سیستم‌های ایجنتیک:
از چت‌بات تا ایجنت خودمختار

اهداف یادگیری جلسهٔ ۶

در پایان این جلسه می‌توانید:

• تفاوت بنیادین بین چت‌بات، دستیار هوشمند و ایجنت خودمختار را تشریح کنید (LO1).
• معماری داخلی یک ایجنت هوش مصنوعی (حلقهٔ ادراک-تفکر-عمل) را توضیح دهید (LO2).
• حداقل ۱۰ سیستم ایجنتیک معروف ۲۰۲۶ (اپن‌سورس و تجاری) را نام ببرید و ویژگی‌های کلیدی هرکدام را شرح دهید (LO3).
• سه سیستم ایجنتیک ویژه — Antigravity، Hermes Agent و OpenClaw — را با جزئیات تحلیل کنید (LO4).
• سیستم‌های ایجنتیک را بر اساس معیارهای رشد، نوع کاربران، هزینه‌ها، محبوبیت و ستاره‌های گیت‌هاب مقایسه کنید (LO5).
• با استفاده از مثال‌های عملی (غیربرنامه‌نویسی)، کاربرد هر سیستم در سناریوهای واقعی کسب‌وکار را تشریح کنید (LO6).

---

از گردش‌کار تولید تا سیستم ایجنتیک

وقتی زنجیره‌ای از مراحل تکرارپذیر (گردش‌کار تولید) را داریم که هر خروجی، ورودی مرحلهٔ بعد است، یک پرسش طبیعی پیش می‌آید: اگر این گردش‌کارها را به جای انسان، خود هوش مصنوعی اجرا کند چه می‌شود؟

این دقیقاً همان نقطه‌ای است که از «گردش‌کار» وارد «سیستم ایجنتیک» می‌شویم. وقتی یک هوش مصنوعی بتواند خودش تصمیم بگیرد کدام ابزار را استفاده کند، چه ترتیبی را طی کند و آیا نتیجهٔ مطلوب به‌دست آمده یا خیر، ما دیگر با یک چت‌بات ساده روبه‌رو نیستیم — با یک عامل هوشمند (Agent) مواجهیم.

مسیر تکاملی سطح کنترل

توسعهٔ هوش مصنوعی مکالماتی طیفی از خودمختاری دارد: از پرامپت‌های دستی تا سیستم‌هایی که خودشان هدف می‌گیرند، برنامه‌ریزی می‌کنند و اجرا می‌کنند. در این جلسه، نقطهٔ عطف این طیف را بررسی می‌کنیم: سیستم‌های ایجنتیک — جایی که فقط هدف را تعریف می‌کنید و هوش مصنوعی بقیهٔ کار را خودمختارانه انجام می‌دهد.

چرا قبل از ایجنت‌ها باید مدل‌ها را بشناسیم؟

هر ایجنت از یک مدل زبانی (LLM) به‌عنوان «مغز» خود استفاده می‌کند. انتخاب مدل مستقیماً بر هزینه، سرعت و قابلیت ایجنت تأثیر می‌گذارد. این بخش یک نقشهٔ لحظه‌ای ارائه می‌دهد — داده‌ها بر اساس جستجوی وب اوت ۲۰۲۶ جمع‌آوری شده‌اند.

سطر اصلی (Frontier) اوت ۲۰۲۶

شرکت	مدل‌های فعال	تاریخ انتشار	قیمت ورودی (۱M توکن)	قیمت خروجی (۱M توکن)
OpenAI	GPT-5.5	۲۳ آوریل ۲۰۲۶	$۵.۰۰	$۳۰.۰۰
	GPT-5.4	۵ مارس ۲۰۲۶	$۲.۵۰	$۱۵.۰۰
	GPT-5.4-mini	۲۰۲۶	$۰.۷۵	$۰.۰۷۵
	GPT-5 mini	۲۰۲۶	$۰.۲۵	$۲.۰۰
	GPT-5 nano	۲۰۲۶	$۰.۰۵	$۰.۴۰
Anthropic	Claude Fable 5	۹ ژوئن ۲۰۲۶	قیمت رسمی اعلام نشده	—
	Claude Opus 5	۲۴ ژوئیهٔ ۲۰۲۶	قیمت رسمی اعلام نشده	—
	Claude Sonnet 5	۳۰ ژوئن ۲۰۲۶	$۲.۰۰ (تا ۳۱ اوت)	$۱۰.۰۰
	Claude Haiku 4.5	اکتبر ۲۰۲۵	$۰.۸۰	$۴.۰۰
Google	Gemini 3.6 Flash	۲۱ ژوئیهٔ ۲۰۲۶	$۱.۵۰	$۷.۵۰
	Gemini 3.5 Flash-Lite	۲۱ ژوئیهٔ ۲۰۲۶	ارزان‌تر از Flash	ارزان‌تر از Flash
	Gemini 3.5 Flash Cyber	۲۱ ژوئیهٔ ۲۰۲۶	تخصصی امنیتی	تخصصی امنیتی
	Gemini 3.1 Pro	۲۰۲۶	گرید Pro	گرید Pro
	Gemini 3.5 Flash	مه ۲۰۲۶ (I/O)	رایگان	رایگان

نکته: Gemini 3.5 Pro هرگز منتشر نشد. گوگل مستقیماً از Gemini 3.1 Pro به سری 3.5 Flash و سپس 3.6 Flash رفت.

مدل‌های اپن‌سورس و بازوزن (Open-Weight) کلیدی

مدل	سازنده	وضعیت	نکته
Llama 4 Scout	Meta	اپن‌ویت (آوریل ۲۰۲۵)	multimodal بومی، محتوای طولانی
Llama 4 Maverick	Meta	اپن‌ویت (آوریل ۲۰۲۵)	بزرگ‌تر از Scout
Muse Spark	Meta	اختصاصی (آوریل ۲۰۲۶)	جایگزین لاما؛ اپن‌سورس نیست
DeepSeek V4-Pro / V4-Flash	DeepSeek	منتشر شده (۲۴ آوریل ۲۰۲۶)	DeepSeek R2 هرگز منتشر نشد
Mistral Large 3	Mistral AI	اپن‌ویت (دسامبر ۲۰۲۵)	بهترین مدل اپن‌ویت اروپایی
Qwen 3.8-Max	Alibaba	۳ اوت ۲۰۲۶	جدیدترین مدل چینی
Kimi K3	Moonshot	در حال اپن‌سورس شدن	اواخر ژوئیهٔ ۲۰۲۶
GLM 5.2	Zhipu AI	اپن‌سورس	مدل چینی قوی

مدل‌های بازنشسته (Retired) در ۲۰۲۶

• GPT-5.1 (Instant, Thinking, Pro): ۱۱ مارس ۲۰۲۶ از ChatGPT حذف شدند.
• o3: ۲۶ اوت ۲۰۲۶ بازنشسته می‌شود.
• GPT-4.5: در حال بازنشستگی.

مدل‌های جدید Anthropic (تابستان ۲۰۲۶)

• Claude Mythos 5 (۹ ژوئن ۲۰۲۶): لایهٔ جدیدی از مدل‌های Anthropic همزمان با Fable 5.
• Claude Opus 5 (۲۴ ژوئیهٔ ۲۰۲۶): پایبندی بهتر به Constitutional AI. برای کارهای ایجنتی طولانی‌مدت بهینه شده.
• Claude Sonnet 5 (۳۰ ژوئن ۲۰۲۶): به‌طور خاص برای کارهای ایجنتی بهینه شده — «بزرگ‌ترین مدل Sonnet با قابلیت ایجنتی».

چرا این نقشه برای درک ایجنت‌ها مهم است؟ دو دلیل: اول، هر سیستم ایجنتیکی روی یک یا چند مدل از این نقشه کار می‌کند. دوم، تفاوت هزینه بین مدل‌ها می‌تواند ۱۰۰ برابر باشد — از GPT-5 nano با $۰.۰۵/$۰.۴۰ تا GPT-5.5 با $۵/$۳۰. وقتی ایجنتی که ۲۴ ساعته کار می‌کند را اجرا می‌کنید، این تفاوت به هزاران دلار در ماه تبدیل می‌شود.

تعریف رسمی

تعریف. ایجنت هوش مصنوعی (AI Agent) سیستمی است که بتواند به‌جای اجرای صرف یک دستور، یک هدف را به‌صورت خودمختار دنبال کند. این خودمختاری شامل سه توانایی کلیدی است:

1. ادراک (Perception): درک محیط و ورودی‌ها — خواندن پیام، تحلیل فایل، جستجوی وب، یا بررسی وضعیت یک سیستم. ادراک یعنی ایجنت بفهمد در چه موقعیتی قرار دارد.
2. تفکر (Reasoning): تصمیم‌گیری دربارهٔ اقدام بعدی بر اساس هدف، محیط، و حافظه — برنامه‌ریزی، اولویت‌بندی، و ارزیابی گزینه‌ها. این همان جایی است که مدل زبانی (LLM) نقش اصلی‌اش را ایفا می‌کند.
3. عمل (Action): اجرای تصمیم — ارسال ایمیل، ویرایش فایل، نصب نرم‌افزار، یا فراخوانی API. عمل بدون ادراک و تفکر بی‌معنی است.

حلقهٔ ادراک-تفکر-عمل مداوم تکرار می‌شود تا هدف محقق شود یا شکست خورده تشخیص داده شود. این تکرار مداوم، تفاوت اصلی ایجنت با یک اسکریپت ساده است: اسکریپت مراحل را از قبل می‌داند، اما ایجنت در هر لحظه تصمیم می‌گیرد گام بعدی چیست.

---

طیف خودمختاری: از چت‌بات تا ایجنت تمام‌خودمختار

سیستم‌های مبتنی بر هوش مصنوعی را می‌توان بر یک طیف پنج‌سطحی قرار داد:

سطح	نام	توصیف	مثال
۰	چت‌بات (Chatbot)	به هر پیام، یک پاسخ می‌دهد. حافظه و ابزاری ندارد.	چت‌بات پشتیبانی سایت
۱	دستیار (Assistant)	ابزارهای محدودی دارد (جستجو، محاسبه). شما باید هر مرحله را هدایت کنید.	ChatGPT با جستجوی وب
۲	ایجنت نیمه‌خودمختار	ابزارها را خودش انتخاب می‌کند ولی برای اقدامات مهم تأیید می‌خواهد.	Claude Code با تأیید کاربر
۳	ایجنت خودمختار	هدف می‌گیرد، برنامه می‌ریزد، ابزار انتخاب می‌کند و اجرا می‌کند.	Hermes Agent، OpenClaw
۴	ایجنت خودبهبوددهنده	علاوه بر خودمختاری، از تجربه یاد می‌گیرد و به‌مرور بهتر می‌شود.	Hermes Agent (حلقهٔ یادگیری)

مثال عملی — یک درخواست واحد در پنج سطح مختلف

فرض کنید می‌گویید «گزارش فروش ماه گذشته را تحلیل کن»:

• سطح ۰ (چت‌بات): پاسخی کلی می‌دهد: «برای تحلیل گزارش فروش، فایل اکسل را آپلود کنید.»
• سطح ۱ (دستیار): اگر فایل آپلود شده باشد، خلاصه‌ای می‌دهد ولی شما باید هر مرحله را هدایت کنید.
• سطح ۲ (نیمه‌خودمختار): فایل را می‌خواند، نمودار می‌کشد و می‌گوید «آیا می‌خواهید این تحلیل را ایمیل کنم؟»
• سطح ۳ (خودمختار): فایل را می‌خواند، تحلیل می‌کند، نمودار می‌کشد، گزارش PDF می‌سازد و ایمیل می‌زند.
• سطح ۴ (خودبهبوددهنده): بعد از سه بار، الگوی تحلیل شما را یاد می‌گیرد — مثلاً همیشه نمودار خطی و جداگانه بخش قارهٔ اروپا. دفعهٔ چهارم بدون نیاز به توضیح اضافه.

نکتهٔ کلیدی: بیشتر سیستم‌های ۲۰۲۶ در سطح ۲ و ۳ قرار دارند. سطح ۴ (خودبهبوددهنده) هنوز نادر است و Hermes Agent یکی از معدود نمونه‌های آن است.

---

اجزای اصلی یک ایجنت (پنج جزء)

هر سیستم ایجنتیک از پنج جزء اساسی تشکیل شده. وقتی سیستم‌ها را مقایسه می‌کنیم، تفاوت اصلی‌شان در نحوهٔ پیاده‌سازی همین پنج جزء است:

۱. مدل زبانی (LLM) — مغز ایجنت

مدلی مانند GPT-5.5، Claude Opus 5 یا Gemini 3.6 Flash که قابلیت استدلال و تولید متن را فراهم می‌کند. مدل به‌تنهایی ایجنت نیست — بلکه موتور تفکر آن است. انتخاب مدل بر سه چیز تأثیر مستقیم دارد: هوش و دقت استدلال، سرعت پاسخ‌دهی و هزینه. مثلاً Claude Sonnet 5 به‌طور خاص برای کارهای ایجنتی بهینه شده است.

۲. ابزارها (Tools) — دست‌های ایجنت

هر کاری که ایجنت انجام می‌دهد از طریق ابزارهاست: جستجوی وب، خواندن/نوشتن فایل، اجرای کد، فراخوانی API، دسترسی به پایگاه‌داده، مرورگر خودکار و ارسال ایمیل. بدون ابزار، ایجنت فقط می‌تواند توصیف کند چه کاری باید انجام شود ولی نمی‌تواند آن را انجام دهد. یک ایجنت سطح ۳ ممکن است از هفت ابزار مختلف در یک جلسه استفاده کند.

۳. حافظه (Memory) — ذهن ایجنت

• حافظهٔ کوتاه‌مدت (Working Memory): همان محتوای پرامپت فعلی و گفت‌وگوی جاری. وقتی جلسه بسته شود، پاک می‌شود.
• حافظهٔ بلندمدت (Long-term Memory): اطلاعات ذخیره‌شده بین جلسات. مثلاً در OpenClaw، فایل SOUL.md شخصیت ایجنت و MEMORY.md چیزهای یادگرفته را نگه می‌دارد.
• حافظهٔ تجربی (Episodic Memory): ثبت رویدادها و تصمیمات گذشته با جزئیات. Hermes Agent این نوع را در آرشیو SQLite ذخیره می‌کند.

۴. سیستم برنامه‌ریزی (Planning System) — استراتژیست ایجنت

توانایی تجزیهٔ یک هدف بزرگ به قدم‌های کوچک، اولویت‌بندی و تصمیم‌گیری دربارهٔ نیاز به اطلاعات بیشتر. تفاوت اصلی بین دستیار ساده و ایجنت واقعی: دستیار منتظر دستور شما می‌ماند، اما ایجنت خودش تصمیم می‌گیرد گام بعدی چیست. در LangGraph با «گراف حالت»، در CrewAI با «نقش‌ها» و در Antigravity با حلقهٔ «برنامه‌ریزی-اجرا-تأیید» پیاده‌سازی شده.

۵. پروتکل اتصال ابزار (MCP) — استاندارد نوظهور

پروتکل Model Context Protocol که Anthropic پیشنهاد داده، در حال تبدیل شدن به استاندارد صنعتی است. تقریباً همهٔ فریم‌ورک‌های اصلی ۲۰۲۶ (Hermes، OpenClaw، LangGraph، Claude Agent SDK، Google ADK) از MCP پشتیبانی می‌کنند. MCP مانند USB برای ایجنت‌هاست — یک استاندارد واحد برای وصل کردن ابزارها. قبل از MCP، ابزاری که برای LangGraph نوشته شده بود، روی CrewAI کار نمی‌کرد.

چرا این پنج جزء مهم است؟ وقتی ۱۸ سیستم ایجنتیک را بررسی می‌کنیم، تفاوت اصلی‌شان در همین پنج جزء است: هر کدام از چه مدلی استفاده می‌کنند، چه ابزارهایی دارند، چگونه حافظه مدیریت می‌شود، چگونه برنامه‌ریزی می‌کنند و آیا MCP پشتیبانی می‌کنند. این پنج جزء، لنز مقایسهٔ ما خواهند بود.

دسته‌بندی کلان

سیستم‌های ایجنتیک ۲۰۲۶ در چهار دستهٔ اصلی:

• فریم‌ورک‌های توسعه (Developer Frameworks): ابزارهایی برای ساخت ایجنت — مثل LangGraph، CrewAI، AutoGen.
• ایجنت‌های خودمختار (Autonomous Agents): سیستم‌های آماده — مثل Hermes Agent و OpenClaw.
• پلتفرم‌های بصری / بدون کد (No-Code Platforms): مثل Dify.
• SDKهای شرکتی (Commercial SDKs): مثل Antigravity (گوگل)، Claude Agent SDK، OpenAI Agents SDK.

مرزهای این دسته‌بندی‌ها مبهم است. مثلاً Agno هم فریم‌ورک است و هم runtime. Dify هم رابط بصری دارد و هم کدنویسی را پشتیبانی می‌کند.

نمای کلی ۱۸ سیستم برتر

ردیف	سیستم	سازنده	نوع	زبان	ستاره‌های گیت‌هاب	لایسنس	بهترین استفاده
۱	OpenClaw	Peter Steinberger	ایجنت خودمختار	Node.js	~۳۸۵K	MIT	دستیار شخصی چندکاناله
۲	Hermes Agent	Nous Research	ایجنت خودمختار	Python	~۲۲۶K	MIT	دستیار شخصی خودبهبوددهنده
۳	Dify	LangGenius	پلتفرم بصری	Python, TS	~۱۵۱K	Apache 2.0	ساخت ایجنت بدون کدنویسی
۴	Browser Use	browser-use	ابزار مرورگر	Python	~۹۷K	MIT	Automated Browser برای ایجنت‌ها
۵	DeerFlow	ByteDance	فریم‌ورک	Python	~۶۶K	اپن‌سورس	SuperAgent با sub-agent و sandbox
۶	AutoGen / AG2	مایکروسافت	فریم‌ورک	Python	~۵۶.۵K	CC-BY-4.0	مکالمات چندعاملی
۷	LlamaIndex	LlamaIndex	فریم‌ورک	Python, TS	~۴۸.۲K	MIT	ایجنت‌های مبتنی بر RAG
۸	CrewAI	CrewAI Inc.	فریم‌ورک	Python	~۴۷.۷K	MIT	هماهنگی تیم ایجنتی
۹	Agno	Agno	فریم‌ورک+runtime	Python	~۴۰K	Apache 2.0	پلتفرم ایجنت با UI مدیریتی
۱۰	Semantic Kernel	مایکروسافت	فریم‌ورک	C#, Python, Java	~۲۸K	MIT	سازمان‌های enterprise
۱۱	Smolagents	HuggingFace	فریم‌ورک	Python	~۲۶K	Apache 2.0	ایجنت‌های کد مینیمال
۱۲	Mastra	Mastra	فریم‌ورک	TypeScript	~۲۲K	Apache 2.0	توسعه‌دهندگان TypeScript
۱۳	Haystack	deepset	فریم‌ورک	Python	~۱۹K	Apache 2.0	Pipeline‌های NLP + ایجنت
۱۴	OpenAI Agents SDK	OpenAI	SDK	Python	~۱۸K	MIT	تیم‌های مبتنی بر OpenAI
۱۵	Pydantic AI	Pydantic	فریم‌ورک	Python	~۱۷K	MIT	ایجنت‌های Python امن
۱۶	Claude Agent SDK	Anthropic	SDK	Python, TS	~۱۴K	MIT	ایجنت‌های حساس به امنیت
۱۷	LangGraph	LangChain	فریم‌ورک	Python, JS	~۱۲K	MIT	گردش‌کارهای تولید پیچیده
۱۸	Google ADK	Google	SDK/فریم‌ورک	Python, TS, Go, Java, Kotlin	~۱۱K	Apache 2.0	تیم‌های Google Cloud

نکات مهم دربارهٔ ستاره‌ها:

• OpenClaw با ~۳۸۵K ستاره، پرستاره‌ترین پروژهٔ ایجنتیک تاریخ گیت‌هاب است و رکورد React را شکست.
• Hermes Agent در ۳ اوت ۲۰۲۶ به v0.20.0 رسید با ۳,۶۵۰ کامیت و ۱,۴۰۰ PR ادغام‌شده.
• LangGraph با «فقط» ~۱۲K ستاره، ۷۱.۶ میلیون دانلود PyPI در ماه دارد — بیشترین مصرف عملیاتی. این تفاوت بین «محبوبیت» (ستاره) و «استفادهٔ واقعی» (دانلود) را نشان می‌دهد.
• DeerFlow بایت‌دنس در ۲۸ فوریهٔ ۲۰۲۶ رتبهٔ اول Trending گیت‌هاب را کسب کرد. رشد فوق‌العاده در کمتر از ۳ ماه.
• Browser Use با ۹۷K+ ستاره در ۱۰۰ ریپوی برتر گیت‌هاب قرار دارد.

نکته دربارهٔ Antigravity: Antigravity عمدتاً یک پلتفرم تجاری ابری گوگل است و مانند بقیه ستاره‌های گیت‌هاب قابل مقایسه نیست. Google ADK (Agent Development Kit) فریم‌ورک اپن‌سورس گوگل است.

معرفی و فلسفه

Google Antigravity پلتفرم توسعهٔ ایجنتیک گوگل است که در نوامبر ۲۰۲۵ رونمایی شد و در کنفرانس Google I/O 2026 (مه ۲۰۲۶) به‌صورت پیش‌نمایش عمومی در دسترس توسعه‌دهندگان قرار گرفت. نام «Antigravity» اشاره‌ای استعاری به رهایی از محدودیت‌های توسعهٔ سنتی دارد — گویی جاذبهٔ محدودکنندهٔ کدنویسی دستی برداشته می‌شود و توسعه‌دهنده در فضای «ایجنت‌محور» (Agent-First) شناور می‌شود.

فلسفهٔ اصلی Antigravity: به‌جای نوشتن کد، توصیف کنید. به‌جای اجرای دستی، نظارت کنید. این پلتفرم به‌جای اینکه شما مرحله‌به‌مرحله کد بنویسید، ایجنت‌هایی می‌سازد که خودشان برنامه‌ریزی، اجرا و تأیید می‌کنند. Antigravity کاملاً تجاری نیست — یک SDK پایتون روی گیت‌هاب دارد، اما تمرکز اصلی روی سرویس ابری و IDE اختصاصی است. تفاوت آن با سایر سیستم‌ها این است که برای استفاده از ظرفیت کامل آن، به Google Cloud نیاز دارید.

معماری Plan-Execute-Verify

هستهٔ معماری Antigravity یک الگوی سه‌مرحله‌ای است که در توسعهٔ نرم‌افزار «موردهای پیشرفته» شناخته می‌شود:

1. Plan (برنامه‌ریزی): ایجنت هدف را می‌گیرد و آن را به قدم‌های کوچک‌تر تقسیم می‌کند. مثلاً «یک وب‌سایت فروشگاهی بساز» تبدیل می‌شود به: طراحی دیتابیس، ساخت API محصولات، ساخت رابط کاربری، اتصال درگاه پرداخت، و تست نهایی.
2. Execute (اجرا): هر قدم به‌صورت خودمختار اجرا می‌شود. اگر در اجرای قدمی خطایی رخ دهد، ایجنت تلاش می‌کند آن را اصلاح کند.
3. Verify (تأیید): بعد از اجرا، نتیجه بررسی می‌شود. آیا واقعاً کار کرده؟ آیا با مشخصات اولیه مطابقت دارد؟ اگر نه، به مرحلهٔ برنامه‌ریزی برمی‌گردد.

این حلقه تا زمانی تکرار می‌شود که نتیجهٔ قابل‌قبول حاصل شود یا محدودیت تلاش (مثلاً حداکثر ۵ تلاش) به پایان برسد. ویژگی کلیدی این معماری این است که «تأیید» بخش جدایی‌ناپذیر آن است — برخلاف بسیاری از فریم‌ورک‌ها که فقط برنامه‌ریزی و اجرا دارند.

مثال عملی. مدیریت یک شرکت لجستیک هستید و می‌خواهید سیستمی بسازید که رأی‌گیری بین رانندگان انجام دهد. روش سنتی: یک برنامه‌نویس باید کد بنویسد، API وصل کند، رابط کاربری بسازد و تست کند — هفته‌ها زمان می‌برد. با Antigravity: به پلتفرم می‌گویید «سیستم رأی‌گیری برای ۵۰ راننده بساز با قابلیت ناشناس بودن و نمایش نتایج زنده.» Antigravity برنامه‌ریزی می‌کند، کد تولید می‌کند، روی زیرساخت گوگل Deployed می‌کند و نتیجه را تأیید می‌کند. شما فقط نتیجه را بررسی و تأیید نهایی می‌دهید.

اجزای کلیدی و یکپارچگی با اکوسیستم گوگل

• Antigravity IDE: محیط توسعه اختصاصی گوگل با قابلیت دیدن لحظه‌ای اجرای ایجنت.
• Agent Management Console: پنل مدیریتی برای نظارت بر ایجنت‌های فعال، مشاهدهٔ لاگ‌ها و مدیریت دسترسی‌ها.
• Google ADK (Agent Development Kit): فریم‌ورک اپن‌سورس مکمل که اجازه می‌دهد ایجنت‌ها را خارج از پلتفرم هم بسازید — با پشتیبانی از پنج زبان (Python, TypeScript, Go, Java, Kotlin).

مزیت رقابتی: یکپارچگی عمیق با زیرساخت گوگل. وقتی ایجنت باید داده‌های BigQuery را تحلیل کند، از Firebase Authenticate استفاده کند، از Vertex AI مدل بخواند و از Cloud Storage فایل ذخیره کند — همه بدون تنظیمات اضافی کار می‌کنند.

هزینه‌ها و دسترسی

• پلن رایگان: محدود به کارهای ساده و حجم کم.
• Google AI Ultra: $۲۰۰/ماه — دسترسی کامل با مدل Gemini 3.6 Flash و محدودیت‌های بالاتر.
• زیرساخت جداگانه: هزینه‌های Google Cloud (Cloud Run, Cloud Storage و غیره) بسته به مصرف.
• مدل Gemini 3.6 Flash: $۱.۵/$۷.۵ (ورودی/خروجی هر ۱M توکن) — نسبتاً مقرون‌به‌صرفه.
• محدودیت مهم: فقط مدل‌های گوگل (Gemini) را با پشتیبانی کامل پشتیبانی می‌کند.

نقاط قوت و محدودیت‌ها

نقاط قوت:

• معماری Plan-Execute-Verify با تأیید خودکار — قابلیت اطمینان بالاتر از فریم‌ورک‌هایی که فقط اجرا می‌کنند.
• یکپارچگی عمیق با اکوسیستم Google Cloud — بدون نیاز به تنظیمات اضافی.
• پشتیبانی از چند زبان برنامه‌نویسی در ADK.
• مدل Gemini 3.6 Flash با هزینهٔ $۱.۵/$۷.۵ و کارایی بالا.

محدودیت‌ها:

• عمیقاً به اکوسیستم گوگل وابسته — بزرگترین نقطهٔ ضعف: Vendor Lock-in قوی. اگر سازمانتان AWS یا Azure دارد، ارزش بسیار کمتری دارد.
• پلتفرم Antigravity هنوز در مرحلهٔ پیش‌نمایش عمومی — ممکن است تغییرات زیادی بکند.
• انجمن کوچک — منابع آموزشی و جامعهٔ کمکی کمتر.
• Model-agnostic نیست — اولویت Gemini است. اگر بهترین مدل برای کار شما Claude یا GPT-5.5 است، Antigravity بهترین انتخاب نیست.

معرفی و فلسفه

Hermes Agent محصول آزمایشگاه Nous Research است که در ۲۵ فوریهٔ ۲۰۲۶ منتشر شد. در ۱۰ مهٔ ۲۰۲۶، رکورد ۲۲۴ میلیارد توکن پردازش‌شده در یک روز (رکورد یک‌روزه) را در OpenRouter ثبت کرد. تا ۴ اوت ۲۰۲۶ به ۲۲۵,۸۰۰ ستارهٔ گیت‌هاب رسید (رتبهٔ ۱۹ جهانی) با ۲,۶۰۰ مشارکت‌کننده. جدیدترین نسخه v0.20.0 شامل ۳,۶۵۰ کامیت و ۱,۴۰۰ PR ادغام‌شده و دسترسی به بیش از ۳۰۰ مدل مختلف.

فلسفهٔ اصلی Hermes: ایجنتی که با شما رشد می‌کند (The Agent That Grows With You). تفاوت بنیادین Hermes با سایر سیستم‌ها در یک ویژگی است: حلقهٔ یادگیری بسته (Closed Learning Loop). Hermes در حال حاضر تنها ایجنت سطح ۴ (خودبهبوددهنده) در فهرست ماست.

حلقهٔ یادگیری بسته — مکانیزم خودبهبودی: در سیستم‌های معمولی، وقتی ایجنت کار تمام می‌کند، همه‌چیز فراموش می‌شود. در Hermes، بعد از هر کار پیچیده سه مرحله طی می‌شود: ۱) بازتاب (Reflection): عملکرد خودش را ارزیابی می‌کند. ۲) ایجاد مهارت (Skill Creation): الگوهای استدلال قابل‌استفاده مجدد را به فایل‌های SKILL.md ذخیره می‌کند. ۳) بهبود مهارت (Skill Improvement): اگر روش بهتری کشف شود، مهارت قدیمی به‌روزرسانی می‌شود. نتیجه: هرچه بیشتر استفاده‌اش کنید، باهوش‌تر می‌شود.

معماری و اجزای کلیدی

۱. بیش از ۴۰ ابزار داخلی

شامل عملیات فایل، اجرای دستورات شل، مرورگر وب، فراخوانی API و Scheduling (Cron) به زبان طبیعی. همچنین اسکریپت‌های پایتون را از طریق RPC اجرا می‌کند و pipeline‌های چندمرحله‌ای را فشرده می‌سازد.

۲. سیستم مهارت خودبهبوددهنده

• ایجاد مهارت: کارهای موفق به الگوهای قابل‌استفاده مجدد تبدیل می‌شوند — فایل‌های SKILL.md که رویه‌ها، تله‌ها (Pitfalls) و گام‌های تأیید را کدگذاری می‌کنند.
• بهبود مهارت: اگر روش بهتری کشف شود، مهارت قدیمی از طریق ابزار skill_manage به‌روزرسانی می‌شود — نه جایگزینی، بلکه بهبود تدریجی.
• مدل‌سازی کاربر: Hermes طی زمان، نمایه‌ای از شما می‌سازد — ترجیحات فرمت، سبک تصمیم‌گیری — و در فایل USER.md و آرشیو SQLite (حافظهٔ اپیزودیک) ذخیره می‌کند.

۳. پشتیبانی از MCP

از پروتکل Model Context Protocol پشتیبانی می‌کند تا ابزارهای جدید بدون تغییر کد اصلی اضافه شوند.

۴. رابط‌های متعدد

اپلیکیشن بومی برای macOS، Windows و Linux. CLI، TUI، Web UI، دروازهٔ پیام‌رسانی (تلگرام، دیسکورد، اسلک، واتساپ، سیگنال، ایمیل و ۷ پلتفرم دیگر) و ACP برای یکپارچگی با ویرایشگرها (VS Code، Zed، JetBrains).

۵. RL Pipeline داخلی

Hermes شامل یک RL Pipeline مبتنی بر Tinker-Atropos (پروژهٔ مشترک Anthropic و Nous Research) و GRPO با آداپتورهای LoRA است. این Pipeline به تیم‌ها اجازه می‌دهد مدل‌های کوچک‌تر و ارزان‌تری را بر دامنهٔ خاص خود fine-tune کنند.

مثال عملی: Hermes در یک آژانس تبلیغاتی

هفتهٔ اول: به Hermes می‌گویید «یک کمپین اینستاگرامی برای برند X طراحی کن.» تحقیق می‌کند، ایده می‌دهد، تقویم محتوایی می‌سازد و کپشن می‌نویسد. بعد از اتمام کار، یک SKILL.md ایجاد می‌کند با عنوان «طراحی کمپین اینستاگرامی».

هفتهٔ دوم: درخواست مشابهی برای برند Y دارید. Hermes بلافاصله SKILL.md هفتهٔ قبل را فراخوانی می‌کند. سرعت کار تقریباً دوبرابر شده و کیفیت بالاتر رفته.

هفتهٔ سوم: Hermes متوجه می‌شود شما همیشه تقویم محتوایی را در قالب جدول دوست دارید. این ترجیحات در USER.md ثبت می‌شوند و هر درخواست جدید خودکار به فرمت دلخواهتان درمی‌آید.

ماه دوم: Hermes ۱۵ مهارت تخصصی ساخته — از تحلیل رقبا تا نوشتن رپورتاژ آگهی. هر درخواست جدید، سریع‌تر و دقیق‌تر از قبلی انجام می‌شود. این همان تفاوت سطح ۳ (خودمختار) و سطح ۴ (خودبهبوددهنده) است.

هزینه‌ها و دسترسی

• نرم‌افزار: کاملاً اپن‌سورس تحت لایسنس MIT — رایگان.
• زیرساخت: روی سخت‌افزار شما اجرا می‌شود. اپلیکیشن بومی برای سه سیستم‌عامل.
• مدل: ۳۰۰+ مدل — از رایگان (لوکال با Ollama) تا پریمیوم (GPT-5.5 با $۵/$۳۰ یا Claude Sonnet 5 با $۲/$۱۰).
• نیاز فنی: متوسط — دانش پایهٔ پایتون برای نصب اولیه، اما استفادهٔ روزمره نیاز به برنامه‌نویسی ندارد.

نقاط قوت و محدودیت‌ها

نقاط قوت:

• تنها ایجنت با حلقهٔ یادگیری بسته — به‌مرور زمان بهتر می‌شود (سطح ۴).
• رکورد ۲۲۴ میلیارد توکن در یک روز (OpenRouter، ۱۰ مه ۲۰۲۶).
• دسترسی به ۳۰۰+ مدل و رابط بومی برای سه سیستم‌عامل.
• پشتیبانی از ۱۳ پلتفرم پیام‌رسانی.
• RL Pipeline داخلی برای fine-tune مدل‌ها.
• ۲,۶۰۰ مشارکت‌کنندهٔ فعال — جامعهٔ در حال رشد.

محدودیت‌ها:

• طراحی اولیه برای استفادهٔ شخصی — برای ساخت محصول تجاری نیاز به Customization زیاد دارد.
• نصب اولیه نیاز به آشنایی با Python و تنظیمات دستی دارد — منحنی یادگیری بالاتر از OpenClaw.
• ۳ آسیب‌پذیری امنیتی تا مه ۲۰۲۶ گزارش شده (CVE-2026-7396، CVE-2026-7112، CVE-2026-7397).
• پروژه‌ای نسبتاً جدید (فوریهٔ ۲۰۲۶) — مستندات در حال بلوغ.

معرفی و فلسفه

OpenClaw توسط توسعه‌دهندهٔ اتریشی Peter Steinberger ساخته شد. پروژه در نوامبر ۲۰۲۵ با نام Clawdbot آغاز شد — یک پل ساده بین Claude و تلگرام. سپس به Moltbot تغییر نام داد (به‌دلیل مسئلهٔ trademarks) و سرانجام OpenClaw شد. تحت لایسنس MIT منتشر شده.

در ۱۴ فوریهٔ ۲۰۲۶، Peter Steinberger به OpenAI پیوست. OpenClaw به یک بنیاد مستقل منتقل شد و اپن‌سورس باقی ماند. بنابراین حمایت OpenAI از طریق استخدام سازنده صورت گرفت، نه قرارداد اسپانسرشی مستقیم.

OpenClaw با ~۳۸۵,۰۰۰ ستارهٔ گیت‌هاب (اوت ۲۰۲۶)، پرستاره‌ترین پروژهٔ ایجنتیک تاریخ گیت‌هاب است. در ۳ مارس ۲۰۲۶ با ۲۵۰,۸۲۹ ستاره رکورد React را شکست و به پرستاره‌ترین پروژهٔ نرم‌افزاری غیرتجمیعی گیت‌هاب تبدیل شد. حتی صفحهٔ ویکی‌پدیا اختصاصی دارد.

فلسفهٔ اصلی: سیستم‌عاملِ ایجنت‌ها. OpenClaw یک runtime است — نصب می‌کنید، Configuration می‌کنید و اجرا می‌شود. ایجنت روی دستگاه شما زندگی می‌کند، به اپلیکیشن‌های پیام‌رسانی متصل می‌شود و ۲۴/۷ کار می‌کند. نیازی به نوشتن کد نیست.

معماری دروازه (Gateway Architecture)

هستهٔ OpenClaw دروازه (Gateway) نام دارد — یک پردازش مداوم در پس‌زمینه:

• اتصال به کانال‌های پیام‌رسانی (از طریق WebSocket): وقتی در واتساپ پیامی می‌فرستید، دروازه آن را دریافت می‌کند.
• Routing پیام‌ها به جلسات ایجنت.
• مدیریت وضعیت جلسات: هر مکالمهٔ فعال را نگه می‌دارد.
• Scheduling وظایف: می‌توانید بگویید «هر روز صبح ۸ گزارش بفرست» و دروازه آن را اجرا می‌کند.

سیستم حافظهٔ فایل‌محور

هر جلسه با فایل‌های زیر «بیدار» می‌شود:

• SOUL.md: هویت ایجنت — شخصیت، لحن، قوانین و مرزها.
• AGENTS.md: Operations Manual — نحوهٔ مدیریت جلسات و قوانین ایمنی.
• MEMORY.md: حافظهٔ بلندمدت Refinement‌شده — چیزهایی که ایجنت در هفته‌ها و ماه‌ها یاد گرفته.
• memory/YYYY-MM-DD.md: فایل‌های حافظهٔ روزانه — وقایع و تصمیمات هر روز.

این سیستم شبیه انسانی است که قبل از جلسه، یادداشت‌هایش را مرور می‌کند — ساده اما مؤثر.

ClawHub و سیستم مهارت‌ها

ClawHub مارکت‌پلیس OpenClaw با بیش از ۱۰,۰۰۰ مهارت قابل نصب. هر مهارت یک بستهٔ قابلیت است: کنترل خانهٔ هوشمند؟ مهارتی دارد. مدیریت کلاستر Kubernetes؟ مهارتی دارد. تحلیل بازار سهام؟ مهارتی دارد.

تفاوت مهم با Hermes: مهارت‌های OpenClaw انسانی‌نوشته هستند و ایجنت خودش آن‌ها را نمی‌سازد یا بهبود نمی‌دهد. بنابراین OpenClaw در سطح ۳ (خودمختار) قرار دارد، نه سطح ۴ (خودبهبوددهنده). هر مهارت OpenClaw مانند دستورالعمل ثابت (مثل کتاب آشپزی) است، اما مهارت‌های Hermes مانند مهارت‌هایی هستند که با تمرین یاد گرفته‌اید.

هشدار امنیتی جدی: در ممیزی‌های امنیتی، بیش از ۸۰۰ مهارت مخرب در ClawHub شناسایی شده. آسیب‌پذیری CVE-2026-25253 (با شدت CVSS 8.8) اجازهٔ اجرای کد از راه دور (RCE) با یک کلیک را می‌داد. اگر پیش از اواسط فوریهٔ ۲۰۲۶ مهارتی نصب کرده‌اید، دستور openclaw security audit --deep را اجرا کنید.

Task Brain — تحول ۲۰۲۶

بزرگ‌ترین تغییر معماری OpenClaw در ۲۰۲۶ معرفی Task Brain (مغز وظایف) بود — یک لایهٔ مدیریت وظایف یکپارچه که OpenClaw را از یک ایجنت واکنشی به یک سیستم مدیریت وظایف مناسب تبدیل می‌کند.

مثال عملی. از طریق واتساپ می‌گویید: «جلسهٔ فردا با تیم فروش را تنظیم کن، دستور جلسه آماده کن و به همه ایمیل بزن.» OpenClaw: ۱) پیام را از واتساپ دریافت می‌کند. ۲) تقویم را بررسی و زمان مناسب پیدا می‌کند. ۳) دستور جلسه را بر اساس حافظهٔ روزانه می‌نویسد. ۴) ایمیل‌ها را می‌فرستد. ۵) وقتی یکی پاسخ داد «ساعت ۳ بهتر است»، تقویم را به‌روز می‌کند. بدون Task Brain، فقط تک‌وظیفه‌ای کار می‌کرد.

هزینه‌ها و دسترسی

• نرم‌افزار: کاملاً اپن‌سورس تحت لایسنس MIT — رایگان.
• زیرساخت: روی دستگاه شما اجرا می‌شود (مک، لینوکس، ویندوز). هزینهٔ زیرساخت صفر.
• مدل: Model-agnostic — با Claude، OpenAI، Gemini، Mistral و Ollama کار می‌کند. مثلاً Claude Haiku 4.5 با $۰.۸۰/$۴.۰۰ و Claude Sonnet 5 با $۲.۰۰/$۱۰.۰۰.
• Governance: پروژه به بنیاد مستقل منتقل شده اما آیندهٔ آن کمی مبهم است.

نقاط قوت و محدودیت‌ها

نقاط قوت:

• بیشترین ستارهٔ گیت‌هاب در تاریخ ایجنت‌ها (~۳۸۵K) — بزرگترین جامعه.
• پشتیبانی از ۲۲+ پلتفرم پیام‌رسانی (واتساپ، تلگرام، دیسکورد، سیگنال، اسلک، iMessage، IRC، LINE، Matrix و...).
• حریم خصوصی کامل — داده‌ها روی دستگاه شما می‌مانند.
• نصب و استفاده آسان‌تر از Hermes — مناسب‌تر برای کاربران غیرفنی.
• انجمن بسیار فعال و ClawHub با ۱۰,۰۰۰+ مهارت.

محدودیت‌ها:

• مشکل امنیتی جدی ClawHub: ۸۰۰+ مهارت مخرب + CVE-2026-25253 (CVSS 8.8).
• سرعت توسعهٔ بالا به‌معنای Breaking Changes زیاد.
• طراحی اولیه برای دستیار شخصی — برای محصول تجاری، فریم‌ورک‌هایی مانند LangGraph مناسب‌ترند.
• مهارت‌ها انسانی‌نوشته هستند و خودبهبوددهنده نیست (سطح ۳، نه سطح ۴).
• سازنده به OpenAI پیوست — آیندهٔ Governance پروژه کمی مبهم.

جدول مقایسه‌ای سه سیستم ویژه

معیار	Antigravity	Hermes Agent	OpenClaw
سازنده	Google	Nous Research	Peter Steinberger (بنیاد مستقل)
نوع	پلتفرم تجاری + SDK	ایجنت اپن‌سورس	ایجنت اپن‌سورس
لایسنس	تجاری + SDK ریپو	MIT (رایگان)	MIT (رایگان)
ستارهٔ گیت‌هاب	SDK: ~۱۱K	~۲۲۶K (رتبهٔ ۱۹ جهانی)	~۳۸۵K (پرستاره‌ترین تاریخ)
زبان فنی	چند زبان	Python	Node.js
مدل‌ها	Gemini (اولویت) + آداپتور	۳۰۰+ مدل	Model-agnostic (Claude اولویت + Ollama)
حافظه	مدیریت‌شده توسط گوگل	USER.md + SQLite	SOUL.md + MEMORY.md + روزانه
خودبهبودی	خیر	بله (حلقهٔ یادگیری + RL)	خیر (مهارت‌ها ثابت)
پیام‌رسانی	اکوسیستم گوگل	۱۳ پلتفرم	۲۲+ پلتفرم
اجرای محلی	خیر (سرویس ابری)	بله	بله
سطح خودمختاری	۳ (خودمختار)	۴ (خودبهبوددهنده)	۳ (خودمختار)

مقایسهٔ نوع کاربران

گروه ۱ — سازمان‌های بزرگ (Enterprise):

• Semantic Kernel (مایکروسافت): برای سازمان‌های مبتنی بر Azure و .NET.
• Google ADK + Antigravity: برای سازمان‌های مبتنی بر Google Cloud.
• Claude Agent SDK: برای صنایع حساس به امنیت (بانکداری، بهداشت).

گروه ۲ — توسعه‌دهندگان و استارتاپ‌ها:

• LangGraph: پیچیده‌ترین و انعطاف‌پذیرترین — استاندارد طلایی تولید.
• CrewAI: ساده‌تر برای هماهنگی تیم ایجنتی — مفهوم «نقش» درک آسان‌تر.
• DeerFlow (ByteDance): SuperAgent با sub-agent و sandbox — رشد فوق‌العاده.
• Mastra: بهترین گزینه برای تیم‌های TypeScript.
• Agno: فریم‌ورک + runtime با UI مدیریتی وب.
• OpenAI Agents SDK: ساده‌ترین شروع برای تیم‌های OpenAI.

گروه ۳ — کاربران غیرفنی و Power Users:

• OpenClaw: نصب ساده، رابط پیام‌رسانی آشنا.
• Dify: ساخت ایجنت با رابط بصری — بدون کدنویسی.
• Hermes Agent: نیاز به کمک برای نصب اولیه اما بهترین تجربهٔ روزمره.

مقایسهٔ هزینه‌ها

بسیاری از فریم‌ورک‌ها خودشان رایگان‌اند، اما هزینهٔ واقعی شامل سه جزء است:

جزء هزینه	توضیح	بازهٔ ماهانه تقریبی
نرم‌افزار	لایسنس فریم‌وارک/ایجنت	۰$ (بیشتر اپن‌سورس) تا ۲۰۰$ (Google AI Ultra)
مدل (Inference)	هزینهٔ پردازش توکن توسط LLM	۵-۵۰۰+ دلار بسته به حجم و مدل
زیرساخت	سرور، ذخیره‌سازی، پایگاه‌داده	۰$ (لوکال) تا ۲,۰۰۰+$ (ابر)

مثال هزینه ۱: تیم ۵ نفره با LangGraph — مجموع ۷۵-۲۵۰ دلار/ماه. مثال هزینه ۲: کاربر حرفه‌ای با OpenClaw — مجموع ۱۰-۴۰ دلار/ماه. مثال هزینه ۳: صفر دلار — هر اپن‌سورس + مدل لوکال (Llama 4 Scout از طریق Ollama).

مقایسهٔ رشد و محبوبیت

رتبه	سیستم	ستاره‌ها	نکتهٔ قابل توجه
۱	OpenClaw	~۳۸۵K	رکورددار تاریخ — شکستن رکورد React
۲	Hermes Agent	~۲۲۶K	رتبهٔ ۱۹ جهانی گیت‌هاب
۳	Dify	~۱۵۱K	پلتفرم بصری — بدون کدنویسی
۴	Browser Use	~۹۷K	ابزار مرورگر — top 100 گیت‌هاب
۵	DeerFlow	~۶۶K	ByteDance — رشد فوق‌العاده
۶	AutoGen	~۵۶.۵K	حمایت مایکروسافت
۷	LlamaIndex	~۴۸.۲K	بهترین برای RAG و اسناد
۸	CrewAI	~۴۷.۷K	محبوب‌ترین فریم‌ورک چندعاملی
۹	Agno	~۴۰K	ex-Phidata — فریم‌ورک + runtime
۱۰	LangGraph	~۱۲K	۷۱.۶ میلیون دانلود PyPI/ماه!

نکتهٔ بسیار مهم: LangGraph با «فقط» ~۱۲K ستاره، ماهانه ۷۱.۶ میلیون دانلود PyPI دارد — بیشترین استفادهٔ تولیدی. ستاره‌ها معیار کامل محبوبیت نیستند. معیار واقعی، استفاده در تولید (Production) است.

مقایسهٔ منحنیٔ یادگیری

سیستم	زمان یادگیری	سطح فنی	توضیح
Dify	۱-۳ روز	بسیار پایین	رابط بصری — Drag & Drop
OpenClaw	۱-۲ روز	پایین	نصب و Configuration ساده
OpenAI Agents SDK	۲-۳ روز	متوسط	مستندات عالی OpenAI
CrewAI	۳-۵ روز	متوسط	مفهوم «نقش» درک آسان
Hermes Agent	۳-۵ روز	متوسط-بالا	Python + Configuration
Antigravity	۳-۵ روز	متوسط	نیاز به آشنایی با Google Cloud
LangGraph	۱-۲ هفته	بالا	مفاهیم گراف و حالت پیچیده

---

سیستم‌های برتر دیگر (غیر از سه سیستم ویژه)

LangGraph — استاندارد تولید

LangGraph فریم‌ورک Orchestration سطح‌پایین LangChain برای ساخت ایجنت‌های stateful و طولانی‌مدت. گردش‌کارها را به‌صورت «گراف جهت‌دار» مدل می‌کند. با وجود «فقط» ~۱۲K ستاره، ۷۱.۶ میلیون دانلود PyPI/ماه دارد.

• Checkpointing و Time-Travel Debugging: هر مرحله از اجرا را بازپخش کنید. اگر در مرحلهٔ ۷ خطا کرد، از همان نقطه ادامه دهید.
• Human-in-the-Loop: الگوهای تأیید انسانی بخش اصلی معماری هستند.
• LangSmith Integration: Observability و Tracing حرفه‌ای.

DeerFlow — SuperAgent بایت‌دنس

DeerFlow محصول ByteDance که در ۲۸ فوریهٔ ۲۰۲۶ رتبهٔ اول Trending گیت‌هاب را کسب کرد. در کمتر از ۳ ماه به ~۶۶,۰۰۰ ستاره رسید. یک SuperAgent Harness که sub-agent‌ها، حافظه و sandboxها را Orchestration می‌کند.

CrewAI — Orchestration نقش‌محور

CrewAI فریم‌ورکی برای هماهنگی چند ایجنت با نقش‌های مشخص. مثال: ایجنت ۱ (پژوهشگر) اطلاعات جمع‌آوری می‌کند، ایجنت ۲ (نویسنده) مقاله می‌نویسد، ایجنت ۳ (ویراستار) ویرایش می‌کند.

Claude Agent SDK — امنیت در اولویت

Claude Agent SDK محصول Anthropic با ویژگی متمایزکننده: امنیت در لایهٔ معماری. Multi-Agent Orchestration، Dreaming (مرور و Refinement حافظه‌ها)، Outcomes با Webhook، و Self-Hosted Sandboxes.

Dify — ساخت ایجنت بدون کد

Dify پلتفرم بصری با ~۱۵۱K ستاره. ۵۰+ ابزار داخلی، ۲۰۰+ integration آماده، رابط Drag & Drop، و پشتیبانی از Ollama برای مدل‌های لوکال.

خلاصهٔ سریع سایر سیستم‌ها

سیستم	یک جمله توصیفی	مناسب برای
AutoGen / AG2	فریم‌ورک مایکروسافت برای مکالمات چندعاملی	محققان و تیم‌های تحقیقاتی
Mastra	فریم‌ورک TypeScript-First (v1.0 ژانویه ۲۰۲۶)	تیم‌های وب (Next.js, React)
Semantic Kernel	فریم‌ورک enterprise مایکروسافت	سازمان‌های بزرگ مبتنی بر Azure
LlamaIndex	بهترین ابزار برای ایجنت‌های RAG	پروژه‌های مبتنی بر اسناد
Smolagents	ایجنت‌های کد مینیمال (HuggingFace)	پروتوتایپ‌سازی سریع
Pydantic AI	فریم‌ورک Type-Safe	پروژه‌هایی با قابلیت اطمینان داده
Haystack	Pipeline‌های NLP + ایجنت	پروژه‌های پردازش زبان طبیعی
Google ADK	فریم‌ورک گوگل با یکپارچگی GCP	تیم‌های Google Cloud
OpenAI Agents SDK	ساده‌ترین شروع برای تیم‌های OpenAI	استارتاپ‌ها
Agno	فریم‌ورک + runtime با UI مدیریتی	تیمی که فریم‌ورک + داشبورد می‌خواهد
Browser Use	Automated Browser (۹۷K+ ستاره)	هر ایجنتی که با وب‌سایت تعامل دارد

---

پلتفرم‌های تجاری ایجنتیک (Commercial Agentic Platforms)

تا اینجا بیشتر روی فریم‌ورک‌ها و ایجنت‌های اپن‌سورس تمرکز کردیم. اما بخش بزرگی از بازار به‌دست پلتفرم‌های تجاری است — محصولاتی آمادهٔ استفاده که کاربر نیازی به کدنویسی ندارد. این پلتفرم‌ها در دو دستهٔ اصلی قرار می‌گیرند: ایجنت‌های کدنویسی (Coding Agents) و ایجنت‌های عمومی (General-Purpose Agents).

ایجنت‌های کدنویسی (Coding Agents)

پلتفرم	سازنده	نوع	ویژگی کلیدی	قیمت
Cursor	Anysphere	AI-First IDE	بیشترین traction تجاری در بین ایجنت‌های کدنویسی؛ بر پایهٔ VS Code با قابلیت‌های Agentic تعبیه‌شده؛ Tab Completion هوشمند، Composer برای تولید چندفایلی، و Ask برای گفتگوی Context-Aware	رایگان / Pro $20/ماه / Business $40/ماه
GitHub Copilot	Microsoft / GitHub	IDE Plugin + Agent Mode	پیشگام حوزه؛ ادغام عمیق با GitHub و Azure؛ Copilot Workspace برای PR خودکار؛ بیشترین پایگاه نصب در جهان	Free / Pro $10/ماه / Enterprise $39/ماه
Windsurf	Codeium (بعد از Acquisition)	AI-First IDE	رقیب اصلی Cursor؛ Cascade برای Workflow خودکار؛ ادغام با زنجیرهٔ ابزار Codeium	رایگان / Pro $15/ماه
Devin	Cognition	Autonomous Software Engineer	اولین ایجنت کدنویسی کاملاً خودمختار؛ کار مستقل رویIssue‌های گیت‌هاب؛ Sandbox ابری اختصاصی	$500/ماه (تیم)
Claude Code	Anthropic	Terminal-Based Agent	ایجنت کدنویسی در ترمینال؛ عملکرد قوی در Benchmark‌ها؛ امنیت در اولویت	بر اساس API Usage
Replit Agent	Replit	Cloud IDE + Agent	ساخت اپلیکیشن کامل از طریق چت؛ Deploy خودکار؛ مناسب برای MVP و Prototyping سریع	رایگان / Replit Core $25/ماه

ایجنت‌های عمومی و دستیارهای هوشمند

پلتفرم	سازنده	ویژگی Agentic	نکته
ChatGPT (Agent Mode)	OpenAI	حالت Agent از اوت ۲۰۲۵؛ اجرای کد، جستجوی وب، عملیات فایل؛ Operator (بعداً ادغام شد)	پرکاربردترین پلتفرم هوش مصنوعی جهان
Claude (Computer Use)	Anthropic	Computer Use: کنترل مستقیم صفحه نمایش و ماوس/کیبورد؛ Artifacts برای تولید کد و اسناد	قدرتمندترین در کارهای تحلیلی و تحقیقاتی
Gemini	Google	ادغام با Google Workspace و Android؛ Project Astra برای قابلیت‌های Agentic؛ ۱ میلیون Context Window	بزرگترین Context Window در بازار

نکتهٔ مهم: تفاوت بنیادین بین پلتفرم‌های تجاری و فریم‌ورک‌های اپن‌سورس در کنترل است. با Cursor یا ChatGPT، محصول و مدل در اختیار شما نیست. با LangGraph یا Hermes، کد منبع روی ماشین شماست و می‌توانید هر تغییری بدهید. این تفاوت برای سازمان‌ها با داده‌های حساس حیاتی است.

جدول تصمیم‌گیری

برای انتخاب سیستم ایجنتیک مناسب، این سؤالات را از خود بپرسید:

سؤال	اگر «بله»	اگر «خیر»
آیا برنامه‌نویس هستید؟	LangGraph / CrewAI / Mastra	Dify / OpenClaw
آیا تیمتان TypeScript استفاده می‌کند؟	Mastra	CrewAI / LangGraph
آیا امنیت اولویت اول است؟	Claude Agent SDK + Claude Opus 5	سایر گزینه‌ها
آیا سازمانتان روی Google Cloud است؟	Google ADK / Antigravity	LangGraph / CrewAI
آیا سازمانتان روی Azure است؟	Semantic Kernel	LangGraph / CrewAI
آیا می‌خواهید ایجنت شخصی داشته باشید؟	Hermes / OpenClaw	فریم‌ورک‌ها
آیا بودجهٔ صفر دارید؟	هر اپن‌سورس + مدل لوکال	مدل‌های ابری پولی
آیا بدون کدنویسی می‌خواهید؟	Dify / OpenClaw	فریم‌ورک‌ها
آیا به مرورگر خودکار نیاز دارید؟	Browser Use + فریم‌ورک	—
آیا می‌خواهید ایجنت یاد بگیرد؟	Hermes Agent (تنها سطح ۴)	سایر گزینه‌ها

سناریوهای عملی

سناریو ۱: «مدیر فروش هستم. می‌خواهم هوش مصنوعی هر روز صبح گزارش فروش را تحلیل و در تلگرام بفرستد.» پیشنهاد: OpenClaw. نصب ساده، اتصال مستقیم به تلگرام، پردازش محلی. ClawHub مهارت تحلیل مالی را نصب کنید.

سناریو ۲: «تیم مهندسی ۱۰ نفره داریم. می‌خواهیم ایجنت Code Review بسازد.» پیشنهاد: Claude Agent SDK یا LangGraph. Claude Agent SDK به‌دلیل امنیت. LangGraph اگر گردش‌کار پیچیده با چند مرحلهٔ تأیید نیاز دارید.

سناریو ۳: «صاحب کسب‌وکار کوچک هستم و برنامه‌نویس نیستم. چت‌بات پشتیبانی می‌خواهم.» پیشنهاد: Dify. رابط بصری، بدون کدنویسی، ۵۰+ ابزار آماده. در عرض یک روز قابل‌Deployment.

سناریو ۴: «محقق هوش مصنوعی هستم و می‌خواهم رفتار چند ایجنت را مطالعه کنم.» پیشنهاد: AutoGen / AG2. طراحی‌شده برای تحقیق روی تعاملات چندعاملی.

سناریو ۵: «شرکت ما روی Google Cloud است و می‌خواهیم ایجنت‌های سازمانی بسازیم.» پیشنهاد: Google ADK + Antigravity. یکپارچگی عمیق با GCP. اما مراقب Vendor Lock-in باشید.

سناریو ۶: «می‌خواهم ایجنت شخصی داشته باشم که از تجربه‌هایم یاد بگیرد.» پیشنهاد: Hermes Agent. تنها ایجنت با حلقهٔ یادگیری بسته.

سناریو ۷: «می‌خواهم ایجنت بسازم که اطلاعات را از وب‌سایت‌ها جمع‌آوری کند.» پیشنهاد: Browser Use + فریم‌ورک. Browser Use به هر ایجنتی امکان مرور وب را می‌دهد.

---

روندهای کلیدی ۲۰۲۶

1. گذار از چت‌بات به ایجنت خودمختار. سال ۲۰۲۴ دربارهٔ چت‌بات بود. ۲۰۲۵ دربارهٔ دستیارهای کدنویسی. ۲۰۲۶ دربارهٔ ایجنت‌های خودمختار — سیستمی که بدون منتظر ماندن برای پرامپت، به‌طور پیش‌فعال کار انجام می‌دهد.
2. رشد انفجاری اپن‌سورس. OpenClaw (۳۸۵K)، Hermes (۲۲۶K در ۶ ماه) و Dify (۱۵۱K) نشان می‌دهند که جامعه به‌شدت به سمت ایجنت‌های اپن‌سورس حرکت می‌کند. کنترل داده‌ها و استقلال از شرکت‌های بزرگ برای کاربران مهم است.
3. Standardization پروتکل MCP. پروتکل Model Context Protocol به‌سرعت در حال تبدیل شدن به استاندارد صنعتی — مانند USB برای ایجنت‌ها. Hermes، OpenClaw، LangGraph، Claude Agent SDK و Google ADK از MCP پشتیبانی می‌کنند.
4. حریم خصوصی و اجرای محلی. تقاضا برای ایجنت‌هایی روی زیرساخت کاربر (Hermes، OpenClaw) به‌شدت در حال رشد است — به‌ویژه در اروپا و کسب‌وکارهایی با داده‌های حساس.
5. ایجنت‌های خودبهبوددهنده. Hermes با حلقهٔ یادگیری و Claude Agent SDK با Dreaming، الگوی جدیدی تعریف کرده‌اند: ایجنتی که هرچه بیشتر استفاده شود، بهتر می‌شود.
6. تنوع مدل‌ها و رقابت شدید. بیش از ۵۰۰ مدل زبانی فعال. OpenAI، Anthropic، Google و مدل‌های چینی (Qwen 3.8-Max، Kimi K3، GLM 5.2) همگی در سطح frontier رقابت می‌کنند.

چشم‌انداز ۲۰۲۷

• ایجنت‌های چندمدلی: ترکیب همزمان چند مدل (زبان، تصویر، صدا) در یک ایجنت.
• بازار مهارت‌ها: ClawHub، Marketplace Hermes و Dify Plugin Store به «App Store» ایجنت‌ها تبدیل خواهند شد — اما پس از بحران امنیتی، اعتبارسنجی مهارت‌ها الزامی خواهد بود.
• قوانین‌گذاری: قوانین جدید دربارهٔ مسئولیت قانونی تصمیمات ایجنت‌ها — اگر ایجنت بانکی وامی را رد کند، چه کسی مسئول است؟
• Democratize کردن: ابزارهایی مانند Dify و OpenClaw به افراد بدون دانش فنی اجازه می‌دهند از ایجنت‌ها بهره‌مند شوند.
• مدل‌های چینی: DeepSeek V4 و Qwen 3.8-Max نشان می‌دهند مدل‌های چینی به‌سرعت در حال نزدیک شدن به frontier هستند.

در این جلسه، نقشهٔ کامل سیستم‌های ایجنتیک ۲۰۲۶ را بررسی کردیم. شش نکتهٔ کلیدی:

1. سیستم‌های ایجنتیک در یک طیف از چت‌بات ساده (سطح ۰) تا ایجنت خودبهبوددهنده (سطح ۴) قرار دارند. تفاوت بنیادین در خودمختاری است.
2. هر ایجنت از پنج جزء تشکیل شده: مدل زبانی (مغز)، ابزارها (دست‌ها)، حافظه (ذهن)، سیستم برنامه‌ریزی (استراتژیست) و پروتکل اتصال (MCP). تفاوت سیستم‌ها در نحوهٔ پیاده‌سازی همین پنج جزء است.
3. سه سیستم ویژه: Antigravity (گوگل) با یکپارچگی Google Cloud و Plan-Execute-Verify. Hermes Agent (Nous Research) تنها ایجنت سطح ۴ با ۲۲۶K ستاره و حلقهٔ یادگیری بسته. OpenClaw (بنیاد مستقل) پرستاره‌ترین پروژهٔ تاریخ (۳۸۵K) با ۲۲+ پلتفرم و هشدار امنیتی ClawHub.
4. سیستم‌های جدید مهم ۲۰۲۶: DeerFlow (ByteDance، ~۶۶K در ۳ ماه)، Agno (ex-Phidata، ۴۰K+) و Browser Use (۹۷K) رشد چشمگیری دارند.
5. انتخاب سیستم به سه عامل بستگی دارد: سطح فنی تیم، نوع نیاز (فریم‌ورک برای ساخت محصول یا ایجنت آماده) و بودجه.
6. روندهای ۲۰۲۶: گذار به ایجنت‌های خودمختار، Standardization MCP، رقابت ۵۰۰+ مدل فعال، تقاضای روزافزون برای حریم خصوصی و ظهور ایجنت‌های خودبهبوددهنده.

---

منابع و مآخذ

منابع مدل‌ها

• Every OpenAI Model Explained (Aug 2026) — openai.com/pricing
• Anthropic Claude Models Overview — docs.anthropic.com
• Introducing Claude Opus 5 (Jul 24, 2026) — anthropic.com
• Google Gemini 3.6 Flash (Jul 21, 2026) — blog.google
• OpenAI GPT-5.5 Announcement (Apr 23, 2026) — openai.com
• Meta Llama 4 Scout & Maverick (Apr 5, 2025) — ai.meta.com
• Best Chinese AI Models 2026 — aisera.com

منابع سیستم‌های ایجنتیک

• Google Antigravity Blog — developers.googleblog.com
• Hermes Agent vs OpenClaw — HackerNoon (May 2026)
• Top 15 AI Agent Frameworks in 2026 — Pickaxe
• OpenClaw Explained — KDnuggets (Mar 2026)
• Open Source AI Agent Frameworks Comparison — Langfuse (Jul 2026)
• Hermes Agent 224B Tokens Record — techhasnolimits.io
• OpenClaw GitHub — github.com/openclaw/openclaw
• OpenClaw Security: 800+ Malicious Skills — skeletonscribe.com
• DeerFlow — ByteDance — github.com/bytedance/deer-flow
• LangGraph PyPI Downloads — pypi.org/project/langgraph/
• Top AI Coding Agents and Development Platforms in 2026 — marktechpost.com
• GitHub Copilot vs Cursor vs Windsurf — uibakery.io (Aug 2025)
• Claude Code — docs.anthropic.com
• Devin AI — devin.ai