كيف تفتح Atlassian رسم العمل البياني أمام وكلاء الذكاء الاصطناعي؟

هذا التمييز مهم. مسار MCP هو الطريق الأقرب إلى الوكلاء: يسمح لأنظمة ذكاء اصطناعي متوافقة بأن تطلب سياق العمل المتصل وقت التشغيل. أما CLI فهو طريق المطورين وسير العمل التقنية: يضع الاستعلامات عن الرسم البياني داخل الطرفية وبيئات البرمجة، بما في ذلك أدوات برمجة وكيلة مثل Claude Code وCursor بحسب تغطية الإطلاق .

ما الذي يضيفه Teamwork Graph؟

تصف Atlassian Teamwork Graph بأنه طبقة السياق المشتركة خلف تجاربها المدعومة بالذكاء الاصطناعي. ووصفت تغطية إعلان Team ’26 الرسم بأنه خريطة حية تصل بين الأشخاص والمشروعات والمستندات والقرارات والعمل عبر أدوات Atlassian وأدوات خارجية، مع أكثر من 150 مليار اتصال . كما تقول صفحة المنتج لدى Atlassian إن الفرق تستطيع وصل الوكلاء بالرسم وسحب سياق Atlassian المتصل من Jira وConfluence وJira Service Management وLoom والأدوات الخارجية المدمجة .

القيمة هنا ليست في كمية النص وحدها. نماذج اللغة تستطيع قراءة النص، لكن عمل المؤسسات غالباً يعتمد على العلاقات: أي مشروع ينتمي إليه مستند ما، أي تذكرة Jira تعطل إصداراً، من الفريق صاحب قرار معين، أو أي طلب خدمة يرتبط بمشكلة عميل. Teamwork Graph هو محاولة Atlassian لتحويل هذه العلاقات إلى سياق منظم يمكن للذكاء الاصطناعي استخدامه، بدلاً من وضع كل شيء في موجه طويل ومبعثر.

كيف يغيّر MCP وصول الوكلاء؟

أدوات MCP تمنح وكلاء الذكاء الاصطناعي طريقة أضيق وأكثر انتقائية لاسترجاع سياق العمل من Teamwork Graph. ذكرت TechTarget أن أدوات MCP وCLI التجريبية تمنح الوكلاء داخل Rovo ومنصات الأطراف الثالثة وصولاً أدق إلى بيانات Teamwork Graph، بما في ذلك العلاقات بين الأصول البيانية، لتوجيه الأتمتة . وذكرت SiliconANGLE كذلك أن Atlassian تفتح الرسم للوكلاء والأدوات الخارجية عبر أدوات Teamwork Graph المقدمة من خلال خادم MCP الخاص بـ Rovo .

بالنسبة إلى فرق المؤسسات، التحول المهم هو الانتقائية. بدلاً من دفع نتائج بحث واسعة أو تفريغ مستندات طويلة داخل نموذج اللغة، يستطيع الوكيل طلب سياق متصل أكثر صلة بالمهمة. وكلما عكس الرسم البياني العمل الحقيقي داخل المؤسسة بدقة أكبر، زادت فائدة طبقة الاسترجاع هذه.

ماذا تضيف CLI للمطورين؟

Teamwork Graph CLI هو مسار الوصول المصمم للطرفية. تقول مدونة Atlassian الخاصة بـ Team ’26 إن Teamwork Graph سيصبح متاحاً عبر الوكلاء في المتصفح وتطبيقات الهاتف والطرفية، وقدمت Teamwork Graph CLI كنسخة تجريبية مفتوحة . وذكرت SiliconANGLE أن الواجهة تضم أكثر من 300 أمر ويمكن أن تسمح لوكلاء البرمجة بالاستعلام عن العمل والعلاقات داخل الرسم البياني .

هذا يجعل CLI مهمة خصوصاً لفرق البرمجيات التي تعمل أصلاً داخل الطرفية ومساعدات كتابة الكود. فوكيل البرمجة قد يحتاج، قبل اقتراح مسار تنفيذ، إلى سياق من تذاكر Jira وصفحات Confluence المرتبطة ومعلومات الملكية وعلاقات المشروع. الهدف من CLI هو جعل هذا السياق قريباً من المكان الذي يعمل فيه المطورون بالفعل .

أين يدخل خفض تكلفة التوكنز؟

منطق خفض التكلفة هنا يقوم على دقة الاسترجاع. ذكرت TechTarget أن أدوات MCP وCLI التجريبية لدى Atlassian تهدف إلى تقليل تبادل البيانات المزعجة أو غير الضرورية بين الوكلاء عبر منحهم وصولاً أكثر تفصيلاً إلى سياق Teamwork Graph . وتقول Atlassian إن اختباراتها الداخلية وجدت أن تثبيت الإجابات على بيانات Teamwork Graph أعطى نتائج أدق بنسبة 44% مع استخدام توكنز أقل بنسبة 48% .

الآلية ليست ضغطاً سحرياً للنص. إنها طريقة مختلفة لتزويد النموذج بالسياق. إذا استطاع الوكيل جلب التذكرة أو الصفحة أو المالك أو القرار أو علاقة الاعتماد ذات الصلة فقط، فلن يحتاج إلى إرسال نصوص كثيرة غير ضرورية إلى النموذج. وهذا قد يقلل تضخم الموجهات، حيث تتراكم تكلفة التوكنز وزمن الاستجابة في كثير من سيناريوهات الذكاء الاصطناعي داخل المؤسسات .

لكن هناك تحفظاً ضرورياً: أرقام 44% لتحسن الدقة و48% لتقليل التوكنز هي نتائج تقول Atlassian إنها ظهرت في اختبارات قياس خاصة بها، وليست ضماناً عاماً لكل مؤسسة . النتائج الفعلية ستتوقف على تغطية الرسم البياني، وجودة البيانات، والنماذج المستخدمة، وإعدادات الاسترجاع، وطريقة ربط كل مؤسسة لمساري MCP أو CLI بسير عمل الوكلاء لديها.

لماذا ينبغي للمؤسسات الانتباه؟

إذا كانت المؤسسة تعتمد بالفعل على منظومة Atlassian، فقد يجعل هذا التحديث وكلاء الذكاء الاصطناعي أكثر فائدة لأنه يمنحهم سياق العمل عبر أدوات Atlassian والأدوات المتصلة بها. تقول Atlassian إن فتح Teamwork Graph يهدف إلى مساعدة Rovo ووكلاء المنظومة على البحث والاستدلال والتصرف بأمان عبر الأدوات والفرق . كما تؤكد مواد المنتج إمكانية وصول الوكلاء إلى سياق متصل من Jira وConfluence وJira Service Management وLoom والأدوات الخارجية المدمجة .

بهذا المعنى، يتموضع Teamwork Graph كجسر بين بيانات التعاون داخل المؤسسة وأنظمة الذكاء الاصطناعي الخارجية. مسار MCP يخدم منصات الوكلاء التي تحتاج إلى سياق وقت التشغيل، بينما يخدم CLI المطورين وسير العمل المعتمدة على الطرفية. معاً، ينقلان Teamwork Graph من كونه طبقة داخلية لتجارب Atlassian إلى عنصر يمكن أن تستخدمه منظومات وكلاء أوسع .

ما الذي يجب اختباره خلال المرحلة التجريبية؟

بما أن هذه المسارات موصوفة كنسخ تجريبية أو تجريبية مفتوحة، فمن الحكمة اختبارها على بيانات المؤسسة ومتطلبات الحوكمة لديها قبل افتراض وفورات كبيرة في التكلفة . أسئلة التقييم الأهم عملية جداً:

• هل يغطي الرسم البياني مصادر البيانات التي يحتاجها وكلاؤكم فعلاً، مثل Jira وConfluence وJira Service Management وLoom والأدوات الخارجية المدمجة ؟
• هل يسترجع الوكلاء عبر MCP سياقاً أكثر صلة من البحث أو الاسترجاع المستخدم حالياً ؟
• هل تُظهر قياسات التوكنز موجهات أصغر من دون تراجع في جودة الإجابات ؟
• هل تلبي ضوابط الأمن والوصول والتدقيق توقعاتكم لوكلاء يمكنهم البحث والاستدلال والتصرف عبر الأدوات ؟
• هل تضيف CLI قيمة فعلية في سير عمل المطورين، خصوصاً عندما تحتاج وكلاء البرمجة إلى سياق المشروع والاعتمادات ؟

الخلاصة

أطلقت Atlassian مسارين تجريبيين لفتح Teamwork Graph أمام وكلاء الذكاء الاصطناعي: أدوات Teamwork Graph عبر خادم MCP الخاص بـ Rovo، وواجهة Teamwork Graph CLI . الفكرة الاستراتيجية أن الوكلاء يصبحون أنفع عندما يسترجعون سياق عمل منظماً من رسم يصل بين الفرق والمشروعات والمستندات والقرارات والعمل المرتبط، لا عندما يعتمدون على حشو الموجهات بكميات كبيرة من النص . أما الوعد الاقتصادي فهو تقليل التوكنز المهدرة وتحسين الإجابات، لكنه وعد ينبغي إثباته داخل بيئة كل مؤسسة على حدة .