آخرین ویرایش شهریور ۲۹, ۱۴۰۵ حامد کوه فلاح

Dograh AI چیست؟ معرفی یک Voice Agent متن‌باز برای Asterisk و سیستم‌های تلفنی

اگر با Asterisk، Issabel، FreePBX یا سیستم‌های تلفنی سازمانی کار می‌کنید، احتمالاً متوجه شده‌اید که آینده سیستم‌های تلفنی فقط به SIP، IVR و Dialplan محدود نمی‌شود.

نسل جدید سیستم‌های تلفنی می‌تواند با مشتری مکالمه واقعی داشته باشد، منظور او را بفهمد، اطلاعات را از CRM دریافت کند، یک API را اجرا کند و در صورت نیاز تماس را به اپراتور منتقل کند.

اینجاست که Voice AI Agent وارد معماری VoIP می‌شود.

در اولین مقاله از مجموعه «Voice AI Agentهای متن‌باز» سراغ Dograh AI می‌رویم؛ یک پلتفرم Open Source و Self-hosted که برای ساخت، مدیریت و اجرای Voice Agent طراحی شده و Telephony و Asterisk را نیز در معماری خود دارد.

هدف این مقاله نصب Dograh نیست. می‌خواهیم بفهمیم Dograh چیست، چگونه کار می‌کند، چه چیزی به یک مهندس VoIP اضافه می‌کند و آیا ارزش دارد آن را وارد جعبه‌ابزار فنی خود کنیم یا نه.

اطلاعات سریع Dograh AI

Dograh تحت مجوز BSD 2-Clause منتشر شده و Repository اصلی آن عمومی است.

لینک‌های رسمی:

• وب‌سایت: Dograh AI
• GitHub: Dograh روی GitHub
• مستندات: Dograh Documentation
• Releases: Dograh Releases
• Discussions: Dograh Discussions

۱. Dograh AI چیست؟

Dograh را می‌توان یک زیرساخت برای ساخت Voice AI Agent دانست.

در یک Voice Agent معمولی چند جزء باید با یکدیگر کار کنند:

صدای کاربر → Speech-to-Text → مدل زبانی → Text-to-Speech → صدای پاسخ

اما در یک پروژه تلفنی واقعی، مسئله بزرگ‌تر است.

سیستم باید بتواند تماس را دریافت کند، Agent مناسب را اجرا کند، اطلاعات مشتری را بخواند، API صدا بزند، Workflow را دنبال کند، تماس را منتقل کند و نتیجه مکالمه را ثبت کند.

Dograh تلاش می‌کند این اجزا را در یک پلتفرم واحد قرار دهد؛ با Visual Workflow Builder، Telephony، ابزارها، API، Knowledge Base و پشتیبانی از Providerهای مختلف AI.

۲. چرا Dograh برای مهندس VoIP مهم است؟

نکته جذاب Dograh برای یک مهندس VoIP این نیست که «یک Chatbot صوتی دیگر» ساخته شده است.

موضوع مهم‌تر این است که Voice AI می‌تواند به زیرساخت تلفنی موجود اضافه شود.

در معماری سنتی:

Caller → IVR → Dialplan → Queue → Agent

در معماری جدید می‌توانیم داشته باشیم:

Caller → PBX → AI Voice Agent → تصمیم‌گیری → API / CRM / Human Agent

در نتیجه Asterisk یا Issabel همچنان می‌تواند نقش PBX و Telephony Layer را داشته باشد و Voice AI به‌عنوان یک لایه هوشمند در کنار آن قرار بگیرد.

Dograh نیز خود را یک زیرساخت Open Source و Self-hostable معرفی می‌کند که می‌تواند روی سرور یا VPC خود سازمان اجرا شود و مدل‌ها و سرویس‌های موردنظر را به آن متصل کرد.

برای مهندس VoIP، این یعنی یک مسیر جدید برای توسعه سیستم‌های تلفنی بدون کنار گذاشتن دانش فعلی Asterisk و SIP.

۳. معماری Dograh چگونه است؟

به‌صورت ساده، Dograh در وسط چند لایه قرار می‌گیرد:

کانال ارتباطی → Dograh → سرویس‌های AI → سیستم‌های کسب‌وکار

در سمت Voice می‌توان از Telephony یا WebRTC استفاده کرد و در سمت AI می‌توان STT، LLM و TTS یا مدل‌های Speech-to-Speech را قرار داد.

در کنار این‌ها، Workflow و Tools منطق Agent را کنترل می‌کنند.

یکی از نکات جالب Dograh این است که مجبور نیستیم یک Pipeline ثابت داشته باشیم.

در حالت Cascade:

STT → LLM → TTS

و در معماری Speech-to-Speech، ورودی و خروجی صوتی می‌تواند مستقیماً توسط مدل‌های Real-time پردازش شود. سایت رسمی Dograh هر دو رویکرد را معرفی می‌کند.

۴. قابلیت‌های کلیدی

Voice AI

• Speech-to-Text
• Text-to-Speech
• Speech-to-Speech
• Real-time conversation
• Interrupt / Turn handling
• پشتیبانی از Providerهای مختلف

Agent

• Visual Workflow Builder
• Tools
• Function Calling
• Knowledge Base
• Webhooks
• Multi-agent flows

Integration

• Telephony
• Asterisk ARI
• WebRTC
• API
• CRM
• MCP

Deployment

• Self-hosted
• Docker
• Cloud
• Private Cloud
• امکان استفاده از مدل‌های Local

Repository رسمی Dograh نیز Python Backend، معماری Provider-based و SDKهای Python و Node را ارائه می‌کند.

۵. ارتباط Dograh با Asterisk و Issabel

این قسمت برای ما مهم‌ترین بخش مقاله است.

Dograh از Asterisk ARI برای ارتباط با Asterisk پشتیبانی می‌کند و این قابلیت در توسعه‌های اخیر پروژه وارد شده است. Changelog رسمی پروژه اضافه شدن Asterisk ARI WebSocket را از نسخه ۱.۱۵ و بهبودهای بعدی برای اتصال Cloud و Self-hosted نشان می‌دهد.

در نتیجه می‌توان معماری‌ای شبیه این را تصور کرد:

SIP Phone / Trunk

↓

Asterisk / Issabel

↓

ARI / WebSocket

↓

Dograh Voice Agent

↓

STT / LLM / TTS

↓

CRM / API / Database / Human Agent

نکته مهم این است که Dograh لزوماً جایگزین Asterisk نیست.

برای یک مهندس VoIP می‌توان به آن به‌عنوان AI Layer نگاه کرد که در کنار PBX قرار می‌گیرد.

جزئیات نصب، تنظیم ARI، Dialplan و اتصال عملی Dograh به Issabel را در مقاله آموزشی جداگانه بررسی خواهیم کرد.

۶. با Dograh چه می‌توان ساخت؟

منشی تلفنی هوشمند

به جای اینکه تماس‌گیرنده مجبور باشد از بین گزینه‌های IVR انتخاب کند، می‌تواند درخواست خود را با زبان طبیعی بیان کند.

پشتیبانی تلفنی

Agent می‌تواند سؤال مشتری را دریافت کند، از Knowledge Base اطلاعات لازم را پیدا کند و در صورت نیاز تماس را به اپراتور منتقل کند.

تماس خروجی

برای Campaignهای Outbound می‌توان Agent را به فرآیند تماس و سیستم‌های CRM متصل کرد.

فروش تلفنی

Agent می‌تواند اطلاعات مشتری را دریافت کند، شرایط محصول را توضیح دهد و اطلاعات Lead را در CRM ثبت کند.

Call Center Hybrid

یکی از سناریوهای جذاب این است که AI جایگزین کامل اپراتور نباشد.

مثلاً:

AI → حل مشکل

یا:

AI → تشخیص نیاز → انتقال به اپراتور مناسب

این مدل برای بسیاری از Call Centerها عملی‌تر از تلاش برای حذف کامل اپراتور انسانی است.

۷. نقاط قوت و محدودیت‌ها

نقاط قوت

Open Source

کد پروژه عمومی است و تحت BSD ۲-Clause منتشر شده است.

Self-hosted

می‌توان زیرساخت را روی سرور یا محیط خصوصی سازمان اجرا کرد.

Workflow Builder

برای طراحی منطق مکالمه یک محیط بصری در اختیار توسعه‌دهنده قرار می‌دهد.

انعطاف در AI Stack

می‌توان Providerها و مدل‌های مختلف STT، LLM و TTS را انتخاب کرد و پروژه برای استفاده از مدل‌های Local نیز طراحی شده است.

Telephony

تمرکز Dograh فقط روی Web نیست و Telephony بخش مهمی از معماری آن است.

MCP

Dograh قابلیت‌های MCP را نیز وارد Workflow توسعه Agent کرده است.

محدودیت‌ها

Dograh پروژه‌ای فعال و در حال توسعه است؛ بنابراین برای استفاده Production باید نسخه، Providerها، Latency، پایداری Telephony، Security و Scaling را متناسب با پروژه واقعی تست کرد.

این نکته مخصوصاً برای سیستم‌های تلفنی مهم است؛ چون کیفیت یک Voice Agent فقط به LLM وابسته نیست و کل زنجیره Telephony + Audio + STT + LLM + TTS روی تجربه تماس اثر می‌گذارد.

۸. وضعیت پروژه و Community

Dograh در حال حاضر یک پروژه فعال است و Repository آن همچنان به‌صورت مستمر توسعه پیدا می‌کند.

در زمان بررسی این مقاله، مخزن رسمی حدود ۵.7K Star، ۱.4K Fork و ۵۰ Contributor داشت و آخرین فعالیت Repository مربوط به سپتامبر ۲۰۲۶ بود.

Releaseهای اخیر نیز نشان می‌دهند که پروژه فقط روی رابط کاربری متمرکز نیست و بخش‌هایی مانند:

• Asterisk ARI
• SIP
• Telephony
• Speech-to-Speech
• Providerهای جدید
• Call Transfer
• MCP
• Deployment

در حال توسعه هستند.

Community رسمی پروژه نیز GitHub Discussions و Slack را به‌عنوان مسیرهای مشارکت و پشتیبانی معرفی می‌کند.

این برای ما مهم است، چون در انتخاب یک پروژه Open Source فقط تعداد Star مهم نیست؛ فعال بودن توسعه و امکان پیدا کردن پاسخ برای مشکلات فنی اهمیت بیشتری دارد.

۹. آیا Dograh برای پروژه واقعی مناسب است؟

از نظر معماری، Dograh چند ویژگی مهم برای پروژه واقعی دارد:

• Open Source
• Self-hosted
• Telephony
• Asterisk Integration
• Workflow
• API
• Providerهای قابل انتخاب
• امکان استفاده از مدل‌های Local
• قابلیت اتصال به سیستم‌های خارجی

بنابراین برای یک مهندس Asterisk/Issabel می‌توان این معماری را در نظر گرفت:

Telephony Layer

Asterisk / Issabel

↓

AI Layer

Dograh

↓

AI Services

STT / LLM / TTS / Speech-to-Speech

↓

Business Layer

CRM / API / Database / Knowledge Base

این مدل باعث می‌شود تخصص فعلی مهندس VoIP همچنان ارزش داشته باشد؛ اما یک لایه جدید به آن اضافه شود:

VoIP Engineer → Voice AI Engineer

۱۰. جمع‌بندی

Dograh را می‌توان یکی از پروژه‌های قابل توجه در نسل جدید Open Source Voice AI دانست.

برای مخاطب عمومی، جذابیت آن در ساخت Voice Agent با Workflow بصری و بدون وابستگی کامل به یک سرویس SaaS است.

اما برای یک مهندس VoIP، قسمت مهم‌تر جای دیگری است:

Dograh می‌تواند در کنار Asterisk و Issabel قرار بگیرد و لایه هوشمند مکالمه را به سیستم تلفنی اضافه کند.

این یعنی به جای اینکه فقط یک IVR طراحی کنیم، می‌توانیم سیستم‌هایی بسازیم که:

• صحبت مشتری را بفهمند،
• اطلاعات را از سیستم‌های دیگر دریافت کنند،
• تصمیم بگیرند،
• API اجرا کنند،
• تماس را منتقل کنند،
• و نتیجه مکالمه را در سیستم سازمان ثبت کنند.

به همین دلیل Dograh نقطه شروع مناسبی برای ورود یک مهندس VoIP به دنیای AI Voice Agent است.

اما این فقط شروع مسیر است.

در مقاله بعدی این مجموعه سراغ Pipecat می‌رویم؛ پروژه‌ای با رویکرد متفاوت که بیشتر به‌عنوان یک Framework برای ساخت Pipelineهای Real-time Voice AI شناخته می‌شود.

لینک‌های رسمی پروژه

وب‌سایت: Dograh AI

GitHub: dograh-hq/dograh

Documentation: Dograh Docs

GitHub Discussions: Dograh Discussions

Releases: Dograh Releases