحله‌به‌مرحله انجام دهد.

اینجاست که مفهوم AI Agent یا «ایجنت هوش مصنوعی» اهمیت پیدا می‌کند.

AI Agent دقیقاً چیست؟

یک مدل زبانی معمولی تقریباً این روند را دارد:

کاربر ← مدل ← پاسخ

اما یک Agent می‌تواند چنین ساختاری داشته باشد:

کاربر ← Agent ← مدل ← ابزار ← نتیجه ← مدل ← ابزار بعدی ← نتیجه نهایی

برای مثال، اگر از یک مدل معمولی بخواهیم:

«این پروژه C# را بررسی کن و مشکلش را پیدا کن.»

مدل می‌تواند کد را توضیح دهد.

اما یک Agent می‌تواند فایل‌های پروژه را بخواند، کد را بررسی کند، دستور dotnet test را اجرا کند، خطاها را مشاهده کند، فایل‌های لازم را تغییر دهد و دوباره تست بگیرد.

در اینجا مدل زبانی در واقع مغز سیستم است و Agent نقش لایه‌ای را دارد که این مغز را به دنیای واقعی متصل می‌کند.

تفاوت مدل لوکال و Agent لوکال

این دو مفهوم معمولاً با هم اشتباه گرفته می‌شوند.

مدل لوکال مانند Qwen، Gemma، GLM یا مدل‌های دیگر، وظیفه تولید و درک متن را بر عهده دارد.

ابزارهایی مانند Ollama، llama.cpp یا سایر موتورهای inference وظیفه اجرای مدل را دارند.

اما Agent لایه دیگری است که مشخص می‌کند مدل چه زمانی باید از ابزار استفاده کند، چه فایلی را بخواند، چه دستوری را اجرا کند و نتیجه هر مرحله را چگونه در ادامه کار به کار ببرد.

در نتیجه یک سیستم Local AI می‌تواند تقریباً چنین ساختاری داشته باشد:

              کاربر
                │
                ▼
              Agent
          ┌─────┼─────┐
          │     │     │
        مدل    حافظه  ابزارها
          │           │
          ▼           ▼
       Ollama       Terminal
       llama.cpp    Files
       vLLM         Browser
                    Web

این تفکیک یکی از مهم‌ترین تغییرات اکوسیستم Local AI در سال ۲۰۲۶ است.

OpenClaw؛ یک دستیار شخصی همیشه‌در‌دسترس

یکی از پروژه‌هایی که در حوزه Agentهای محلی توجه زیادی به خود جلب کرده، OpenClaw است.

OpenClaw بیشتر از اینکه یک ابزار مخصوص برنامه‌نویسی باشد، با هدف ساخت یک دستیار شخصی دائمی طراحی شده است. این Agent می‌تواند روی سیستم شخصی اجرا شود و از کانال‌ها و ابزارهای مختلف برای تعامل با کاربر استفاده کند.

در معماری OpenClaw، Gateway نقش کنترل‌کننده را دارد و Agent می‌تواند به ابزارهایی مانند فایل‌ها، Shell، مرورگر و سرویس‌های ارتباطی دسترسی داشته باشد.

یکی از نکات مهم OpenClaw این است که می‌توان آن را به مدل‌های مختلف متصل کرد. بنابراین Agent الزاماً به یک مدل خاص وابسته نیست و می‌تواند از مدل‌های محلی نیز استفاده کند.

برای کاربری که می‌خواهد یک دستیار شخصی روی کامپیوتر خود داشته باشد و آن را به Ollama متصل کند، OpenClaw یکی از گزینه‌های قابل بررسی است.

Hermes Agent؛ تمرکز بیشتر روی Agent واقعی

Hermes Agent که توسط Nous Research توسعه داده می‌شود، یکی دیگر از پروژه‌های مهم این حوزه است.

Hermes از ابتدا با تمرکز روی یک Agent قابل استفاده در کارهای واقعی توسعه یافته و قابلیت‌هایی مانند اجرای دستورات، کار با فایل‌ها، جست‌وجوی وب، حافظه، مهارت‌ها و MCP را در اختیار Agent قرار می‌دهد.

نسخه 0.18.2 که در ژوئیه ۲۰۲۶ منتشر شده، آخرین نسخه پایدار اعلام‌شده در مخزن GitHub پروژه در زمان تهیه این مقاله است. نسخه 0.18.0 نیز تغییرات مهمی مانند Mixture-of-Agents، امکان بررسی نتیجه کار بر اساس شواهد، بهبود /goal و قابلیت‌های مربوط به یادگیری و خودبهبود را معرفی کرد.

یکی از جذاب‌ترین ویژگی‌های Hermes برای کاربران Local AI این است که پروژه تلاش می‌کند Agent را از یک چت‌بات ساده فراتر ببرد.

برای مثال Agent می‌تواند یک کار طولانی را شروع کند، چند ابزار مختلف را به کار بگیرد و نتیجه را در حافظه نگه دارد تا در مراحل بعدی دوباره از آن استفاده کند.

OpenHands؛ انتخاب جدی برای برنامه‌نویسی

اگر هدف اصلی استفاده از Agent، برنامه‌نویسی باشد، شرایط کمی متفاوت است.

در این حوزه OpenHands یکی از پروژه‌های شناخته‌شده است.

OpenHands روی وظایف Software Engineering تمرکز دارد و می‌تواند محیطی در اختیار Agent قرار دهد که در آن کد را بررسی کند، فایل‌ها را تغییر دهد و دستورات مختلف را اجرا کند.

نسخه‌های جدید OpenHands همچنین معماری SDK خود را توسعه داده‌اند تا ساخت Agentهای سفارشی و اتصال آن‌ها به مدل‌ها و ابزارهای مختلف ساده‌تر شود.

مخزن پروژه تحت مجوز MIT قرار دارد و نسخه 1.4.0 در فوریه ۲۰۲۶ منتشر شده است؛ صفحه انتشار پروژه همچنین نسخه 1.5.0 را نشان می‌دهد.

برای یک برنامه‌نویس C# یا .NET، چنین Agentی می‌تواند کاربرد بیشتری نسبت به یک دستیار عمومی داشته باشد؛ چون می‌توان آن را مستقیماً در کنار پروژه نرم‌افزاری قرار داد.

Open WebUI؛ وقتی می‌خواهیم همه‌چیز را در یک رابط داشته باشیم

برای بسیاری از کاربران، اجرای Agent از طریق Terminal چندان راحت نیست.

Open WebUI در اینجا می‌تواند نقش رابط کاربری را ایفا کند.

Open WebUI در اصل یک محیط تحت وب برای کار با مدل‌های مختلف است، اما قابلیت اتصال مستقیم به Agentها را نیز دارد. مستندات فعلی Open WebUI اتصال Agentهایی مانند Hermes Agent و OpenClaw را توضیح می‌دهد.

در این ساختار کاربر می‌تواند از طریق یک رابط شبیه چت با Agent صحبت کند، در حالی که Agent در پشت صحنه ابزارها را اجرا می‌کند.

Open WebUI همچنین اجازه می‌دهد روی یک مدل پایه، ابزار، Knowledge Base، Skill و System Prompt قرار دهیم و از آن یک مدل تخصصی‌تر بسازیم.

به همین دلیل Open WebUI را بهتر است بیشتر به عنوان رابط و لایه مدیریت دید، نه جایگزین خود مدل یا موتور inference.

MCP چه نقشی در Agentهای لوکال دارد؟

یکی از اتفاقات مهم در اکوسیستم Agentها، گسترش Model Context Protocol یا MCP است.

ایده اصلی MCP این است که مدل و Agent بتوانند با یک استاندارد مشخص به ابزارها و منابع مختلف متصل شوند.

به‌عنوان مثال یک Agent می‌تواند از طریق MCP به:

پایگاه داده

فایل‌ها

Git

APIها

سرویس‌های داخلی

ابزارهای توسعه

سرویس‌های جست‌وجو

متصل شود.

این موضوع اهمیت زیادی دارد، زیرا بدون یک روش استاندارد، هر Agent باید برای هر ابزار یک اتصال اختصاصی داشته باشد.

در پروژه‌هایی مانند OpenClaw و Hermes، پشتیبانی از MCP به یکی از اجزای مهم اکوسیستم تبدیل شده است.

آیا هر مدل لوکالی می‌تواند Agent باشد؟

خیر.

این یکی از مهم‌ترین نکاتی است که هنگام راه‌اندازی Local Agent باید در نظر گرفت.

از نظر فنی ممکن است بتوان تقریباً هر مدل را به یک Agent متصل کرد، اما کیفیت Agent فقط به اندازه مدل بستگی ندارد.

مدل باید بتواند مواردی مانند این‌ها را به شکل قابل اعتماد انجام دهد:

Function Calling

دنبال کردن دستورهای چندمرحله‌ای

تولید خروجی ساختاریافته

استفاده صحیح از ابزارها

تشخیص نتیجه اجرای ابزار

ادامه دادن کار پس از دریافت نتیجه

حفظ اطلاعات مهم در Context

به همین دلیل ممکن است یک مدل ۳۰ میلیارد پارامتری در یک Agent بسیار بهتر از یک مدل بزرگ‌تر عمل کند، اگر در Tool Calling و اجرای وظایف چندمرحله‌ای بهتر آموزش دیده باشد.

مدل مناسب برای Agent چه ویژگی‌هایی دارد؟

برای انتخاب مدل Local AI بهتر است فقط به تعداد پارامترها نگاه نکنیم.

برای Agent معمولاً این موارد اهمیت بیشتری دارند:

۱. Tool Calling

مدل باید بتواند تصمیم بگیرد چه زمانی از یک ابزار استفاده کند و پارامترهای آن را درست تولید کند.

۲. Reasoning

برای کارهای طولانی، توانایی استدلال چندمرحله‌ای اهمیت زیادی دارد.

۳. Context Window

Agent ممکن است در طول یک کار ده‌ها فایل، خروجی ترمینال و نتیجه ابزار را دریافت کند. بنابراین Context کوچک می‌تواند خیلی سریع به محدودیت تبدیل شود.

۴. Coding

اگر Agent قرار است برنامه بنویسد یا پروژه را تغییر دهد، توانایی کدنویسی اهمیت ویژه‌ای دارد.

۵. سرعت

Agentها معمولاً چندین بار از مدل استفاده می‌کنند.

بنابراین مدلی که در یک پاسخ معمولی کمی کندتر است، در یک کار Agentic ممکن است چند برابر بیشتر زمان مصرف کند.

آیا مدل‌های ۷B و ۸B برای Agent مناسب هستند؟

بله، اما برای همه کارها نه.

مدل‌های کوچک می‌توانند برای کارهای ساده مانند:

اجرای دستورات مشخص

دسته‌بندی

استخراج اطلاعات

پاسخ‌های کوتاه

اتوماسیون‌های ساده

مناسب باشند.

اما وقتی Agent باید یک پروژه نرم‌افزاری بزرگ را بررسی کند، چندین فایل را تغییر دهد، تست اجرا کند و خودش خطاها را اصلاح کند، مدل‌های قوی‌تر معمولاً انتخاب بهتری هستند.

به همین دلیل در Local AI بهتر است به جای یک مدل واحد برای همه کارها، از چند مدل با نقش‌های متفاوت استفاده شود.

برای نمونه:

مدل کوچک
    ↓
کارهای ساده و سریع

مدل متوسط
    ↓
Tool Calling و کارهای روزمره

مدل بزرگ
    ↓
Reasoning + Coding + Long Tasks

این رویکرد می‌تواند مصرف VRAM و زمان پردازش را نیز کاهش دهد.

یک سیستم Local Agent ایده‌آل چگونه ساخته می‌شود؟

برای یک کامپیوتر شخصی، معماری می‌تواند چیزی شبیه این باشد:

                    کاربر
                      │
                      ▼
                 Open WebUI
                      │
                      ▼
                   Agent
                      │
        ┌─────────────┼─────────────┐
        ▼             ▼             ▼
      Model         Memory        Tools
        │                           │
        ▼                           ▼
      Ollama                     Terminal
      llama.cpp                  Files
      vLLM                       Browser
                                  Git
                                  MCP

در این معماری، Ollama یا llama.cpp مدل را اجرا می‌کند، Agent وظیفه برنامه‌ریزی و اجرای کار را بر عهده دارد و Open WebUI رابطی است که کاربر از طریق آن با سیستم تعامل می‌کند.

این جداسازی باعث می‌شود بتوان مدل را بدون تغییر کل سیستم عوض کرد.

امنیت؛ مهم‌ترین مشکل Agentهای محلی

قدرت Agent دقیقاً همان چیزی است که می‌تواند آن را خطرناک هم بکند.

یک مدل معمولی اگر اشتباه کند، معمولاً فقط یک پاسخ اشتباه تولید می‌کند.

اما Agent ممکن است:

فایل حذف کند

فایلی را تغییر دهد

دستور Shell اجرا کند

اطلاعاتی را ارسال کند

برنامه‌ای را اجرا کند

به سرویس‌های مختلف دسترسی داشته باشد

بنابراین «لوکال بودن» به‌تنهایی به معنی امن بودن نیست.

هرچه Agent دسترسی بیشتری داشته باشد، کنترل دسترسی نیز اهمیت بیشتری پیدا می‌کند.

در نسخه‌های جدید OpenClaw بخش قابل توجهی از تغییرات روی مرزهای امنیتی، دسترسی Shell، MCP، محیط اجرا و تأیید عملیات متمرکز شده است.

بهتر است Agent را ابتدا در یک محیط محدود یا Sandbox اجرا کنیم و دسترسی آن به فایل‌های مهم، حساب‌های کاربری و سیستم‌عامل را به حداقل برسانیم.

آینده Local Agentها

به نظر می‌رسد مسیر توسعه Local AI دیگر فقط به سمت مدل‌های بزرگ‌تر نمی‌رود.

بخش مهمی از پیشرفت‌ها اکنون در لایه‌ای اتفاق می‌افتد که مدل را به یک سیستم عامل‌محور و قابل اقدام تبدیل می‌کند.

مدل، Agent، حافظه، ابزار و محیط اجرا در حال تبدیل شدن به اجزای یک سیستم واحد هستند.

پژوهش‌های جدید نیز نشان می‌دهند که عملکرد Agent فقط به خود مدل وابسته نیست و معماری کلی سیستم، حافظه، ابزارها و روش اجرای وظایف می‌تواند تأثیر زیادی بر نتیجه داشته باشد.

حتی در پژوهش‌های جدیدتر، تمرکز از «یک مدل قدرتمند» به سمت سیستم‌هایی رفته که بتوانند یک کار طولانی را به چند بخش تقسیم کنند، وضعیت کار را در حافظه نگه دارند و در پایان نتیجه را بررسی و در صورت نیاز اصلاح کنند.

جمع‌بندی

دوران استفاده از مدل‌های لوکال به شکل یک چت‌بات ساده در حال تغییر است.

امروز می‌توان یک مدل را با استفاده از Agentها به فایل‌ها، ترمینال، مرورگر، Git، MCP و سایر ابزارها متصل کرد و از آن برای انجام کارهای واقعی استفاده کرد.

در میان گزینه‌های فعلی، OpenClaw بیشتر برای دستیار شخصی و اتوماسیون گسترده، Hermes Agent برای یک Agent عمومی با حافظه و ابزارهای متعدد، OpenHands برای کارهای مهندسی نرم‌افزار و Open WebUI برای ایجاد یک رابط کاربری مناسب و اتصال مدل‌ها و Agentها گزینه‌های مهمی هستند.

اما مهم‌تر از انتخاب نام یک Agent، انتخاب درست مدل، میزان دسترسی، حافظه، ابزارها و محیط اجرا است.

در یک سیستم Local AI خوب، مدل فقط مغز سیستم است؛ این Agent است که به آن اجازه می‌دهد از این مغز برای انجام یک کار واقعی استفاده کند.