أخبارنُشر:
أداة Computer Use في Gemini API متاحة للجميع: وكلاء للمتصفح والهاتف وسطح المكتب
Google تُخرج أداة التحكم بالحاسوب في Gemini API من المعاينة في 30 أكتوبر، بدعم Gemini 4 Argon و3.8 Flash ونظام موافقة للخطوات الحساسة.
تابعتُ خلال الأشهر الماضية سباق الشركات على «الوكلاء» القادرين على استخدام الحاسوب كما نستخدمه نحن، وهذا الأسبوع خطت Google خطوة رسمية في هذا الاتجاه: أداة Computer Use في واجهة Gemini البرمجية خرجت من مرحلة المعاينة وأصبحت متاحة للجميع (GA) منذ 30 أكتوبر 2026، عبر واجهتَي Interactions وGenerateContent.
كيف تعمل الأداة؟
الفكرة ببساطة أن النموذج «يرى» الشاشة من خلال لقطات صورية، ثم يقترح خطوة محددة مثل نقرة بالفأرة أو كتابة نص. تطبيق المطوّر هو من ينفّذ الخطوة فعلياً، ثم يرسل لقطة جديدة للشاشة، وهكذا تستمر الحلقة حتى تنتهي المهمة. ما لفت انتباهي:
- دعم ثلاث بيئات: المتصفح والهاتف وسطح المكتب.
- كل خطوة يرافقها حقل «نيّة» يشرح سبب اختيار النموذج لها، وهذا مفيد جداً لتتبّع الأخطاء.
- نظام أمان يصنّف كل خطوة: مسموحة، أو تحتاج موافقة المستخدم، أو محظورة.
- خيار لفحص لقطات الشاشة بحثاً عن تعليمات خفية مدسوسة، أي ما يُعرف بحقن الأوامر.
النماذج المدعومة
بحسب التوثيق الرسمي تعمل الأداة مع Gemini 4 Argon للمهام المعقدة، وGemini 3.8 Flash الذي توصي به Google لهذا الاستخدام، وGemini 3.5 Flash-Lite للمهام السريعة منخفضة التكلفة، إضافة إلى Gemini 3 Flash Preview.
لماذا يهمّنا؟
بالنسبة للمطوّرين العرب، هذا يفتح الباب لأتمتة أعمال مملة مثل تعبئة النماذج الحكومية والتجارية أو اختبار المواقع العربية تلقائياً من دون بناء تكامل خاص لكل موقع. لكنني أنصح بالحذر: لا تمنحوا وكيلاً كهذا صلاحية الدفع أو الإرسال من دون تأكيد بشري، وهو ما يشجّع عليه نظام الموافقة نفسه.
المصدر: سجل تحديثات Gemini API، والتفاصيل التقنية في دليل Computer Use.
المصدر: ai.google.dev