ai-agents-for-beginners

ਏਜੈਂਟਿਕ ਪ੍ਰੋਟੋਕੋਲ (MCP, A2A ਅਤੇ NLWeb) ਦੀ ਵਰਤੋਂ

Agentic Protocols

(ਉਪਰ ਦਿੱਤੀ ਤਸਵੀਰ ‘ਤੇ ਕਲਿਕ ਕਰਕੇ ਇਸ ਪਾਠ ਦਾ ਵੀਡੀਓ ਵੇਖੋ)

ਜਿਵੇਂ AI ਏਜੈਂਟਸ ਦੀ ਵਰਤੋਂ ਵਧ ਰਹੀ ਹੈ, ਤਿਵੇਂ ਹੀ ਮਿਆਰਕਰਨ, ਸੁਰੱਖਿਆ ਅਤੇ ਖੁੱਲੇ ਨਵੀਨਤਾ ਦੇ ਸਮਰਥਨ ਲਈ ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਲੋੜ ਵਧ ਰਹੀ ਹੈ। ਇਸ ਪਾਠ ਵਿੱਚ, ਅਸੀਂ 3 ਪ੍ਰੋਟੋਕੋਲਾਂ ਨੂੰ ਕਵਰ ਕਰਾਂਗੇ ਜੋ ਇਸ ਲੋੜ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ - ਮਾਡਲ ਕਾਂਟੈਕਸਟ ਪ੍ਰੋਟੋਕੋਲ (MCP), ਏਜੈਂਟ ਤੋਂ ਏਜੈਂਟ (A2A) ਅਤੇ ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਵੈਬ (NLWeb)।

ਪਰਿਚਯ

ਇਸ ਪਾਠ ਵਿੱਚ, ਅਸੀਂ ਕਵਰ ਕਰਾਂਗੇ:

MCP ਕਿਵੇਂ AI ਏਜੈਂਟਸ ਨੂੰ ਬਾਹਰੀ ਟੂਲ ਅਤੇ ਡਾਟਾ ਤੱਕ ਪਹੁੰਚ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਤਾਂ ਜੋ ਯੂਜ਼ਰ ਦੇ ਕੰਮ ਪੂਰੇ ਕੀਤੇ ਜਾ ਸਕਣ।

A2A ਕਿਵੇਂ ਵੱਖ-ਵੱਖ AI ਏਜੈਂਟਸ ਦੇ ਵਿਚਕਾਰ ਸੰਚਾਰ ਅਤੇ ਸਹਿਯੋਗ ਨੂੰ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

NLWeb ਕਿਵੇਂ ਕਿਸੇ ਵੀ ਵੈਬਸਾਈਟ ‘ਤੇ ਕੁਦਰਤੀ ਭਾਸ਼ਾ ਇੰਟਰਫੇਸ ਲਿਆਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ AI ਏਜੈਂਟਸ ਸਮੱਗਰੀ ਦੀ ਖੋਜ ਅਤੇ ਅੰਤਰਕਿਰਿਆ ਕਰ ਸਕਦੇ ਹਨ।

ਸਿੱਖਣ ਦੇ ਲਕਸ਼

ਪਛਾਣ ਕਰੋ MCP, A2A, ਅਤੇ NLWeb ਦੇ ਮੁੱਖ ਉਦੇਸ਼ ਅਤੇ ਫਾਇਦੇ AI ਏਜੈਂਟਸ ਦੇ ਸੰਦਰਭ ਵਿੱਚ।

ਸਮਝਾਓ ਕਿ ਹਰ ਪ੍ਰੋਟੋਕੋਲ LLMs, ਟੂਲ ਅਤੇ ਹੋਰ ਏਜੈਂਟਸ ਦੇ ਵਿਚਕਾਰ ਸੰਚਾਰ ਅਤੇ ਅੰਤਰਕਿਰਿਆ ਨੂੰ ਕਿਵੇਂ ਸਹੂਲਤ ਦਿੰਦਾ ਹੈ।

ਪਛਾਣ ਕਰੋ ਕਿ ਜਟਿਲ ਏਜੈਂਟਿਕ ਸਿਸਟਮ ਬਣਾਉਣ ਵਿੱਚ ਹਰ ਪ੍ਰੋਟੋਕੋਲ ਕਿਹੜੇ ਵੱਖ-ਵੱਖ ਭੂਮਿਕਾਵਾਂ ਨਿਭਾਉਂਦਾ ਹੈ।

ਮਾਡਲ ਕਾਂਟੈਕਸਟ ਪ੍ਰੋਟੋਕੋਲ

ਮਾਡਲ ਕਾਂਟੈਕਸਟ ਪ੍ਰੋਟੋਕੋਲ (MCP) ਇੱਕ ਖੁੱਲਾ ਮਿਆਰ ਹੈ ਜੋ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ LLMs ਨੂੰ ਸੰਦਰਭ ਅਤੇ ਟੂਲ ਪ੍ਰਦਾਨ ਕਰਨ ਦਾ ਮਿਆਰਕ੍ਰਿਤ ਤਰੀਕਾ ਦਿੰਦਾ ਹੈ। ਇਹ AI ਏਜੈਂਟਸ ਨੂੰ ਇੱਕ ਸਥਿਰ ਤਰੀਕੇ ਨਾਲ ਵੱਖ-ਵੱਖ ਡਾਟਾ ਸਰੋਤਾਂ ਅਤੇ ਟੂਲਾਂ ਨਾਲ ਜੁੜਨ ਲਈ “ਯੂਨੀਵਰਸਲ ਅਡਾਪਟਰ” ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਆਓ MCP ਦੇ ਘਟਕਾਂ, ਸਿੱਧੇ API ਦੀ ਵਰਤੋਂ ਦੇ ਮੁਕਾਬਲੇ ਫਾਇਦੇ, ਅਤੇ ਇੱਕ ਉਦਾਹਰਨ ਦੇਖੀਏ ਕਿ AI ਏਜੈਂਟਸ MCP ਸਰਵਰ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹਨ।

MCP ਦੇ ਮੁੱਖ ਘਟਕ

MCP ਕਲਾਇੰਟ-ਸਰਵਰ ਆਰਕੀਟੈਕਚਰ ‘ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਮੁੱਖ ਘਟਕ ਹਨ:

ਹੋਸਟਸ LLM ਐਪਲੀਕੇਸ਼ਨ ਹਨ (ਉਦਾਹਰਨ ਲਈ VSCode ਵਰਗਾ ਕੋਡ ਐਡੀਟਰ) ਜੋ MCP ਸਰਵਰ ਨਾਲ ਕਨੈਕਸ਼ਨ ਸ਼ੁਰੂ ਕਰਦੇ ਹਨ।

ਕਲਾਇੰਟਸ ਹੋਸਟ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਅੰਦਰ ਘਟਕ ਹਨ ਜੋ ਸਰਵਰਾਂ ਨਾਲ ਇੱਕ-ਤੋਂ-ਇੱਕ ਕਨੈਕਸ਼ਨ ਬਣਾਉਂਦੇ ਹਨ।

ਸਰਵਰਸ ਹਲਕੇ ਪ੍ਰੋਗਰਾਮ ਹਨ ਜੋ ਖਾਸ ਸਮਰਥਾਵਾਂ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ।

ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਤਿੰਨ ਮੁੱਖ ਪ੍ਰਿਮਿਟਿਵ ਸ਼ਾਮਲ ਹਨ ਜੋ MCP ਸਰਵਰ ਦੀ ਸਮਰਥਾਵਾਂ ਹਨ:

ਟੂਲਸ: ਇਹ ਵੱਖਰੇ ਕਾਰਵਾਈ ਜਾਂ ਫੰਕਸ਼ਨ ਹਨ ਜੋ AI ਏਜੈਂਟਸ ਕਿਸੇ ਕਾਰਵਾਈ ਨੂੰ ਕਰਨ ਲਈ ਕਾਲ ਕਰ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਮੌਸਮ ਸੇਵਾ “ਮੌਸਮ ਪ੍ਰਾਪਤ ਕਰੋ” ਟੂਲ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੀ ਹੈ, ਜਾਂ ਇੱਕ ਈ-ਕਾਮਰਸ ਸਰਵਰ “ਉਤਪਾਦ ਖਰੀਦੋ” ਟੂਲ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ। MCP ਸਰਵਰ ਹਰ ਟੂਲ ਦਾ ਨਾਮ, ਵੇਰਵਾ, ਅਤੇ ਇਨਪੁਟ/ਆਉਟਪੁੱਟ ਸਕੀਮਾ ਆਪਣੀ ਸਮਰਥਾਵਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚ ਵਿਗਿਆਪਨ ਕਰਦੇ ਹਨ।

ਸਰੋਤ: ਇਹ ਪੜ੍ਹਨ-ਯੋਗ ਡਾਟਾ ਆਈਟਮ ਜਾਂ ਦਸਤਾਵੇਜ਼ ਹਨ ਜੋ MCP ਸਰਵਰ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਕਲਾਇੰਟਸ ਉਨ੍ਹਾਂ ਨੂੰ ਮੰਗ ‘ਤੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਉਦਾਹਰਨਾਂ ਵਿੱਚ ਫਾਈਲ ਸਮੱਗਰੀ, ਡਾਟਾਬੇਸ ਰਿਕਾਰਡ ਜਾਂ ਲੌਗ ਫਾਈਲਾਂ ਸ਼ਾਮਲ ਹਨ। ਸਰੋਤ ਟੈਕਸਟ (ਜਿਵੇਂ ਕੋਡ ਜਾਂ JSON) ਜਾਂ ਬਾਈਨਰੀ (ਜਿਵੇਂ ਚਿੱਤਰ ਜਾਂ PDFs) ਹੋ ਸਕਦੇ ਹਨ।

ਪ੍ਰੋਮਪਟਸ: ਇਹ ਪੂਰਵ-ਨਿਰਧਾਰਤ ਟੈਂਪਲੇਟ ਹਨ ਜੋ ਸੁਝਾਏ ਗਏ ਪ੍ਰੋਮਪਟ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਜਟਿਲ ਵਰਕਫਲੋਜ਼ ਲਈ ਯੋਗ ਬਣਾਉਂਦੇ ਹਨ।

MCP ਦੇ ਫਾਇਦੇ

MCP AI ਏਜੈਂਟਸ ਲਈ ਮਹੱਤਵਪੂਰਨ ਫਾਇਦੇ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ:

ਡਾਇਨਾਮਿਕ ਟੂਲ ਡਿਸਕਵਰੀ: ਏਜੈਂਟਸ ਸਰਵਰ ਤੋਂ ਉਪਲਬਧ ਟੂਲਾਂ ਦੀ ਸੂਚੀ ਅਤੇ ਉਹ ਕੀ ਕਰਦੇ ਹਨ, ਇਸ ਬਾਰੇ ਵੇਰਵਾ ਗਤੀਸ਼ੀਲ ਤੌਰ ‘ਤੇ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਰਵਾਇਤੀ APIs ਦੇ ਮੁਕਾਬਲੇ ਹੈ, ਜੋ ਅਕਸਰ ਇੰਟੀਗ੍ਰੇਸ਼ਨ ਲਈ ਸਥਿਰ ਕੋਡਿੰਗ ਦੀ ਲੋੜ ਦਿੰਦੇ ਹਨ, ਜਿਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਕੋਈ ਵੀ API ਬਦਲਾਅ ਕੋਡ ਅਪਡੇਟ ਦੀ ਲੋੜ ਦਿੰਦਾ ਹੈ। MCP “ਇੱਕ ਵਾਰ ਇੰਟੀਗ੍ਰੇਟ ਕਰੋ” ਪਹੁੰਚ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਵਧੇਰੇ ਅਨੁਕੂਲਤਾ ਹੁੰਦੀ ਹੈ।

LLMs ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ-ਸੰਚਾਲਨਯੋਗਤਾ: MCP ਵੱਖ-ਵੱਖ LLMs ‘ਤੇ ਕੰਮ ਕਰਦਾ ਹੈ, ਮੁੱਖ ਮਾਡਲਾਂ ਨੂੰ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਮੁਲਾਂਕਨ ਕਰਨ ਲਈ ਸਵਿੱਚ ਕਰਨ ਦੀ ਲਚਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

ਮਿਆਰਕ੍ਰਿਤ ਸੁਰੱਖਿਆ: MCP ਇੱਕ ਮਿਆਰਕ੍ਰਿਤ ਪ੍ਰਮਾਣਿਕਤਾ ਵਿਧੀ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ, ਵਧੇਰੇ MCP ਸਰਵਰਾਂ ਤੱਕ ਪਹੁੰਚ ਜੋੜਦੇ ਸਮੇਂ ਸਕੇਲਬਿਲਟੀ ਵਿੱਚ ਸੁਧਾਰ ਕਰਦਾ ਹੈ। ਇਹ ਵੱਖ-ਵੱਖ ਰਵਾਇਤੀ APIs ਲਈ ਵੱਖ-ਵੱਖ ਕੁੰਜੀਆਂ ਅਤੇ ਪ੍ਰਮਾਣਿਕਤਾ ਕਿਸਮਾਂ ਦਾ ਪ੍ਰਬੰਧ ਕਰਨ ਦੇ ਮੁਕਾਬਲੇ ਸਧਾਰਨ ਹੈ।

MCP ਉਦਾਹਰਨ

MCP Diagram

ਕਲਪਨਾ ਕਰੋ ਕਿ ਇੱਕ ਯੂਜ਼ਰ MCP ਦੁਆਰਾ ਸੰਚਾਲਿਤ AI ਸਹਾਇਕ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇੱਕ ਫਲਾਈਟ ਬੁੱਕ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ।

  1. ਕਨੈਕਸ਼ਨ: AI ਸਹਾਇਕ (MCP ਕਲਾਇੰਟ) ਇੱਕ ਏਅਰਲਾਈਨ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ MCP ਸਰਵਰ ਨਾਲ ਕਨੈਕਟ ਕਰਦਾ ਹੈ।

  2. ਟੂਲ ਡਿਸਕਵਰੀ: ਕਲਾਇੰਟ ਏਅਰਲਾਈਨ ਦੇ MCP ਸਰਵਰ ਨੂੰ ਪੁੱਛਦਾ ਹੈ, “ਤੁਹਾਡੇ ਕੋਲ ਕਿਹੜੇ ਟੂਲ ਉਪਲਬਧ ਹਨ?” ਸਰਵਰ “ਫਲਾਈਟ ਖੋਜੋ” ਅਤੇ “ਫਲਾਈਟ ਬੁੱਕ ਕਰੋ” ਵਰਗੇ ਟੂਲਾਂ ਨਾਲ ਜਵਾਬ ਦਿੰਦਾ ਹੈ।

  3. ਟੂਲ ਇਨਵੋਕੇਸ਼ਨ: ਫਿਰ ਤੁਸੀਂ AI ਸਹਾਇਕ ਨੂੰ ਪੁੱਛਦੇ ਹੋ, “ਕਿਰਪਾ ਕਰਕੇ ਪੋਰਟਲੈਂਡ ਤੋਂ ਹੋਨੋਲੂਲੂ ਲਈ ਫਲਾਈਟ ਖੋਜੋ।” AI ਸਹਾਇਕ, ਆਪਣੇ LLM ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਪਛਾਣਦਾ ਹੈ ਕਿ ਇਸਨੂੰ “ਫਲਾਈਟ ਖੋਜੋ” ਟੂਲ ਨੂੰ ਕਾਲ ਕਰਨ ਦੀ ਲੋੜ ਹੈ ਅਤੇ ਸੰਬੰਧਿਤ ਪੈਰਾਮੀਟਰ (ਮੂਲ, ਮੰਜ਼ਿਲ) MCP ਸਰਵਰ ਨੂੰ ਭੇਜਦਾ ਹੈ।

  4. ਐਗਜ਼ਿਕਿਊਸ਼ਨ ਅਤੇ ਜਵਾਬ: MCP ਸਰਵਰ, ਇੱਕ ਰੈਪਰ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਏਅਰਲਾਈਨ ਦੇ ਅੰਦਰੂਨੀ ਬੁਕਿੰਗ API ਨੂੰ ਅਸਲ ਕਾਲ ਕਰਦਾ ਹੈ। ਇਹ ਫਲਾਈਟ ਜਾਣਕਾਰੀ (ਜਿਵੇਂ JSON ਡਾਟਾ) ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਵਾਪਸ AI ਸਹਾਇਕ ਨੂੰ ਭੇਜਦਾ ਹੈ।

  5. ਅਗਲੇ ਕਦਮ: AI ਸਹਾਇਕ ਫਲਾਈਟ ਵਿਕਲਪ ਪੇਸ਼ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਤੁਸੀਂ ਇੱਕ ਫਲਾਈਟ ਚੁਣਦੇ ਹੋ, ਸਹਾਇਕ ਉਹੀ MCP ਸਰਵਰ ‘ਤੇ “ਫਲਾਈਟ ਬੁੱਕ ਕਰੋ” ਟੂਲ ਨੂੰ ਕਾਲ ਕਰ ਸਕਦਾ ਹੈ, ਬੁਕਿੰਗ ਪੂਰੀ ਕਰਦਾ ਹੈ।

ਏਜੈਂਟ-ਤੋਂ-ਏਜੈਂਟ ਪ੍ਰੋਟੋਕੋਲ (A2A)

ਜਦੋਂ ਕਿ MCP LLMs ਨੂੰ ਟੂਲਾਂ ਨਾਲ ਜੋੜਨ ‘ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਏਜੈਂਟ-ਤੋਂ-ਏਜੈਂਟ (A2A) ਪ੍ਰੋਟੋਕੋਲ ਇਸਨੂੰ ਇੱਕ ਕਦਮ ਅੱਗੇ ਲੈ ਜਾਂਦਾ ਹੈ, ਵੱਖ-ਵੱਖ AI ਏਜੈਂਟਸ ਦੇ ਵਿਚਕਾਰ ਸੰਚਾਰ ਅਤੇ ਸਹਿਯੋਗ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ। A2A ਵੱਖ-ਵੱਖ ਸੰਗਠਨਾਂ, ਵਾਤਾਵਰਣਾਂ ਅਤੇ ਤਕਨਾਲੋਜੀ ਸਟੈਕਸ ਦੇ ਵਿਚਕਾਰ AI ਏਜੈਂਟਸ ਨੂੰ ਜੋੜਦਾ ਹੈ ਤਾਂ ਜੋ ਸਾਂਝੇ ਕੰਮ ਪੂਰੇ ਕੀਤੇ ਜਾ ਸਕਣ।

ਅਸੀਂ A2A ਦੇ ਘਟਕਾਂ ਅਤੇ ਫਾਇਦੇ ਦੀ ਜਾਂਚ ਕਰਾਂਗੇ, ਨਾਲ ਹੀ ਇੱਕ ਉਦਾਹਰਨ ਦੇਖਾਂਗੇ ਕਿ ਇਹ ਸਾਡੇ ਯਾਤਰਾ ਐਪਲੀਕੇਸ਼ਨ ਵਿੱਚ ਕਿਵੇਂ ਲਾਗੂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ।

A2A ਦੇ ਮੁੱਖ ਘਟਕ

A2A ਏਜੈਂਟਸ ਦੇ ਵਿਚਕਾਰ ਸੰਚਾਰ ਯੋਗ ਬਣਾਉਣ ਅਤੇ ਉਨ੍ਹਾਂ ਨੂੰ ਯੂਜ਼ਰ ਦੇ ਉਪ-ਕੰਮ ਪੂਰੇ ਕਰਨ ਲਈ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਲਈ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ। ਪ੍ਰੋਟੋਕੋਲ ਦਾ ਹਰ ਘਟਕ ਇਸ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਂਦਾ ਹੈ:

ਏਜੈਂਟ ਕਾਰਡ

ਜਿਵੇਂ MCP ਸਰਵਰ ਟੂਲਾਂ ਦੀ ਸੂਚੀ ਸਾਂਝਾ ਕਰਦਾ ਹੈ, ਇੱਕ ਏਜੈਂਟ ਕਾਰਡ ਵਿੱਚ ਹੁੰਦਾ ਹੈ:

ਏਜੈਂਟ ਐਗਜ਼ਿਕਿਊਟਰ

ਏਜੈਂਟ ਐਗਜ਼ਿਕਿਊਟਰ ਯੂਜ਼ਰ ਚੈਟ ਦੇ ਸੰਦਰਭ ਨੂੰ ਦੂਰ-ਦੂਰ ਦੇ ਏਜੈਂਟ ਨੂੰ ਭੇਜਣ ਲਈ ਜ਼ਿੰਮੇਵਾਰ ਹੈ, ਦੂਰ-ਦੂਰ ਦੇ ਏਜੈਂਟ ਨੂੰ ਇਸ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਤਾਂ ਜੋ ਪੂਰੇ ਕਰਨ ਵਾਲੇ ਕੰਮ ਨੂੰ ਸਮਝਿਆ ਜਾ ਸਕੇ। A2A ਸਰਵਰ ਵਿੱਚ, ਇੱਕ ਏਜੈਂਟ ਆਪਣਾ ਵੱਡਾ ਭਾਸ਼ਾ ਮਾਡਲ (LLM) ਵਰਤਦਾ ਹੈ ਜੋ ਆਉਣ ਵਾਲੇ ਬੇਨਤੀਆਂ ਨੂੰ ਪਾਰਸ ਕਰਨ ਅਤੇ ਆਪਣੇ ਅੰਦਰੂਨੀ ਟੂਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੰਮ ਪੂਰੇ ਕਰਨ ਲਈ।

ਆਰਟੀਫੈਕਟ

ਜਦੋਂ ਦੂਰ-ਦੂਰ ਦਾ ਏਜੈਂਟ ਮੰਗੇ ਗਏ ਕੰਮ ਨੂੰ ਪੂਰਾ ਕਰ ਲੈਂਦਾ ਹੈ, ਇਸ ਦਾ ਕੰਮ ਉਤਪਾਦ ਇੱਕ ਆਰਟੀਫੈਕਟ ਵਜੋਂ ਬਣਦਾ ਹੈ। ਇੱਕ ਆਰਟੀਫੈਕਟ ਏਜੈਂਟ ਦੇ ਕੰਮ ਦਾ ਨਤੀਜਾ, ਕੀ ਪੂਰਾ ਕੀਤਾ ਗਿਆ ਦਾ ਵੇਰਵਾ, ਅਤੇ ਟੈਕਸਟ ਸੰਦਰਭ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ ਜੋ ਪ੍ਰੋਟੋਕੋਲ ਰਾਹੀਂ ਭੇਜਿਆ ਜਾਂਦਾ ਹੈ। ਆਰਟੀਫੈਕਟ ਭੇਜਣ ਤੋਂ ਬਾਅਦ, ਦੂਰ-ਦੂਰ ਦੇ ਏਜੈਂਟ ਨਾਲ ਕਨੈਕਸ਼ਨ ਬੰਦ ਕੀਤਾ ਜਾਂਦਾ ਹੈ ਜਦੋਂ ਤੱਕ ਇਸ ਦੀ ਫਿਰ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ।

ਇਵੈਂਟ ਕਿਊ

ਇਹ ਘਟਕ ਅਪਡੇਟਸ ਨੂੰ ਸੰਭਾਲਣ ਅਤੇ ਸੁਨੇਹੇ ਭੇਜਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ। ਇਹ ਉਤਪਾਦਨ ਵਿੱਚ ਏਜੈਂਟਿਕ ਸਿਸਟਮਾਂ ਲਈ ਖਾਸ ਤੌਰ ‘ਤੇ ਮਹੱਤਵਪੂਰਨ ਹੈ ਤਾਂ ਜੋ ਏਜੈਂਟਸ ਦੇ ਵਿਚਕਾਰ ਕਨੈਕਸ਼ਨ ਕੰਮ ਪੂਰਾ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਬੰਦ ਨਾ ਹੋਵੇ, ਖਾਸ ਤੌਰ ‘ਤੇ ਜਦੋਂ ਕੰਮ ਪੂਰਾ ਕਰਨ ਦਾ ਸਮਾਂ ਲੰਬਾ ਹੋ ਸਕਦਾ ਹੈ।

A2A ਦੇ ਫਾਇਦੇ

ਵਧੇਰੇ ਸਹਿਯੋਗ: ਇਹ ਵੱਖ-ਵੱਖ ਵਿਕਰੇਤਾ ਅਤੇ ਪਲੇਟਫਾਰਮਾਂ ਦੇ ਏਜੈਂਟਸ ਨੂੰ ਅੰਤਰਕਿਰਿਆ ਕਰਨ, ਸੰਦਰਭ ਸਾਂਝਾ ਕਰਨ, ਅਤੇ ਇਕੱਠੇ ਕੰਮ ਕਰਨ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਰਵਾਇਤੀ ਤੌਰ ‘ਤੇ ਅਲੱਗ ਸਿਸਟਮਾਂ ਵਿੱਚ ਸਹੀ ਆਟੋਮੇਸ਼ਨ ਨੂੰ ਯੋਗ ਬਣਾਉਂਦਾ ਹੈ।

ਮਾਡਲ ਚੋਣ ਦੀ ਲਚਕ: ਹਰ A2A ਏਜੈਂਟ ਫੈਸਲਾ ਕਰ ਸਕਦਾ ਹੈ ਕਿ ਇਹ ਆਪਣੀਆਂ ਬੇਨਤੀਆਂ ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਕਿਹੜਾ LLM ਵਰਤਦਾ ਹੈ, ਪ੍ਰਤੀ ਏਜੈਂਟ ਅਨੁਕੂਲਿਤ ਜਾਂ ਸੁਧਾਰਿਤ ਮਾਡਲਾਂ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, MCP ਦੇ ਕੁਝ ਸਥਿਤੀਆਂ ਵਿੱਚ ਇੱਕ ਸਿੰਗਲ LLM ਕਨੈਕਸ਼ਨ ਦੇ ਮੁਕਾਬਲੇ।

ਅੰਦਰ-ਅੰਦਰ ਪ੍ਰਮਾਣਿਕਤਾ: ਪ੍ਰਮਾਣਿਕਤਾ ਸਿੱਧੇ A2A ਪ੍ਰੋਟੋਕੋਲ ਵਿੱਚ ਸ਼ਾਮਲ ਹੈ, ਏਜੈਂਟ ਅੰਤਰਕਿਰਿਆਵਾਂ ਲਈ ਇੱਕ ਮਜ਼ਬੂਤ ਸੁਰੱਖਿਆ ਫਰੇਮਵਰਕ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

A2A ਉਦਾਹਰਨ

A2A Diagram

ਆਓ ਆਪਣੇ ਯਾਤਰਾ ਬੁਕਿੰਗ ਦ੍ਰਿਸ਼ ਨੂੰ ਵਧਾਉਣ, ਪਰ ਇਸ ਵਾਰ A2A ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।

  1. ਯੂਜ਼ਰ ਬੇਨਤੀ ਮਲਟੀ-ਏਜੈਂਟ ਨੂੰ: ਇੱਕ ਯੂਜ਼ਰ “ਟ੍ਰੈਵਲ ਏਜੈਂਟ” A2A ਕਲਾਇੰਟ/ਏਜੈਂਟ ਨਾਲ ਅੰਤਰਕਿਰਿਆ ਕਰਦਾ ਹੈ, ਸ਼ਾਇਦ ਕਹਿੰਦਾ ਹੈ, “ਕਿਰਪਾ ਕਰਕੇ ਹੋਨੋਲੂਲੂ ਲਈ ਪੂਰੀ ਯਾਤਰਾ ਬੁੱਕ ਕਰੋ, ਜਿਸ ਵਿੱਚ ਫਲਾਈਟਸ, ਇੱਕ ਹੋਟਲ, ਅਤੇ ਇੱਕ ਰੈਂਟਲ ਕਾਰ ਸ਼ਾਮਲ ਹੈ।”

  2. ਟ੍ਰੈਵਲ ਏਜੈਂਟ ਦੁਆਰਾ ਆਰਕਸਟ੍ਰੇਸ਼ਨ: ਟ੍ਰੈਵਲ ਏਜੈਂਟ ਇਸ ਜਟਿਲ ਬੇਨਤੀ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਇਹ ਕੰਮ ਬਾਰੇ ਵਿਚਾਰ ਕਰਨ ਲਈ ਆਪਣਾ LLM ਵਰਤਦਾ ਹੈ ਅਤੇ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਕਿ ਇਸਨੂੰ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਏਜੈਂਟਸ ਨਾਲ ਅੰਤਰਕਿਰਿਆ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।

  3. ਇੰਟਰ-ਏਜੈਂਟ ਸੰਚਾਰ: ਟ੍ਰੈਵਲ ਏਜੈਂਟ ਫਿਰ A2A ਪ੍ਰੋਟੋਕੋਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਡਾਊਨਸਟ੍ਰੀਮ ਏਜੈਂਟਸ ਨਾਲ ਕਨੈਕਟ ਕਰਦਾ ਹੈ, ਜਿਵੇਂ “ਏਅਰਲਾਈਨ ਏਜੈਂਟ,” “ਹੋਟਲ ਏਜੈਂਟ,” ਅਤੇ “ਕਾਰ ਰੈਂਟਲ ਏਜੈਂਟ” ਜੋ ਵੱਖ-ਵੱਖ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਬਣਾਏ ਗ


ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚੱਜੇਪਣ ਹੋ ਸਕਦੇ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼, ਜੋ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੈ, ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।