Generative AI में Agents को समझना: एक Class और Instance परिभाषा

Generative AI और Large Language Models (LLMs) की दुनिया में, "agent" शब्द तेजी से महत्वपूर्ण होता जा रहा है। आज, 28 जुलाई, 2026 तक, दो प्रमुख मानक यह आकार दे रहे हैं कि हम AI सिस्टम में agents को कैसे समझते हैं और उन्हें लागू करते हैं। यह लेख विस्तार से बताएगा कि एक agent क्या है, यह कैसे काम करता है, और वर्तमान टेक परिदृश्य में यह क्यों महत्वपूर्ण है।

Agent क्या है?

AI के संदर्भ में एक agent ऐसा सिस्टम है जो टूल का उपयोग करके और अपने वातावरण के साथ इंटरैक्ट करके स्वायत्त रूप से कार्य कर सकता है। हालांकि, यह परिभाषित करना सीधा नहीं है कि वास्तव में agent किस चीज़ से बनता है। इस समझ का मार्गदर्शन करने के लिए दो प्रमुख प्रोटोकॉल उभरे हैं:

1. A2A (Agent-to-Agent) Protocol v1.0: Linux Foundation द्वारा विकसित यह मानक इस बात पर केंद्रित है कि agents एक-दूसरे के साथ कैसे संचार और एकीकृत होते हैं। यह एक agent के इंटरफेस को निर्दिष्ट करता है लेकिन यह परिभाषित नहीं करता है कि वास्तव में agent क्या है।
2. MCP (Model Context Protocol): आज अंतिम रूप दिया गया MCP यह रेखांकित करता है कि एक agent टूल का उपयोग कैसे करता है। यह एक agent के आंतरिक कामकाज का विवरण देता है लेकिन, A2A की तरह, स्वयं agent को परिभाषित नहीं करता है।

दोनों प्रोटोकॉल हमारी समझ में एक अंतर को उजागर करते हैं: दोनों में से कोई भी स्पष्ट रूप से परिभाषित नहीं करता है कि agent क्या है। इस लेख का उद्देश्य एक संरचित परिभाषा प्रदान करके उस अंतर को भरना है।

Agents को परिभाषित करने का ढांचा (Framework)

एक व्यापक परिभाषा बनाने के लिए, हम agents के बारे में दो भागों में सोच सकते हैं: class और instance। Class एक agent की परिभाषा का प्रतिनिधित्व करती है, जबकि instance उस class का एक विशिष्ट अहसास है।

Agent परिभाषा (Class)

एक agent की class में कई प्रमुख घटक शामिल हैं:

• Host Loop: यह वह मुख्य प्रक्रिया है जहाँ LLM (Large Language Model) कार्यों का निर्णय लेता है, परिणामों का अवलोकन करता है, और अपने कार्यों पर दोहराव करता है। इस loop के बिना, आपके पास केवल एक ऐसा चैटबॉट होता है जो टूल का उपयोग कर सकता है, एक वास्तविक agent नहीं।
• System Context: इसमें स्थिर तत्व जैसे कि persona और निर्देश शामिल हैं जो agent के व्यवहार का मार्गदर्शन करते हैं।
• MCP Server Set: यह परिभाषित करता है कि agent किन MCP सर्वर्स के साथ इंटरैक्ट कर सकता है।
• Capability Boundary/Tool Policy: यह उन शर्तों की रूपरेखा तैयार करता है जिनके तहत agent कुछ सर्वर्स और टूल का उपयोग कर सकता है।
• LLM: वह विशिष्ट मॉडल जिसे agent उपयोग करता है।
• Termination Limits: ये अधिकतम दोहराव (iterations) और टोकन बजट जैसी सीमाएं हैं जो agent के संचालन को नियंत्रित करती हैं।
• Task Contract: एक स्कीमा जो विवरण देता है कि agent किन इनपुट को स्वीकार करता है और उसे कौन से आउटपुट वापस करने होंगे।
• Context-Size Strategy: यह वर्णन करता है कि agent अपने संदर्भ आकार (context size) को कैसे प्रबंधित करता है, जिसमें compaction या top-x selection जैसी विधियाँ शामिल हैं।

Agent Instance (Object)

एक agent का instance निम्न द्वारा परिभाषित होता है:

• Goal: उपयोगकर्ता द्वारा शुरू किया गया विशिष्ट कार्य या प्रश्न (query)।
• Working Context Window: इसमें वर्तमान कार्य से संबंधित टूल के परिणाम और बातचीत का इतिहास शामिल है।
• Credentials: प्रमाणीकरण विवरण, जैसे कि OAuth टोकन, जो उपयोगकर्ता की पहचान का प्रतिनिधित्व करते हैं।
• Consumed Budget: मेट्रिक्स जो कार्य के दौरान उपयोग किए गए बीचे हुए दोहराव (elapsed iterations) और टोकन को ट्रैक करते हैं।

2026 MCP Specification

नया MCP specification महत्वपूर्ण बदलाव पेश करता है, विशेष रूप से यह कि state को कैसे प्रबंधित किया जाता है। पहले, सर्वर सत्रों (sessions) को याद रखते थे, लेकिन अब, प्रत्येक कॉल stateless है। इसका मतलब है कि सभी आवश्यक जानकारी स्पष्ट हैंडल के साथ यात्रा करती है जिन्हें मॉडल देख सकता है।

यह बदलाव इस बात को प्रभावित करता है कि हम working context window को कैसे परिभाषित करते हैं। Instance state में अब goal, context, handles, credentials और consumed budget शामिल हैं। परिणामस्वरूप, एक agent को एक serializable मान के रूप में माना जा सकता है, जिससे इसे अलग-अलग प्रक्रियाओं में निलंबित (suspended), सहेजा (persisted), और फिर से शुरू (resumed) किया जा सकता है।

निष्कर्ष

यह समझना कि agent क्या है और यह कैसे काम करता है, AI के तेजी से विकसित हो रहे क्षेत्र में महत्वपूर्ण है। Agent की class और instance के बीच अंतर करके, डेवलपर्स अधिक प्रभावी और अनुकूलनीय AI सिस्टम बना सकते हैं।

गुण

• AI में agents को परिभाषित करने के लिए स्पष्ट ढांचा।
• विभिन्न AI सिस्टम के बीच अंतर-संचालनीयता (interoperability) की सुविधा प्रदान करता है।
• मजबूत agent आर्किटेक्चर के विकास का समर्थन करता है।

दोष

• वर्तमान परिभाषाएं सभी वास्तविक दुनिया के परिदृश्यों को कवर नहीं कर सकती हैं।
• विभिन्न प्लेटफार्मों और उपयोग के मामलों में कार्यान्वयन भिन्न हो सकता है।

सावधानी

यह लेख शैक्षिक उद्देश्यों के लिए है। उल्लिखित किसी भी प्लेसहोल्डर मान को व्यवहार में वास्तविक डेटा से बदला जाना चाहिए। पाठकों को उन पर निर्भर रहने से पहले मूल स्रोत के खिलाफ दावों को सत्यापित करना चाहिए।

अक्सर पूछे जाने वाले प्रश्न

• AI में agent क्या है? — एक agent ऐसा सिस्टम है जो टूल का उपयोग करके और अपने वातावरण के साथ इंटरैक्ट करके स्वायत्त रूप से कार्य कर सकता है।
• A2A और MCP प्रोटोकॉल क्या हैं? — A2A परिभाषित करता है कि agents कैसे संचार करते हैं, जबकि MCP यह रेखांकित करता है कि वे टूल का उपयोग कैसे करते हैं, लेकिन दोनों में से कोई भी यह परिभाषित नहीं करता कि agent क्या है।
• एक agent में host loop क्या है? — Host loop वह मुख्य प्रक्रिया है जहाँ LLM कार्यों का निर्णय लेता है और कार्यों पर दोहराव करता है।
• 2026 MCP specification का क्या महत्व है? — यह agent सहभागिता (interactions) को प्रबंधित करने के लिए एक stateless मॉडल पेश करता है, जो इस बात को प्रभावित करता है कि agents context को कैसे बनाए रखते हैं।
• Agents context size को कैसे प्रबंधित करते हैं? — Agents अपने context size को प्रभावी ढंग से प्रबंधित करने के लिए compaction या top-x selection जैसी रणनीतियों का उपयोग करते हैं।
• क्या agents को serialize किया जा सकता है? — हाँ, नया MCP spec agents को serializable मानों के रूप में मानने की अनुमति देता है, जिससे आसान persistence और resumption संभव होता है।

टैग

#agents #ai #mcp