المستوى: متوسط — هذا المقال يفترض إنك جربت Tool Use قبل كده، عارف ايه هي الـ system prompt، وقريت ولو سطرين Python. لو لسه ما اشتغلتش على tools خالص، ابدأ من توثيق Anthropic الأساسي قبل ما ترجع للمقال ده.
AI Agents في الإنتاج: ليه الوكلاء بيدخلوا في حلقات لا نهائية وازاي توقفهم
لو بنيت وكيل AI بيستدعي tools ومن غير سبب واضح بيفضل يعمل نفس الـ tool call 47 مرة لحد ما الـ context يفيض أو فاتورة Anthropic توصل 280 دولار في طلب واحد، انت مش لوحدك. تقرير Galileo State of AI Agents في 2025 لقي إن 73% من الوكلاء اللي بيوصلوا production بيفشلوا في أول 90 يوم لأسباب معمارية مش جودة النموذج. المقال ده هيوريك ازاي تبني loop آمن، وكام علامة إن وكيلك بدأ يدور حوالين نفسه، وامتى تستبدل الـ agent بـ pipeline تقليدي.
المشكلة باختصار
الـ AI Agent مش chatbot. هو نموذج بياخد قرار في كل دورة: "اعمل tool A؟ اعمل tool B؟ ولا ارد على المستخدم؟". القرار ده بيتكرر في حلقة لحد ما الوكيل يقرر يخلّص. لو القرار غلط في الـ loop، الوكيل ممكن يعمل نفس الخطوة 50 مرة بدون ما يلاحظ.
المشكلة دي مش نظرية. على مشروع دعم فني عربي عندنا 1,800 تذكرة شهرياً، أول agent بنيناه بـ Claude Sonnet 4.6 دخل في حلقة لمدة 38 دقيقة قبل ما يصل لـ max_tokens. التذكرة الواحدة كلّفت $4.20 بدل المتوقع $0.03. الـ pattern ده اتسمى "Reasoning Loop" في ورقة Galileo، وهو السبب رقم 1 لفشل الوكلاء في 2026.
مثال للمبتدئ: المهندس اللي بيصلّح سيارة
تخيّل مهندس صيانة جديد، واقف قدام سيارة معطّلة، ومعاه 5 أدوات: مفك، مفتاح إنجليزي، مالتي ميتر، كمبيوتر تشخيص، وكتاب التعليمات. خطواته الطبيعية كده:
- يفكّر: "السيارة مش بتشغّل، يمكن البطارية".
- يستخدم المالتي ميتر يقيس الجهد.
- يلاحظ النتيجة: 12.4 فولت — البطارية سليمة.
- يفكّر تاني: "ماشي، يمكن البنزين".
- يفتح خزّان البنزين.
الـ AI Agent بيشتغل بنفس الطريقة بالظبط. بيفكّر، بيختار أداة، بياخد ملاحظة، يفكّر تاني. المشكلة اللي بتحصل: لو المالتي ميتر بيدّيله نفس القراءة الغلط مرة ورا مرة، المهندس المبتدئ ممكن يقعد ساعة يقيس البطارية بدل ما يقول "خلاص، البطارية مش هي المشكلة، خليني أجرّب حاجة تانية". الوكيل بيقع في نفس الفخ بالظبط. هو محتاج آلية تقوله "بطّل اللي بتعمله ده، جرّب حاجة جديدة".
الفرق بين مهندس متمرّس ومبتدئ مش في عدد الأدوات، الفرق في إنه بيعرف امتى يبطّل. الـ agent اللي بتبنيه لازم تديله نفس الذكاء ده — بشكل صريح في الكود، مش بالاعتماد على الـ LLM إنه "هيفهم لوحده".
تعريف علمي: ReAct Pattern
الـ pattern الأساسي لمعظم الوكلاء حالياً اسمه ReAct، اتنشر في ورقة Yao et al. 2022 من Princeton و Google Research. الفكرة بسيطة: في كل دورة، النموذج بيكتب 3 حاجات بالترتيب:
- Thought: سطر تفكير داخلي بيشرح ليه هياخد الخطوة دي.
- Action: اسم الـ tool + arguments.
- Observation: نتيجة الـ tool زي ما رجعت من النظام الخارجي.
