لم نبنِ Remio لوكلاء الذكاء الاصطناعي. لكن كلما نظرنا إلى ما يحتاجه الوكلاء — عينان على شاشة حقيقية، ويدان على لوحة مفاتيح حقيقية، ونفق آمن بينهما — بدا لنا أكثر أن سطح المكتب البعيد هو الواجهة التي كانت مفقودة طوال الوقت.
عصر استخدام الذكاء الاصطناعي للحاسوب
تغيّر شيء جوهري في عالم الذكاء الاصطناعي خلال العام الماضي. لم تعد النماذج اللغوية مجرد مولّدات نصوص. بدأت تستخدم الحواسيب.
أطلقت Anthropic ميزة Claude Computer Use. ويستطيع وكلاء OpenAI التنقل بين المتصفحات. ويتفاعل Gemini من Google مع Android. النمط واضح لا لبس فيه: يحتاج وكلاء الذكاء الاصطناعي بشكل متزايد إلى رؤية الشاشات والنقر على الأزرار والكتابة في تطبيقات حقيقية.
لكن هنا المشكلة التي لا يتحدث عنها أحد: كيف يصل وكيل الذكاء الاصطناعي فعليًا إلى حاسوب؟
أين يحتاج الوكلاء إلى الشاشات
قبل الحديث عن البنية التحتية، انظر إلى العمل نفسه. معظم ما يطلبه الناس من الوكلاء ليس استدعاء واجهة برمجية مرتبًا. إنه شاشة مليئة بالحالات، ونموذج بحقول مشروطة، وتطبيق لا يتيح ما تحتاجه عبر HTTP. يحتاج الوكيل إلى عينين. أما اليوم، ففي معظم الأنظمة يتلمّس طريقه بأصابعه في الظلام.
01تقديم إقرار ضريبي
يحتاج الوكيل إلى رؤية السطر 12 من نموذج متعدد الصفحات، واختيار القائمة المنسدلة الصحيحة لحالة التقديم، والتحقق من تحديث الإجماليات قبل الإرسال. برنامج الضرائب لا يملك واجهة برمجية عامة — الواجهة الرسومية هي الواجهة.
يعرض سطح المكتب البعيد النموذج مباشرةً. يقرأ الوكيل الحقول ويملؤها ويراقب تحديث الإجمالي الجاري قبل النقر على إرسال.
02حجز رحلة معقدة
مواقع متعددة، وتخطيطات مختلفة، وتواريخ تعتمد على التوفر، ورقم ولاء يُملأ تلقائيًا في موقع دون آخر. الواجهات البرمجية تغطي بعض ذلك — لكن ليس كله أبدًا.
يمنح سطح المكتب البعيد الوكيل المتصفح نفسه الذي يستخدمه الإنسان. يقارن النتائج بين التبويبات ويؤكد السعر النهائي على الشاشة قبل الدفع.
03مراجعة عقد
ملف PDF موجود في تطبيق مكتبي مع تتبع التغييرات والتعديلات والتعليقات. يحتاج الوكيل إلى قراءة الهوامش ومتابعة الملاحظات المضمّنة واقتراح تعديلات يمكن للمحامي قبولها أو رفضها.
يبث سطح المكتب البعيد المستند كما يراه المحامي. يضيف الوكيل ملاحظاته ويوافق المحامي، كل ذلك في عرض واحد.
04تصحيح أخطاء محرر داخل المتصفح
خلل لا يظهر إلا عند مستوى تكبير معين للوحة الرسم في Figma، بعد تشغيل إضافة محددة. لا تستطيع أي أداة بلا واجهة إعادة إنتاجه. على الوكيل أن يرى ما يراه المهندس.
يمنح سطح المكتب البعيد الوكيل المحرر الحي. يعيد الخطوات، ويلتقط الإطار المعطوب، ويرفع بلاغًا واضحًا قابلًا لإعادة الإنتاج للفريق.
الأساليب الحالية ولماذا هي قاصرة
حاليًا، أمام وكلاء الذكاء الاصطناعي الذين يحتاجون إلى التعامل مع الواجهات الرسومية خيارات محدودة:
- أتمتة المتصفح — تستطيع أدوات مثل Playwright وSelenium تشغيل تطبيقات الويب. لكنها لا تستطيع استخدام Photoshop أو Xcode أو أي تطبيق أصلي. الويب جزء صغير مما يفعله الناس فعليًا على الحواسيب.
- الأجهزة الافتراضية — تشغّل جهازًا افتراضيًا بلا واجهة وتوجّه الوكيل إليه. هذا يعمل، لكنه بطيء ومكلف، والجهاز الافتراضي بيئة معزولة — وليس حاسوبك الفعلي بملفاتك وتطبيقاتك وسياقك.
- حزم SDK المحلية — تشغّل الوكيل مباشرةً على الجهاز. هذا يتطلب تثبيت برنامج الوكيل محليًا ويمنحه وصولًا عميقًا إلى النظام بحد أدنى من العزل.
لكل أسلوب القيد الجوهري نفسه: لم تُصمَّم لهذا الغرض. أتمتة المتصفح تعمل في المتصفحات فقط. الأجهزة الافتراضية بيئات معزولة مكلفة. وحزم SDK المحلية تثير مخاوف أمنية.
ماذا لو كانت هناك بنية تحتية مبنية بالفعل لتمكين طرف من رؤية حاسوب آخر والتحكم فيه — بأمان، وفي الوقت الفعلي، عبر أي شبكة؟
سطح المكتب البعيد، مختبئ على مرأى من الجميع
فكّر فيما يفعله سطح المكتب البعيد فعليًا:
- يلتقط صورًا لشاشة الحاسوب المضيف
- يبثها إلى عميل بعيد في الوقت الفعلي
- يستقبل أوامر الإدخال (نقرات الفأرة ولوحة المفاتيح والتمرير)
- يحقن هذه المدخلات في نظام التشغيل المضيف بشكل أصلي
- يشفّر كل شيء من طرف إلى طرف
والآن فكّر فيما يحتاجه وكيل الذكاء الاصطناعي لاستخدام حاسوب:
- رؤية ما على الشاشة (لقطة شاشة)
- تقرير ما يجب فعله (مهمة الوكيل)
- النقر والكتابة والتمرير (حقن المدخلات)
- رؤية النتيجة (لقطة الشاشة التالية)
- إبقاء كل شيء آمنًا
إنها الحلقة نفسها. سطح المكتب البعيد هو في جوهره طبقة الواجهة التي يحتاجها وكيل الذكاء الاصطناعي بالضبط.
يحتاج الوكيل إلى عينين. أما اليوم، ففي معظم الأنظمة يتلمّس طريقه بأصابعه في الظلام — وسطح المكتب البعيد هو الطبقة التي تتيح له أخيرًا أن يرى.
لماذا تناسب معمارية Remio هذا الغرض بشكل فريد
ليس كل سطح مكتب بعيد جاهزًا لذلك بالقدر نفسه. معظمها بُني لبشر يحدّقون في شاشة، لا لوكلاء تقودهم الواجهات البرمجية ويطلقون الأوامر بفواصل من أجزاء الثانية. صدف أن لدى Remio القطع المناسبة جاهزة.
حقن مدخلات أصلي
لا يحاكي Remio المدخلات عبر حيل إمكانية الوصول أو لوحات المفاتيح الافتراضية. إنه يستخدم مسار الإدخال الخاص بنظام التشغيل نفسه لحقن دقيق للفأرة ولوحة المفاتيح بمستوى أصلي. لا يستطيع نظام التشغيل التمييز بين إنسان وRemio. ويرث وكيل الذكاء الاصطناعي القدرة نفسها.
التقاط لقطات الشاشة
يلتقط مضيف Remio الشاشة بالفعل، حتى 6K بمعدل 120 إطارًا في الثانية، ويستطيع تسليم إطارات منفردة عند الطلب. لا يحتاج وكيل الذكاء الاصطناعي إلى معدل الإطارات الكامل — بل إلى لقطة نظيفة واحدة لكل إجراء، تُسلَّم بسرعة. وهذا سهل للغاية حين يكون مسار الالتقاط قيد التشغيل أصلًا.
بروتوكول مصمم للسرعة
كل أمر بين العميل والمضيف يمر عبر صيغة ثنائية بلا نسخ تُحلَّل في أقل من ميلي ثانية. حين يرسل وكيل الذكاء الاصطناعي «انقر عند (500, 300)»، يُحلَّل الأمر وينفَّذ بحمل إضافي لا يُذكر. لا تحليل JSON ولا XML.
اتصال مباشر مشفّر
كل شيء مشفّر من طرف إلى طرف بين الجهازين — اتصال مباشر نظير لنظير افتراضيًا، مع مرحّل مشفّر فقط حين تتطلب شبكتك ذلك. لا تمر أوامر الوكيل ولا بيانات الشاشة عبر خوادمنا بصيغة مقروءة؛ حتى المرحّل لا يرى سوى نص مشفّر. وهذا مهم جدًا حين يتفاعل وكيل مع حاسوب عملك الفعلي وملفاتك وتطبيقاتك.
تشغيل التطبيقات
يستطيع Remio بالفعل تشغيل التطبيقات على الجهاز المضيف لصالح عميل متصل. وحين تتوفر واجهة برمجية موجهة للوكلاء، يستطيع الوكيل أن يقول «افتح Terminal» فينفذ Remio ذلك — دون إعادة اختراع آلية تشغيل التطبيقات المبنية أصلًا.
كيف قد يبدو هذا
تخيّل سير العمل هذا:
تقول لـ Claude: «اذهب إلى جهاز Mac الخاص بي، وافتح التقرير المالي في Excel، وحدّث أرقام الربع الرابع بهذه البيانات، وصدّره بصيغة PDF، وأرسله بالبريد إلى الفريق.»
يتصل Claude بجهاز Mac الخاص بك عبر واجهة Remio البرمجية. يرى سطح مكتبك. يفتح Excel. ينتقل إلى الملف الصحيح. يحدّث الخلايا. يصدّر. يفتح Mail. يرسل البريد. كل خطوة مرئية وقابلة للتدقيق ومشفّرة من طرف إلى طرف.
لا جهاز افتراضي. لا قيد المتصفح فقط. حاسوبك الفعلي وتطبيقاتك الفعلية وملفاتك الفعلية — يتحكم بها الذكاء الاصطناعي عبر نفق آمن موجود بالفعل.
الأجزاء الصعبة أُنجزت بالفعل
بناء سطح مكتب بعيد موثوق يستغرق سنوات من العمل. مسار التقاط الشاشة. ترميز الفيديو. حقن المدخلات الذي يعمل مع كل خصوصيات أنظمة التشغيل. اتصالات مباشرة نظير لنظير عبر الموجّهات المنزلية وجدران الحماية. التشفير. تحسين زمن الاستجابة.
كل ذلك موجود بالفعل في Remio. لن تحتاج منصة موجهة للوكلاء إلى أن تكون منتجًا جديدًا يُبنى من الصفر — بل واجهة جديدة إلى بنية تحتية قائمة. فبدلًا من إنسان يشاهد الشاشة، يعالج وكيل ذكاء اصطناعي الإطارات. وبدلًا من إنسان يحرّك الفأرة، يرسل استدعاء واجهة برمجية الإحداثيات.
ما تبقى لبنائه هو طبقة الواجهة البرمجية نفسها: واجهة نظيفة ومصادَق عليها تتيح لوكلاء الذكاء الاصطناعي الاتصال وطلب لقطات الشاشة وإرسال الأوامر واستلام النتائج. هذه غير موجودة بعد. إنها هندسة ذات شأن، لكنها جزء يسير من تعقيد البنية التحتية الأساسية.
تقييم صريح
نحن في مرحلة بحث مبكرة في هذا المجال. وهناك تحديات حقيقية:
- نموذج الأمان — كيف تمنح وكيل ذكاء اصطناعي حق الوصول إلى حاسوبك بأمان؟ ما الصلاحيات التي يحصل عليها؟ كيف تسحب هذا الوصول؟ يحتاج هذا إلى تصميم دقيق.
- معدل لقطات الشاشة — تعالج نماذج الذكاء الاصطناعي الصور أبطأ مما يعالج البشر الفيديو. نمط التفاعل مختلف: إرسال لقطة، وانتظار قرار الوكيل، وتنفيذ، وتكرار. تحسين هذه الحلقة مهم.
- التعافي من الأخطاء — حين ينقر وكيل الذكاء الاصطناعي على الزر الخطأ، كيف يتعافى؟ هذه مشكلة ذكاء اصطناعي أكثر منها مشكلة Remio، لكن على المنصة أن تدعم ذلك بسلاسة.
لا ندّعي أن هذه المشكلات محلولة. لكن الأساس في البنية التحتية — الجزء الصعب — موجود بالفعل.
المنصة بالمصادفة
لم نبنِ Remio لوكلاء الذكاء الاصطناعي. لكن حين ننظر إلى ما بنيناه — حقن مدخلات أصلي، والتقاط للشاشة في الوقت الفعلي، واتصال مباشر مشفّر من طرف إلى طرف، وبروتوكول ثنائي مضبوط للسرعة — يصعب تخيّل أساس أفضل لاستخدام الذكاء الاصطناعي للحاسوب.
أحيانًا تنشأ أفضل المنتجات من تقاطعات غير متوقعة. لا يبدو أن تقنية سطح المكتب البعيد ووكلاء الذكاء الاصطناعي يلتقيان بداهةً. لكن كلما نظرت إلى ما يحتاجه كل طرف، بدا الجمع بينهما حتميًا أكثر.
يحتاج وكلاء الذكاء الاصطناعي إلى شاشات. وRemio يوفّر الشاشات — بأمان وبشكل أصلي وفي الوقت الفعلي وعبر أي شبكة. القطعة المفقودة كانت موجودة دائمًا. نحن فقط لم نعرف لأي غرض كانت مفقودة.
نستكشف هذا المجال بنشاط. إن كنت تبني وكلاء ذكاء اصطناعي يحتاجون إلى التفاعل مع حواسيب حقيقية، يسعدنا أن نسمع منك. قد يصل المستقبل أسرع مما يتوقع أيٌّ منا.
