ai-agents-for-beginners

(इस पाठ के लिए वीडियो देखने के लिए ऊपर की छवि पर क्लिक करें)

AI एजेंट्स और एजेंट उपयोग के मामलों का परिचय

AI एजेंट्स फॉर बिगिनर्स कोर्स में आपका स्वागत है! यह कोर्स आपको बुनियादी ज्ञान — और वास्तविक कार्यशील कोड — प्रदान करता है ताकि आप शून्य से AI एजेंट्स बनाना शुरू कर सकें।

Azure AI डिस्कॉर्ड कम्युनिटी में आएं — यह सीखने वालों और AI बिल्डर्स से भरा हुआ है जो खुशी से आपके सवालों का जवाब देते हैं।

बिल्डिंग में कूदने से पहले, आइए सुनिश्चित करें कि हम वास्तव में समझते हैं कि AI एजेंट क्या है और इसे कब उपयोग करना समझदारी होती है।

---

परिचय

यह पाठ निम्नलिखित को कवर करता है:

• AI एजेंट्स क्या हैं, और उनके विभिन्न प्रकार क्या हैं
• कौन से कार्य AI एजेंट्स के लिए सबसे उपयुक्त हैं
• एजेंटिक समाधान डिजाइन करते समय उपयोग किए जाने वाले मुख्य निर्माण खंड

सीखने के लक्ष्य

इस पाठ के अंत तक, आपको सक्षम होना चाहिए:

• समझाएं कि AI एजेंट क्या है और यह सामान्य AI समाधान से कैसे अलग है
• जानें कि कब AI एजेंट का उपयोग करना चाहिए (और कब नहीं)
• किसी वास्तविक दुनिया की समस्या के लिए एक बुनियादी एजेंटिक समाधान डिजाइन तैयार करें

---

AI एजेंट्स की परिभाषा और AI एजेंट्स के प्रकार

AI एजेंट्स क्या हैं?

इसे समझने का एक सरल तरीका यह है:

AI एजेंट्स ऐसे सिस्टम हैं जो बड़े भाषा मॉडल (LLMs) को वास्तव में काम करने देते हैं — उन्हें केवल प्रॉम्प्ट के जवाब में सीमित रखने के बजाय, दुनिया पर काम करने के लिए टूल्स और ज्ञान प्रदान करते हैं।

चलो इसे थोड़ा खोलते हैं:

• सिस्टम — एक AI एजेंट केवल एक चीज़ नहीं होता। यह कई हिस्सों का एक समूह होता है जो इकट्ठा काम करते हैं। मूल रूप से, हर एजेंट के तीन भाग होते हैं:
  • पर्यावरण — वह जगह जहाँ एजेंट काम करता है। जैसे एक ट्रैवल बुकिंग एजेंट के लिए यह बुकिंग प्लेटफार्म होता है।
  • सेंसर — एजेंट अपने पर्यावरण की वर्तमान स्थिति को कैसे पढ़ता है। हमारा ट्रैवल एजेंट होटल की उपलब्धता या फ्लाइट के दाम देख सकता है।
  • एक्चुएटर — एजेंट क्रिया कैसे करता है। ट्रैवल एजेंट रूम बुक कर सकता है, पुष्टि भेज सकता है, या आरक्षण रद्द कर सकता है।

• बड़े भाषा मॉडल — एजेंट्स LLMs से पहले भी मौजूद थे, लेकिन LLMs आधुनिक एजेंट्स को इतना शक्तिशाली बनाते हैं। वे प्राकृतिक भाषा समझ सकते हैं, संदर्भ के बारे में तर्क कर सकते हैं, और अस्पष्ट उपयोगकर्ता अनुरोध को ठोस कार्य योजना में बदल सकते हैं।

• क्रियाएं करना — एजेंट सिस्टम के बिना, एक LLM केवल टेक्स्ट उत्पन्न करता है। एजेंट सिस्टम के अंदर, LLM वास्तव में चरणों को निष्पादित कर सकता है — डेटाबेस में खोज कर सकता है, API कॉल कर सकता है, संदेश भेज सकता है।

• टूल्स तक पहुंच — एजेंट किन टूल्स का उपयोग कर सकता है, यह (1) उस पर्यावरण पर निर्भर करता है जिसमें वह चलता है और (2) डेवलपर ने उसे क्या दिया है। ट्रैवल एजेंट उड़ानों की खोज कर सकता है लेकिन ग्राहक रिकॉर्ड संपादित नहीं कर सकता — यह सब इस पर निर्भर करता है कि आपने क्या जोड़ा है।

• मेमोरी + ज्ञान — एजेंट्स के पास अल्पकालिक मेमोरी (वर्तमान बातचीत) और दीर्घकालिक मेमोरी (ग्राहक डेटाबेस, पिछली बातचीत) हो सकती है। ट्रैवल एजेंट “याद रख सकता है” कि आपको विंडो सीट पसंद है।

---

AI एजेंट्स के विभिन्न प्रकार

सभी एजेंट्स एक जैसे नहीं बनाए जाते। यहां मुख्य प्रकारों का विवरण एक ट्रैवल बुकिंग एजेंट के उदाहरण के साथ दिया गया है:

एजेंट प्रकार	यह क्या करता है	ट्रैवल एजेंट उदाहरण
सिंपल रिफ्लेक्स एजेंट्स	हार्ड-कोडेड नियमों का पालन करते हैं — मेमोरी या योजना नहीं।	शिकायत ईमेल देखता है → इसे ग्राहक सेवा को फॉरवर्ड करता है। बस इतना ही।
मॉडल-बेस्ड रिफ्लेक्स एजेंट्स	दुनिया का एक आंतरिक मॉडल रखता है और जैसे-जैसे बदलाव होते हैं इसे अपडेट करता है।	ऐतिहासिक फ्लाइट दामों को ट्रैक करता है और ऐसे रूट को चिन्हित करता है जो अचानक महंगे हो जाएं।
गोल-बेस्ड एजेंट्स	एक लक्ष्य दिमाग में रखता है और इसे हासिल करने के लिए कदम दर कदम रास्ता निकालता है।	आपकी वर्तमान लोकेशन से शुरू कर पूरी यात्रा (फ्लाइट, कार, होटल) बुक करता है ताकि आप गंतव्य तक पहुंच सकें।
यूटिलिटी-बेस्ड एजेंट्स	केवल कोई एक समाधान नहीं खोजता — व्यापारिक तौल-तौल कर सबसे अच्छा समाधान खोजता है।	खर्च और सुविधा के बीच संतुलन बनाकर आपकी प्राथमिकताओं के लिए सबसे अच्छा ट्रिप ढूंढता है।
लर्निंग एजेंट्स	समय के साथ फीडबैक से सीखकर बेहतर होता है।	ट्रिप के बाद सर्वे परिणामों के आधार पर भविष्य की बुकिंग सिफारिशों को समायोजित करता है।
हायारार्किकल एजेंट्स	एक उच्च स्तरीय एजेंट कार्य को उपकार्य में विभाजित करता है और निम्नस्तरीय एजेंट्स को सौंपता है।	“ट्रिप रद्द करें” अनुरोध उड़ान, होटल, कार किराया रद्द करने में विभाजित होता है — प्रत्येक को एक उप-एजेंट संभालता है।
मल्टी-एजेंट सिस्टम्स (MAS)	एक साथ काम करने वाले (या प्रतिस्पर्धा करने वाले) कई स्वतंत्र एजेंट्स।	सहयोगात्मक: अलग-अलग एजेंट्स होटल, फ्लाइट, और मनोरंजन संभालते हैं। प्रतिस्पर्धात्मक: कई एजेंट्स होटल के कमरे सबसे अच्छी कीमत पर भरने के लिए प्रतिस्पर्धा करते हैं।

---

AI एजेंट कब उपयोग करें

केवल इसलिए कि आप AI एजेंट का उपयोग कर सकते हैं, इसका मतलब यह नहीं कि आपको हमेशा करना चाहिए। यहां वे परिदृश्य हैं जहाँ एजेंट्स वास्तव में शानदार होते हैं:

• खुले अंत वाले समस्याएं — जब समस्या को हल करने के कदम पूर्व-प्रोग्राम नहीं किए जा सकते। आपको LLM को डायनेमिक रूप से रास्ता निकालना होता है।
• मल्टी-स्टेप प्रक्रियाएं — ऐसे कार्य जिन्हें कई बार टूल्स के उपयोग की जरूरत होती है, केवल एक बार खोज या उत्पादन नहीं।
• समय के साथ सुधार — जब आप चाहते हैं कि सिस्टम उपयोगकर्ता फीडबैक या पर्यावरणीय संकेतों के आधार पर ज्यादा स्मार्ट बने।

हम कोर्स के बाद के विश्वसनीय AI एजेंट बनाना पाठ में और गहराई से बात करेंगे कि कब (और कब नहीं) AI एजेंट्स का उपयोग करना चाहिए।

---

एजेंटिक समाधानों के मूल तत्व

एजेंट डेवलपमेंट

एजेंट बनाते समय सबसे पहले आप यह परिभाषित करते हैं कि यह क्या कर सकता है — इसके टूल्स, क्रियाएं और व्यवहार।

इस कोर्स में, हम मुख्य प्लेटफ़ॉर्म के रूप में Azure AI Agent Service का उपयोग करते हैं। यह समर्थन करता है:

• OpenAI, Mistral, और Meta (Llama) जैसे प्रदाताओं के मॉडल
• Tripadvisor जैसे प्रदाताओं से लाइसेंस प्राप्त डेटा
• मानकीकृत OpenAPI 3.0 टूल परिभाषाएं

एजेंटिक पैटर्न्स

आप LLMs से प्रॉम्प्ट के जरिए संवाद करते हैं। एजेंट्स के साथ, आप हमेशा हर प्रॉम्प्ट को मैन्युअल रूप से तैयार नहीं कर सकते — एजेंट को कई चरणों में कार्रवाई करनी होती है। यहां एजेंटिक पैटर्न्स काम आते हैं। वे प्रॉम्प्टिंग और LLMs को ओरकेस्ट्रेट करने के लिए पुन: उपयोग योग्य रणनीतियां हैं जो अधिक स्केलेबल और विश्वसनीय होती हैं।

यह कोर्स सबसे सामान्य और उपयोगी एजेंटिक पैटर्न्स के इर्द-गिर्द संरचित है।

एजेंटिक फ्रेमवर्क्स

एजेंटिक फ्रेमवर्क्स डेवलपर्स को तैयार टेम्प्लेट्स, टूल्स, और अवसंरचना प्रदान करते हैं ताकि एजेंट्स बनाना आसान हो जाए। ये करने में मदद करते हैं:

• टूल्स और क्षमताओं को जोड़ना
• एजेंट क्या कर रहा है उसे देखना (और जब कुछ गलत हो तो डीबग करना)
• कई एजेंट्स के बीच सहयोग करना

इस कोर्स में, हम उत्पादन-तैयार एजेंट बनाने के लिए Microsoft Agent Framework (MAF) पर ध्यान केंद्रित करते हैं।

---

कोड नमूने

इसे क्रियान्वित होते देखना चाहते हैं? इस पाठ के लिए कोड नमूने यहां हैं:

• 🐍 Python: Agent Framework
• 🔷 .NET: Agent Framework

---

सवाल हैं?

Microsoft Foundry Discord में शामिल हों ताकि आप अन्य सीखने वालों से जुड़ सकें, ऑफिस आवर्स अटेंड कर सकें, और कम्युनिटी से अपने AI एजेंट सवालों के जवाब पा सकें।

---

पिछला पाठ

Course Setup

अगला पाठ

Exploring Agentic Frameworks

---

अस्वीकरण: इस दस्तावेज़ का अनुवाद AI अनुवाद सेवा Co-op Translator का उपयोग करके किया गया है। जबकि हम सटीकता के लिए प्रयास करते हैं, कृपया ध्यान दें कि स्वचालित अनुवादों में त्रुटियाँ या अशुद्धियाँ हो सकती हैं। मूल दस्तावेज़ अपनी मूल भाषा में ही प्रामाणिक स्रोत माना जाना चाहिए। महत्वपूर्ण जानकारी के लिए, पेशेवर मानव अनुवाद की सिफारिश की जाती है। इस अनुवाद के उपयोग से उत्पन्न किसी भी गलतफहमी या गलत व्याख्या के लिए हम उत्तरदायी नहीं हैं।

This site is open source. Improve this page.