#

النقاط الرئيسية

• نشرت AWS دراسة حالة لعميل في 8 أكتوبر.

• تستخدم Incarna مدفوعات Amazon Bedrock AgentCore للدفع إلى BlockRun مقابل كل طلب استدلال.

• يستخدم التدفق نقاط نهاية متوافقة مع x402، بما في ذلك نقاط نهاية استدلال Bedrock.

• تقول AWS إن الفريق خفّض أعمال التكامل من أشهر إلى أيام.

• تصف الدراسة تدفقًا عمليًا متكاملًا من البداية إلى النهاية في الإنتاج.

ما الذي تقوله AWS إن دراسة الحالة هذه تُظهره

نشرت AWS دراسة حالة عميل عن Incarna وBlockRun. تقول التدوينة إن Incarna تستخدم مدفوعات Amazon Bedrock AgentCore للدفع إلى BlockRun مقابل استدلال النموذج طلبًا تلو الآخر. كما تقول إن الإعداد يستخدم نقاط نهاية متوافقة مع x402، بما في ذلك نقاط نهاية استدلال Bedrock.

تطرح المصدر هذا باعتباره نمط دفع عمليًا لوكلاء الذكاء الاصطناعي. ولا يُقدَّم على أنه معيار شامل لجميع مستخدمي AWS. أما ادعاءات السرعة والعمل في الإنتاج فتأتي من AWS، وليس من تحقق مستقل.

كيف يعمل تدفق الدفع

وفقًا للتدوينة، يحصل كل طلب على عرض سعر وتسوية خاصين به. وهذا يعني أن الدفع يتم على مستوى الطلب، وليس كرسوم جلسة واحدة كبيرة. وتقول المقالة إن هذا مهم لأن جلسات الوكلاء قد تتضمن العديد من الطلبات.

تقول AWS إن مسارات الدفع التقليدية بالبطاقات قد لا تكون مناسبة لهذا النمط. فقد تكلف الطلبات الفردية أقل من سنت واحد. وتذكر المصدر أن هناك حاجة إلى ضوابط للإنفاق، لأن الوكيل لا ينبغي أن يعتمد فقط على اتباعه للتعليمات.

BlockRun وIncarna في المثال

تصف AWS شركة BlockRun بأنها موجّه استدلال. وتقول التدوينة إنها تدعم أكثر من 90 نموذجًا من أكثر من 15 مزودًا. في هذا المثال، توفر BlockRun جانب استدلال النموذج في التدفق.

أما Incarna، التي طورتها SpreadX، فتعطي الوكيل هوية دائمة ومحفظة. وتقول المصدر إن هذا يتيح ربط المدفوعات بتلك الهوية بدلًا من مفتاح منصة مشترك. ويدعم هذا التصميم التسوية لكل طلب في المثال الذي تصفه AWS.

ما الذي تضيفه مدفوعات AgentCore

تقول التدوينة إن AgentCore payments يتولى دعم البروتوكول، وربط المحفظة، وتوقيع المعاملات للمطورين. وفي هذه الحالة، تساعد هذه البنية التحتية على ربط الوكيل بتدفق الدفع. كما تبقي حدود الإنفاق ضمن بنية تحتية مُدارة بدلًا من أن تكون داخل موجه الوكيل أو تعليماته.

تقول AWS إن النتيجة كانت تكاملًا أسرع. وتذكر التدوينة أن فريق Incarna خفّض أعمال التكامل من أشهر إلى أيام. كما تقول إن الفريق لديه تدفق عملي متكامل من البداية إلى النهاية في الإنتاج.

لماذا يصعب دفع الاستدلال لكل طلب

تسلط المصدر الضوء على عدم تطابق أساسي. فقد تنفذ وكلاء الذكاء الاصطناعي العديد من الطلبات الصغيرة. وغالبًا ما تُبنى مسارات الدفع التقليدية للمعاملات الأكبر والأقل تكرارًا.

وهذا يخلق مشكلتين تشغيليتين في المثال. أولًا، يحتاج النظام إلى طريقة لتسعير وتسوية الطلبات الصغيرة جدًا. ثانيًا، يحتاج إلى ضوابط تمنع الإفراط في الإنفاق عبر جلسة أطول. وتعرض AWS في هذه الدراسة AgentCore payments ونقاط النهاية المتوافقة مع x402 على أنها الحل.

الصلة بالمغرب

لا يورد المصدر أي حقيقة خاصة بالمغرب. وبالنسبة للقراء في أي مكان، فإن الدرس العام هو أن مدفوعات الذكاء الاصطناعي لكل طلب تحتاج إلى هوية واضحة وتسوية واضحة وضوابط للإنفاق.

ملاحظة المصدر

هذه المقالة مبنية فقط على دراسة الحالة الواردة في مدونة AWS Machine Learning المقدمة. وهي تنقل وصف AWS لإعداد Incarna وBlockRun. ولا تتحقق من الادعاءات بشكل مستقل.