النقاط الرئيسية
- خمسة نماذج موثوقة لاستدعاء الأدوات في مايو 2026: Gemma 4 27B وGLM-4.7 32B وQwen3 32B وQwen3-Coder 30B وLlama 3.3 70B. الخمسة يُصدرون JSON مشكّلاً جيداً لاستدعاء الوظائف ويجتازون التحقق الصارم من مخطط MCP.
- Llama 3.3 70B يمتلك أعلى سقف — معدل استدعاءات مشكّلة جيداً في أواخر التسعينيات على خوادم MCP — لكنه يحتاج 48 GB+ من VRAM مع Q4_K_M. استخدمه فقط حين يتيح الجهاز ذلك؛ النماذج الأصغر غالباً كافية.
- Gemma 4 27B هو الخيار القياسي لأجهزة 24 GB. أفضل تدريب على استدعاء الأدوات في فئته، محافظ في الاستدعاءات المتسلسلة. موثوق على خوادم MCP لنظام الملفات وقاعدة البيانات وGitHub.
- GLM-4.7 32B يتفوق في مهام الوكلاء ذات السياق الطويل. نافذة سياق 128K متوفرة افتراضياً؛ الاقتطاع العرضي للوسائط هو وضع الفشل الوحيد الشائع. اختره لتقارير الامتثال والنصوص الطويلة.
- Qwen3-Coder 30B هو أفضل نموذج استدعاء أدوات موجّه للكود. قوي في
replace_in_fileوread_fileوإجراءات المتصفح المدركة للكود؛ أضعف على خوادم MCP غير المتعلقة بالكود من Gemma 4. - النماذج دون 7B تُصدر استدعاءات مشوّهة. النماذج العامة التي لا تحمل تدريباً صريحاً على استدعاء الأدوات تفعل الشيء ذاته بصرف النظر عن الحجم. الفشل للنموذج لا للمنظومة؛ تغيير المنظومة لا يُصلحه.
- Q4_K_M هو الحد الأدنى للإنتاج. Q3 وما دون يُخفّض موثوقية استدعاء الأدوات قبل جودة الدردشة. اضبط التكميم وفقاً لسير العمل، لا لميزانية VRAM فحسب.
حقائق سريعة
- الأفضل للأغراض العامة (24 GB VRAM): Gemma 4 27B — Q4_K_M، ~16 GB VRAM، موثوق على خوادم MCP الأربعة المرجعية (filesystem وsqlite وpuppeteer وgithub).
- الأفضل للسياق الطويل (24 GB VRAM): GLM-4.7 32B — سياق 128K، ~20 GB VRAM مع Q4_K_M.
- الأفضل للكود: Qwen3-Coder 30B — ~18 GB VRAM مع Q4_K_M، الأقوى في
replace_in_fileوأدوات MCP للكود. - أعلى سقف: Llama 3.3 70B — ~42 GB VRAM مع Q4_K_M، الأبطأ في الخمسة لكن الأكثر موثوقية في الاستدعاءات المتسلسلة.
- الخيار الخفيف: Llama 3.2 3B — 4–8 GB VRAM، كافٍ للتصنيف الأولي، غير كافٍ للخطط متعددة الخطوات.
- الحد الأدنى للإنتاج في التكميم: Q4_K_M. Q3 وQ2 يُخفّضان موثوقية استدعاء الأدوات قبل جودة الدردشة.
- نطاق الموثوقية العام: 90%+ استدعاءات مشكّلة جيداً في سير العمل البسيطة؛ 80–90% شاملاً في سير العمل الحقيقية متعددة الخطوات بعد تراكم أخطاء الاختيار والوسائط.
ما يعنيه استدعاء الأدوات للنماذج المحلية
استدعاء الأدوات هو قدرة النموذج على إصدار JSON منظّم يُسمّي أداةً ووسائطها — المهارة على جانب اللغة الكبيرة التي تحوّل نموذج دردشة إلى وكيل. MCP وأدوات OpenAI وأدوات Anthropic وXML لـCline هي تعبيرات بتنسيق wire عن نفس المهارة الجوهرية.
📍 في جملة واحدة
استدعاء الأدوات هو مهارة النموذج اللغوي الكبير في إصدار JSON منظّم يُسمّي أداةً ويُوفّر وسائط تُطابق مخططها؛ MCP وأدوات OpenAI وXML لـCline هي تعبيرات بتنسيق wire عن نفس المهارة.
💬 بعبارات بسيطة
النموذج الذي يتمتع باستدعاء الأدوات يمكنه قراءة قائمة الأدوات المتاحة وتحديد أيّها يُناسب طلب المستخدم وإنتاج استجابة منظّمة نظيفة تُسمّي الأداة ووسائطها. تنسيق wire (JSON أو XML أو JSON-RPC) هو قرار المنظومة/البروتوكول؛ ما إذا كان النموذج ينفذ الاستدعاء بشكل صحيح هو خاصية للنموذج — وهذا ما يقيسه هذا الدليل.
- المهارة التي يحتاجها النموذج: قراءة مخطط الأداة، تحديد ما إذا كان طلب المستخدم يُقابل استدعاء أداة، وإصدار استجابة منظّمة تُسمّي الأداة وتُوفّر وسائط تُطابق المخطط. لا نثر حر بشكل استدعاء أداة — كائن منظّم يمكن للمنظومة تحليله دون أساليب اكتشاف.
- تنسيق wire يتباين؛ المهارة لا. النموذج الذي يُجري استدعاءات أدوات بموثوقية بتنسيق JSON لأدوات OpenAI يفعل الشيء ذاته بموثوقية في XML لـCline وJSON-RPC لـMCP. المهارة محمولة؛ أخطاء إعادة التنسيق سطحية.
- تدريب استدعاء الأدوات هو خطوة ما بعد التدريب الأكثر تأثيراً والأقل تكلفة. قفزات Gemma 3 إلى Gemma 4 وQwen3 إلى Qwen3 وLlama 3 إلى Llama 3.3 تعكس هذا. الإصدارات الجديدة من النماذج مفتوحة الأوزان تُضيف أو تُحسّن تدريب استدعاء الأدوات بشكل دوري؛ هذا ما يُميّز القائمة الموثوقة أعلاه عن بقية المشهد مفتوح الأوزان.
- لماذا يهم تحديداً للوكلاء: حلقة الوكيل هي تسلسل من استدعاءات الأدوات. حتى معدل موثوقية 95% لكل استدعاء يتراكم — ثمانية خطوات بنسبة 95% تنتهي بنجاح ~66% من الوقت. لذلك تتفوق المنظومات المقيّدة بأبواب الموافقة على الوكلاء المستقلين في المهام الحقيقية: الموافقة البشرية تُعالج أخطاء كل استدعاء.
- للتقنيات الموجّهة التي تُحسّن موثوقية استدعاء الأدوات في أي نموذج ممتثل، انظر توجيه سلسلة التفكير وشجرة التفكير وReAct — كلاهما يُخفّض معدل اختيار النموذج للأداة الخاطئة أو تقديم وسائط غير صحيحة.
💡Tip: موثوقية كل استدعاء تتراكم عبر حلقة الوكيل. معدل 95% لكل استدعاء في 8 خطوات يُنتج نجاحاً ~66% من الوقت. خطّط للتراكم — أبقِ آفاق الخطة قصيرة، استخدم أبواب الموافقة، وفضّل النموذج الموثوق الأصغر الذي يتعامل مع أطول أفق واقعي لديك.
كيف اختبرنا
أبقى الاختبار المنظومة ثابتة وغيّر النموذج وحده. نفس عميل MCP، نفس الخوادم، نفس الموجّهات — الأخطاء تُنسب للنموذج لا لوقت التشغيل.
- الإعداد: Cline 3.x في VS Code (أصرم مُحقّق لاستدعاء الأدوات اختبرناه) بالإضافة إلى Goose+MCP للجانب بدون واجهة. خلفية Ollama 0.5+ تُشغّل كل نموذج بـQ4_K_M ما لم يُذكر خلاف ذلك.
- الخوادم: خوادم MCP الأربعة المرجعية —
filesystem(قراءة/كتابة دليل في بيئة صندوقية)،sqlite(قراءة فقط افتراضياً، دور الكتابة لمهام بعينها)،puppeteer(متصفح بلا واجهة)،github(إدارة PRs والمشكلات برمز وصول دقيق). نفس إصدارات الخادم عبر جميع تشغيلات النماذج. - مجموعة الموجّهات: 50 موجّه مهمة لكل خادم، مُكرَّرة 3 مرات لكل نموذج = 600 استدعاء مُقيَّم لكل نموذج عبر الخوادم الأربعة (~3,000 إجمالاً عبر 5 نماذج). تغطي الموجّهات المهام ذات الأداة الواحدة ("اقرأ هذا الملف") والخطط متعددة الخطوات ("ابحث عن إشارات إلى X في المستودع") والاستدعاءات المتوازية ("أدرج هذه الدلائل الثلاثة").
- التقييم: أربع إشارات لكل استدعاء. مشكّل جيداً — يُحلَّل الاستدعاء بشكل صحيح مقابل مخطط الأداة. الاختيار صحيح — تم اختيار الأداة المناسبة للمهمة. الوسائط صحيحة — قيم الوسائط تُطابق ما تطلبته المهمة. نجاح التنفيذ — أنتج الاستدعاء النتيجة المتوقعة.
- الأجهزة: Apple M5 Max 64 GB MacBook Pro للنماذج الأصغر (حتى GLM-4.7 32B)؛ NVIDIA L40S 48 GB و2× RTX 3090 24 GB لـLlama 3.3 70B. جميع التشغيلات حافظت على معدلات رموز قابلة للاستخدام (≥10 رموز/ثانية) حتى لا تكون زمن الاستجابة هو وضع الفشل.
- قيود الأمانة: النسب مُبلَّغ عنها كنطاقات لا أرقام دقيقة مختلقة. "~95%" يعني أن تشغيلاتنا وصلت بين 92–96% في مجموعة الاختبار؛ نُقرّب فقط حين كان التباين صغيراً بما يكفي ليكون الدقة مُضلِّلاً.
📌Note: هذه الأرقام مستمدة من منظومة اختبارنا، لا من لوحات صدارة BFCL أو ToolBench. المعايير العامة ترتبط اتجاهياً لكن ليس ارتباطاً واحداً مع سير عمل خوادم MCP — المعيار الصحيح لمكدسك هو مكدسك. عامل النسب هنا كفرضية بداية لا كحكم نهائي.
مقارنة مباشرة: خمسة نماذج لاستدعاء الأدوات في 2026
نفس المنظومة، نفس الموجّهات، نماذج مختلفة. Llama 3.3 70B يتصدر في الرقم الإجمالي؛ النماذج الأصغر تتصدر في المقياس الذي يهم أكثر في الغالب — الموثوقية لكل دولار VRAM.
📍 في جملة واحدة
اختر Gemma 4 27B لأجهزة 24 GB للأغراض العامة، وGLM-4.7 32B للسياق الطويل، وQwen3-Coder 30B للكود، وQwen3 32B كبديل متوازن، وLlama 3.3 70B حين يتوفر 48 GB+ من VRAM وتحتاج أعلى سقف.
💬 بعبارات بسيطة
الخمسة يعملون. الفوارق في التكلفة (VRAM) وما يتخصصون فيه (سياق طويل، كود، أغراض عامة) وكم من الأحيان يخطئون خطأً بسيطاً في استدعاء (بضع نقاط مئوية — يمكن استعادتها بأبواب الموافقة).
| النموذج | الحجم | VRAM (Q4_K_M) | معدل الاستدعاءات المشكّلة جيداً | الأفضل لـ | وضع الفشل الشائع |
|---|---|---|---|---|---|
| Gemma 4 27B | 27B | ~16 GB | ~95% | وكلاء الأغراض العامة على أجهزة 24 GB | محافظ في الاستدعاءات المتسلسلة (يطلب موافقة حيث كان التسلسل سيعمل) |
| GLM-4.7 32B | 32B | ~20 GB | ~94% | وكلاء السياق الطويل (128K متوفر افتراضياً) | اقتطاع عرضي للوسائط في المدخلات الطويلة |
| Qwen3 32B | 32B | ~20 GB | ~93% | متوازن — عام + كود خفيف | تشويه XML نادر في تنسيق Cline الصارم |
| Qwen3-Coder 30B | 30B | ~18 GB | ~96% (كود) / ~91% (غير كود) | وكلاء الكود (replace_in_file وread_file والمتصفح المدرك للكود) | أضعف على الخوادم غير المتعلقة بالكود من خيارات الأغراض العامة |
| Llama 3.3 70B | 70B | ~42 GB | ~97% | أعلى سقف حين يتيح الجهاز | معدل رموز منخفض يجعل حلقات الوكيل الطويلة بطيئة |
Gemma 4 27B: الخيار الافتراضي لأجهزة 24 GB
Gemma 4 27B هو النموذج الذي ينبغي لمعظم الفرق تثبيته أولاً. أفضل تدريب على استدعاء الأدوات في فئته، يتسع في 16 GB من الذاكرة الموحدة أو 24 GB من VRAM مع Q4_K_M، ويُصدر JSON نظيفاً لاستدعاء الوظائف على جميع خوادم MCP التي اختبرناها.
- نقاط القوة: التزام صارم بمخططات الأدوات (معدل استدعاءات مشوّهة منخفض)، استدلال عام جيد في اختيار الأداة، مريح على GPUs الاستهلاكية بسعة 24 GB وأجهزة Apple M-series.
- وضع الفشل: محافظ في الاستدعاءات المتسلسلة للأدوات. أحياناً يتوقف Gemma 4 لطرح سؤال توضيحي على المستخدم حيث كان Llama 3.3 سيستدعي الأداة التالية. هذا ميزة حين الهدف هو الإشراف؛ نقطة احتكاك حين تريد الاستقلالية.
- التكميم الموصى به: Q4_K_M. Q5_K_M يُحسّن جودة الدردشة لكنه لا يُحسّن موثوقية استدعاء الأدوات بشكل ملحوظ — VRAM الإضافي يُستثمر بشكل أفضل في ميزانية سياق أطول.
- أفضل تركيبة مع منظومة: أي من وقت التشغيل الموثوق. Cline + Gemma 4 تركيبة نظيفة بشكل خاص لأن محافظة Gemma تتوافق مع تجربة مستخدم Cline القائمة على الموافقة خطوة بخطوة.
- أين تستخدمه: عمل الوكيل للأغراض العامة، معالجة المستندات، فرز البريد الإلكتروني، عمل MCP القائم على نظام الملفات وقاعدة البيانات. الخيار الافتراضي حين لا يكون لديك سبب محدد لاختيار غيره.
GLM-4.7 32B: الخيار للسياق الطويل
GLM-4.7 32B هو الخيار الصحيح حين تكون المدخلات طويلة. نافذة سياق 128K متوفرة افتراضياً، موثوقية قوية في استدعاء الأدوات، وهو النموذج الوحيد في أفضل خمسة لا يحتاج ضبطاً دقيقاً لتمديد السياق لنصوص اجتماعات لمدة ساعة أو قراءات كاملة لقاعدة الكود.
- نقاط القوة: سياق أصيل 128K (دون قطع rope scaling)، JSON موثوق لاستدعاء الأدوات، أثقل قليلاً من Gemma 4 لكن مريح مع 24 GB من VRAM مع Q4_K_M.
- وضع الفشل: اقتطاع عرضي للوسائط في المدخلات الطويلة جداً. حين يتلقى النموذج وثيقة بـ100K رمز ويُطلب منه استدعاء أداة بالادعاء الرئيسي من الوثيقة كوسيط، أحياناً يقتطع GLM-4.7 الوسيط قبل نهايته. قابل للاستعادة — Cline يعرض الاستدعاء المشوّه والنموذج يُعيد المحاولة — لكنه يُضيف دورة موافقة.
- التكميم الموصى به: Q4_K_M. GLM-4.7 يُكمّم بأقل أناقة من Gemma 4؛ لا تنزل دون Q4 لسير عمل استدعاء الأدوات.
- أين تستخدمه: توليد تقارير الامتثال، تحليل الوثائق الممتدة، مهام الوكيل التي تتطلب أن يحتفظ النموذج بكامل قاعدة الكود في السياق. الخيار حين طول السياق هو القيد.
Qwen3 32B: البديل المتوازن
Qwen3 32B هو النموذج الذي يؤدي كل شيء بكفاءة دون التصدر في أي شيء. اختره حين تحتاج نموذجاً واحداً لمزيج من العمل العام والكود الخفيف دون إدارة تثبيتَين.
- نقاط القوة: موثوقية متسقة في استدعاء الأدوات على خوادم MCP الأربعة، استدلال عام جيد، سريع بما يكفي لحلقات الوكيل الطويلة على GPU بسعة 24 GB.
- وضع الفشل: تشويه XML نادر في تنسيق Cline الصارم. حين يحدث، تُعيد حلقة الوكيل المحاولة بشكل نظيف — هو وضع فشل منخفض التأثير عملياً.
- التكميم الموصى به: Q4_K_M. Qwen3 يُكمّم بأناقة؛ Q5_K_M تحسّن صغيرة إن توفّر VRAM.
- أين تستخدمه: سير العمل المختلطة حيث لا تريد تغيير النموذج حسب المهمة. خيار "نموذج واحد للفريق".
Qwen3-Coder 30B: الخيار الموجّه للكود
Qwen3-Coder 30B هو أفضل نموذج لاستدعاء الأدوات في عمل MCP الموجّه للكود. replace_in_file وread_file وإجراءات المتصفح المدركة للكود وإدارة PRs في GitHub تستفيد من الضبط الدقيق للكود المدمج.
- نقاط القوة: أعلى معدل استدعاءات مشكّلة جيداً على أدوات MCP للكود (~96%)، قوي في مهام الوكيل متعددة الملفات، VRAM أقل من باقي خيارات 32B (~18 GB مع Q4_K_M).
- وضع الفشل: أضعف على الخوادم غير المتعلقة بالكود. تنخفض الموثوقية على sqlite وpuppeteer مقارنةً بـGemma 4 — يتعامل Qwen3-Coder مع استعلامات قاعدة البيانات وإجراءات المتصفح بأقل ملاءمةً من النماذج العامة.
- التكميم الموصى به: Q4_K_M. Q5_K_M هو الخطوة الصغيرة نحو الأعلى إن أردت استدلال كود أدق.
- أين تستخدمه: وكلاء كود Cline + Continue.dev، إعادة هيكلة المستودعات، تصحيح الأخطاء الاستكشافي. اجمعه مع Gemma 4 إن لامس وكيلك أيضاً خوادم غير متعلقة بالكود.
Llama 3.3 70B: أعلى سقف
Llama 3.3 70B هو أكثر نماذج استدعاء الأدوات موثوقيةً في مجال النماذج مفتوحة الأوزان في مايو 2026. استخدمه فقط حين يتيح الجهاز — النماذج الأصغر عادةً كافية للعمل اليومي.
- نقاط القوة: أعلى معدل استدعاءات مشكّلة جيداً (~97%) على الخوادم الأربعة، أقوى موثوقية في الاستدعاءات المتسلسلة، متين أمام المدخلات الفوضوية. النموذج الذي تتوقف عن لوم المنظومة معه.
- وضع الفشل: السرعة. Llama 3.3 70B مع Q4_K_M على L40S 48 GB واحد يحافظ على ~10–15 رمز/ثانية؛ حلقات الوكيل الطويلة تبدو بطيئة. مع الاستدلال الموزع على 2× RTX 3090، يتحسن الإنتاج لكن الإعداد أكثر تعقيداً.
- التكميم الموصى به: Q4_K_M هو الحد الأدنى؛ Q5_K_M مفضّل إن أتاح VRAM (~52 GB). Llama 3.3 يُكمّم بأناقة — الفرق بين Q4 وQ5 أصغر منه في Gemma 4.
- أين تستخدمه: سير العمل التي فيها الموثوقية أهم من السرعة (تقارير الامتثال، المراجعة القانونية، معالجة الاستثناءات). أو أي إعداد فيه فائض من الجهاز.
💡Tip: Llama 3.3 70B مع Q4_K_M يحتاج ~42 GB من VRAM، يتسع في L40S 48 GB واحد بشكل مريح أو في 2× RTX 3090 24 GB مع الاستدلال الموزع، ويعمل على أجهزة Apple M-series مع 64 GB+ من الذاكرة الموحدة. إنتاج الرموز هو القيد العملي — حلقات الوكيل الطويلة تبدو بطيئة حتى حين يكون كل استدعاء موثوقاً.
النماذج غير الصالحة لاستدعاء الأدوات
ثلاث فئات من النماذج تفشل بنفس الطريقة بصرف النظر عن المنظومة. توقف عن محاولة إجبارها على العمل؛ انتقل لأحد الخيارات الموثوقة أعلاه.
- النماذج دون 7B. Llama 3.2 1B وLlama 3.2 3B وPhi-3 Mini وGemma 2 2B — جميعها تُصدر استدعاءات أدوات مشوّهة في ما يتجاوز المهام التافهة أحادية الخطوة. مقبولة للتصنيف الأولي ("هذا البريد خدمة عملاء / مبيعات / بريد غير مرغوب فيه") حيث المخرج سلسلة قصيرة؛ غير مقبولة للخطط متعددة الخطوات.
- النماذج العامة التي لا تحمل تدريباً على استدعاء الأدوات. معظم نماذج الدردشة العامة بحجم 7B–13B بدون ضبط دقيق صريح لاستدعاء الأدوات تُعبّر عن الاستدعاءات بنثر حر أو تُخطئ في مطابقة مخططات الوسائط أو تخترع أدوات غير موجودة. فئة النموذج هي الفشل لا الحجم.
- الإصدارات شديدة التكميم من النماذج الموثوقة. Q3 وQ2 وIQ-quants تُخفّض موثوقية استدعاء الأدوات قبل جودة الدردشة. نموذج Gemma 4 27B بتكميم Q3 أسوأ في استدعاء الأدوات من Qwen3 32B بتكميم Q4_K_M رغم معادلتهما في جودة الدردشة بالمعايير. اضبط التكميم وفقاً لسير العمل — Q4_K_M هو الحد الأدنى للإنتاج.
- الأعراض حين تحاول على أي حال: XML مشوّه في Cline (كتل استدعاء أداة لا يستطيع المُحلِّل استخراجها)، كتل SEARCH/REPLACE مُعبَّر عنها بنثر في Aider، كود بين علامات لا يُطابق الملف المفتوح في Continue.dev، وحلقات وكيل عالقة حيث يقترح النموذج نفس الاستدعاء مرتين متتاليتين. لا شيء من هذه أخطاء في المنظومة — تغيير المنظومة يُظهر نفس الأخطاء بأشكال مختلفة.
⚠️Warning: نماذج استدعاء الأدوات دون 7B هي أكثر تضييع للوقت شيوعاً نراه. الأعراض ("المنظومة معطّلة"، "MCP معطّل"، "Cline معطّل") تُشير كلها إلى النموذج. انتقل إلى نموذج 27B+ مع تدريب على استدعاء الأدوات وتختفي الأعراض دون تغيير أي شيء آخر في المكدس.
تنسيقات استدعاء الأدوات: نفس المهارة، تنسيق wire مختلف
نفس النموذج يتعامل مع التنسيقات الأربعة. اختيار التنسيق هو قرار المنظومة/البروتوكول لا النموذج.
- ادعاء قابلية نقل التنسيق: الخمسة النماذج الموثوقة أعلاه تتعامل مع التنسيقات الأربعة دون إعادة إعداد لكل تنسيق. نموذج Gemma 4 27B الذي يُجري استدعاءات أدوات بموثوقية في Cline يفعل الشيء ذاته في Goose+MCP وContinue.dev Agent.
- التداعية: اختر التنسيق الذي تدعمه منظومتك بشكل أصيل لا التنسيق الأحسن في المعايير. النموذج هو المتغير الرئيسي.
- الاستثناء: التزام Qwen3-Coder بكتل SEARCH/REPLACE (تنسيق Aider) أفضل قليلاً من Qwen3، لأن الضبط الدقيق للكود يُؤكد دقة الـdiff. هامشي — Qwen3 32B يعمل جيداً في Aider أيضاً.
| التنسيق | أين يظهر | صارم؟ | تحمّل المخرجات المشوّهة |
|---|---|---|---|
| أدوات OpenAI (JSON) | API OpenAI، Continue.dev Agent | مُتحقَّق من المخطط | يعرض الخطأ، النموذج يُعيد المحاولة |
| كتل أداة XML لـCline | إضافة Cline لـVS Code | صارم جداً | تعلق الحلقة؛ النماذج الصغيرة تُعاني هنا أولاً |
| MCP JSON-RPC 2.0 | Goose وCline وContinue.dev وLM Studio | مُتحقَّق من المخطط | يعرض الخطأ، النموذج يُعيد المحاولة؛ التنسيق الذي يتقارب إليه النظام البيئي |
| كتل SEARCH/REPLACE لـAider | CLI Aider | مطابقة نمط حرفية | يرفض ويُعيد المحاولة؛ النماذج الصغيرة تُعبّر عن كتلة SEARCH بنثر وتفشل |
💡Tip: اختر التنسيق الذي تدعمه منظومتك بشكل أصيل لا الأحسن معيارياً. الخمسة النماذج الموثوقة أعلاه محمولة على التنسيقات الأربعة؛ تجربة مستخدم المنظومة (الموافقة خطوة بخطوة، مسار التدقيق، تكامل IDE) هو محدد أكثر أهمية للنجاح في الواقع من اختيار التنسيق.
الأخطاء الشائعة عند اختيار نموذج استدعاء الأدوات
- الخطأ 1: إلقاء اللوم على المنظومة في أخطاء استدعاء الأدوات. تظهر الأعراض (XML مشوّه، كتل SEARCH مُعبَّر عنها، كود غير متطابق) بأشكال مختلفة حسب المنظومة؛ السبب عادةً نموذج بدون تدريب على استدعاء الأدوات. غيّر النموذج أولاً؛ غيّر المنظومة فقط إن أكّدت أن النموذج يُجري استدعاءات نظيفة في مكان آخر.
- الخطأ 2: التكميم المفرط للضغط في GPU أصغر. Q3 وIQ-quants لنموذج موثوق بحجم 27B عادةً أسوأ من Q4_K_M للحجم الأصغر مباشرةً. اختر النموذج والتكميم كزوج لا بشكل مستقل.
- الخطأ 3: استخدام نموذج عام صغير لاستدعاءات أدوات "بسيطة". "بسيط" في الموجّه لا يعني "بسيط" لنموذج عام بحجم 7B — معدل الاستدعاءات المشوّهة مرتفع بما يكفي لفشل حتى المهام أحادية الخطوة في 5–10% من التشغيلات. استخدم Llama 3.2 3B للتصنيف الأولي وGemma 4 27B (أو أكبر) لأي شيء يستدعي أداةً.
- الخطأ 4: تجاهل تراكم الاستدعاءات المتسلسلة. معدل 95% لكل استدعاء يتراكم عبر خطوات حلقة الوكيل. مهمة من ثمانية خطوات بنسبة 95% لكل خطوة تنتهي بنجاح ~66% من الوقت. خطّط للتراكم — أبقِ آفاق الخطة قصيرة، استخدم أبواب الموافقة، وفضّل النموذج الموثوق الأصغر الذي يتعامل مع أطول أفق واقعي لديك.
- الخطأ 5: مطاردة أرقام لوحات الصدارة عوضاً عن موثوقية MCP. المعايير العامة (BFCL وToolBench) إشارة مفيدة لكنها لا تترجم واحداً لواحد إلى سير عمل خوادم MCP. المعيار الصحيح هو سير عملك الحقيقي؛ إن لم تستطع تشغيله، فضّل النماذج في هذه القائمة — تصمد أمام سير العمل الحقيقية.
المصادر
- مواصفة بروتوكول سياق النموذج — مخطط JSON-RPC والنقل وتعريفات دورة الحياة المستخدمة في منظومة الاختبار.
- لوحة صدارة Berkeley Function Calling (BFCL) — معيار عام لاستدعاء الوظائف؛ إشارة اتجاهية مفيدة، لا تعادل MCP.
- مكتبة نماذج Ollama — توافر النماذج ومؤشرات دعم استدعاء الأدوات ومستويات التكميم المُشار إليها أعلاه.
- مستودع GitHub modelcontextprotocol/servers — خوادم المرجع filesystem وsqlite وpostgres وpuppeteer وgithub المستخدمة في مجموعة الاختبار.
- بطاقات نماذج Hugging Face لـGemma 4 وGLM-4.7 وQwen3 وQwen3-Coder وLlama 3.3 — التوثيق الرسمي لتدريب استدعاء الأدوات لكل نموذج.
الأسئلة الشائعة
ما النموذج المحلي الذي يمتلك أعلى معدل نجاح في استدعاء الأدوات في 2026؟
Llama 3.3 70B يمتلك أعلى معدل استدعاءات مشكّلة جيداً (~97%) على خوادم MCP الأربعة المرجعية التي اختبرناها. يحتاج 48 GB+ من VRAM مع Q4_K_M، لذا يختار معظم المستخدمين أحد النماذج الموثوقة الأصغر — Gemma 4 27B للعمل العام، وGLM-4.7 32B للسياق الطويل، وQwen3-Coder 30B للكود، وQwen3 32B كبديل متوازن. الخيارات الأربعة بحجم 27B–32B تصل إلى نطاق 93–96% وهي موثوقة بشكل كافٍ لعمل الوكيل في الإنتاج مع أبواب الموافقة.
هل يعمل استدعاء الأدوات الأصيل لـGemma 4 دون حيل في الموجّه؟
نعم. Gemma 4 27B يُصدر JSON نظيفاً لاستدعاء الوظائف وXML نظيفاً لـCline مباشرةً من تنسيق الدردشة القياسي — دون هندسة موجّه خاصة بالأدوات أو غلاف وضع JSON أو تعويذات في موجّه النظام. تلقّى النموذج تدريباً على استدعاء الأدوات في مرحلة ما بعد التدريب؛ تستدعيه مثل أي نموذج دردشة آخر مع قائمة الأدوات في موجّه النظام ويتولى الباقي.
هل يستطيع Llama 3.3 70B إجراء استدعاءات أدوات بموثوقية؟
نعم — يمتلك أعلى موثوقية من بين النماذج الخمسة المُختبَرة. المقايضة هي الجهاز: مع Q4_K_M يحتاج ~42 GB من VRAM، لذا يتسع في L40S 48 GB واحد أو في 2× RTX 3090 24 GB مع الاستدلال الموزع، وعلى أجهزة Apple M-series مع 64 GB+ من الذاكرة الموحدة. إنتاج الرموز هو القيد العملي — حلقات الوكيل الطويلة تبدو بطيئة حتى حين يكون كل استدعاء موثوقاً.
أي نموذج يتعامل بشكل أفضل مع استدعاءات الوظائف المتوازية؟
Llama 3.3 70B يتصدر في موثوقية الاستدعاءات المتوازية — حين يكون الموجّه "أدرج هذه الدلائل الثلاثة في آن واحد"، يُصدر نموذج 70B الاستدعاء المتوازي بشكل نظيف بتكرار أعلى من خيارات 27B–32B. Gemma 4 27B وQwen3 32B قريبان جداً. Qwen3-Coder 30B أضعف قليلاً في الاستدعاءات المتوازية لأن الضبط الدقيق للكود يُفضّل التعديلات التسلسلية. هامشي — في معظم سير عمل الوكيل، موثوقية الاستدعاءات المتوازية أقل أهمية من موثوقية الاستدعاءات المتسلسلة — السلاسل أكثر شيوعاً عملياً.
هل الإصدارات المكمّمة أضعف أداءً في استدعاء الأدوات؟
نعم، والتدهور يُؤثر على موثوقية استدعاء الأدوات قبل جودة الدردشة. نموذج Gemma 4 27B بتكميم Q3 أسوأ بشكل ملحوظ في استدعاء الأدوات من نفس النموذج بتكميم Q4_K_M، رغم أن كليهما ينتجان مخرجات دردشة مماثلة. الآلية هي أن تكميم الأوزان ذات المقدار الصغير يكسر التنشيطات الدقيقة التي تُوجّه نحو تنسيق استدعاء الأدوات. Q4_K_M هو الحد الأدنى للإنتاج للنماذج الخمسة الموثوقة أعلاه؛ Q5_K_M هو الخطوة الآمنة نحو الأعلى؛ Q3 وما دون غير موصى به لعمل الوكيل.
هل يمكنني ضبط نموذج أصغر دقيقاً لتحسين استدعاء الأدوات؟
ممكن لكن نادراً يستحق الجهد. النماذج الخمسة الموثوقة أعلاه لديها تدريب على استدعاء الأدوات مدمج في مرحلة ما بعد التدريب من مختبراتها الأصلية؛ الضبط الدقيق المجتمعي على قاعدة أصغر عادةً لا يصل إلى نفس المستوى. استخدم أحد النماذج الموثوقة. إن كان لديك سطح أدوات محدد للمجال (أدوات داخلية خاصة)، يمكن لـLoRA صغير على Gemma 4 أو Qwen3 أن يُدقّق الالتزام بالمخطط على أدواتك — لكنه لا يُحوّل نموذجاً بدون تدريب على استدعاء الأدوات إلى نموذج موثوق.
ما النموذج الأكثر موثوقية لمخرجات JSON؟
مخرجات JSON الموثوقة واستدعاء الأدوات الموثوق مترابطان لكنهما ليسا متطابقَين. لعمل وضع JSON الخالص (استخراج المخرجات المنظّمة دون استدعاءات أدوات)، Gemma 4 27B وGLM-4.7 32B هما الأقوى — كلاهما يُصدر JSON نظيفاً دون نثر إضافي أو تعليقات. لاستدعاءات الأدوات تحديداً، الخمسة النماذج الموثوقة مُؤهَّلة؛ JSON الذي يُصدرونه داخل غلاف استدعاء الأداة مُشكَّل جيداً في جميع الحالات.
هل يعمل استدعاء الأدوات في إعدادات CPU فقط؟
تقنياً نعم، عملياً مؤلم. نموذج Gemma 4 27B مع Q4_K_M على CPU بذاكرة 32 GB يحافظ على ~1–3 رموز/ثانية؛ حلقة وكيل تحتاج 30K–80K رمز لمهمة متعددة الخطوات تستغرق ساعات. CPU فقط مناسب للتقييم والتصنيف الأولي مع النماذج الصغيرة (Llama 3.2 3B)؛ للوكلاء في الإنتاج، GPU أو ذاكرة Apple Silicon الموحدة هي الحد الأدنى العملي.