إعداد وحدة الذكاء الاصطناعي
قبل أن يجيب المساعد الذكي عن سؤال، أو يتصل عميل MCP بالنظام، تحتاج الوحدة إلى تهيئة أساسية: أي نموذج لغوي تستخدمه؟ وبأي مفتاح؟ وأين يُخزَّن الفهرس الدلالي؟ كل ذلك يُضبط في إعدادات وحدة الذكاء الاصطناعي، وهي إعدادات عامة على مستوى النظام.
الترخيص المطلوب
تتطلب هذه الإعدادات تركيب وحدة الذكاء الاصطناعي (AI Module) وترخيصها.
نماذج المحادثة (Models Definition)
قلب الإعداد هو جدول تعريفات النماذج: كل سطر فيه نموذج لغوي يصبح متاحًا للاختيار في نافذة المساعد. لكل نموذج:
| الحقل | الدور |
|---|---|
| Cloud Provider | مزوّد الخدمة (انظر القائمة أدناه) |
| Model Name | اسم/معرّف النموذج لدى المزوّد، مثل gpt-4o أو claude-... |
| Model URL | عنوان نقطة الوصول — يُملأ غالبًا تلقائيًا حسب المزوّد، ويُحدَّد يدويًا للمزودين المتوافقين أو المستضافين ذاتيًا |
| API Key | مفتاح المصادقة لدى المزوّد (يُحفظ مشفّرًا) |
| Top P | معامل اختياري يتحكم في تنوّع الإجابة |
أكثر من نموذج في آنٍ واحد
عرّف عدة نماذج لتتيح للمستخدم اختيار الأنسب لكل مهمة من قائمة النماذج أعلى نافذة المساعد — نموذج اقتصادي سريع للأسئلة اليومية، وآخر أقوى للتحليل المعقّد.
المزوّدون المدعومون
تدعم الوحدة أحد عشر مزوّدًا:
| المزوّد | المزوّد |
|---|---|
| OpenAI | Anthropic |
| Google Gemini | AWS (Bedrock) |
| DeepSeek | GCP |
| Mistral | Azure |
| Zhipu AI | Hugging Face |
| OpenAI Compatible (نقاط وصول متوافقة / مستضافة ذاتيًا) |
البحث الدلالي وتهيئة التضمين
كثير من قدرات الوحدة تقوم على البحث الدلالي (Semantic Search): بدل مطابقة النص حرفيًا، يحوّل النظام السجلات والوثائق إلى تمثيلات رقمية (Embeddings) تُخزَّن في قاعدة متجهات (Vector Store)، فيصبح ممكنًا إيجاد «أقرب» سجل لمعنى ما لا لنصّه فقط. هذا ما يتيح للمساعد أن يفهم اسم عميل تقريبيًا، أو أن يجد فقرة التوثيق المناسبة لسؤال.
إعدادات الفهرس الدلالي
في إعدادات الوحدة نفسها تُضبط بنية البحث الدلالي:
| الحقل | الدور |
|---|---|
| Open AI Embedding Key | مفتاح OpenAI المستخدم لتوليد التضمينات |
| Text Embedding Model | نموذج التضمين: text-embedding-3-small أو text-embedding-3-large أو text-embedding-ada-002 |
| Vector Store URI | عنوان قاعدة المتجهات (Zilliz أو Milvus) |
| Vector Store Token | رمز الوصول إلى قاعدة المتجهات |
| Vector Store Username / Password | بيانات اعتماد بديلة لقاعدة المتجهات (اختيارية) |
اختيار الكيانات المفهرسة
تحديد أي السجلات تُفهرَس يتم في شاشة AI Record Embedding Config: كل سطر فيها يحمل:
- Master File Entity Type: نوع الملف الرئيسي المراد فهرسته (العملاء، الأصناف، الموردون، ...).
- Extra Fields For Embedding: حقول إضافية تُضمَّن في الفهرس لتحسين دقة المطابقة (إلى جانب الكود والاسم).
بعد الفهرسة يصبح هذا النوع متاحًا للبحث الدلالي: يستطيع المساعد — وأدوات الاستعلام ذات المدخل المرجعي — إيجاد السجل من نص حر بدل الكود الصريح (انظر النوع الأول: أداة مبنية على استعلام).
بدون فهرسة يعمل النظام لكن بلا «تخمين»
البحث الدلالي اختياري: الأدوات والمساعد تعمل بالأكواد الصريحة دون أي تهيئة تضمين. لكن إيجاد المراجع من نص حر، وبحث التوثيق الدلالي، لا يعملان قبل ضبط قاعدة المتجهات وفهرسة الكيانات المطلوبة.
ما تحتاجه قبل ربط عميل MCP
ربط عميل خارجي عبر خادم MCP يتطلب — إضافةً إلى ما سبق — سجل API Credentials معتمدًا ومربوطًا بمستخدم عبر حقل Login As User. تفاصيل العنوان والمصادقة وإعداد العملاء في دليل خادم MCP لنظام نما ERP.