تشغيل Unreal Agent: وكيل برمجة بالذكاء الاصطناعي للمستودعات

ما هو Unreal Agent، وكيل برمجة بالذكاء الاصطناعي، فعليًا؟

يمثّل Unreal Agent الطبقة التي تصل النموذج بالأدوات المنفّذة للعمل. ويمكن تشبيه هذه الطبقة بمشرف موقع: يحدّد النموذج ما ينبغي إنجازه، بينما توزّع بيئة التشغيل الأوامر، وتسجّل ما حدث، وتقرّر متى تعرض كل نتيجة على النموذج.

أما السمة الأبرز فهي تنفيذ الأدوات بصورة غير متزامنة. عندما يستدعي النموذج أداة، تسجّل بيئة التشغيل أن العمل جارٍ وتسمح له بالاستمرار في الخلفية. وعند انتهاء الأداة، تُلحق النتيجة النهائية بالجلسة وتستدعي النموذج مرة أخرى. وبذلك، لا يلزم أن يعطّل أمر إعداد بطيء أعمالًا أخرى مفيدة أو رسالة توجيه جديدة.

أطلقت Unreal Labs المشروع في 22 سبتمبر 2026. وتتضمن حزمة SDK مكتبة Go، ومشغّلًا قابلًا للتثبيت، ومشغّل اختبارات معيارية متوافقًا مع Harbor. ويستخدم المستودع ترخيص MIT License.

تذكر Unreal Labs أن التكلفة انخفضت بما يصل إلى 40% مقارنةً بـ Codex، وبما يصل إلى 20% مقارنةً بـ Pi، وذلك في أعباء عملها الإنتاجية واختبارات الوكلاء المنشورة. تعامل مع هذه الأرقام بوصفها نتائج من المورّد، لا خصمًا يمكن تعميمه. والآلية المعلنة جديرة بالاختبار: حجم أصغر للموجّه، ونتائج أدوات موجزة، وعدم استخدام وكلاء فرعيين أو تدفقات عمل، وإنجاز قدر أكبر من عمل الأدوات بين استدعاءات النموذج. لكن النسبة لا تعني شيئًا ما لم يتطابق النموذج ومستوى الاستدلال والموجّه وحالة المستودع ومعايير النجاح.

الحساب الاقتصادي يبدأ بالمهمة، لا بالاختبار المعياري

لا يفرض المشغّل رسوم ترخيص لكل مستخدم بموجب MIT License، لكن تشغيله ليس مجانيًا. فما زالت هناك تكلفة استدعاءات النموذج والحوسبة والعزل والتكامل والسجلات، إلى جانب وقت المهندس الذي يحافظ على موثوقية النظام.

وتظهر الميزانية التي يمكن منافستها بوضوح في أسعار مراجعة الكود. تعرض Graphite خطة Starter بسعر $20 لكل مستخدم شهريًا وخطة Team بسعر $40، مع فوترة سنوية. كما تعرض CodeRabbit أسعارًا سنوية قدرها $24 و$48 و$72 لكل مطوّر شهريًا. وبالنسبة إلى فريق من 10 مطوّرين، يتراوح المبلغ المنشور بين $200 و$720 كل شهر.

هذا لا يجعل Unreal Agent بديلًا مباشرًا لأي من المنتجين. لكنه يمنح فريق المنصة بيئة تشغيل مفتوحة يمكن أن يبني فوقها سير عمل داخليًا واحدًا ضيق النطاق. والاختبار الاقتصادي بسيط: قارن التكلفة الشهرية الكاملة لهذا السير المحدد، بما فيها الإنفاق على النموذج والصيانة، بميزانية التراخيص أو ساعات العمل الهندسية التي يحل محلها. إذا تعذّر قياس تكلفة المهمة المكتملة، يصبح الحديث عن خفض التكلفة مجرد زينة.

كيف تشغّل مهمة محددة داخل مستودع؟

ابدأ بالمشغّل. فالمكتبة مخصّصة للفرق التي حسمت بالفعل سلوك الوكيل الذي ينبغي أن يعيش داخل تطبيقها.

1. ضع المستودع داخل حدود أمنية حقيقية

يحدّد -workspace دليل العمل للوكيل ولأداة Bash التابعة له، لكنه غير موثّق كبيئة عزل أمنية. استخدم نسخة مؤقتة من المستودع أو حاوية، واحذف بيانات اعتماد الإنتاج، وقيّد الوصول إلى الشبكة، ولا تمنح العملية سوى الرموز التي تحتاجها. كتابة «لا تعدّل الملفات» في الموجّه تعليمة وليست وسيلة فرض. وإذا كانت هذه تجربتك الأولى، فابدأ بالخيارات العملية الواردة في بيئات عزل وكلاء الذكاء الاصطناعي للبرمجة.

افحص أيضًا وجود ملف .env في مساحة العمل. فالمشغّل يحمّل هذا الملف من مساحة العمل المحددة، ما يعني أن نسخة المستودع قد تكشف بيانات اعتماد نسيت وجودها.

2. ثبّت إصدار المشغّل والمزوّد والنموذج ومستوى الاستدلال

في 24 سبتمبر 2026، كان الإصدار الحالي هو v0.2.0، وقد نُشر قبل ذلك بيوم واحد. يشترط ملف README الخاص بالمشغّل استخدام Go 1.27 أو أحدث، ويوثّق @latest؛ لكن تقييمًا قابلًا للتكرار يحتاج إلى وسم إصدار محدد.

يستخدم التشغيل التالي OpenAI، والنموذج الافتراضي الحالي في الشفرة gpt-6-astra، ومستوى الاستدلال high. لا تستبدل النموذج إلا إذا سجّلت البديل. نفّذ المثال على نسخة مؤقتة من my-project:

go version
go install github.com/unreallabsai/unreal-agent/cmd/unreal-agent-runner@v0.2.0

export OPENAI_API_KEY="..."
export UNREAL_HARNESS_LLM_PROVIDER="openai"
export UNREAL_HARNESS_LLM_MODEL="gpt-6-astra"

started_at=$(date +%s)
set +e
unreal-agent-runner \
  -workspace ./my-project \
  -session-directory ./unreal-sessions \
  '{"prompt":"Read this repository. Return its purpose, entry points, test command, and three concrete risks. Do not modify files.","model":"gpt-6-astra","thinking_level":"high","session_id":"repo-summary-v1","disallowed_tools":["ViewImage"]}' \
  > run.jsonl
run_status=$?
set -e
elapsed_seconds=$(( $(date +%s) - started_at ))
printf 'exit_status=%s elapsed_seconds=%s\n' "$run_status" "$elapsed_seconds"
jq -c 'select(.Kind=="model_response") | .Data.Response.Usage' run.jsonl

يدعم المشغّل أيضًا openai-codex وopenrouter وfireworks وollama. ويمكن للطلب اختيار النموذج ومستوى الاستدلال وعدد المحاولات ومعرّف الجلسة وموجّه النظام والأدوات المطلوب استبعادها. لكنه لا يستطيع حاليًا إضافة أدوات مخصّصة عبر extra_allowed_tools، لأن هذا الحقل يُقبل ثم يُتجاهل.

3. اقرأ نتيجة التشغيل بوصفها دليلًا

يتكوّن سجل التقييم المفيد من ستة أجزاء:

تُحفظ الجلسة في unreal-sessions/repo-summary-v1.session.jsonl. استخدم session_id نفسه لمتابعة الجلسة، واستخدم معرّفًا جديدًا عندما تريد مقارنة نظيفة؛ وإلا فقد يغيّر السياق السابق الجودة والتكلفة معًا.

لا يدّعي هذا المقال وجود نتيجة أداء عملية، لأن تشغيلًا حيًا عبر مزوّد لم يُستكمل. رقم الأداء الوحيد الجدير بالثقة هو ما تسجّله على مستودعك أنت.

المشغّل أم المكتبة؟

اختر المشغّل عند اختبار موجّه، أو تقييم مهمة مستودع، أو ربط عملية بخط CI. واختر مكتبة Go عندما يكون المطلوب دمج الوكيل داخل منتجك، مع استعدادك لتحمّل مسؤولية تخزين الجلسات وسلوك دورة الحياة والأدوات والأمان وتكامل المزوّد.

يشبه الفرق بينهما الفرق بين أداة كهربائية ومحرّكها. يمنحك المشغّل أداة قابلة للاستخدام ومزوّدة بالمفاتيح، فيما تمنحك المكتبة المحرّك وحرية تصميم الهيكل وأدوات التحكم ونظام السلامة. وإذا كانت ملكية الجلسات هي العامل الحاسم، فهذه المقارنة بين Agents API وSDK تقدّم إطارًا قريبًا ومفيدًا.

المشغّل هو الخيار الافتراضي الأنسب، لأن أعمال التكامل قد تخفي ضعف المهمة. فإذا لم يستطع الموجّه المحدد نفسه إنتاج نتيجة مفيدة مرتين، فلن يصلح غلاف API فكرة المنتج.

ست مهام تستحق الاختبار، مرتبة حسب الأولوية

1. مراجعة أولية لطلبات السحب التي كتبها الوكلاء

يمكن لفريق هندسي يتلقى طلبات سحب كبيرة مولّدة بالذكاء الاصطناعي أن يزوّد المشغّل بنسخة نظيفة من المستودع والفروقات وأوامر الاختبار. وبذلك يستطيع فحص الشفرة المتأثرة، وتشغيل الفحوص الموجّهة، وإرجاع حزمة مراجعة مدعومة بسجل JSONL. والهدف ليس إلغاء المراجعة البشرية، بل تقديم فحص المستودع المتكرر قبل وصول المهمة إلى المراجع، كي يركّز اهتمامه على البنية والمخاطر.

2. تعريف المهندس الجديد بالمستودع

يمكن لفريق المنصة تشغيل موجّه التلخيص نفسه الوارد أعلاه كلما انضم مهندس جديد إلى خدمة. وستعرض النتيجة نقاط الدخول وأوامر الاختبار والإعدادات والمخاطر الواضحة، مع إتاحة تتبّع الجلسة للتحقق. والعائد هو ساعة أولى قابلة للتكرار، من دون مطالبة مهندس أقدم بشرح المستودع نفسه من البداية في كل مرة.

3. فرز أسباب الاختبارات الفاشلة

يمكن للمطوّر الذي يواجه إخفاقًا صاخبًا في CI أن يطلب من المشغّل إعادة إنتاج اختبار فاشل واحد، والبحث في مسارات الشفرة المعنية، وفصل السبب المرجّح عن المخرجات غير المرتبطة. وتظهر فائدة المعالجة غير المتزامنة هنا لأن إعداد البيئة والبحث وتنفيذ الاختبارات يمكن أن تتداخل. والنتيجة حزمة أدلة أصغر للمهندس الذي سيتولى الإصلاح.

4. التحضير لترقية اعتماد برمجي

يمكن للمشرف توجيه الوكيل إلى فرع يتضمن ترقية اعتماد واحدة، وطلب الواردات المتأثرة والاستدعاءات المتقادمة وتغطية الاختبارات وملاحظات الانتقال. وتصبح المخرجات قائمة فحص، لا دمجًا تلقائيًا. والعائد هو تقدير نطاق العمل بسرعة قبل تخصيص كتلة هندسية كاملة له.

5. فحوص الجاهزية للإصدار

يمكن لمسؤول الإصدار طلب حصر الأسطح المتغيّرة وعمليات الترحيل المفقودة وفجوات التوثيق وأوامر الاختبار ذات الصلة في إصدار مرشح. ويحفظ سجل الجلسة ما فحصه الوكيل فعلًا. والعائد فحص تمهيدي متسق يكمّل CI الحتمي ولا يستبدله.

6. حزم تصعيد طلبات الدعم

يمكن لمهندس منتج وضع مشكلة عميل قابلة لإعادة الإنتاج داخل بيئة مستودع منقّحة، ثم مطالبة المشغّل بتتبّع مسارات الشفرة المحتملة وإعادة إنتاج العارض وسرد الأسئلة غير المحسومة. والعائد تسليم منظم من الدعم إلى الهندسة، من دون منح الوكيل وصولًا إلى أنظمة إنتاج العملاء.

فكرتان لمنتجين جديرين بالبناء

الأقوى: بوابة مراجعة للشفرة المولّدة بالذكاء الاصطناعي

ابنِ فحصًا لـ GitHub أو GitLab يشغّل Unreal Agent داخل مساحة عمل معزولة، ويراجع طلب السحب وفق قواعد المستودع، وينفّذ الفحوص المسموح بها، وينشر ملخصًا مرتبطًا بالأدلة كي يراجعه إنسان. والمشتري هنا هو الفريق الذي ينتج مزيدًا من الشفرة بواسطة الوكلاء.

الطلب واضح. يحقق ai powered code review platform نحو 1,900 عملية بحث شهريًا في الولايات المتحدة، بينما يحقق ai code review نحو 1,300 عملية بحث وتبلغ تكلفة النقرة فيه $55.73. كما تثبت المنتجات الحالية وجود ميزانية تراخيص سنوية من $20 إلى $72 لكل مطوّر شهريًا.

يدعم أصغر إصدار قابل للبيع مضيف شفرة واحدًا ومزوّد نموذج واحدًا وموجّه مراجعة ثابتًا وقائمة سماح صارمة للأوامر وصفحة نتائج مبنية على سجل JSONL. لكن العقبة هي الثقة؛ فالنتائج الإيجابية الكاذبة وتسريب الأسرار والتعليقات المزعجة والأوامر غير الآمنة قد تمحو القيمة سريعًا. وتظل هذه أفضل فرصة لأنها متكررة وقابلة للقياس ومرتبطة بميزانية قائمة.

مشغّل مهام للمستودعات يتيح استخدام نموذجك الخاص

ابنِ مستوى تحكم داخليًا صغيرًا يختار فيه الفريق مستودعًا وقالب مهمة معتمدًا ومزوّدًا ونموذجًا وسقفًا للتكلفة، ثم يتلقى تتبّع الجلسة ونتيجة جاهزة للاعتماد. وستدفع الوكالات وفرق المنصات التي تريد بيئة تشغيل مفتوحة من دون بناء طبقات قوائم الانتظار والعزل والتقارير مقابل ذلك.

يحقق open source ai coding agent نحو 5,400 عملية بحث شهريًا في الولايات المتحدة بقصد تجاري، وتبلغ تكلفة النقرة $13.11. وهذا طلب أوسع من استعلام المراجعة، لكن الحاجة إلى المنتج أقل تحديدًا.

يتكوّن MVP من موصل للمستودع ومساحة عمل مؤقتة وقالبين للمهام وإعدادات المزوّد وحالة المهمة وتقارير الرموز وسجل JSONL قابل للتنزيل. أما العقبة فهي التميّز؛ إذ يسهل نسخ لوحة تحكم رقيقة فوق بيئة تشغيل ناشئة، وسيطالب المشترون الجادون بضوابط الهوية وسجلات التدقيق وسياسات الشبكة وتنظيف موثوق. لذلك، نافس بسير عمل محدد وضوابط تشغيلية، لا باسم المنتج.

ما الذي لا يحلّه Unreal Agent؟

لا يوفّر Unreal Agent حدود إنتاج مكتملة. فخيار مساحة العمل ليس بيئة عزل، ويمكن لأداة Bash المدمجة أن تتصرف داخل البيئة التي تمنحها لها. ويظل العزل وسياسة الشبكة وبيانات الاعتماد والموافقات والتنظيف مسؤوليتك.

ولا يلغي الفروق بين المزوّدين. تفيد Unreal Labs بأن نمط نتيجة الأداة المرحلية ثم النهائية رفضته بعض النماذج لدى بعض مزوّدي الاستدلال من خارج OpenAI أثناء اختباراتها. لذلك، تحقّق من زوج المزوّد والنموذج نفسه الذي تنوي إطلاقه.

كما أنه لا يقدّم تنسيقًا معقدًا. فالحجم الصغير، من دون وكلاء فرعيين أو تدفقات عمل، جزء من حجة الكفاءة. ولهذا لا يناسب منتجًا يعتمد منذ البداية على أداة مرئية لبناء تدفقات العمل، أو كتالوج كبير من الموصلات المُدارة، أو وكلاء متخصصين مفوّضين.

ولا يثبت أيضًا وجود وفر في عبء عملك. إذ تتغيّر الفاتورة باختلاف النموذج وجهد الاستدلال وسلوك التخزين المؤقت ومخرجات الأدوات والمحاولات ونجاح المهمة. قارن المهام الناجحة المكتملة، لا إجماليات رموز مأخوذة من إعدادات مختلفة.

ما الذي ينبغي فعله يوم الاثنين؟

يُفترض أن يثبّت مهندس المنصة يوم الاثنين الإصدار v0.2.0، ويجهّز نسخة واحدة من المستودع بلا بيانات اعتماد، ثم يشغّل مهمة تلخيص المستودع مرتين بالنموذج ومستوى الاستدلال نفسيهما. احتفظ بملف JSONL وملف الجلسة وحالة الخروج والوقت المستغرق واستهلاك الرموز وفروقات المستودع. وإذا كانت النتيجتان مفيدتين ونظيفتين، فأعد المهمة نفسها باستخدام الوكيل الحالي. بعد ذلك فقط، قرّر إن كان من المجدي اختبار سير مراجعة أو دمج المكتبة.

إذا أردت وكيلًا منضبطًا للمستودعات ومبنيًا حول سير عملك، فابدأ من خدمة تطوير وكلاء الذكاء الاصطناعي.