Vessel
وكيل ذكاء اصطناعي يتحكم في سطح مكتب Linux معزول، مباشرة في متصفحك
التحدي
يوضح عرض computer-use من Vercel الفكرة، لكنه إثبات مفهوم بسيط: بلا سجل جلسات، وبلا رؤية لاستدعاءات الأدوات الفردية، وبتكامل نموذج لم يعمل مع computer-use على AWS Bedrock. أردتُ نسخة تعمل على Bedrock، وتُبقي بيانات الاعتماد على الخادم، وتتيح لأحد أن يراقب الوكيل أثناء العمل ويراجع ما فعله.
التقنيات المستخدمة
النهج الهندسي
حلقة وكيل على الخادم
تعمل حلقة الأدوات كلها داخل طلب POST /api/chat واحد: بث من Claude، وتنفيذ كل tool_use على البيئة المعزولة، وإرجاع tool_result، والتكرار حتى يتوقف النموذج. ولا تزال الواجهة الأمامية ترى تدفق بيانات AI SDK قياسيًا، فلم يحتج useChat إلى تغييرات.
Anthropic SDK الأصلي على Bedrock
استبدلتُ مزوّد Bedrock في AI SDK بـ @anthropic-ai/bedrock-sdk (InvokeModel) ليصل علم computer-use التجريبي من Anthropic إلى النموذج.
تحويل صريح للسجل
تحوّل toAnthropicMessages() سجل UIMessage في AI SDK إلى أدوار المستخدم والمساعد المتناوبة التي تشترطها Anthropic، فتُسقط استدعاءات الأدوات غير المكتملة وتحوّل نتائج لقطات الشاشة إلى صيغة الصورة التي يتوقعها النموذج.
حالة منفصلة
تعيش جلسات المحادثة والخط الزمني لأحداث استدعاء الأدوات في مخزنين منفصلين في Zustand، ويُقرأ سجل الرسائل عبر ref داخل onFinish حتى لا تتصرف الدوال الراجعة أبدًا بقيم قديمة.
القرارات التقنية الرئيسية
الخيارات التي شكّلت البنية وسهولة صيانتها.
SDK الأصلي بدل مزوّد Bedrock في AI SDK
تمر الاستدعاءات عبر @anthropic-ai/bedrock-sdk باستخدام InvokeModel.
عبر مزوّد Bedrock في AI SDK، كان Claude يتلقى تعريفات الأدوات لكنه يصف الإجراءات نصًا بدل إصدار كتل tool_use. أما SDK الأصلي فيرسل العلم التجريبي في جسم الطلب، فبدأ النموذج يتصرف.
تشغيل الحلقة على الخادم
ينفَّذ تشغيل الأدوات داخل مسار الواجهة البرمجية، لا في المتصفح.
التنفيذ على جهة العميل سيضيف رحلة ذهاب وإياب للمتصفح مع كل استدعاء أداة ويضع بيانات اعتماد البيئة المعزولة عند العميل. أما على الخادم فيبقى الاثنان على الخادم.
maxSteps: 1 في useChat
تبقى حلقة الخطوات المتعددة داخل طلب خادم واحد.
حين تتجاوز maxSteps الواحد، يعيد useChat إرسال السجل بعد كل دور، وتفقد نتائج لقطات الشاشة صيغة الصورة عند تسلسل JSON وتعود كنصوص عادية، فلا يعود النموذج يراها.
مخزنان منفصلان
مسار الأحداث وإدارة الجلسات مخزنان منفصلان في Zustand.
يتغيران بإيقاعات مختلفة ولأسباب مختلفة. وفصلهما يُبقي كلًا منهما بسيطًا.
التحديات والحلول
على AWS Bedrock، كان Claude يصف الإجراءات نصًا بدل تنفيذها.
تتبعتُ السبب إلى أن علم computer-use التجريبي لا يصل إلى النموذج عبر مزوّد Bedrock في AI SDK، وانتقلتُ إلى Anthropic SDK الأصلي.
توقفت نتائج لقطات الشاشة عن العمل بعد الدور الأول، لأن السجل المُعاد إرساله أعادها نصوصًا عادية.
أبقيتُ حلقة الخطوات المتعددة داخل طلب خادم واحد مع maxSteps: 1، وحوّلتُ السجل صراحةً في toAnthropicMessages().
تشترط Anthropic أن يتبع كل tool_use نتيجة tool_result، وتركت عمليات التشغيل المقاطَعة استدعاءات أدوات يتيمة.
أُسقط أدوار المساعد ذات استدعاءات الأدوات غير المكتملة قبل الإرسال، وأعلّم الاستدعاءات المُجهَضة كنتائج حين يوقف المستخدم التشغيل.
النتائج
يشغّل Vessel مهام المتصفح والطرفية من البداية إلى النهاية على سطح مكتب Linux معزول، يُبث مباشرة في المتصفح، مع ظهور كل استدعاء أداة في خط زمني للتصحيح. وهو مفتوح المصدر ومنشور على Vercel.
أبرز الدروس
أصعب الأخطاء كانت عند الحدود: بين SDK والمزوّد، وبين صيغ رسائل الواجهة وقواعد أدوار النموذج. وقراءة صيغة النقل مباشرة كانت أسرع من التخمين انطلاقًا من الأعراض.
