अगर आप सॉफ़्टवेयर डेवलपमेंट, AI और लार्ज लैंग्वेज मॉडल (LLM) के साथ काम करते हैं, तो आप शायद नियमित रूप से AI एजेंट का उपयोग करते होंगे। यह लेख आपको अपना पहला एजेंट बनाने का तरीका दिखाता है। बनाने से पहले इस शब्द को परिभाषित करना उपयोगी है। इसके कई उत्तर हैं, लेकिन ज़्यादातर लोग इस बात पर सहमत हैं कि AI एजेंट एक सॉफ़्टवेयर सिस्टम है जो एक LLM का उपयोग करता है, जो किसी लक्ष्य तक पहुँचने के लिए एक लूप में एक या अधिक टूल कॉल करता है। यह लक्ष्य सरल प्रश्न का उत्तर देने से लेकर हवाई टिकट बुक करने के लिए आपके ब्राउज़र को नियंत्रित करने या जटिल सॉफ़्टवेयर विकसित करने तक कुछ भी हो सकता है।
एजेंटिक सिस्टम में, लूप मॉडल, एप्लिकेशन और उसके टूल के बीच के चक्र का वर्णन करता है। इसके लिए किसी वास्तविक while या for स्टेटमेंट की आवश्यकता नहीं होती। यहाँ का उदाहरण उस चक्र से एक बार गुज़रता है: मॉडल एक टूल का अनुरोध करता है, Python उसे चलाता है, और मॉडल परिणाम का उपयोग करके उत्तर देता है। एजेंट डिज़ाइन के अनुसार कुछ भी जटिल नहीं करेगा, ताकि शुरुआत में चीज़ें सरल रहें।
यह उदाहरण एक काल्पनिक ऑनलाइन दुकान के लिए एक सपोर्ट असिस्टेंट है। ऑर्डर का डेटा एक SQLite डेटाबेस में रहता है, इसलिए कोई भाषा मॉडल अकेले ऑर्डर से जुड़े प्रश्नों का उत्तर नहीं दे सकता। इसके बजाय, मॉडल get_order_total नामक एक Python फ़ंक्शन का अनुरोध करता है, जो डेटाबेस से क्वेरी करके वास्तविक मान लौटाता है। Sarah Jones के ऑर्डर 1001 के लिए सही कुल राशि GBP 96.95 है।
मॉडल किसी ऑपरेशन का अनुरोध कर सकता है, लेकिन यह तय करना और उसे चलाना Python का काम है। मॉडल Ollama के माध्यम से स्थानीय रूप से चलता है, इसलिए किसी क्लाउड अकाउंट या API key की आवश्यकता नहीं है। प्रोग्राम अनुरोधित फ़ंक्शन, उसके आर्गुमेंट और डेटाबेस परिणाम प्रिंट करता है, जिससे पूरा आदान-प्रदान दिखाई देता है, न कि किसी एजेंट फ़्रेमवर्क के भीतर छिपा रहता है।
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित