کمپیوٹر یوز ایجنٹس ویب سائٹس کے ساتھ اسی طرح بات چیت کر سکتے ہیں جیسے ایک انسان کرتا ہے: براؤزر کھول کر، صفحہ کا جائزہ لے کر، اور جو وہ دیکھتے ہیں اس میں سے اگلا بہترین عمل انجام دے کر۔ اس سبق میں، آپ ایک براؤزر آٹومیشن ایجنٹ بنائیں گے جو Airbnb پر تلاش کرتا ہے، ساختہ لسٹنگ ڈیٹا نکالتا ہے، اور اسٹاک ہوم میں سب سے سستی رہائش کی نشاندہی کرتا ہے۔
یہ سبق AI سے چلنے والی نیویگیشن کے لیے Browser-Use، براؤزر کنٹرول کے لیے Playwright اور Chrome DevTools Protocol (CDP)، وژن سے لیس منطق کے لیے Azure OpenAI، اور ساختہ استخراج کے لیے Pydantic کو یکجا کرتا ہے۔
یہ سبق درج ذیل موضوعات کو شامل کرے گا:
اس سبق کو مکمل کرنے کے بعد، آپ جانیں گے کہ کیسے:
اس سبق میں ایک نوٹ بک ٹیوٹوریل شامل ہے:
نوٹ بک میں استعمال ہونے والے پیکجز انسٹال کریں:
pip install browser_use playwright python-dotenv
playwright install chromium
نوٹ بک میں استعمال ہونے والے Azure OpenAI ماحول کے متغیرات سیٹ کریں:
AZURE_OPENAI_ENDPOINT=...
AZURE_OPENAI_API_KEY=...
AZURE_OPENAI_CHAT_DEPLOYMENT_NAME=...
# اختیاری: جب شامل نہ کیا جائے تو یہ جدید ترین API ورژن پر ڈیفالٹ ہوتا ہے
AZURE_OPENAI_API_VERSION=...
نوٹ بک ایک ہائبرڈ براؤزر آٹومیشن ورک فلو دکھاتی ہے:
یہ طریقہ Browser-Use کی لچکدار، وژن پر مبنی منطق کو برقرار رکھتا ہے جبکہ آپ کو جب ضرورت ہو تو براؤزر کنٹرول یقینی بناتا ہے۔
| منظر نامہ | ایجنٹ استعمال کریں | ایکٹر استعمال کریں |
|---|---|---|
| متحرک لے آؤٹس | ہاں، AI صفحے کی تبدیلیوں کے مطابق ڈھل سکتا ہے | نہیں، نازک سلیکٹرز ٹوٹ سکتے ہیں |
| معلوم ساخت | نہیں، ایجنٹ براہ راست کنٹرول سے سست ہوتا ہے | ہاں، تیز اور دقیق |
| عناصر تلاش کرنا | ہاں، قدرتی زبان اچھا کام کرتی ہے | نہیں، درست سلیکٹرز ضروری ہیں |
| ٹائمنگ کنٹرول | نہیں، کم متوقع | ہاں، انتظار اور دوبارہ کوششوں پر مکمل کنٹرول |
| پیچیدہ ورک فلو | ہاں، غیر متوقع UI حالتوں کو سنبھالتا ہے | نہیں، واضح شاخ بندی کی ضرورت ہے |
براؤزر ایجنٹس لائیو ویب سائٹس پر کام کرتے ہیں، لہٰذا انہیں اسکرپٹ سے سخت حدود کی ضرورت ہوتی ہے جو صرف معلوم API کو کال کرتا ہے۔ نوٹ بک ڈیمو سے حقیقی ورک فلو پر جانے سے قبل، اس بات کا تعین کریں کہ ایجنٹ کیا دیکھ سکتا ہے، کلک کر سکتا ہے، اور جمع کر سکتا ہے۔
Airbnb کی مثال میں، محفوظ ڈیفالٹ یہ ہے کہ لسٹنگز تلاش کریں اور قیمتیں نکالیں۔ سائن ان ہونا، میزبان سے رابطہ کرنا، یا بکنگ مکمل کرنا علیحدہ صارف کی منظوری کا عمل ہونا چاہیے۔
جو ایجنٹ آپ اس سبق میں بناتے ہیں وہ ایک چھوٹا، مقامی ورژن ہے کمپیوٹر یوز ایجنٹ (CUA) کا — ایسا پروگرام جو براؤزر کو انسان کی طرح چلاتا ہے۔ Microsoft اسی خیال کو کاروبار میں لا رہا ہے Project Opal (Frontier) کے ذریعے، جو Microsoft 365 Copilot کی ایک خصوصیت ہے۔
Project Opal کے ساتھ، آپ ایک کام کی تفصیل دیتے ہیں اور ایجنٹ آپ کی جانب سے کمپیوٹر یوز کو ایک محفوظ Windows 365 Cloud PC پر استعمال کرتے ہوئے کام کرتا ہے، جو آپ کی تنظیم کی براؤزر پر مبنی ایپلیکیشنز، سائٹس، اور ڈیٹا میں عمل کرتا ہے۔ یہ بیک گراونڈ میں غیر متزامن طور پر کام کرتا ہے، اور آپ کبھی بھی کام کی رہنمائی یا کنٹرول لے سکتے ہیں۔ مثال کے طور پر کام شامل ہیں:
Opal ایک کارآمد حوالہ ہے کہ ایک پروڈکشن-گریڈ، قابل اعتماد کمپیوٹر یوز ایجنٹ کیسا ہوتا ہے — اور یہ پچھلے سبقوں کے تصورات کو مضبوط کرتا ہے:
| اس کورس کا تصور | Project Opal اس کو کیسے لاگو کرتا ہے |
|---|---|
| Human-in-the-loop (سبق 06) | Opal لاگ ان کی شناختی تفصیلات، حساس ڈیٹا، یا مبہم ہدایات پر رکتا ہے، اور بغیر واضح تصدیق کے کبھی پاس ورڈز داخل نہیں کرتا یا فارم جمع نہیں کرواتا۔ آپ کام کے دوران کنٹرول لے اور واپس کر سکتے ہیں۔ |
| قابل اعتماد اور محفوظ ایجنٹس (سبق 06 اور 18) | Windows 365 Cloud PC پر الگ تھلگ چلتا ہے، بنیادی طور پر براؤزر-صرف ہے (دیگر کمپیوٹر رسائی بلاک ہے، Intune کے ذریعے نافذ)، آپ کی شناخت استعمال کرتا ہے تاکہ صرف وہی رسائی ہو جس کی اجازت دی گئی ہے، اور ہر عمل کو آڈٹ کے لیے لاگ کرتا ہے۔ |
| منصوبہ بندی اور خود ارادیت (سبق 07 اور 09) | Opal پہلے کام کے لیے منصوبہ بناتا ہے، پھر ہر قدم پر اپنی منطق کی نگرانی کرتا ہے اور مشکوک سرگرمی پر رکتا ہے۔ |
| دوبارہ قابل استعمال صلاحیتیں / اوزار (سبق 04) | Skills آپ کو بار بار کے کاموں کے لیے ہدایات لکھنے دیتی ہیں (ایک .md فائل سے درآمد یا Opal کے ساتھ تیار کی گئی) اور انہیں گفتگوؤں میں دوبارہ استعمال کیا جا سکتا ہے۔ |
دستیابی: Project Opal فی الحال صارفین کو Frontier ایڈوانس پروگرام میں Microsoft 365 Copilot کی سبسکرپشن کے ساتھ دستیاب ہے، اور آپ کے ایڈمنسٹریٹر کو سیٹ اپ مکمل کرنا ہوگا۔ چونکہ یہ ایک تجرباتی Frontier فیچر ہے، اس کی صلاحیتیں وقت کے ساتھ بدل سکتی ہیں۔
Microsoft Agent Framework کی تلاش
ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔