Next.js و FastAPI و Supabase و LangGraph: حزمة تقنيات AI SaaS وخطة بناء في 8 أسابيع
Agents 9 min2026-09-30

Next.js و FastAPI و Supabase و LangGraph: حزمة تقنيات AI SaaS وخطة بناء في 8 أسابيع

افصل بين الواجهة ومحرك الذكاء الاصطناعي في خدمات مستقلة، وتأكد من عمل عزل المستأجرين (tenant isolation) من الواجهة الخلفية. يستعرض هذا المقال حزمة التقنيات، والخطأ الأمني الذي قد يدمرها، وتسلسل البناء في ثمانية أسابيع.

تبدأ العديد من الفرق باستدعاء SDK الخاص بمزود النموذج مباشرة من مسارات API في Next.js. هذا الأسلوب ينجح في العروض التجريبية السريعة. لكن عندما يبدأ مستخدم حقيقي مهمة وكيل متعددة الخطوات، تصل الدالة (serverless function) إلى الحد الزمني الأقصى، ويبقى المستخدم يراقب أيقونة التحميل. وغالباً لا يظهر أي خطأ لأي شخص.

هذا ليس خطأ برمجي يمكنك ترقيعه. البنية المعمارية نفسها خاطئة، وإصلاحها لاحقاً يتطلب عادةً إعادة كتابة أجزاء كبيرة من الكود.

الحل هو إعطاء كل مهمة الأداة المناسبة لها. إذا كنت تقوم بـ إضافة ميزة ذكاء اصطناعي لمنتج يعمل بالفعل، فإن مقال التحديث يغطي نمط الـ sidecar لهذا التصميم. أما بالنسبة لمنتج جديد، فالتقسيم يكون كالتالي: Next.js يشغل الواجهة. FastAPI يشغل مهام الذكاء الاصطناعي الطويلة المكتوبة بـ Python. و Supabase يحتفظ بالبيانات، وتسجيلات الدخول، والمتجهات (vectors). بينما يتحكم LangGraph في ما يُسمح للـ وكيل بفعله.

فصل Next.js عن FastAPI

يعتبر Next.js الخيار الصحيح للواجهة. فهو يتعامل مع التوجيه (routing)، وحالة العميل، ولوحات التحكم، ومكونات واجهة المستخدم التوليدية التي تُعرض بناءً على مخرجات النموذج. لكنه المكان الخطأ لمحرك الذكاء الاصطناعي.

هناك سببان لذلك، وأحدهما يتعلق بالتكلفة.

السبب الأول هو بيئة التطوير (ecosystem). رغم تطور أدوات الذكاء الاصطناعي في JavaScript، إلا أن أطر التقييم، ومحللات المستندات، ومكتبات معالجة البيانات، وارتباطات الـ استنتاج المحلية لا تزال تُصدر عادةً لـ Python أولاً. إذا كان محركك يعمل على Node.js، فسينتهي الأمر بمهندسينك بكتابة وصيانة جسور برمجية لهذه المكتبات. وهذا الوقت يضيع من تطوير منتجك.

السبب الثاني هو حدود وقت التشغيل (runtime limits). تضع منصات الـ serverless حداً أقصى لمدة تشغيل الدالة. على Vercel، على سبيل المثال، تعمل الدالة لمدة 300 ثانية افتراضياً وبحد أقصى 800 ثانية في خطط Pro و Enterprise. تسرد مستندات مدة الدالة في Vercel الحدود لكل خطة. يمكن لـ وكيل يبحث ويقرأ ملف PDF طويل ويصيغ تقريراً أن يتجاوز هذا الحد. وعندما يحدث ذلك، تموت المهمة في منتصف الطريق.

لذا يجب أن تكون الحدود صارمة. Next.js يخدم المستخدم. و FastAPI يشغل الذكاء الاصطناعي على حاوية مستمرة (persistent container) على منصات مثل Railway أو Render أو Modal. يقوم Next.js بإرسال طلب مصادق عليه إلى FastAPI. ثم يقوم FastAPI بتشغيل سير عمل LangGraph ويبث التقدم عائداً باستخدام Server-Sent Events (SSE)، وهو بث بسيط في اتجاه واحد من الخادم إلى المتصفح.

البث (Streaming) يبقي المستخدم متفاعلاً مع رسائل مثل "جاري قراءة المستند..." و "جاري فحص البنود...". ولكنه يحتاج إلى قطعة إضافية. إذا أغلق المستخدم علامة التبويب، ينتهي البث، ولكن لا ينبغي أن تنتهي المهمة معه. قم بتشغيل الرسم البياني (graph) كمهمة في الخلفية واحفظ تقدمه. وبذلك يمكن للمستخدم العائد إعادة الاتصال بنفس التشغيل بدلاً من الدفع مقابل تشغيل جديد.

Supabase: قاعدة بيانات واحدة، والفخ الأمني بداخلها

يحتاج منتج AI SaaS إلى بيانات علائقية، وتسجيلات دخول المستخدمين، وبحث المتجهات من أجل الـ استرجاع، وفصل صارم بين العملاء. تشغيل خدمة منفصلة لكل منها يضيف فواتير شهرية وأخطاء في التكامل. يجمع Supabase الأربعة معاً في قاعدة بيانات PostgreSQL واحدة.

تتيح إضافة pgvector لـ مقاطع المستندات والـ تضمين الخاص بها التواجد بجوار جداول الحسابات والفواتير. لن تحتاج إلى قاعدة بيانات ثانية للحفاظ على المزامنة. في الإصدار الأول، توفر هذه البساطة أسابيع حقيقية من العمل.

عزل المستأجرين (Tenant isolation) هو المطلب الذي يحسم صفقات الشركات (enterprise). يجب ألا يقوم وكيل العميل "أ" بـ استرجاع عقود العميل "ب" أبداً. تسريب واحد يمكن أن يخرق العقد. كما يمكن أن يخلق التزامات قانونية، اعتماداً على ماهية البيانات ومكان وجودها. من الأمثلة على ذلك HIPAA في الولايات المتحدة و PDPL في المملكة العربية السعودية.

أمان مستوى الصف (RLS) في PostgreSQL هو الأداة القياسية لذلك. تكتب سياسة تنص على أنه لا يجوز للمستخدم قراءة سوى الصفوف التي تنتمي إلى مؤسسته. ثم تفرض قاعدة البيانات هذه القاعدة على كل استعلام. توثق Supabase الـ RLS كقواعد تفويض دقيقة تعمل داخل قاعدة البيانات نفسها.

هنا يكمن الفخ. يحميك RLS فقط إذا تم تشغيل الاستعلام بصلاحيات المستخدم. يمنحك Supabase مفتاح service-role يتجاوز RLS تماماً. غالباً ما يضع مطورو الواجهة الخلفية هذا المفتاح في FastAPI لأنه يعمل ببساطة. عندما يحدث ذلك، يمكن لكل بحث متجهات من محرك الذكاء الاصطناعي قراءة بيانات كل مستأجر. إذا نسي المهندس وضع فلتر، فلن تكتشف قاعدة البيانات ذلك.

لديك خياران صحيحان.

  • ▸تمرير هوية المستخدم. يمرر Next.js رمز الوصول (access token) الخاص بـ Supabase للمستخدم المسجل (وهو JWT، رمز تسجيل الدخول الموقع) إلى FastAPI. ثم يقوم FastAPI بالاستعلام من Supabase باستخدام مفتاح anon العام بالإضافة إلى ذلك الرمز، وبذلك يتم تطبيق RLS كما هو مقصود.
  • ▸فرض فلاتر المستأجر في الكود. إذا كان لابد للواجهة الخلفية من استخدام مفتاح service-role، على سبيل المثال في مهام الخلفية، فإن كل استعلام يتطلب معرف المستأجر (tenant ID). تعيش هذه القاعدة في طبقة وصول للبيانات مشتركة، وتثبت الاختبارات أنه لا يمكن تجاوزها.

أقوى التصاميم تستخدم كلا الطريقتين. انتبه لتفصيل آخر أيضاً. عادة ما يتم تشغيل بحث المتجهات في Supabase من خلال دالة Postgres. إذا تم الإعلان عن هذه الدالة كـ SECURITY DEFINER، فإنها تعمل بامتيازات مالكها ويمكنها تجاوز سياسات المتصل. أعلن عنها كـ SECURITY INVOKER ما لم يكن لديك سبب محدد لعدم القيام بذلك.

NOTE

يتعامل pgvector مع فهرس HNSW (فهرس بحث تقريبي سريع) مع الإصدار الأول وما بعده بكفاءة. انقل المتجهات إلى محرك مخصص مثل Qdrant عندما تقيس مشكلة فعلية، مثل زمن الاستجابة في الاستعلامات المفلترة أو ضغط الذاكرة بسبب الفهرس. لا تنتقل بناءً على حد افتراضي مسبق. يغطي مقالنا RAG محلي على 6GB VRAM عمليات نشر Qdrant.

LangGraph: النموذج يحلل، وكودك يقرر

من حالات الفشل المألوفة ترك الـ وكيل يدور في حلقة مفرغة بمفرده. فهو يفكر، يختار أداة، يتصرف، ويكرر حتى يقرر أنه انتهى. في الحالات الاستثنائية، يمكن أن يدور في حلقة، أو يتوه، أو يستمر في استهلاك رصيد الـ API دون تحقيق أي نتيجة. هذا يمثل خطراً على الميزانية، وليس مجرد إزعاج هندسي.

ينمذج LangGraph سير العمل كآلة حالة (state machine). أنت تحدد الخطوات (nodes) وقواعد الانتقال بينها (edges). بالنسبة لمنتج مراجعة العقود، يبدو الأمر كالتالي:

  1. ▸خطوة استخراج تسحب البنود من المستند.
  2. ▸خطوة تحقق تفحصها مقابل مخطط ثابت.
  3. ▸الفحص الفاشل ينتقل إلى خطوة تصحيح، بحد أقصى ثلاث محاولات.
  4. ▸الفحص الناجح ينتقل إلى التنسيق.

لم يعد النموذج يتحكم في التدفق. بل يحلل داخل الحدود التي تضعها. تضع حدود إعادة المحاولة وحدود الخطوات سقفاً للتكلفة لكل تشغيل. يغطي مقالنا أنماط إنتاج LangGraph هذه الضمانات بمزيد من التعمق.

يوفر LangGraph أيضاً أداة حفظ نقاط مرجعية لـ Postgres، منشورة كحزمة langgraph-checkpoint-postgres. تقوم بحفظ حالة الرسم البياني في قاعدة بيانات Supabase الخاصة بك بعد كل خطوة، وهذا ما يجعل الموافقة البشرية عملية. يصيغ الـ وكيل بريداً إلكترونياً ويتوقف. ينتظر ساعات أو أيام حتى ينقر المستخدم على "موافقة" في لوحة التحكم، ثم يستأنف العمل من حيث توقف بالضبط. أين تنتمي شاشات الموافقة هذه، وما يجب أن يراه المراجع، هو موضوع لمقال مستقل. تتيح نفس النقاط المرجعية للمستخدم غير المتصل إعادة الانضمام إلى مهمة قيد التشغيل.

التسلسل في ثمانية أسابيع

الترتيب أهم من السرعة. لا يمكنك بناء الواجهة حتى تكون عقود الـ API مستقرة. ولا ينبغي لك بناء وكلاء حتى يكون نموذج البيانات آمناً. الجدول التالي يوضح التسلسل الذي نعمل به، مرحلة تلو الأخرى، مع النتيجة التي ستحصل عليها في نهاية كل مرحلة.

المرحلةالأسابيعالتركيز الهندسيما تحصل عليه في النهاية
الأساسيات1 إلى 2مخطط Supabase، سياسات RLS، المصادقة. تمرير JWT من Next.js إلى FastAPI. نشر الحاويات.منتج فارغ منشور: التسجيل يعمل، ويفشل اختبار آلي إذا تمكنت الواجهة الخلفية من قراءة صفوف مستأجر آخر.
محرك الذكاء الاصطناعي3 إلى 4آلة حالة LangGraph، تكاملات الأدوات، استيعاب المستندات والـ استرجاع في FastAPI.يعمل سير العمل الأساسي من البداية للنهاية عبر استدعاء API، مع حدود لإعادة المحاولة، وحالة محفوظة، ومجموعة اختبار أولى من المدخلات الحقيقية.
الواجهة5 إلى 6لوحة تحكم Next.js، بث SSE، شاشات الموافقة، إعادة الاتصال بالمهام قيد التشغيل.منتج قابل للاستخدام: يشاهد المستخدمون الـ وكيل وهو يعمل، ويوافقون على إجراءاته، وإغلاق علامة التبويب لا يضيع التشغيل.
الإنتاج7 إلى 8تتبع Langfuse، التكلفة لكل مستأجر، اختبارات التحميل على التشغيل المتزامن، إصلاح الحالات الاستثنائية.نظام جاهز للإطلاق مع تتبع لكل تشغيل، ورقم تكلفة لكل مستأجر، واختبار تحميل يمكنك عرضه للمشتري.

ثمانية أسابيع تناسب منتجاً أولياً مركزاً بسير عمل أساسي واحد. إذا أضفت المزيد من التكاملات، أو لغة ثانية، أو استضافة محلية، فستكبر الخطة. النطاق الثابت المتفق عليه كتابياً يوضح لك ذلك قبل الالتزام.

تكلفة التشغيل

افصل بين الاستضافة الثابتة واستخدام النموذج. فهما يتصرفان بشكل مختلف مع نمو منتجك.

الاستضافة الثابتة تظل صغيرة عند الإطلاق. بالأسعار المعلنة وقت كتابة هذا المقال، تبدأ خطة Supabase Pro من 25 دولاراً شهرياً بالإضافة إلى الاستخدام، وتبدأ خطة Vercel Pro من 20 دولاراً شهرياً. عادةً ما تكلف حاوية FastAPI صغيرة تعمل دائماً عشرات الدولارات شهرياً على المنصات القائمة على الاستخدام. تحقق من الأسعار الحالية قبل وضع ميزانيتك.

استخدام النموذج هو المحرك الأساسي للفاتورة. استخدم أرقامك الخاصة في هذه المعادلة.

</>View technical implementation · عرض التفاصيل التقنية
Monthly inference cost = tasks per month × steps per task
                         × (input tokens × input price + output tokens × output price) ÷ 1,000,000

الأسعار محسوبة لكل مليون توكن. مهما كانت النتيجة التي تعطيك إياها المعادلة، اعتبرها الحد الأدنى. الفواتير الحقيقية تكون أعلى. فالسياق المُسترجع ينمو، والخطوات الفاشلة تعاد، وعمليات التقييم تستهلك التوكنز، وبعض الخطوات تحتاج إلى نموذج أكبر. الفئات الصغيرة والسريعة من عائلات Claude و GPT و Gemini تتعامل مع التوجيه والاستخراج بشكل جيد. استخدم نماذج أكبر فقط في الخطوات التي تحتاج إليها. يحتوي مقال التحديث على مثال عملي لهذه المعادلة مع توضيح الحسابات.

رقم التكلفة الأهم هو التكلفة لكل مستأجر، ويُقاس من الأسبوع الأول لحركة المرور الحقيقية. يقوم Langfuse في طبقة FastAPI بتسجيل كل موجّه، واستدعاء للأدوات، و زمن الاستجابة، وعدد التوكنز. بدونه، لا يمكنك تسعير خططك بأي ثقة.

الأسئلة الشائعة

لماذا لا يتم تشغيل كل شيء في Node.js للحفاظ على فريق أصغر؟ لأن أدوات الذكاء الاصطناعي التي تحتاجها أكثر تصل إلى Python أولاً. يشمل ذلك التقييم، وتحليل المستندات، ومعالجة البيانات. الحفاظ على خدمة FastAPI منفصلة يكلف أقل بكثير من بناء وصيانة جسور لهذه المكتبات. خدمة Python صغيرة واحدة لا تزال تعني فريقاً صغيراً.

هل يحمي Supabase RLS بياناتنا إذا قامت الواجهة الخلفية للذكاء الاصطناعي بالاستعلام من قاعدة البيانات؟ فقط إذا قامت الواجهة الخلفية بالاستعلام بصلاحيات المستخدم. مفتاح service-role يتجاوز RLS تماماً. قم بتمرير JWT الخاص بالمستخدم إلى FastAPI واستعلم باستخدام مفتاح anon. أو، في الحالات التي لا مفر فيها من استخدام مفتاح الخدمة، اطلب معرف المستأجر في طبقة وصول للبيانات مشتركة واختبر ذلك.

كيف نتعامل مع مهام الـ وكيل التي تستغرق عدة دقائق؟ قم بتشغيل الرسم البياني كمهمة خلفية على حاوية مستمرة. احفظ نقطة مرجعية لكل خطوة في Postgres. قم ببث التقدم عبر SSE، مع رسائل نبض دورية حتى لا تسقط البروكسيات الاتصال الخامل. إذا انقطع اتصال المستخدم، يمكنه إعادة الاتصال بنفس التشغيل باستخدام المعرف الخاص به.

→ كيفية إضافة ميزة ذكاء اصطناعي إلى منتج SaaS الخاص بك دون إعادة بناء المنتج → توظيف شريك هندسة ذكاء اصطناعي كمؤسس غير تقني: ثلاثة أسئلة يجب طرحها → تسعير منتجات AI SaaS: الاشتراكات الثابتة، الدفع حسب الاستهلاك، أو الأرصدة الهجينة
بناء منتجات الذكاء الاصطناعي →
منتج ذكاء اصطناعي متكامل مع الحسابات والفواتير ومحرك الذكاء الاصطناعي، يُسلم ككود مصدري تمتلكه. تكلفة ثابتة من 20 ألف إلى 45 ألف دولار، في 8 إلى 10 أسابيع.

إذا كان لديك نموذج أولي بالفعل، قم بإجراء فحص واحد هذا الأسبوع. اكتشف أي مفتاح Supabase تستخدمه الواجهة الخلفية للذكاء الاصطناعي. إذا كان مفتاح service-role ولم يتم فرض فلتر المستأجر في الكود، فأصلح ذلك قبل أن تستقبل عميلاً آخر.

الخدمات ذات الصلة