חזרה לפיד
articlesמקור: MongoDB Official Blog (general)10.8.2026

הנדסת הקשר (Context Engineering) לסוכני AI מאובטחים

אמ;לק

הפיכת דמו של סוכן AI ליישום עובד דורשת פתרון אתגרי אבטחה, עלויות וביצועים. הנדסת הקשר היא הדרך להבטיח שהסוכן יקבל את המידע הנכון בלי לפגוע בפרטיות או ביציבות המערכת.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Context Engineering for Agentic Applications on AWS Bedrock AgentCore and MongoDB Atlas

$cat article.txt

>הפיכת דמו של סוכן AI ליישום עובד דורשת פתרון אתגרי אבטחה, עלויות וביצועים. הנדסת הקשר היא הדרך להבטיח שהסוכן יקבל את המידע הנכון בלי לפגוע…

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

רוב הדגמות הסוכנים (Agents) נראות מרשימות במחברת (Notebook). הנחיה נכנסת, סוכן מנמק, כלים מופעלים, וחוזרת תוצאה שמרגישה כמעט קסומה.

אבל ברגע שצוות מנסה להפוך את ההדגמה הזו לאפליקציה אמיתית, השאלות משתנות. האם המערכת יכולה לבצע סקיילינג (Scale) בין משתמשים וזרימות עבודה? האם היא יכולה לאכוף גבולות אבטחה? האם היא יכולה לשמור על עלויות בשליטה? האם צוותים יכולים להבין מדוע סוכן קיבל החלטה מסוימת, באיזה הקשר הוא השתמש, וכיצד לשפר את פעולתו לאורך זמן?

זה המקום שבו הנדסת הקשר הופכת לאתגר הייצור האמיתי.

זהו רעיון הליבה מאחורי הנדסת הקשר: האיכות של מערכת סוכן תלויה לא רק במודל, אלא באיזו צורה המערכת מרכיבה את הקשר העבודה הנכון עבור כל בקשה. כאשר ההקשר מפורש ומוגבל, העמימות יורדת, ופעולה שימושית הופכת אמינה הרבה יותר. הנדסת הקשר היא הדיסציפלינה של הרכבת מערך העבודה הזה של זהות, מצב משימה, זיכרון, ידע שאוחזר, פלטי כלים ובקרות ממשל כך שסוכן יוכל לפעול בצורה מהימנה בסביבה ארגונית.

לכן, המעבר מ-POC לייצור אינו עוסק רק בהוכחה שהסוכנים עובדים. הוא עוסק בהוכחה שהמערכת יכולה להרכיב את ההקשר הנכון לכל בקשה תוך שמירה על יכולת הרחבה (Scalability), יכולת ניהול, כדאיות כלכלית ויכולת צפייה (Observability). ככל שמערכות מרובות-סוכנים גדלות מכמה זרימות עבודה לעשרות או מאות סוכנים מומחים, האתגר עובר מעיצוב הנחיות (Prompt design) גרידא להרכבת הקשר מבוקרת לאורך כל מחזור החיים של הבקשה.

הבעיה האמיתית היא הקשר לא מנוהל

שיחות רבות בנושא AI עדיין מתמקדות בבחירת המודל. זה חשוב, אך בייצור, זהו לעיתים רחוקות החסם היחיד. הבעיה המורכבת יותר היא כל מה שמעצב את הקריאה למודל.

במערכות סוכנים אמיתיות, כשלים נוטים לקרות מסיבות צפויות. הסוכן הלא נכון מקבל את המשימה כי הניתוב שביר. השליפה (Retrieval) מביאה יותר מדי מידע, מעט מדי מידע, או מידע שגוי. הזיכרון (Memory) והמצב (State) מורכבים בדרכים אד-הוק במקום להיות מנוהלים כמערכות זיכרון עמידות. היסטוריית צ'אט מלאה נדחפת שוב ושוב להנחיות, מה שמעלה את עלות הטוקנים ואת זמן האחזור (Latency) תוך הפחתת העקביות. אבטחה, ממשל (Governance) ויכולת צפייה מגיעים מאוחר מדי, לאחר שכבר נבנו מסלולי הקשר ללא מספיק שליטה.

במילים אחרות, אתגר הייצור אינו רק היגיון (Reasoning). הוא להחליט איך ההקשר זורם בתוך המערכת.

זה מה שהופך את הארכיטקטורה הזו למעניינת. היא מתייחסת לניתוב, זיכרון, אחזור, גישה לכלים וצפייה כבעיות עיצוב ממדרגה ראשונה במקום להתייחס אליהם כאל עבודת ניקוי לאחר הדגמה מוצלחת.

ארכיטקטורה של הנדסת הקשר עבור אפליקציות סוכנות

ברמה הגבוהה, הפלטפורמה משלבת את Amazon Bedrock AgentCore , MongoDB Atlas ומערכת מודולרית של דפוסי פריסה ותצורה לכדי בסיס לשימוש חוזר עבור יישומי סוכנים. אך הדרך המועילה יותר להבין זאת היא כמערכת להנדסת הקשר.

במקום להתייחס להנחיות, זיכרון, אחזור וכלים כמאפיינים מחוברים באופן רופף, הארכיטקטורה מארגנת אותם לצינור הרכבה של הקשר (Context assembly pipeline) שניתן לחזור עליו. ניתן להרחיב צינור זה על ידי הוספת סוכנים מומחים חדשים, חבילות מיומנויות ונתוני דומיין, מבלי לאלץ צוותים לשכתב את הפלטפורמה הבסיסית בכל פעם שמופיע מקרה שימוש חדש.

איור 1. ארכיטקטורה טכנית של הפתרון.

במבט דרך העדשה הזו, כל בקשה עוברת דרך סדרה של החלטות הקשר.

ראשית, המשתמש שולח הנחיה דרך ממשק האפליקציה.

לאחר מכן, אימות המגובה ב-Amazon Cognito מאמת את הזהות ותורם הקשר ספציפי למשתמש באמצעות תביעות (Claims) ב-JWT. הזהות כאן אינה רק בדיקת גישה; היא הופכת לחלק מהקשר העבודה שיכול לעצב לאילו נתונים מותר לסוכן לגשת, באילו כלים הוא רשאי להשתמש ובאילו פעולות הוא רשאי לנקוט.

שכבת ה-API מקבלת את הבקשה ומחילה היגיון ניתוב כדי לקבוע איזה סוכן מומחה צריך לטפל במשימה. זה הרבה יותר מתזמור בלבד. הניתוב הוא שלב בחירת ההקשר העיקרי הראשון. הוא קובע לאילו מומחיות, ערכת כלים, היקף זיכרון וגבולות דומיין הבקשה רשאית להיכנס.

לאחר בחירת המומחה הנכון, המערכת טוענת את הקשר העבודה המינימלי הנדרש עבור אותו תור. זה עשוי לכלול מצב שיחה אחרון, זיכרון רלוונטי לטווח ארוך, הוראות ספציפיות למשימה וכל הקשר מבצעי הנדרש להשלמת הבקשה. המטרה אינה לתת למודל את הכל, אלא לתת לו מספיק מההקשר הנכון כדי לפעול היטב.

אם המשימה דורשת נתונים ארגוניים או אחזור ידע, הסוכן ניגש לכלים דרך AgentCore Gateway. פעולות MongoDB מתווכות על ידי שרת MongoDB MCP ייעודי הפועל על AgentCore Runtime, המתחבר באופן פרטי ל-Atlas באמצעות דפוסים כגון Private Endpoint, VPC Peering או רישום כתובות IP מורשות, בהתאם לבחירות הפריסה. עיצוב זה חשוב מכיוון שהוא יוצר נתיב מבוקר בין הסוכן למצב הארגוני, במקום לאפשר לכל סוכן להתחבר ישירות לכל מערכת עורפית (Backend).

לאחר מכן משולבים ידע שאוחזר, זיכרון קודם ופלטי כלים לנתיב ההיגיון עבור אותה פנייה ספציפית. התוצאה מועברת בחזרה למשתמש, בעוד שעקבות, שימוש באסימונים, חביון וטלמטריית הפעלה מוקלטים באשכול ⁦MongoDB Atlas⁩ לבדיקה מאוחרת יותר.

במבט כזה, הפלטפורמה היא לא רק ערימת זמן ריצה (Runtime stack) של סוכן, אלא מערכת להחלטה כיצד הקשר מורכב, מוגבל, נשמר ומבוקר לאורך מחזור החיים של כל בקשה. חקרו את המאגר ב-GitHub כדי לעשות Fork לבסיס הקוד ולהתחיל להתנסות בארכיטקטורה זו.

מדוע ארכיטקטורה זו פועלת מנקודת מבט של הנדסת הקשר

מה שהופך את הפלטפורמה למשכנעת הוא לא רק רשימת הרכיבים. הערך האמיתי שלו הוא שהוא ממיר בעיות הנדסת הקשר חוזרות לתבניות ארכיטקטוניות ניתנות לשימוש חוזר.

ניתוב חכם יותר והקשר נמוך יותר

הפלטפורמה נמנעת משימוש במודל גדול עבור כל החלטת ניתוב. במקום זאת, היא משתמשת תחילה במסווג קל משקל ב-API ופונה לניתוב מבוסס מודל רק בעת הצורך.

זה משפר את השיהוי (Latency) ואת העלות, אך היתרון העמוק יותר הוא הקשרי. ניתוב אינו רק בעיית שיגור, אלא בעיית בקרת היקף. הוא קובע לאיזה סוכן, כלים, תחום זיכרון וגבול אחזור הבקשה רשאית להיכנס. ניתוב טוב יותר, אם כן, מפחית הן חישוב מיותר והן הרחבת הקשר מיותרת.

גישה מבוקרת לנתונים ארגוניים

במקום לאפשר לכל סוכן להתחבר ישירות למקורות נתונים, הארכיטקטורה מנתבת ⁦MongoDB⁩ פעולות דרך שרת ⁦MongoDB⁩ ⁦MCP⁩ ייעודי מאחורי ⁦AgentCore Gateway⁩. זה יוצר נתיב גישה נשלט וניתן לביקורת יותר.

מנקודת מבט של הנדסת הקשר, זה חשוב מכיוון שגישה לכלים היא חלק מבקרת ההקשר. הארכיטקטורה יכולה לווסת לא רק אם סוכן רשאי לקרוא לכלי, אלא גם כיצד פלטי הכלים מוכנסים ללולאת ההיגיון ועד כמה פלטים אלו נשארים מוגבלים למשימה שעל הפרק.

זיכרון סלקטיבי במקום הנחיות גדולות מדי

המערכת משלבת זיכרון לטווח קצר ב-⁦AgentCore⁩ עם זיכרון לטווח ארוך ב-⁦MongoDB Atlas⁩ כך שסוכנים יכולים לשמור על הקשר שימושי בשיחות מבלי להעמיס יתר על המידה כל הנחיה בהיסטוריה מלאה.

הבחנה זו קריטית. זיכרון טוב אינו עוסק באחסון הכל לנצח, אלא בהחלטה מה יש לכתוב, מה יש לזכור, מתי המידע אמור לפוג, וכיצד לסכם אותו לפני הכניסה מחדש לחלון ההקשר של המודל. ככל שסוכן יכול לזכור בצורה סלקטיבית יותר, כך יהיה לו פחות יקר לשחזר את ההקשר בכל סיבוב.

בידוד, אמינות וגבולות הקשר נקיים יותר

מכיוון שסוכנים מומחים פועלים בזמני ריצה (Runtimes) נפרדים של AgentCore, קל יותר להרחיב את הפלטפורמה ולתפעל אותה מאשר בתכנון של תהליך יחיד. צוותים יכולים לבודד כשלים, לכוון את התנהגות זמן הריצה לפי סוכן, ולהימנע ממצב שבו זרימת עבודה אחת עמוסה מדי משפיעה על המערכת כולה.

בידוד תפעולי זה משפר גם את בידוד ההקשר. הפעלות משתמשים, אחריות של סוכן, מסלולי כלים וגבולות זיכרון יכולים להישמר נקיים יותר, ובכך להפחית את הסיכון שמצב רועש או לא רלוונטי של זרימת עבודה אחת יזהם אחרת.

יכולת צפייה (Observability) לאיתור באגים בהקשר

הפלטפורמה כוללת מעקבים (Traces) מובנים, לוחות מחוונים, נראות של טוקנים ועלויות, ומציג מעקב המגובה ב-MongoDB Atlas. משמעות הדבר היא שצוותים יכולים לבדוק הרבה מעבר לפלטים הסופיים; הם יכולים לבחון החלטות ניתוב, קריאות לכלי, קריאות זיכרון, שיהוי, שימוש במודל והתנהגות הפעלה כוללת.

זה חשוב במיוחד עבור מערכות אגנטיות מכיוון שאיתור באגים הוא לעתים רחוקות רק אם התשובה הייתה שגויה. לעתים קרובות מדובר בשאלה האם ההקשר השגוי הוכנס מלכתחילה. יכולת התצפית הופכת את הנדסת הקשר מניחושים לדיסציפלינה מבצעית ניתנת לבדיקה.

מחזור החיים של ההקשר ביישום סוכן

אחת הדרכים השימושיות ביותר להעריך מערכת כזו היא לעקוב אחר מחזור החיים של ההקשר באמצעות בקשה אחת.

משתמש מתחיל עם כוונה. המערכת מאמתת את המשתמש ולוכדת את הקשר הזהות. היא בוחרת את הסוכן המומחה שאמור להיות הבעלים של הבקשה. היא טוענת זיכרון רלוונטי לטווח קצר ולטווח ארוך, שואבת את הידע הדרוש לאותו רגע מ-MongoDB Atlas, ומרכיבה הקשר עבודה מוגבל עבור המודל. הסוכן מנמק על גבי ההקשר הזה, מפעיל כלים בעת הצורך ומחזיר תגובה. לאחר סיום התור, המערכת מתעדת עקבות (Traces) וכותבת בחזרה באשכול MongoDB Atlas רק את הזיכרון שכדאי לשמר.

מחזור חיים זה הוא מה שמפריד בין אב טיפוס של סוכן לבין יישום תפעולי. בלעדיו, צוותים נוטים להסתמך על הנחיות נפוחות, זיכרון לא עקבי והתנהגות אטומה. עם מסגרת זו, הם יכולים לבנות סוכנים שירגישו בעלי מצב (Stateful), רלוונטיים ואמינים יותר לאורך זמן.

קנה מידה מסוכן אחד לרבים

אחד הרעיונות החזקים ביותר בארכיטקטורה זו הוא שהוספת מקרה שימוש חדש אמור להרגיש כמו הרחבת פלטפורמה, לא להתחיל פרויקט חדש.

איור 2. ⁦Process⁩ להוספת סוכן חדש למערכת.

מחזור החיים של הוספת סוכן חדש הוא נקי ומכוון. צוותים מגדירים מומחה ב-Markdown, אורזים את המומחיות וההיגיון הרלוונטיים לכדי מיומנות, מספקים את הנתונים והאינדקסים הנדרשים, ומוסיפים רמזי ניתוב שקובעים מתי יש לבחור את הסוכן הזה. לאחר מכן, הפלטפורמה משלבת את המומחה החדש במערכת הרחבה יותר מבלי לכפות עיצוב מחדש של תשתית הליבה.

זה משנה כי רוב הארגונים לא צריכים סוכן גנרי אחד. הם זקוקים לפורטפוליו הולך וגדל של עוזרים ספציפיים לתחום לתמיכה, תפעול, זרימות עבודה של שותפים, המלצות, ידע פנימי, פתרון בעיות, תרחישי ייעוץ ועוד.

בשלב זה, סקיילינג הוא כבר לא רק בעיית תשתית, אלא בעיה של מדיניות הקשר. כל מומחה חדש זקוק לגבולות הקשר ברורים, דפוסי זיכרון, היקף שליפה, גישה לכלים ויכולת צפייה. אם כל מקרה שימוש חדש יבנה החלטות אלו מאפס, תהליך המסירה לא יתרחב גם אם המודל כן.

ארכיטקטורה זו טוענת לגישה אחרת: לשמור על הבסיס יציב, ולתת להתנהגות ספציפית לתחום להופיע באמצעות תצורה, כישורים ונתונים.

⁦MongoDB Atlas⁩ כשכבת ההקשר העמידה

⁦MongoDB Atlas⁩ הוא לא סתם עוד מסד נתונים בעיצוב הזה. שכבת ההקשר העמידה היא שעוזרת לסוכנים להיות שימושיים יותר עם הזמן.

בארכיטקטורה זו, ⁦Atlas⁩ תומך בזיכרון לטווח ארוך, מצב תפעולי, חיפוש וקטור, חיפוש היברידי ואחסון עקבות, תוך עבודה לצד היכולות המוכוונות להפעלה של ⁦AgentCore⁩ כדי לתת לסוכנים גם הקשר מיידי וגם זכירה עמידה בין אינטראקציות.

#mongodb#ai-security#aws-bedrock#data-privacy
קרא במקור

קריאה וכלים קשורים

אבטחת MongoDBמונחי אבטחה והסברים בעברית