Genkit

Genkit هو إطار عمل لتطبيقات الذكاء الاصطناعي مفتوح المصدر، تم إنشاؤه وتتم صيانته بواسطة فريق Firebase في Google. تم إصداره كنسخة معاينة في مؤتمر Google I/O في مايو 2024 ووصل إلى الإصدار المستقر 1.0 في فبراير 2025 لبيئة Node.js وفي سبتمبر 2025 للغة Go، وهو يمنح المطورين واجهة برمجة تطبيقات (API) واحدة ومتسقة لبناء ميزات مدعومة بالذكاء الاصطناعي: توليد النصوص، وتوليد الصور، والمحادثات متعددة الأدوار، واستدعاء الأدوات، والتوليد المعزز بالاسترجاع (RAG)، ومسارات عمل الوكلاء المتعددين. الإطار مرخص بموجب Apache 2.0، ومجاني الاستخدام تماماً، ويمكن نشره على Firebase أو Cloud Run أو أي بيئة Node.js أو Go أو Python.

تتمثل التجريدات الأساسية لإطار العمل في التدفقات (وحدات منطق ذكاء اصطناعي مكتوبة وقابلة للمراقبة)، والتلقينات (قوالب Handlebars ذات إصدارات مع التحقق من صحة المخطط)، والمسترجعات (موصلات RAG للبحث المتجهي)، والمُقيِّمات (أدوات اختبار لقياس جودة المخرجات). يدعم الإطار مجموعة واسعة من مزودي النماذج بما في ذلك Google Gemini وVertex AI وOpenAI وAnthropic وxAI Grok وDeepSeek وOllama للاستدلال المحلي. أصبحت واجهة المستخدم المحلية للمطورين (Developer UI)، وهي واجهة تفاعلية قائمة على المتصفح لتشغيل التدفقات وفحص التتبعات وتكرار التلقينات، الميزة الأكثر إشادة في إطار العمل بين المطورين الذين قاموا بتقييم بدائل متعددة.

ما الذي يفعله Genkit فعلياً في مايو 2026

تتمحور بنية Genkit حول مفهوم "التدفق" (flow): وهي دالة TypeScript أو Go أو Python تغلف منطق الذكاء الاصطناعي بنظام كتابة قوي للمدخلات/المخرجات، ودعم البث، والأدوات التلقائية. يُنشئ كل استدعاء للتدفق تتبعاً يسجل مدخلات ومخرجات كل خطوة، وزمن الوصول، واستخدام الرموز (tokens)، وتقدير التكلفة. يمكن عرض هذه التتبعات في واجهة المستخدم المحلية للمطورين أثناء التطوير وفي لوحات تحكم Firebase Console في مرحلة الإنتاج.

يوفر إطار العمل تجريدات مدمجة لأربعة أنماط شائعة للذكاء الاصطناعي. بالنسبة لمهام التوليد، تتعامل واجهة برمجة التطبيقات الموحدة generate() مع النصوص والصور والاستجابات متعددة الوسائط عبر أي مزود مدعوم. وبالنسبة لميزات المحادثة، تدير واجهة برمجة تطبيقات الدردشة (Chat API) حالة الجلسة متعددة الأدوار. أما لاسترجاع المعرفة، تتصل واجهة مسترجع Genkit بقواعد البيانات المتجهية بما في ذلك Firestore وPinecone وpgvector. وبالنسبة للسلوك الوكيلي، يتيح استدعاء الأدوات للتدفقات استدعاء دوال خارجية، كما يتيح تنسيق الوكلاء المتعددين (لا يزال في المرحلة التجريبية اعتباراً من منتصف عام 2026) للتدفقات تفويض المهام إلى وكلاء فرعيين متخصصين.

وصلت حزمة تطوير البرمجيات (SDK) للغة Go إلى الإصدار العام 1.0 في 10 سبتمبر 2025، مع وعد رسمي بالتوافق: البرامج المكتوبة باستخدام Genkit 1.x سيتم تجميعها وتشغيلها بشكل صحيح عبر جميع إصدارات 1.x المستقبلية. تخرجت حزمة TypeScript SDK إلى الإصدار 1.0 في 12 فبراير 2025. ووصلت لغة Python إلى الإصدار v1.0 في أوائل عام 2026 مع إعادة كتابة كاملة تعتمد على النهج غير المتزامن أولاً (async-first). دعم لغة Dart متاح كنسخة معاينة لمطوري Flutter. واعتباراً من أبريل 2026، أصبحت حزمة Go SDK في الإصدار 1.7.0.

تجدر الإشارة إلى الارتباط بـ Google AI Studio: يستخدم Genkit نفس واجهات برمجة تطبيقات نماذج Gemini الأساسية مثل AI Studio، ولكنه يغلفها بهيكل جاهز للإنتاج. قدم إصدار سبتمبر 2025 أيضاً genkit init:ai-tools، وهو أمر يقوم تلقائياً بتهيئة خادم MCP الخاص بـ Genkit للعمل مع Firebase Studio وClaude Code وGemini CLI وCursor. يتيح ذلك لمساعدي البرمجة بالذكاء الاصطناعي الاستعلام عن تعريفات التدفق، وتشغيل التدفقات، وجلب تتبعات التنفيذ مباشرة من نوافذ السياق الخاصة بهم.

موقع Genkit مقارنة بـ LangChain وVercel AI SDK

يُعد LangChain نقطة المقارنة المهيمنة. تمتلك مكتبة Python أكثر من 90,000 نجمة على GitHub مقارنة بـ 5,900 لـ Genkit. تتلقى حزمة npm الخاصة بـ LangChain حوالي 1.6 مليون عملية تنزيل أسبوعياً؛ بينما يشهد المكون الإضافي Firebase الخاص بـ Genkit حوالي 218,000 عملية تنزيل. الاختلاف في النظام البيئي حقيقي: يمتلك LangChain أكثر من 200 تكامل، ومنصة مراقبة تجارية (LangSmith)، وطبقة تنسيق رسومية في LangGraph. من الناحية الميكانيكية، يستخدم LangChain نمط مصفوفة رسائل موجه للكائنات (OOP) حيث تقوم بتكوين كائنات SystemMessage وHumanMessage؛ بينما يستخدم Genkit تدفقات مكتوبة مع تحقق مدمج من صحة مخطط Zod. يبلغ حجم حزمة JavaScript الخاصة بـ LangChain حوالي 101.2 كيلوبايت مضغوطة وتعيق النشر في بيئة تشغيل الحافة (edge runtime)؛ بينما يُعد Genkit أخف وزناً. بالنسبة لفرق Python خارج نظام Google Cloud البيئي، تُعد ميزة مجتمع LangChain حاسمة. أما بالنسبة لفرق TypeScript التي تريد تدفقات ووكلاء دون إسهاب البرمجة كائنية التوجه (OOP)، فإن Genkit ينافس بقوة.

يستهدف Vercel AI SDK فئة مختلفة: مطوري React وNext.js الذين يبنون واجهات مستخدم تعتمد على البث (streaming UIs). إنها مكتبة ذات مستوى أدنى: تمنحك أساسيات التوليد وتجريد المزود، ولكن بدون مفهوم التدفق أو المسار، وبدون تتبع مدمج، وبدون واجهة مستخدم للمطورين. يتمتع Vercel AI SDK بتكامل أصلي مع مكونات خادم React (React Server Components) ودعم لبيئة تشغيل الحافة لا يوفره Genkit. على حد تعبير إحدى مقارنات أطر العمل في أبريل 2026: "مقارنة بـ Genkit، يعمل Vercel AI SDK بمستوى أدنى من التجريد." تحل الأداتان مشاكل متجاورة ولكنها متميزة. تفضل الفرق التي تبني واجهات دردشة Next.js عادةً Vercel AI SDK لتصميمه الذي يعطي الأولوية للبث. بينما تميل الفرق التي تبني ميزات ذكاء اصطناعي من جانب الخادم مع منطق معقد واحتياجات للتقييم والمراقبة نحو Genkit.

بالنسبة للفرق المهتمة بتنسيق الوكلاء القائم على الرسوم البيانية، يغطي LangGraph وDSPy مجالات لا يضاهيها دعم الوكلاء المتعددين في Genkit (الذي لا يزال في المرحلة التجريبية) حتى الآن. Genkit هو إطار عمل شامل؛ ولا يتخصص في حلقات الوكلاء المستقلين بالطريقة التي تفعلها تلك الأدوات.

"واجهة مستخدم المطورين في Genkit هي، بصراحة، الميزة القاتلة. لا يوجد إطار عمل آخر في هذه المقارنة يقترب منها.". خافيير بورتيلا إيدو، xavidop.me، أبريل 2026

كيف تبدو دورة التطوير فعلياً

تبدأ بتعريف تدفق. في TypeScript، يعني ذلك استدعاء ai.defineFlow() مع مخططات المدخلات والمخرجات باستخدام Zod، ثم كتابة جسم الدالة الذي يستدعي ai.generate() مع نموذج وتلقين وقائمة أدوات اختيارية. يؤدي تشغيل genkit start إلى تشغيل واجهة المستخدم المحلية للمطورين على localhost:4000. من هناك يمكنك تشغيل التدفق، وفحص تتبع كل خطوة، وتعديل نص التلقين، وإعادة التشغيل دون إعادة تشغيل الخادم. حلقة التكرار هذه (تغيير التلقين، التشغيل، فحص التتبع، التكرار) هي سير العمل الأساسي الذي يميز Genkit عن أطر العمل التي تفتقر إلى واجهة مستخدم مدمجة.

بالنسبة لحالات استخدام RAG، تقوم بتعريف مسترجع يغلف بحثاً متجهياً (Firestore vector، Pinecone، pgvector) وتربطه في تدفقك. تتيح لك واجهة برمجة تطبيقات المُقيِّم (evaluator API) تحديد مجموعة بيانات اختبار وتشغيلها مقابل متغيرات تلقين متعددة، ومقارنة درجات جودة المخرجات. بالنسبة للنشر في مرحلة الإنتاج، تكون تدفقات Genkit عبارة عن دوال Firebase Cloud Functions قياسية أو معالجات Cloud Run؛ ويقوم تكامل المراقبة بالإبلاغ عن زمن الوصول واستخدام الرموز ومعدلات الفشل إلى Firebase Console.

يحصل مطورو Go على نفس واجهة مستخدم المطورين من خلال واجهة سطر أوامر (CLI) مستقلة. تُعد ميزة أمان الكتابة (type safety) في Go قوية بشكل خاص: مدخلات ومخرجات التدفق عبارة عن هياكل Go (structs) مع التحقق من صحة مخطط JSON، مما يكتشف عدم تطابق المخطط عند استدعاء التدفق بدلاً من وقت استجابة النموذج.

لمن تم بناء Genkit

يناسب Genkit بشكل أفضل ثلاثة سيناريوهات. أولاً، مطورو Firebase الذين يضيفون ميزات الذكاء الاصطناعي إلى التطبيقات الحالية: تكامل Firestore، ومسار نشر Cloud Functions، ومراقبة Firebase Console تجعل حزمة التقنيات متماسكة دون أدوات إضافية. ثانياً، فرق TypeScript التي تريد أكثر من مجرد مكتبة توليد ولكن أقل من منصة وكلاء كاملة: تغطي مستويات التجريد الثلاثة في Genkit (التوليد الخام، التدفقات المكتوبة، تنسيق الوكلاء المتعددين) معظم متطلبات ميزات الذكاء الاصطناعي في مرحلة الإنتاج. ثالثاً، فرق الواجهة الخلفية (backend) بلغة Go، حيث يُعد Genkit إطار عمل الذكاء الاصطناعي الوحيد الناضج والمدعوم من Google مع استقرار Go 1.0 ووعد بالتوافق.

يناسب إطار العمل أيضاً الفرق التي تحتاج إلى قابلية نقل النماذج. يتطلب التبديل من Gemini إلى OpenAI إلى نموذج Ollama مستضاف ذاتياً تغيير سطر تكوين واحد، وليس إعادة كتابة منطق التطبيق. تعمل بنية المكونات الإضافية على توحيد سلوك المزود بحيث تعمل المخرجات المهيكلة واستدعاء الأدوات والبث بنفس الطريقة بغض النظر عن النموذج المستخدم.

ما لا يمثله Genkit

لا يُعد Genkit الخيار الصحيح لواجهات البث في React/Next.js. إن التكامل الأصلي لـ Vercel AI SDK مع مكونات خادم React (RSC)، ودعم بيئة تشغيل الحافة، وخطافات البث (streaming hooks) مصممة خصيصاً لحالة الاستخدام هذه بطريقة لا يمكن لـ Genkit مضاهاتها.

إنه ليس بديلاً لـ LangChain للفرق التي تعتمد بكثافة على Python خارج Google Cloud. مع مجتمع Python الذي لا يزال يتدارك تأخره منذ فترة ألفا، ومع نظام LangChain البيئي الذي يضم أكثر من 90,000 نجمة والذي حل بالفعل أنماط RAG والوكلاء في Python، سيجد مطورو Python الذين لا يبنون لـ Firebase أو Vertex AI أن موارد مجتمع LangChain أكثر ثراءً بكثير.

لا يوفر Genkit تنسيقاً رسومياً للوكلاء المتعددين بمستوى LangGraph. دعمه للوكلاء المتعددين في المرحلة التجريبية ويعتمد على نموذج تفويض التدفق الخاص بـ Genkit بدلاً من رسم بياني صريح مع دورات وتفرع شرطي ونقاط تحقق تتضمن تدخلاً بشرياً (human-in-the-loop).

أخيراً، يُعد محول Anthropic (نماذج Claude) مكوناً إضافياً لجهة خارجية تتم صيانته بواسطة المجتمع، وليس تكاملاً رسمياً من Google. يخلق هذا خطراً حقيقياً للتأخير: عندما تصدر Anthropic إصداراً جديداً من النموذج، قد يتأخر الدعم في Genkit بأسابيع أو أشهر. يجب على الفرق التي تستخدم Claude كنموذج أساسي أن تأخذ ذلك في الاعتبار.

"لا يبدو Genkit مستقلاً تماماً عن المزود، فمحول Claude تابع لجهة خارجية ويتأخر في التحديثات.". كونستانتين كوميلين، komelin.com، 2025

حيث يثبت Genkit جدارته هو في الحل الوسط: تطبيقات TypeScript وGo في مرحلة الإنتاج التي تحتاج إلى منطق ذكاء اصطناعي مهيكل وقابل للمراقبة دون عبء تجريدات OOP الخاصة بـ LangChain أو تكلفة بناء المراقبة من الصفر. إن ترخيص Apache 2.0، وواجهة مستخدم المطورين، والتوافق مع نظام Firebase البيئي يجعله خياراً قوياً للفرق الموجودة بالفعل في فلك Google أو التي تبحث عن إطار عمل للذكاء الاصطناعي يأتي مزوداً بميزة التتبع.