سلام دوستان امیدوارم خوب باشین! بعد از حجم کاری این هفته، با اولین پست روز جمعه در خدمتتون هستم.
امروز داشتم مقاله‌ای رو می‌خوندم درباره اینکه چرا قابلیت اجرای مرورگر (Browser Execution) داره به یکی از حلقه‌های مفقوده در معماری ایجنت‌ها تبدیل می‌شه. موضوع طوری بود که حیفم اومد باهاتون به اشتراک نذارمش، چون دست می‌ذاره روی یکی از نقطه‌کورهای اصلیِ طراحی سیستم‌های مبتنی بر ایجنت (Agentic Systems).
🌐 ماجرا چیه دقیقا ؟
خیلی از ما وقتی داریم ایجنت می‌سازیم، همه تمرکزمون روی API Calling، اتصال به MCP، اجرای کد توی Sandbox، یا خواندن دیتابیسه. این ابزارها فوق‌العاده‌ان و برای سیستم‌های ساختاریافته جواب می‌دن.
اما واقعیت دنیای نرم‌افزار چیه؟ بخش عظیمی از سامانه‌های واقعی (مخصوصاً سرویس‌های قدیمی، پورتال‌های داخلی شرکت‌ها، داشبوردهای تحلیل داده و...) هیچ API پایدار و عمومی ندارند!
تنها رابطی که وجود داره، همون UI و مرورگریه که برای انسان طراحی شده.
💡 چند تا نکته کلیدی که خیلی چسبید:
1️⃣ مرورگر یک محیط اجراست (Execution Environment)، نه فقط یک ابزار ساده:
خیلیا فکر می‌کنند Browsing یعنی اینکه فقط یه ایجنت بفرستیم وب رو بگرده! اما اصل حرف اینه که مرورگر رو باید مثل یک Runtime نگاه کرد که ایجنت می‌تونه توش کد اجرا کنه، Session و Cookieها رو مدیریت کنه و با UIهایی که API ندارند تعامل داشته باشه.
2️⃣ تعامل با پروتکل‌های ارتباطی — آیا ابزارهای استاندارد جای مرورگر رو می‌گیرند؟
پاسخ کوتاه: نه، مکمل همدیگه‌ان.
پروتکل‌های یکپارچه‌سازی فقط نحوه برقراری ارتباط ایجنت با یک ابزار را استاندارد می‌کنند. حالا اون ابزار پشت صحنه می‌تونه خودش یک Browser Instance باشه که داره فرآیند احراز identity، حل SSO یا گرفتن داده از یک داشبورد پیچیده رو انجام می‌ده.
3️⃣ ترکیب اجرای کد و مرورگر:
بهترین الگوی معماری اینه که به جای فرستادن دستورات سنگین و بصری (مثل آنالیز فریم به فریم اسکرین‌شات)، به ایجنت اجازه بدیم کد مرورگر بنویسه و توی یک محیط ایزوله اجرا کنه. هم هزینه‌ها بشدت میاد پایین، هم سرعت و قطعیت (Determinism) کار بالا می‌ره.
🎯 جمع‌بندی شخصیم:
اگر دارید روی ایجنت‌های دنیای واقعی کار می‌کنید، نباید فرض کنید همه‌چیز قراره با یک API تمیز و آماده حل بشه. Browser Execution همون لینک گمشده‌ای هست که ایجنت شما رو از یک «مدل نظری» به یک «ابزار اجرایی در دنیای کثیف و واقعی نرم‌افزار» تبدیل می‌کنه.
آخر هفته خوبی براتون آرزومند هستم✨
#AIAgents
#LLM
#SystemDesign
#BrowserExecution
#MCP
امروز داشتم مقاله‌ای رو می‌خوندم درباره اینکه چرا قابلیت اجرای مرورگر (Browser Execution) داره به یکی از حلقه‌های مفقوده در معماری ایجنت‌ها تبدیل می‌شه. موضوع طوری بود که حیفم اومد باهاتون به اشتراک نذارمش، چون دست می‌ذاره روی یکی از نقطه‌کورهای اصلیِ طراحی سیستم‌های مبتنی بر ایجنت (Agentic Systems).
🌐 ماجرا چیه دقیقا ؟
خیلی از ما وقتی داریم ایجنت می‌سازیم، همه تمرکزمون روی API Calling، اتصال به MCP، اجرای کد توی Sandbox، یا خواندن دیتابیسه. این ابزارها فوق‌العاده‌ان و برای سیستم‌های ساختاریافته جواب می‌دن.
اما واقعیت دنیای نرم‌افزار چیه؟ بخش عظیمی از سامانه‌های واقعی (مخصوصاً سرویس‌های قدیمی، پورتال‌های داخلی شرکت‌ها، داشبوردهای تحلیل داده و...) هیچ API پایدار و عمومی ندارند!
تنها رابطی که وجود داره، همون UI و مرورگریه که برای انسان طراحی شده.
💡 چند تا نکته کلیدی که خیلی چسبید:
1️⃣ مرورگر یک محیط اجراست (Execution Environment)، نه فقط یک ابزار ساده:
خیلیا فکر می‌کنند Browsing یعنی اینکه فقط یه ایجنت بفرستیم وب رو بگرده! اما اصل حرف اینه که مرورگر رو باید مثل یک Runtime نگاه کرد که ایجنت می‌تونه توش کد اجرا کنه، Session و Cookieها رو مدیریت کنه و با UIهایی که API ندارند تعامل داشته باشه.
2️⃣ تعامل با پروتکل‌های ارتباطی — آیا ابزارهای استاندارد جای مرورگر رو می‌گیرند؟
پاسخ کوتاه: نه، مکمل همدیگه‌ان.
پروتکل‌های یکپارچه‌سازی فقط نحوه برقراری ارتباط ایجنت با یک ابزار را استاندارد می‌کنند. حالا اون ابزار پشت صحنه می‌تونه خودش یک Browser Instance باشه که داره فرآیند احراز identity، حل SSO یا گرفتن داده از یک داشبورد پیچیده رو انجام می‌ده.
3️⃣ ترکیب اجرای کد و مرورگر:
بهترین الگوی معماری اینه که به جای فرستادن دستورات سنگین و بصری (مثل آنالیز فریم به فریم اسکرین‌شات)، به ایجنت اجازه بدیم کد مرورگر بنویسه و توی یک محیط ایزوله اجرا کنه. هم هزینه‌ها بشدت میاد پایین، هم سرعت و قطعیت (Determinism) کار بالا می‌ره.
🎯 جمع‌بندی شخصیم:
اگر دارید روی ایجنت‌های دنیای واقعی کار می‌کنید، نباید فرض کنید همه‌چیز قراره با یک API تمیز و آماده حل بشه. Browser Execution همون لینک گمشده‌ای هست که ایجنت شما رو از یک «مدل نظری» به یک «ابزار اجرایی در دنیای کثیف و واقعی نرم‌افزار» تبدیل می‌کنه.
آخر هفته خوبی براتون آرزومند هستم✨
#AIAgents
#LLM
#SystemDesign
#BrowserExecution
#MCP
❤1