گزارش حاضر از Google Cloud به بررسی اجزای اصلی و معماری سیستمهای هوش مصنوعی عاملمحور میپردازد؛ سیستمهایی که از چتباتهای منفعل فراتر رفتهاند و میتوانند استدلال کنند، از ابزارها و دادههای سازمانی استفاده کنند و جریانهای کاری پیچیده را بهصورت خودکار اجرا کنند. این گزارش با هدف کمک به سازمانها برای عبور از مرحله آزمایش و نمونهسازی و حرکت به سمت ایجنتهای سازمانی مقیاسپذیر و دارای بازده قابلاندازهگیری، معماری این سیستمها را در شش بخش اصلی تشریح میکند: مدلها (Models) بهعنوان موتور استدلال، گراندینگ (Grounding) برای اتصال ایجنت به دادههای معتبر و کاهش خطا و توهم، ابزارها (Tools) برای انجام اقدامات و تعامل با سیستمهای دیگر، معماری داده (Data Architecture) برای مدیریت حافظه و وضعیت، ارکستراسیون (Orchestration) برای برنامهریزی و اجرای وظایف چندمرحلهای، و Runtime برای اجرای امن، پایدار و مقیاسپذیر ایجنتها در محیط تولید.
گزارش همچنین مفاهیمی مانند RAG، GraphRAG، Agentic RAG، معماریهای چندایجنتی و الگوی ReAct را بررسی میکند و بر اهمیت مقیاسپذیری، امنیت، مشاهدهپذیری و قابلیت حسابرسی در استقرار سازمانی تأکید دارد. در مجموع، این گزارش یک چارچوب فنی برای درک اجزای سازنده و الزامات عملیاتی ایجنتهای هوش مصنوعی در سازمان ارائه میدهد.
