#

النقاط الرئيسية

• قدّمت AWS مهارة وكيل aws-ai-ml في إعلان تقني بتاريخ 5 أكتوبر.

• يتم توزيعها عبر Agent Toolkit for AWS.

• تعمل مع وكلاء البرمجة الذين يدعمون Model Context Protocol.

• يمكن للمهارة قياس أداء نقاط نهاية استدلال SageMaker AI وتوليد كود SageMaker Python SDK v3.

• تقول AWS إن المستخدمين يمكنهم مراجعة الكود المُولَّد وتعديله قبل تشغيله.

ما الذي أعلنته AWS

قدّمت AWS مهارة وكيل جديدة aws-ai-ml لاستدلال الذكاء الاصطناعي التوليدي على Amazon SageMaker. ظهر الإعلان في منشور تقني بتاريخ 5 أكتوبر. وتعرضها AWS كأداة للمطورين مخصصة لوكلاء البرمجة، وليس كخدمة نشر مكتملة.

تُوزَّع المهارة عبر Agent Toolkit for AWS. وهي مخصصة للعمل مع وكلاء البرمجة الذين يدعمون Model Context Protocol. ويذكر المنشور Kiro وClaude Code وCodex كأمثلة.

ما الذي تفعله المهارة

تقول AWS إن المهارة تساعد وكيل البرمجة على قياس أداء نقاط نهاية استدلال SageMaker AI. ويمكنها مقارنة التشغيلات المقاسة والتوصية بتكوينات النشر. كما يمكنها توليد كود قابل للتنفيذ باستخدام SageMaker Python SDK الإصدار الثالث.

ويعرض المنشور المشكلة على أنها مجموعة من الخيارات المتعلقة بخدمة النماذج التوليدية. وتشمل هذه الخيارات نمط الاستضافة، وفئة المثيلات، والحاوية، والسعة، والشبكات، والتوسع، ومتطلبات الأداء. ويطرح الوكيل أسئلة توضيحية قبل أن ينتج الكود.

هذا النهج يجعل المخرجات قابلة للمراجعة. وتقول AWS إن المستخدمين يمكنهم فحص الكود المُولَّد وتعديله قبل تشغيله. ولا تتخذ المهارة قرار نشر غامضًا بمفردها.

مسارات الإعداد والاستخدام

تصف AWS طريقتين لاستخدام المهارة. المسار الأول هو التثبيت المحلي عبر Agent Toolkit for AWS. وفي هذا المسار، يذكر المنشور أن AWS CLI الإصدار 2.35 أو أحدث وuv من متطلبات الإعداد.

أما المسار الآخر فهو الاستخدام داخل مساحة SageMaker Studio JupyterLab. وتقول AWS إن هذا يتطلب صورة مُعدّة تحتوي على المهارة. ولا يقدم المنشور أيًا من المسارين كخيار افتراضي شامل.

الأذونات والاعتبارات التشغيلية

يستخدم وكيل البرمجة بيانات اعتماد AWS وصلاحيات الشخص الذي يشغّله. ولا تمنح المهارة نفسها صلاحيات إضافية على الحساب. وهذا يعني أن الوصول لا يزال يعتمد على إعداد المستخدم الحالي.

وتشير AWS أيضًا إلى أن أعمال القياس أو نقاط النهاية لا تزال تتطلب أذونات SageMaker ذات الصلة. وقد تنطبق أيضًا رسوم AWS المعتادة. ولا يدّعي المنشور تحقيق مكاسب مقاسة لكل عبء عمل.

لماذا يهم هذا المطورين

يركز الإعلان على تقليل اتخاذ القرار اليدوي في إعداد استدلال SageMaker. فبدلًا من اختيار مسار النشر يدويًا، يمكن للوكيل جمع التفاصيل واختبار الخيارات وإنتاج الكود. وقد يساعد ذلك الفرق على الانتقال من الاستكشاف إلى التنفيذ بشكل أكثر تنظيمًا.

كما يؤكد المنشور على قابلية المراجعة. إذ يمكن فحص الكود المُولَّد وتغييره قبل التنفيذ. وهذا مهم عندما تؤثر المخرجات في إعدادات النشر وسلوك وقت التشغيل.

الصلة بالمغرب

لا يذكر المصدر أي توفر خاص بالمغرب أو تسعير أو نشر محلي. وبالنسبة للقراء، فإن الدرس العام هو أن إعداد البنية التحتية بمساعدة الوكيل لا يزال يعتمد على الأذونات والمراجعة والاختبار الخاص بعبء العمل.

الخلاصة

تقوم AWS بتغليف إرشادات استدلال SageMaker على شكل مهارة وكيل. وتهدف الأداة إلى مساعدة وكلاء البرمجة على القياس والمقارنة وتوليد الكود لخيارات النشر.

وهذا ليس وعدًا بنتائج أفضل في كل الحالات. بل هو أداة مساعدة لسير العمل لا تزال تعتمد على مراجعة المستخدم، وأذونات SageMaker، وتكاليف استخدام AWS المعتادة.