دیو مک‌جنت، شخصیتی که gần یک دهه هشیکورپ را در عصر ابری رهبری کرد و این شرکت را تا آستانه طرح عمومی اولیه (IPO) و در نهایت فروش ۶.۴ میلیارد دلاری به آی‌بی‌ام رساند، اکنون سراغ چالش تازه‌ای رفته است: برقراری حاکمیت بر عامل‌های هوش مصنوعی در مقیاس سازمانی.

مک‌جنت در اوایل ۲۰۲۶ به همراه مارک هالمز، همکار قدیمی خود در هشیکورپ، شرکت Dome Systems را تاسیس کرد. این استارتاپ در آوریل همان سال با جذب ۱۴ میلیون دلار سرمایه اولیه از حالت مخفی خارج شد. هدفش؟ ساخت پلتفرمی که سازمان‌ها را قادر سازد بر رفتار پراکنده و احتمالی عامل‌های هوش مصنوعی، کنترل کامل داشته باشند.

چرا عامل‌های هوش مصنوعی لایه جدیدی از حاکمیت می‌خواهند؟

تفاوت بنیادین بین نرم‌افزار سنتی و عامل‌های هوش مصنوعی در مکانیزم تصمیم‌گیری نهفته است. یک برنامه سازمانی کلاسیک، مسیر اجرا را از پیش تعیین می‌کند: احراز هویت، پرس‌وجو، بازگشت نتیجه. با ورودی‌های یکسان، خروجی همیشه ثابت است.

اما یک عامل هوش مصنوعی (AI Agent) به طور احتمالی عمل می‌کند. برای پاسخ به یک سوال ساده، ممکن است ده‌ها ابزار (Tool) را به‌ترتیب فراخوانی کند، بافت (Context) را از سیستم‌های گوناگون جمع‌آوری نماید، و در نهایت پاسخی تولید کند که مسیر رسیدن به آن، در هر اجرا متفاوت است. در محیط سازمانی، این عدم قطعیت ریسک‌های جدی به همراه می‌آورد: عامل به کدام سیستم دسترسی می‌یابد؟ چه داده‌ای را می‌بیند؟ چه عملی انجام می‌دهد و هزینه نهایی چقدر خواهد بود؟

«این در واقع یک معماری کاملاً متفاوت است، و همین تفاوت است که قدرت برنامه‌های عامل-محور (Agentic) را باز می‌کند.» — دیو مک‌جنت، مؤسس دوم سیستمس

مک‌جنت این تفاوت را با خودران‌های خودمختار تشبیه می‌کند. هیچ توسعه‌دهنده‌ای نمی‌تواند برای هر سناریوی احتمالی رانندگی کد بنویسد؛ ماشین باید در لحظه، با دریافت ورودی‌های زنده، قضاوت کند. عامل‌های سازمانی هم چنین هستند: تصمیم می‌گیرند، ابزار فراخوانی می‌کنند، نتیجه را ارزیابی کرده و مسیر را اصلاح می‌کنند. این انعطاف‌پذیری قدرتمند است، اما بدون کنترل، بی‌آب و تاب می‌ماند.

معماری سه‌لایه دوم: ثبتی، دروازه MCP، و مسیریاب مدل

دوم سیستمس بر پایه دیدگاهی ساخته شده که یک عامل، ترکیبی از سه عنصر است: کد، مدل، و ابزارهای پشتیبان. برقراری کنترل معنادار مستلزم مدیریت یکپارچه این سه‌گانه است.

۱. ثبتی عامل (Agent Registry)

مرکز مدیریت هویت و مجوزهای هر عامل. این لایه تعیین می‌کند چه کسی (یا چه سیستمی) حق فراخوانی عامل را دارد و عامل می‌تواند به کدام ابزارهای پشتیبانی — مانند Zendesk، دیتابیس‌های داخلی، یا APIهای مالی — متصل شود.

۲. دروازه MCP (MCP Gateway)

لایه کنترل دسترسی به ابزارها. پروتکل MCP (Model Context Protocol) استانداردی است که عامل‌ها از آن برای فراخوانی توابع و ابزارها استفاده می‌کنند. دروازه دوم، سیاست‌های امنیتی و عملیات را روی هر فراخوانی Tool اعمال می‌کند: چه پارامترهایی مجازند، سقف نرخ فراخوانی چقدر است، و آیا لاگ‌گیری کامل فعال است.

۳. مسیریاب و واسط مدل (Model Broker/Router)

عامل‌ها نباید به یک مدل منفرد قفل شوند. مسیریاب دوم، استخری از مدل‌ها (LLMها) را با قوانین مسیریابی (Routing) و مکانیزم Failover مدیریت می‌کند. این به معنای بهینه‌سازی هزینه، تأخیر، و انطباق با قوانین داده (Data Residency) در هر درخواست است.

این سه لایه پشت یک دروازه واحد (Unified Gateway) قرار می‌گیرند که نقطه واحد اجرا و اعمال سیاست (Policy Enforcement Point) برای تمام حرکات عامل عمل می‌کند.

معماری پلتفرم دوم سیستمس: ثبتی عامل، دروازه MCP، و مسیریاب مدل
معماری سه لایه پلتفرم دوم برای حاکمیت عامل‌های هوش مصنوعی

الگوی ابری: اول پذیرش، بعد کنترل

مک‌جنت استدلال می‌کند که سازمان‌ها با عامل‌های هوش مصنوعی دقیقاً همان مسیری را طی می‌کنند که با زیرساخت ابری طی کردند: ابتدا فراگیر شدن (Adoption) می‌آید، سپس ضرورت کنترل‌های امنیتی، عملیاتی، و مالی (FinOps) احساس می‌شود. هشیکورپ با ابزارهایی مانند Terraform، Vault، و Consul نظم را در کاوس ابری آورد. دوم سیستمس قصد دارد نقش مشابهی را برای عصر عامل‌های هوشمند ایفا کند.

پلتفرم در حال حاضر در دسترس مشتریان پیشین است و تیم‌های مهندسی و امنیت می‌توانند سیاست‌های دقیق (Fine-grained Policies) را روی هر فراخوانی Tool، هر انتخاب مدل، و هر جریان داده اعمال کنند — شيئا که در معماری‌های جداگانه پیشین ممکن نبود.

چالش پیش رو: استانداردسازی در میانه بی‌نهایت ابزار

با وجود وضوح چشم‌انداز، راه پر از چالش است. اکوسیستم عامل‌های هوش مصنوعی در حال تکامل سریع است: پروتکل‌های MCP، A2A (Agent-to-Agent)، و چارچوب‌های ارکستراسیون (مانند LangChain، LlamaIndex، و AutoGen) همچنان در حال شکل‌گیری هستند. دوم باید هم با این استانداردهای نوپا سازگار بماند، و هم لایه‌ی انطباق (Abstraction) لازم را برای سازمان‌ها فراهم آورد.

مک‌جنت با تجربه مدیریت هشیکورپ در سال‌های اول تکامل DevOps، آشناست با اینکه چگونه در میانه بی‌نظمی نوآوری، لایه کنترلی می‌سازد که هم توسعه‌دهندگان را راضی نگه دارد، و هم دپارتمان‌های امنیت و انطباق (Compliance) را.

موفقیت دوم سیستمس بستگی دارد به اینکه چقدر سریع بتواند از یک «ابزار نظارت» به «زیرساخت حیاتی» برای استقرار عامل در پروداکشن تبدیل شود — همان مسیری که Terraform برای کد زیرساخت طی کرد.