ai-agents-for-beginners

(इस पाठ के वीडियो को देखने के लिए ऊपर दी गई छवि पर क्लिक करें)

AI एजेंट्स और एजेंट उपयोग मामलों का परिचय

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

आकर Azure AI Discord Community में नमस्ते कहें — यह सीखने वालों और AI निर्माताओं से भरा है जो प्रश्नों का उत्तर देने के लिए खुश हैं।

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

---

परिचय

यह पाठ कवर करता है:

• AI एजेंट्स क्या हैं, और उनके विभिन्न प्रकार क्या हैं
• किन प्रकार के कार्यों के लिए AI एजेंट सबसे उपयुक्त होते हैं
• एक एजेंटिक समाधान डिज़ाइन करते समय आप जिन मुख्य बिल्डिंग ब्लॉक्स का उपयोग करेंगे

सीखने के लक्ष्य

इस पाठ के अंत तक, आप सक्षम होंगे:

• बताएं कि AI एजेंट क्या है और यह सामान्य AI समाधान से कैसे अलग है
• जानें कि कब AI एजेंट को अपनाना चाहिए (और कब नहीं)
• वास्तविक दुनिया की समस्या के लिए एक बुनियादी एजेंटिक समाधान डिज़ाइन की रूपरेखा बनाएं

---

AI एजेंट्स की परिभाषा और प्रकार

AI एजेंट्स क्या हैं?

इसे समझने का एक सरल तरीका है:

AI एजेंट सिस्टम होते हैं जो बड़ी भाषा मॉडल्स (LLMs) को वास्तव में काम करने देते हैं — उन्हें सिर्फ प्रॉम्प्ट का जवाब देने के बजाय दुनिया पर कार्य करने के लिए उपकरण और ज्ञान देते हैं।

इसे थोड़ा खोलकर देखें:

• सिस्टम — एक AI एजेंट केवल एक चीज़ नहीं है। यह भागों का संग्रह है जो साथ मिलकर काम करते हैं। हर एजेंट के मूल में तीन हिस्से होते हैं:
  • पर्यावरण — वह स्थान जिसमें एजेंट काम करता है। उदाहरण के लिए, एक ट्रैवल बुकिंग एजेंट के लिए यह बुकिंग प्लेटफ़ॉर्म ही होगा।
  • सेंसर — एजेंट अपने पर्यावरण की वर्तमान स्थिति को पढ़ने का तरीका। हमारा ट्रैवल एजेंट होटल उपलब्धता या उड़ान की कीमतें देख सकता है।
  • एक्चुएटर्स — एजेंट कैसे कार्रवाई करता है। ट्रैवल एजेंट कमरे की बुकिंग कर सकता है, पुष्टि भेज सकता है, या आरक्षण रद्द कर सकता है।

• बड़ी भाषा मॉडल्स — एजेंट्स LLMs से पहले भी थे, लेकिन LLMs ही 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 एक ठोस कार्य योजना में बदल सकते हैं।

• कार्रवाई करें — एजेंट सिस्टम के बिना, एक LLM केवल टेक्स्ट जनरेट करता है। एजेंट सिस्टम के अंदर, LLM वास्तव में कदम उठा सकता है — डेटाबेस खोज सकता है, API कॉल कर सकता है, संदेश भेज सकता है।

• उपकरणों तक पहुंच — एजेंट किन उपकरणों का उपयोग कर सकता है यह इस पर निर्भर करता है (1) वह वातावरण जिसमें यह चलता है और (2) डेवलपर ने इसे क्या दिया है। एक ट्रैवल एजेंट उड़ानें खोज सकता है लेकिन ग्राहक रिकॉर्ड संपादित नहीं कर सकता — यह सब इस बात पर निर्भर करता है कि आपने क्या कनेक्ट किया है।

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

---

AI एजेंट्स के विभिन्न प्रकार

सभी एजेंट्स समान नहीं बनाये जाते। यहाँ मुख्य प्रकारों का एक विवरण है, जिसमें ट्रैवल बुकिंग एजेंट उदाहरण के रूप में दिया गया है:

एजेंट प्रकार	यह क्या करता है	ट्रैवल एजेंट उदाहरण
सरल रिफ्लेक्स एजेंट	हार्ड-कोडेड नियमों का पालन करता है — कोई मेमोरी या योजना नहीं।	शिकायत ईमेल देखता है → इसे कस्टमर सेवा को फॉरवर्ड करता है। बस इतना ही।
मॉडल-आधारित रिफ्लेक्स एजेंट	दुनिया का आंतरिक मॉडल रखता है और जैसे-जैसे चीजें बदलती हैं, अपडेट करता है।	ऐतिहासिक उड़ान की कीमतों को ट्रैक करता है और उन रास्तों को फ़्लैग करता है जो अचानक महंगे हो गए हैं।
लक्ष्य आधारित एजेंट	एक लक्ष्य के साथ काम करता है और उसे चरण दर चरण प्राप्त करता है।	आपके वर्तमान स्थान से गंतव्य तक पूरे ट्रिप (उड़ान, कार, होटल) की बुकिंग करता है।
यूटिलिटी आधारित एजेंट	सिर्फ कोई समाधान नहीं खोजता — बल्कि ट्रेडऑफ का आकलन करके सबसे अच्छा समाधान ढूंढता है।	लागत और सुविधा का संतुलन कर आपकी प्राथमिकताओं के लिए सबसे अच्छी यात्रा खोजता है।
लर्निंग एजेंट	प्रतिक्रिया से सीखकर समय के साथ बेहतर होता है।	यात्रा के बाद सर्वेक्षण परिणामों के आधार पर भविष्य की बुकिंग सिफारिशों को समायोजित करता है।
हायरार्किकल एजेंट	उच्च स्तर का एजेंट काम को उपकार्य में विभाजित करता है और निचले स्तर के एजेंट्स को सौंपता है।	“ट्रिप रद्द करें” अनुरोध को विभाजित करता है: उड़ान रद्द करें, होटल रद्द करें, कार रेंटल रद्द करें — प्रत्येक उप-एजेंट द्वारा संभाला जाता है।
मल्टी-एजेंट सिस्टम्स (MAS)	कई स्वतंत्र एजेंट मिलकर काम करते हैं (या प्रतिस्पर्धा करते हैं)।	सहयोगी: अलग एजेंट होटल, उड़ान, और मनोरंजन संभालते हैं। प्रतिस्पर्धी: कई एजेंट होटल के कमरे सर्वोत्तम मूल्य पर भरने के लिए प्रतिस्पर्धा करते हैं।

---

AI एजेंट्स कब उपयोग करें

केवल इसलिए कि आप AI एजेंट का उपयोग कर सकते हैं, इसका मतलब यह नहीं कि आपको हमेशा करना चाहिए। यहाँ वे स्थिति हैं जहाँ एजेंट वास्तव में चमकते हैं:

• खुली समस्याएँ — जब समस्या के हल के चरण पहले से प्रोग्राम नहीं किए जा सकते। आपको LLM को गतिशील रूप से मार्ग निकालने देना होगा।
• मल्टी-स्टेप प्रक्रियाएँ — ऐसे कार्य जिनमें कई चरणों में उपकरणों का उपयोग करना होता है, सिर्फ एक बार देखना या जनरेट करना नहीं।
• समय के साथ सुधार — जब आप चाहते हैं कि सिस्टम उपयोगकर्ता प्रतिक्रिया या पर्यावरणीय संकेतों के आधार पर स्मार्ट होता जाए।

हम कोर्स के बाद के पाठ Building Trustworthy AI Agents में और गहराई से जानेंगे कि कब (और कब नहीं) AI एजेंट का उपयोग करना चाहिए।

---

एजेंटिक समाधानों के मूल तत्व

एजेंट विकास

एजेंट बनाते समय सबसे पहला काम होता है यह परिभाषित करना कि यह क्या कर सकता है — इसके उपकरण, क्रियाएं, और व्यवहार।

इस कोर्स में, हम मुख्य प्लेटफ़ॉर्म के तौर पर Microsoft Foundry Agent Service का उपयोग करते हैं। यह समर्थन करता है:

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

एजेंटिक पैटर्न्स

आप LLMs से प्रॉम्प्ट के माध्यम से संवाद करते हैं। एजेंट्स के साथ, हर प्रॉम्प्ट को मैन्युअली नहीं बना सकते — एजेंट को कई चरणों में कार्रवाई करनी होती है। यही जगह है जहाँ एजेंटिक पैटर्न्स काम आते हैं। वे LLMs के लिए अधिक स्केलेबल, भरोसेमंद तरीके से प्रॉम्प्टिंग और ऑर्केस्ट्रेशन के पुन: प्रयोग योग्य रणनीतियाँ हैं।

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

एजेंटिक फ्रेमवर्क्स

एजेंटिक फ्रेमवर्क डेवलपर्स को एजेंट बनाने के लिए तैयार टेम्पलेट्स, उपकरण, और इन्फ्रास्ट्रक्चर देते हैं। ये निम्नलिखित को आसान बनाते हैं:

• उपकरणों और क्षमताओं को जोड़ना
• यह देखना कि एजेंट क्या कर रहा है (और जब गलत हो तो डिबग 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 कार्रवाई में देखने के लिए तैयार हैं? यहाँ इस पाठ के कोड नमूने हैं:

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

---

प्रश्न हैं?

व्यावहारिक कनेक्शन के लिए Microsoft Foundry Discord से जुड़ें, कार्यालय समय में भाग लें, और समुदाय से अपने AI एजेंट प्रश्नों के उत्तर पाएं।

---

इस एजेंट का स्मोक-टेस्टिंग (वैकल्पिक)

एक बार जब आप Lesson 16 में एजेंट तैनात करना सीख लेते हैं, तो इस पाठ के TravelAgent के लिए तैयार कैटलॉग tests/lesson-01-smoke-tests.json के साथ एक त्वरित पोस्ट-डिप्लॉय हेल्थ चेक जोड़ सकते हैं। चलाने के लिए देखें tests/README.md।

---

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.