أدوات المطورين: Ellf لبناء NLP من داخل مساعد البرمجة، وKerno v1 لاختبار الواجهات الخلفية وقت التشغيل، وKilo MCP، وNinjaOne Katana AI
Explosion تطلق Ellf لتدريب نماذج NLP مخصّصة على عنقودك عبر Claude Code وCodex وCopilot، وKerno v1 يختبر مسارات المستخدم وأدوات MCP على بيئتك الحقيقية قبل الدمج، وKilo تفتح منصتها للوكلاء بأداتي search وcall، وNinjaOne تطلق Katana AI وخادم MCP محكومًا بصلاحيات الأدوار.
بقلم عبدالرحمن أحمد6 دقائق للقراءة
خلال آخر يومين ظهرت أربعة إعلانات تشترك في فكرة واحدة: وكيل البرمجة الذي تستخدمه، سواء كان Claude Code أو Cursor أو Codex أو GitHub Copilot، لم يعد يُطلب منه كتابة الشيفرة وحسب. صار المطلوب أن يصل إلى البيانات، وأن يختبر ما كتبه على البيئة الحقيقية، وأن يدير المنصات من داخل جلسة الدردشة. Explosion تطلق Ellf لبناء أنظمة NLP مخصّصة من داخل مساعد البرمجة، وKerno تصدر Kerno v1 لاختبار الواجهات الخلفية وقت التشغيل، وKilo تفتح منصتها للوكلاء عبر Kilo MCP، وNinjaOne تطلق Katana AI مع خادم MCP لعمليات تقنية المعلومات.
1. Ellf من Explosion: ما ينقص مساعد البرمجة لبناء أنظمة NLP
أعلنت Explosion، الشركة التي تطوّر spaCy وProdigy، في 14 أكتوبر 2026 عن Ellf، وهي أداة تعمل مع مساعد البرمجة الذي تستخدمه أصلًا (Claude Code أو Codex أو GitHub Copilot) لتطوير أنظمة ذكاء اصطناعي وNLP مخصّصة من البداية إلى النهاية: التخطيط، ثم التوسيم (annotation)، ثم التدريب، ثم التقييم.
تقول الشركة إن بناء البرمجيات مشكلة شيفرة في الأساس، أما بناء نظام NLP فمشكلة شيفرة وبيانات معًا. ولذلك ترى أن مساعدي البرمجة يقصّرون في ثلاثة أمور:
- التوسيم: لا يملكون طريقة لأخذ ملاحظات بشرية على بيانات حقيقية، فلا يقترحونه أصلًا.
- التنفيذ: لا يناسبون المهام الطويلة، وبناء بنية تشغيل من الصفر يضخّم المشروع.
- المعرفة: يميلون إلى اقتراح نموذج لغوي كبير مع تعلّم داخل السياق بدل نموذج صغير مخصّص قد يكون أدق وأسرع وأرخص.
للتعامل مع ذلك يقدّم Ellf أربعة مفاهيم: مهام توسيم يتصل بها البشر والوكلاء، وإجراءات تنفذ منطقًا ثم تنتهي مثل التدريب والتقييم، ووكلاء مستقلين يعملون بنماذج عبر API أو محليًا لعمل تمريرة توسيم أولى، وخدمات طويلة التشغيل مثل الواجهات ولوحات المتابعة وخوادم MCP. كلها تُبنى من دوال Python تسمى «recipes»، وتتحول معاملاتها تلقائيًا إلى نموذج ويب في التطبيق وواجهة سطر أوامر، وهي الواجهة التي يستخدمها مساعد البرمجة لتشغيل Ellf نيابة عنك.
النقطة الأهم للفرق الحساسة للخصوصية أن الحوسبة تجري على عنقود Kubernetes تملكه في حسابك السحابي أو على جهاز محلي، وتقول Explosion إن بياناتك لا تُرسَل إليها، وإن خوادمها لا تتصل بعنقودك أبدًا. وتأتي الأداة مع Prodigy وقاعدة معرفة ومهارات تغطي التخطيط والتوسيم والتدريب والمراقبة. مثال الشركة: استخراج المنتج والميزة ورمز الخطأ من تذاكر الدعم بنموذج صغير مدرَّب على بضع مئات من الأمثلة، بدل استدعاء نموذج كبير مع كل تذكرة.
2. Kerno v1: مهندس QA يختبر الواجهة الخلفية وقت التشغيل
أطلقت Kerno في 14 أكتوبر الإصدار v1 من أداتها التي تصفها بأنها «مهندس QA آلي وقت التشغيل» للواجهات الخلفية. تعمل داخل Claude Code وCursor وCodex وأي وكيل يدعم MCP. فكرتها أن كتابة الشيفرة صارت سريعة، وأن عنق الزجاجة الآن هو إثبات أنها تعمل فعلًا: مراجعة الكود تقرأ الفرق، والاختبارات الوحدوية تعمل على بدائل وهمية (mocks)، ولا أحد منهما يختبر التغيير على قاعدة بيانات أو طابور رسائل أو تسجيل دخول حقيقي.
تعمل الأداة في أربع خطوات يقودها الوكيل بلغة طبيعية:
- Map: تفهرس المستودع وتجد كل نقاط الدخول، من مسارات HTTP وأدوات MCP إلى المهام الخلفية ومستهلكي الطوابير، وتتعلم كيف تسجّل الدخول وتجهّز بيانات الاختبار.
- Test: تعرض خطة الاختبار أولًا، وبعد موافقتك تكتب الاختبارات وتشغّلها على خدماتك الحقيقية وتحفظها في المستودع.
- Verify: عند تغيّر الشيفرة تتتبع التغيير عبر مخطط الاستدعاءات حتى كل نقطة دخول ومسار يصل إليه، ثم تعيد تشغيل الاختبارات المعنية.
- Evolve: إذا كان التغيير مقصودًا تقبله فتُحدَّث الاختبارات.
من أبرز ما في v1: اختبار مسارات المستخدم الكاملة عبر عدة نقاط دخول، وفحوص أمنية مبنية على فئات OWASP API وWeb Top 10 مثل كسر التحكم في الوصول والحقن وكشف البيانات الزائد، واختبار مستهلكي Celery وKafka وRabbitMQ وSQS على عمّال حقيقيين، واختبار كل أداة يعرضها خادم MCP وقت التشغيل بما فيها الأدوات المحمية بمصادقة. وهناك GitHub Action حتمية تعيد تشغيل الاختبارات في كل طلب دمج وتُخرج النتائج بصيغة JUnit، إضافة إلى بوابة Portal أُعيد بناؤها بلوحات للتغطية وانحراف السلوك (Behaviour Drift).
تقول الشركة إن الإعداد يستغرق بين 30 و60 دقيقة ويحتاج Docker وNode.js 18 أو أحدث. الخطة المجانية Community تغطي مستودعًا واحدًا ومستخدمًا واحدًا مع 30 تشغيلًا شهريًا، وخطة Pro بسعر 50 دولارًا للمطوّر شهريًا. أما الأرقام التي تنشرها، مثل «دمج أسرع 6 مرات» و«48% مشاكل وقت تشغيل أكثر»، فهي أرقام الشركة نفسها ولم تُراجَع بشكل مستقل.
3. Kilo MCP: أداتان فقط لواجهة API كاملة
في 13 أكتوبر أعلنت Kilo عن Kilo MCP، وهو خادم MCP بعيد على https://mcp.kiloapps.io/mcp يضع واجهة API منصة Kilo أمام أي عميل MCP، سواء كان Kilo CLI أو إضافة VS Code أو غيرهما. تُضيفه في kilo.json ثم تسجّل الدخول بأمر kilo mcp auth kilo عبر OAuth، وتختار حسابًا شخصيًا أو مؤسسة.
اللافت هنا هو التصميم: الواجهة أكبر من أن تُحمَّل كأداة لكل نقطة نهاية، لذلك يعرض الخادم أداتين فقط:
searchللبحث في كتالوج الـAPI وإرجاع نقاط النهاية المطابقة مع وصفها ومدخلاتها.callلتنفيذ نقطة نهاية من الكتالوج، وإذا أخطأ الوكيل في المدخلات تسمّي رسالة الخطأ الحقل الناقص ليصحح نفسه.
بهذا يستطيع الوكيل الاستعلام عن الاستهلاك والإنفاق مفصّلًا حسب الميزة، وإدارة ملفات الوكلاء (المهارات وخوادم MCP والمتغيرات وربط المستودعات)، والتحكم في دورة حياة الوكلاء السحابيين من بدء الجلسة إلى المقاطعة والحذف. ويعمل الاتصال بهويتك أنت لا بهوية مؤسسة ثابتة، فإذا كنت عضوًا في أكثر من مؤسسة فعليك تسميتها في طلبك.
نمط «بحث ثم استدعاء» يستحق الانتباه لمن يبني خادم MCP فوق API كبيرة: بدل إغراق نافذة السياق بمئات الأدوات، يكتشف الوكيل ما يحتاجه عند الطلب.
4. NinjaOne: Katana AI وخادم MCP لعمليات تقنية المعلومات
أعلنت NinjaOne في 13 أكتوبر عن Katana AI، وهو «فني ذكاء اصطناعي» وكيلي مدمج في منصتها لإدارة العمليات التقنية، يحلّل بيانات الأجهزة وتاريخها والتنبيهات والنشاط ليقترح الأسباب الجذرية المحتملة والخطوات التالية، بما فيها إجراءات المعالجة والسكربتات. وأطلقت معه NinjaOne MCP server الذي يتيح لوكلاء الذكاء الاصطناعي الخارجيين الوصول إلى بيانات المنصة وأدواتها والتنفيذ داخلها.
المحور هنا هو الحوكمة: بحسب الشركة يعمل الوكلاء عبر NinjaOne لا حولها، وتحكمهم صلاحيات الأدوار نفسها التي يديرها فريق تقنية المعلومات. وتذكر صفحة المنتج أن Katana AI يقترح والفني يقرر، فكل إصلاح يحتاج موافقة صريحة قبل تنفيذه، وأن هناك صلاحيات لكل نظام ذكاء اصطناعي و«مفتاح إيقاف» عامًا وسجلًا لكل توصية، وأن بيانات العملاء لا تُستخدم لتدريب النموذج.
ماذا يعني هذا لفريقك؟
- الاختبار وقت التشغيل يلحق بسرعة الوكلاء: إذا كان وكيلك يكتب نقاط نهاية وترحيلات قاعدة بيانات في دقائق، فإن أدوات مثل Kerno تحاول أن تجعل التحقق جزءًا من الجلسة نفسها لا من CI بعد ساعات. جرّبها على خدمة غير حرجة أولًا وراجع خطة الاختبار قبل الموافقة.
- النماذج الصغيرة المخصّصة تعود: Ellf رهان واضح على أن مساعد البرمجة يستطيع قيادة مشروع تدريب نموذج صغير خاص بدل استدعاء نموذج كبير مع كل طلب، وهذا يهم من يهتم بالتكلفة والخصوصية.
- صمّم خوادم MCP بحجم السياق: نمط Kilo (أداتان للبحث والتنفيذ) مقابل أداة لكل نقطة نهاية قرار تصميم يؤثر في دقة الوكيل واستهلاك التوكنات.
- الصلاحيات قبل الأتمتة: في NinjaOne وKilo معًا يعمل الوكيل بهوية المستخدم وصلاحياته. راجع ما يستطيع حسابك فعله قبل أن تمنحه لوكيل.
المصادر
- Explosion — Introducing Ellf: The missing piece for building NLP with coding assistants
- Kerno — Introducing Kerno v1, the AI runtime QA engineer for your backend
- Kilo Blog — Introducing the Kilo MCP
- NinjaOne — NinjaOne Brings Governed Agentic AI to Unified IT Operations with Katana AI and MCP
- NinjaOne — Katana AI (الأسئلة الشائعة)
- Help Net Security — NinjaOne combines Katana AI and MCP server
الوسوم