Are you a consultancy or a product company?

IdeaBosque is an AI platform and solutions company. We build, deploy, and operate AI agent applications for customers while providing the infrastructure, support, and ongoing enhancements required for production use. The same platform supports white-label and private deployment options when customers or partners need them.

Do you run the agent in production for us?

Yes. IdeaBosque can operate the agent as a managed platform, or deploy it privately in your infrastructure when that is the better fit. The buyer choice is operational control: let us run it, run it yourself, or start managed and move private later.

How do engagements work commercially?

Fixed-scope phases with weekly demos. A one-week Discovery produces the system inventory, workflow map, and build plan with full scope and cost before you commit to the build. Typical first builds run 5-8 weeks. We do not publish rate cards because scope varies with source-system maturity, but you will never start a phase without a fixed price for it.

Do I have to use a proprietary frontier model?

Yes. Our platform supports leading proprietary frontier models, including enterprise AI services from major providers. We also support open-source and open-weight models, giving you the flexibility to choose the model strategy that best meets your business, security, performance, and cost requirements.

Why the Model Context Protocol (MCP) instead of direct REST calls?

MCP gives every backend the same reviewed tool surface, so the agent's capabilities are easier to test, audit, and swap. Direct REST calls are fast for a prototype, but they usually become hard to govern once the second or third integration arrives.

What if my system does not have an API?

If it has a stable programmatic surface, we can usually wrap it. We have patterns for GraphQL, REST, SDKs, database gateways, and controlled file-based exchange. If the only path is manual UI automation, we call that out as a risk before build.

Is this only for retail, travel, or hospitality?

No. Travel and hospitality are strong proof cases because they combine constrained inventory, dates, occupancy, cancellation rules, FX, and supplier-specific pricing. The same RFQ-to-B2B pattern applies anywhere buyers, suppliers, quotes, approvals, capacity, and downstream transactions need to work across multiple systems.

How does the knowledge graph help customer support?

The Neo4j knowledge graph stores industry taxonomies, product relationships, supplier mappings, and customer context. When a support inquiry arrives, the AI agent queries the graph to surface relevant context — order history, compatibility, substitutes, and pricing — automatically. Tier-1 questions can be answered autonomously; complex escalations carry full graph context to tier-2, reducing resolution time and escalation rates.

How do IdeaBosque agent deployments handle AI governance and the EU AI Act?

Every tool call is logged with request, response, latency, and outcome, so the agent's behavior is auditable end-to-end — the same posture enterprises now apply to financial controls. For customers subject to the EU AI Act's August 2026 transparency obligations, the audit logs, operator runbooks, and code-ownership option support a compliance narrative; we scope governance requirements into Discovery when you flag them.

How do IdeaBosque MCP modules address the security vulnerabilities disclosed in the OX Security report?

Every MCP module we ship is tested, rate-limited, and audited — every tool call logs request, response, latency, and outcome. The OX Security disclosure identified command-injection vulnerabilities in 200,000 community MCP servers that lack these controls. Our module standard (published in the Library) requires integration tests, error-path coverage, and operator runbooks before a module ships. The kill-switch architecture means any module can be disabled without touching the orchestration backbone.

How do IdeaBosque agent deployments avoid the pilot-sprawl ROI trap?

PwC's 2026 CEO Survey found 56% of organizations report no measurable financial benefit from AI. The diagnosis across PwC, Anthropic, and OpenAI is pilot sprawl — tool access democratized, workflow redesign not. Deloitte's 2026 State of AI found only 1 in 5 companies has mature governance for autonomous AI agents. IdeaBosque engagements are the opposite of a pilot: fixed-scope phases, weekly demos, production code that posts to your system of record, and a one-week Discovery that produces the system inventory, workflow map, and build plan before you commit. The deliverable is a working agent in 5-8 weeks, not a demo that never ships.

بنية تحتية للوكلاء في عمليات B2B

نظّم وكلاء ذكاء اصطناعي يُسعّر ويحدّد الأسعار ويحجز ويتعامل عبر أنظمة B2B حقيقية.

يحصل مشتروك على عروض أسعار دقيقة وقابلة للحجز خلال دقائق بدلاً من أيام. يربط IdeaBosque وكلاء الذكاء الاصطناعي بالأنظمة التي تشغّلها بالفعل: ERP وCRM والتجارة الإلكترونية وكتالوجات الموردين والحجز والمدفوعات ومعرفة الدعم. كل واجهة خلفية مكشوفة عبر وحدات Model Context Protocol (MCP) محكومة، بحيث يكون سير العمل قابلاً للمراجعة والتدقيق وجاهزاً للإنتاج منذ الإصدار الأول. رسم المعرفة نفسه الذي يُشغّل المعاملات يمنح فريق دعم العملاء أيضاً وصولاً فورياً إلى معلومات صناعية منظمة.

اطلب بناءً محدد النطاق اقرأ الملخص الهندسي

اكتشاف مدته أسبوع واحد. تحصل على جرد للأنظمة وخريطة لسير العمل ونطاق ثابت — سواء بنيت معنا أم لا.

أول وكيل في الإنتاج خلال 5-8 أسابيعكل استدعاء أداة مُسجّل وقابل للتدقيقتملك الكود أو نشغّله نحننماذج حدودية أو مفتوحة الأوزان: اختيارك

01—خريطة الأنظمة

عمود فقري واحد للتنسيق، كل واجهة خلفية موصولة وفق نفس نمط الوحدات.

لا غراء مخصص. محركات RFQ وكتالوجات الموردين وCRM وERP والتجارة الإلكترونية والحجز والمدفوعات ورسوم المعرفة — كلٌّ مغلَّف بوحدات MCP بأدوات متّسقة وتسجيل تدقيق وحدود معدل.

طبقة المستخدم

المشتري / المُشغّل

طبقة الوكيل

وكيل ذكاء اصطناعي — عمود التنسيق

طبقة الوحدات

وحدات MCP

طبقة الأنظمة

محرك RFQ

كتالوجات الموردين

ERP / CRM

التجارة الإلكترونية

أنظمة الحجز

المدفوعات

محرك رسم المعرفة

البنية التحتية

خط بيانات (Dagster)

سجلات التدقيق / المرصدية

يستخدم عمود التنسيق أدوات MCP محكومة لاكتشاف خيارات الكتالوج وإنشاء طلبات المشترين وتسعير بنود عروض الموردين وحجز مخزون مقيّد وتطبيق الخصومات وتثبيت FX والتقاط ل لحظي لشروط الإلغاء وتسليم العروض المقبولة إلى أنظمة الطلبات أو الحجز أو الدفع. كل استدعاء مُسجَّل بالطلب والاستجابة وزمن الاستجابة والنتيجة.

تنسيق وكلاء الذكاء الاصطناعي هي طبقة التنسيق التي توجّه نيّة الوكيل عبر واجهات خلفية متعددة. يقوم عمود التنسيق في IdeaBosque بذلك عبر وحدات Model Context Protocol (MCP) محكومة، بحيث يُختبَر كل استدعاء أداة وتُحدّد معدلاته ويُسجَّل.

02—القدرات

خمسة أنظمة جاهزة للإنتاج يعرضها أغلب مزوّدي الذكاء الاصطناعي تجريبياً ولا يُسلّموها أبداً.

عمود تنسيق وكلاء الذكاء الاصطناعي

كفّ عن نسج تكاملات نقطة-إلى-نقطة تنهار عند تغيّر نظام واحد. يُسلّم IdeaBosque زمن تشغيل وكيل متعدد الخطوات يوجّه النيّة عبر وحدات Model Context Protocol (MCP) ويدير حالة سير العمل ويفرض حدود المعدّل والأخطاء المنظمة وسجلات التدقيق منذ البداية.

موصلات الأنظمة كوحدات MCP

كل موصل يُبنى مرة واحدة ويُختبَر ويُعاد استخدامه — لا يُعاد بناؤه لكل مشروع. تُسلَّم وحدات لـ HubSpot وNetSuite وBigCommerce وWooCommerce وShopify وBrightpearl وShipStation وCanto وResolvePay وأنظمة مماثلة مع اختبارات وحدود معدل وتوافق Python 3.8+. كل وحدة مُختبَرة ومحدودة المعدل ومُدقَّة — طبقة الحوكمة التي تفتقر إليها 200,000 خادم MCP مجتمعي، وفقاً لإفصاح OX Security وOWASP MCP Top 10.

الاستدلال برسم المعرفة

أجب عن أسئلة لا تستطيع قاعدة بياناتك الإجابة عنها: البدائل والخيارات والتوافق ومطابقة أوقات التسليم وقواعد الهامش. رسوم Neo4j للمنتجات والكتالوجات والموردين والعملاء والصناعة تمنح الوكيل سياق العلاقات قبل أن يتصرف.

خطوط البيانات

يبقى مستودعك محدّثاً دون أن يراقب مهندس بيانات عمليات التحميل. خطوط Dagster المنسّقة تنقل بيانات المصدر إلى S3 وRedshift وAthena بملفات مُقسَّمة بنمط Hive وتحميلات تزايدية قائمة على العلامة المائية وكتابات متساوية القوة.

تدفقات RFQ-to-B2B بوكلاء ذكاء اصطناعي

وكلاء يُنفّذون لا يُجيزون فقط: استلام RFQ واكتشاف الكتالوج وتوليد عروض الموردين والتسعير المتدرج وحجز التوافر وFX ولقطات الإلغاء ومعالجة RMA ومزامنة الأصول واستلام طلبات B2B — كل إجراء يُرحَّل إلى نظام السجل بموافقة بشرية لا يُلخَّص في نافذة محادثة. يُسلَّم على منصتنا، مع توفّر ملكية الكود والنشر الخاص.

اطّلع على معمارية RFQ

03—معايير الهندسة

كل موصل يبدو متطابقاً — عن قصد.

“كل موصل نُسلّمه يبدو متطابقاً.”

نمط MCP_CONFIGURATION موحّد — أدوات ومواردات ومطالبات مُعلَنة بالطريقة نفسها في كل وحدة
توافق Python 3.8+ — تعمل الوحدات على بنية قديمة دون ترقية زمن التشغيل
عملاء httpx HTTP/2 مع تراجع أُسّي ومحدّدات معدل قابلة للإدراج
التدقيق أولاً: كل استدعاء أداة يُسجّل الطلب والاستجابة وزمن الاستجابة والنتيجة
PII على الحدود — بيانات العملاء تعيش في الأنظمة المصدر؛ لا يحفظ عمود التنسيق PII بالنص الصريح أبداً
رسوم المعرفة تُكمّل لا تستبدل — يخزّن Neo4j رسم الكتالوج الثابت؛ الحالة الحية تبقى في نظام السجل

اقرأ معيار كود وحدات MCP ←

04—نتائج تمثيلية

ما يُسلّمه اشتراك محدد النطاق عادةً.

5-8 أسابيع

عادةً ما يضع اشتراك محدد النطاق أول وكيل في الإنتاج خلال خمسة إلى ثمانية أسابيع.

من ملخص محدد النطاق إلى أول إصدار إنتاج

المدة النموذجية لاشتراك تركّز على وكيل MCP أو تدفق RFQ.

6-10

ينتج برنامج أول عادةً ست إلى عشر وحدات MCP قابلة لإعادة الاستخدام.

وحدات MCP قابلة لإعادة الاستخدام لكل برنامج

كل موصل يُسلَّم مع اختبارات وحدود معدل ومصادقة؛ يُعاد استخدامه بين المشاريع.

30-60%

تزيل وحدات MCP المشتركة عادةً ثلثاً إلى ثلثي كود غراء التكامل.

انخفاض في كود غراء التكامل

استبدال عملاء مخصصين لكل مشروع بنمط وحدة MCP المشتركة.

تدفق واحد

يدمج تدفق RFQ محكوم واحد استلام الطلب والتسعير والحجوزات والموافقات والتسليم.

من استلام الطلب إلى قبول العرض

مسار محكوم واحد من اكتشاف الكتالوج عبر تسعير الموردين والموافقات وحجوزات المخزون والتسليم النهائي.

أهداف تمثيلية لا ضمانات. النتائج الفعلية تعتمد على النطاق ونضج الأنظمة المصدر وقدرة فريقك على المشاركة.

05—رسم معرفة بالذكاء الاصطناعي لدعم العملاء

معرفة صناعية، منظمة لدعم فوري.

رسم المعاملات يصبح أيضاً رسم دعم: علاقات الموردين وتسلسلات المنتجات وقواعد التوافق ومستوقات التسعير وبيانات الإسناد التبادلي متاحة لوكلاء الدعم ومساعدي الذكاء الاصطناعي في لحظة وصول الاستفسار.

نموذج معرفة صناعية

نموذج رسم لمنتجات مورديك وعملائك وتصنيفاتك وعلاقاتك في القطاع — مبني من أنظمتك المصدر ومُثرى بمعايير خارجية. يدعم أسئلة باللغة الطبيعية مثل أي الموردين يحملون بديلاً للقطعة X بزمن تسليم أقل من خمسة أيام.

طبقة سياق وكيل الدعم

عندما يصل استفسار عميل، يُبرز رسم المعرفة السياق ذا الصلة تلقائياً — تاريخ الطلبات وتوافق المنتج وخيارات البدائل وقواعد التسعير وحالة المورد — بحيث يستجيب وكلاء الدعم ومساعدو الذكاء الاصطناعي بإجابات دقيقة وواعية بالعلاقات بدلاً من البحث عبر أنظمة غير متصلة. يكشف GraphRAG — استرجاع يعبر العلاقات لا التشابه المتجهي فقط — عن البدائل والتوافق الذي يفوته بحث متجهي فقط.

تقليل التصعيد

يستعلم مساعدو الذكاء الاصطناعي الرسم للإجابة عن أسئلة المستوى الأول ذاتياً — مواصفات المنتجات وحالة الطلبات وتوافر البدائل ومستويات التسعير — مُحوّلين الاستفسارات الروتينية قبل أن تصل إلى بشري. الحالات المعقّدة تُصعَّد مع سياق الرسم الكامل مرفقاً، بحيث يبدأ وكلاء المستوى الثاني مُلمّين.

إثراء مستمر للرسم

تُزامن خطوط Dagster المنتجات والموردين الجدد وتغيّرات الأسعار وتفاعلات العملاء داخل الرسم وفق جدول. يبقى رسم المعرفة محدّثاً دون صيانة يدوية، وكل تفاعل دعم يستعلم عن أحدث حالة لبياناتك الصناعية.

06—كيف نعمل

بناء من أربع خطوات يُسلّم الكود لا صندوقاً أسود.

الاكتشاف

جرد الأنظمة المصدر وخريطة تدفق RFQ/الأعمال ومسودة كتالوج أدوات MCP ونطاق الوكيل ومقاييس النجاح.

أسبوع واحد

وحدات MCP + نموذج النطاق

موصل واحد لكل نظام مصدر بالإضافة إلى كيانات الطلب والعرض وبند العرض ومادة المورد والتسعير والتوافر والسياسات حسب الحاجة.

2-3 أسابيع

الوكيل + التنسيق

عمود تنسيق وكلاء الذكاء الاصطناعي وsystem prompt وأوصاف الأدوات ومخزن الجلسات وإجراءات تدفق RFQ وخط Dagster عند تورّق مزامنة البيانات.

أسبوعان

التحصين + الانتقال

المرصدية وحدود المعدل ومسارات الاحتياطي والإطلاق عبر feature flags ودليل المُشغّل وفحوص تسليم العرض/الحجز/الطلب.

أسبوع واحد

07—البنية التي نبني عليها

مفتوح المصدر ومفتوح الأوزان ومحايد عن النماذج بالتصميم.

لا قفل ملكية. يعمل عمود التنسيق ونمط وحدات Model Context Protocol (MCP) مع أي نموذج قادر على استدعاء الأدوات بموثوقية واتباع تعليمات منظمة، سواء كان مفتوح الأوزان أو حدودياً.

زمن التشغيلLLM مفتوح المصدر / مفتوح الأوزان

البروتوكولMCP

الرسمNeo4j

التنسيقDagster

السحابةAWS

اللغةPython

التحويلdbt

المستودعRedshift

08—الأسئلة الشائعة

أسئلة نتوقعها من المشترين التقنيين.

هل أنتم شركة استشارات أم شركة منتج؟

IdeaBosque شركة منصة وحلول ذكاء اصطناعي. نبني وننشر ونُشغّل تطبيقات وكلاء ذكاء اصطناعي للعملاء مع توفير البنية التحتية والدعم والتحسينات المستمرة اللازمة للاستخدام في الإنتاج. تدعم المنصة نفسها خيارات النشر بعلامة بيضاء والنشر الخاص عندما يحتاجها العملاء أو الشركاء.

هل تُشغّلون الوكيل في الإنتاج نيابة عنا؟

نعم. يستطيع IdeaBosque تشغيل الوكيل كمنصة مُدارة أو نشره بشكل خاص في بنيتك التحتية عندما يكون ذلك أنسب. اختيار المشتري هو التحكم التشغيلي: نُشغّله نحن، أو تُشغّله أنت، أو تبدأ مُداراً وتنقله لاحقاً إلى خاص.

كيف تعمل الاشتراكات تجارياً؟

مراحل نطاق ثابت مع عروض أسبوعية. يُنتج اكتشاف مدته أسبوع واحد جرد الأنظمة وخريطة التدفقات وخطة البناء مع النطاق والتكلفة الكاملين قبل أن تلتزم بالبناء. عادةً ما تستغرق البناءات الأولى 5-8 أسابيع. لا ننشر قوائم أسعار لأن النطاق يختلف باختلاف نضج الأنظمة المصدر، لكنك لن تبدأ مرحلة أبداً دون سعر ثابت لها.

هل يجب أن أستخدم نموذجاً حدودياً ملكياً؟

نعم. تدعم منصتنا النماذج الحدودية الملكية الرائدة، بما في ذلك خدمات الذكاء الاصطناعي للمؤسسات من كبار المزوّدين. ندعم أيضاً النماذج مفتوحة المصدر ومفتوحة الأوزان، مانحينك المرونة لاختيار استراتيجية النماذج التي تلبي متطلبات أعمالك وأمنك وأدائك وتكلفتك على أفضل وجه.

لماذا Model Context Protocol (MCP) بدلاً من استدعاءات REST المباشرة؟

يمنح MCP كل واجهة خلفية نفس سطح الأدوات المُراجَع، فتكون قدرات الوكيل أسهل اختباراً وتدقيقاً واستبدالاً. استدعاءات REST المباشرة سريعة للنموذج الأولي، لكنها عادةً تصعب حوكمتها عند وصول التكامل الثاني أو الثالث.

ماذا لو لم يكن لنظامي API؟

إذا كان له سطح برمجي مستقر، فنستطيع عادةً تغليفه. لدينا أنماط لـ GraphQL وREST وSDK وبوابات قواعد البيانات والتبادل المُحكَم قائم على الملفات. إذا كان المسار الوحيد هو أتمتة واجهة يدوية، نُبرز ذلك كخطر قبل البناء.

هل هذا مخصص للبيع بالتجزئة أو السفر أو الضيافة فقط؟

لا. السفر والضيافة حالات إثبات قوية لأنها تجمع مخزوناً مقيّداً وتواريخ وإشغالاً وقواعد إلغاء وFX وتسعيراً خاصاً بالمورد. يُطبَّق نمط RFQ-to-B2B نفسه أينما احتاج مشترون وموردون وعروض وموافقات وطاقات ومعاملات للعمل عبر أنظمة متعددة.

كيف يُساعد رسم المعرفة دعم العملاء؟

يخزّن رسم Neo4j للمعرفة التصنيفات الصناعية وعلاقات المنتجات ومطابقات الموردين وسياق العملاء. عند وصول استفسار دعم، يستعلم وكيل الذكاء الاصطناعي الرسم لإبراز السياق ذي الصلة — تاريخ الطلبات والتوافق والبدائل والتسعير — تلقائياً. يمكن الإجابة عن أسئلة المستوى الأول ذاتياً؛ أما التصعيدات المعقّدة فتحمل سياق الرسم الكامل إلى المستوى الثاني، مما يقلّل زمن الحل ومعدلات التصعيد.

كيف يتعامل نشر وكلاء IdeaBosque مع حوكمة الذكاء الاصطناعي وقانون EU AI Act؟

كل استدعاء أداة مُسجَّل بالطلب والاستجابة وزمن الاستجابة والنتيجة، بحيث يكون سلوك الوكيل قابلاً للتدقيق من الطرف إلى الطرف — الموقف نفسه الذي تطبّقه المؤسسات الآن على الضوابط المالية. للعملاء الخاضعين لالتزامات الشفافية في أغسطس 2026 بموجب EU AI Act، تدعم سجلات التدقيق وأدلة المُشغّل وخيار ملكية الكود سرداً للامتثال؛ نُدرج متطلبات الحوكمة في الاكتشاف عندما تُبرزها لنا.

كيف تعالج وحدات MCP من IdeaBosque الثغرات الأمنية المُفصَح عنها في تقرير OX Security؟

كل وحدة MCP نُسلّمها مُختبَرة ومحدودة المعدل ومُدقَّة — كل استدعاء أداة يُسجّل الطلب والاستجابة وزمن الاستجابة والنتيجة. حدّد إفصاح OX Security ثغرات حقن أوامر في 200,000 خادم MCP مجتمعي تفتقر إلى هذه الضوابط. يتطلب معيار الوحدات لدينا (المنشور في المكتبة) اختبارات تكامل وتغطية مسارات الخطأ وأدلة مُشغّل قبل شحن أي وحدة. تعني بنية مفتاح الإيقاف أنه يمكن تعطيل أي وحدة دون لمس عمود التنسيق.

كيف يتجنّب نشر وكلاء IdeaBosque فخّ العائد على الاستثمار لانتشار التجريبي؟

وجد مسح CEOs 2026 من PwC أن 56% من المؤسسات لا تُبلغ عن فائدة مالية قابلة للقياس من الذكاء الاصطناعي. التشخيص عبر PwC وAnthropic وOpenAI هو انتشار تجريبي — وصول الأدوات مُجرّد لكن إعادة تصميم سير العمل غير متحقق. وجد State of AI 2026 من Deloitte أن 1 من كل 5 شركات فقط لديها حوكمة ناضجة لوكلاء الذكاء الاصطناعي المستقلين. اشتراكات IdeaBosque نقيض التجريبي: مراحل نطاق ثابت وعروض أسبوعية وكود إنتاج يُرحّل إلى نظام سجلك واكتشاف أسبوع واحد يُنتج جرد الأنظمة وخريطة سير العمل وخطة البناء قبل أن تلتزم. المُسلَّم وكيل يعمل خلال 5-8 أسابيع، لا عرض تجريبي لا يصل للإنتاج أبداً.

كتابات هندسية

من المكتبة

تحليلات معمّقة حول معايير MCP ومعمارية الموصلات وأنماط وكلاء الذكاء الاصطناعي في الإنتاج — الوثائق نفسها التي يكتبها مهندسونا عند البناء للعملاء.

الاستراتيجية

من الانتشار التجريبي إلى عائد استثمار إنتاجي للذكاء الاصطناعي

وجد PwC أن 56% من المؤسسات لا ترى عائد استثمار قابلاً للقياس من الذكاء الاصطناعي. التشخيص هو الانتشار التجريبي لا قدرة النموذج. إليك البديل الإنتاجي.

July 9, 2026 الأمن والحوكمة

أمن MCP: لماذا تجعل 200,000 نسخة عرضة للخطر الوحدات المحكومة معيار شراء

كشف إفصاح OX Security عن 200,000 خادم MCP عرضة للخطر. الوحدات المحكومة تسدّ الفجوة بأسطح أدوات مُختبَرة ومحدودة المعدل ومُدقَّة.

July 8, 2026 MCP

MCP 2026-07-28: ماذا يعني البروتوكول عديم الحالة لنشر وكلاء B2B

طبقة البروتوكول عديم الحالة ونمط المُقبض الصريح وإهمال Roots وSampling وLogging — ماذا يتغيّر لنشر B2B في الإنتاج.

July 6, 2026

تصفّح كل المقالات →

09 — تواصل

أخبرنا بالأنظمة التي تُنسّقها معاً.

أرسل الأنظمة المتورّطة وسير العمل الذي تريد أتمتته والتسليم الذي تحتاجه. يقرأ مهندس كل ملخص ويُجيب خلال يومي عمل بتقييم الملاءمة والمخاطر.

أرسل ملخص المشروع