(اس سبق کے ویڈیو کو دیکھنے کے لیے اوپر تصویر پر کلک کریں)
AI Agents for Beginners کورس میں خوش آمدید! یہ کورس آپ کو بنیادی علم — اور حقیقی کام کرنے والا کوڈ — فراہم کرتا ہے تاکہ آپ صفر سے AI ایجنٹس بنانے کا آغاز کر سکیں۔
آئیں Azure AI Discord Community میں سلام کریں — یہ سیکھنے والوں اور AI بنانے والوں سے بھرا ہوا ہے جو سوالات کے جواب دینے کے لیے خوش ہوتے ہیں۔
بنانے میں کودنے سے پہلے، آئیے یقینی بنائیں کہ ہم واقعی سمجھتے ہیں کہ AI ایجنٹ کیا ہے اور کب اس کا استعمال معنی رکھتا ہے۔
یہ سبق یہ موضوعات کور کرتا ہے:
- AI ایجنٹس کیا ہیں، اور مختلف اقسام جو موجود ہیں
- کون سے کام AI ایجنٹس کے لیے بہترین ہیں
- بنیادی اجزاء جنہیں آپ ایجنٹک حل ڈیزائن کرتے وقت استعمال کریں گے
اس سبق کے اختتام تک، آپ قابل ہونا چاہیے کہ:
- وضاحت کریں کہ AI ایجنٹ کیا ہے اور یہ روایتی AI حل سے کیسے مختلف ہے
- جانیں کہ کب AI ایجنٹ کو استعمال کرنا چاہیے (اور کب نہیں)
- کسی حقیقی دنیا کے مسئلے کے لیے ایک بنیادی ایجنٹک حل کا خاکہ بنائیں
اس کا ایک آسان طریقہ یہ ہے:
AI ایجنٹس وہ نظام ہیں جو بڑے لسانی ماڈلز (LLMs) کو واقعی چیزیں کرنے دیتے ہیں — انہیں دنیا پر اثر انداز ہونے کے لیے آلات اور علم فراہم کرکے، صرف پرامپٹس کے جواب دینے کے بجائے۔
آئیے اسے تھوڑا کھول کر دیکھتے ہیں:
- نظام — ایک AI ایجنٹ صرف ایک چیز نہیں ہے۔ یہ مختلف حصوں کا مجموعہ ہے جو مل کر کام کرتے ہیں۔ بنیادی طور پر، ہر ایجنٹ کے تین حصے ہوتے ہیں:
- ماحول — وہ جگہ جہاں ایجنٹ کام کرتا ہے۔ ایک سفر کی بکنگ کرنے والا ایجنٹ خود بکنگ پلیٹ فارم ہوگا۔
- سینسرز — ایجنٹ اپنے ماحول کی موجودہ حالت کو کس طرح پڑھتا ہے۔ ہمارے سفر کا ایجنٹ ہوٹل کی دستیابی یا پرواز کی قیمتیں چیک کر سکتا ہے۔
- ایکچیویٹرز — ایجنٹ کس طرح عمل کرتا ہے۔ سفر کا ایجنٹ کمرہ بک کر سکتا ہے، تصدیق بھیج سکتا ہے، یا ریزرویشن منسوخ کر سکتا ہے۔
-
بڑے لسانی ماڈلز — ایجنٹس LLMs سے پہلے بھی موجود تھے، لیکن LLMs ہی جدید ایجنٹس کو طاقتور بناتے ہیں۔ یہ قدرتی زبان کو سمجھ سکتے ہیں، سیاق و سباق پر غور کر سکتے ہیں، اور مبہم صارف کی درخواست کو ایک ٹھوس عمل کی منصوبہ بندی میں بدل سکتے ہیں۔
-
عمل درآمد کریں — ایجنٹ نظام کے بغیر، LLM صرف متن تیار کرتا ہے۔ ایجنٹ نظام کے اندر، LLM واقعی عمل کر سکتا ہے — ڈیٹا بیس تلاش کرنا، API کال کرنا، پیغام بھیجنا۔
-
آلات تک رسائی — ایجنٹ کس آلے کو استعمال کر سکتا ہے یہ (1) اس ماحول پر منحصر ہے جس میں یہ چل رہا ہے اور (2) اس پر کہ ڈویلپر نے اسے کیا دیا ہے۔ ایک سفری ایجنٹ پروازیں تلاش کر سکتا ہے لیکن صارف کا ریکارڈ ایڈٹ نہیں کر سکتا — یہ سب آپ کے وائر اپ پر منحصر ہے۔
-
میموری + علم — ایجنٹس کے پاس مختصر مدت کی یادداشت (موجودہ بات چیت) اور طویل مدت کی یادداشت (صارف کا ڈیٹا بیس، ماضی کی بات چیت) ہو سکتی ہے۔ سفر کا ایجنٹ یاد رکھ سکتا ہے کہ آپ کو کھڑکی والی نشست پسند ہے۔
تمام ایجنٹس ایک جیسے نہیں بنائے جاتے۔ یہاں اہم اقسام کی تفصیل ہے، ایک سفر بکنگ ایجنٹ کی مثال کے ساتھ:
| ایجنٹ کی قسم | کیا کرتا ہے | سفر کے ایجنٹ کی مثال |
|---|---|---|
| سادہ ریفلیکس ایجنٹس | سخت قواعد پر عمل کرتے ہیں — نہ یادداشت، نہ منصوبہ بندی۔ | شکایت کا ای میل دیکھتا ہے → اسے کسٹمر سروس کو بھیج دیتا ہے۔ بس یہی۔ |
| ماڈل پر مبنی ریفلیکس ایجنٹس | دنیا کا اندرونی ماڈل رکھتا ہے اور حالات بدلنے پر اسے اپ ڈیٹ کرتا ہے۔ | تاریخی پرواز کی قیمتوں پر نظر رکھتا ہے اور ان راستوں کو نشان زد کرتا ہے جو اچانک مہنگے ہوجاتے ہیں۔ |
| ہدف پر مبنی ایجنٹس | ذہن میں ہدف ہوتا ہے اور قدم بہ قدم اس تک پہنچنے کا راستہ تلاش کرتا ہے۔ | مکمل سفر بک کرتا ہے (پرواز، گاڑی، ہوٹل) آپ کے موجودہ مقام سے لے کر منزل تک۔ |
| یوٹیلٹی پر مبنی ایجنٹس | صرف کوئی حل نہیں ڈھونڈتا — بہترین حل تلاش کرتا ہے جو سودے بازی کو تول کر۔ | قیمت اور سہولت کا توازن کرکے وہ سفر تلاش کرتا ہے جو آپ کی ترجیحات کے لیے سب سے اچھا ہے۔ |
| سیکھنے والے ایجنٹس | وقت کے ساتھ بہتر ہوتا ہے، فیڈبیک سے سیکھ کر۔ | سفر کے بعد سروے کے نتائج کی بنیاد پر مستقبل کی بکنگ کی سفارشات کو ایڈجسٹ کرتا ہے۔ |
| ہرارکی ایجنٹس | ایک اعلیٰ سطح کا ایجنٹ کام کو ذیلی کاموں میں تقسیم کرتا ہے اور انہیں نچلی سطح کے ایجنٹس کو سونپتا ہے۔ | "سفر منسوخ کریں" کی درخواست: پرواز، ہوٹل، گاڑی کرایہ – ہر ایک ذیلی ایجنٹ کے ذریعے ہینڈل ہوتا ہے۔ |
| کثیر ایجنٹ نظام (MAS) | متعدد آزاد ایجنٹس مل کر کام کرتے ہیں (یا مقابلہ کرتے ہیں)۔ | تعاون: مختلف ایجنٹس ہوٹل، پروازیں، اور تفریح کا انتظام کرتے ہیں۔ مقابلہ: متعدد ایجنٹس بہترین قیمت پر ہوٹل کے کمروں کے لیے مقابلہ کرتے ہیں۔ |
بس اس لیے کہ آپ AI ایجنٹ استعمال کر سکتے ہیں، ضروری نہیں کہ ہمیشہ کرنا چاہیے۔ یہاں وہ حالات ہیں جہاں ایجنٹس واقعی بہترین کام کرتے ہیں:
- کھلے مسائل — جب مسئلہ حل کرنے کے مراحل پہلے سے پروگرام نہیں کیے جا سکتے۔ آپ کو LLM کو راستہ خود ڈھونڈنے کی ضرورت ہے۔
- کئی مراحل کے عمل — ایسے کام جن میں کئی مراحل کے دوران آلات کا استعمال کرنا ہوتا ہے، نہ کہ صرف ایک بار دیکھنا یا پیداوار۔
- وقت کے ساتھ بہتری — جب آپ چاہتے ہیں کہ نظام صارف کی رائے یا ماحولیاتی اشاروں کی بنیاد پر ہوشیار بنے۔
ہم اگلے سبق Building Trustworthy AI Agents میں اس بات پر مزید تفصیل سے بات کریں گے کہ کب (اور کب نہیں) AI ایجنٹس استعمال کرنے چاہئیں۔
جب آپ ایجنٹ بنا رہے ہوتے ہیں تو سب سے پہلے آپ کو یہ تعیین کرنا ہوتا ہے کہ وہ کیا کر سکتا ہے — اس کے آلات، عمل، اور رویے۔
اس کورس میں، ہم بنیادی پلیٹ فارم کے طور پر Microsoft Foundry Agent Service استعمال کرتے ہیں۔ یہ سپورٹ کرتا ہے:
- OpenAI، Mistral، اور Meta (Llama) جیسے فراہم کنندگان کے ماڈلز
- Tripadvisor جیسے فراہم کنندگان سے لائسنس یافتہ ڈیٹا
- معیاری OpenAPI 3.0 ٹول تعریفیں
آپ LLMs سے پرامپٹس کے ذریعے رابطہ کرتے ہیں۔ ایجنٹس کے ساتھ، آپ ہر پرامپٹ کو ہاتھ سے نہیں بنا سکتے — ایجنٹ کو کئی مراحل پر عمل کرنا ہوتا ہے۔ یہاں Agentic Patterns آتے ہیں۔ یہ LLMs کو زیادہ قابل پیمانہ، قابل اعتماد طریقے سے پرامپٹ اور منظم کرنے کی دوبارہ قابل استعمال حکمت عملیاں ہیں۔
یہ کورس سب سے عام اور مفید ایجنٹک پیٹرنز کے گرد ترتیب دیا گیا ہے۔
ایجنٹک فریم ورکس ڈویلپرز کو پہلے سے تیار ٹیمپلیٹس، آلات، اور انفراسٹرکچر دیتے ہیں تاکہ ایجنٹس بنانا آسان ہو جائے۔ یہ آسان بناتے ہیں کہ:
- آلات اور صلاحیتوں کو وائر اپ کرنا
- جو ایجنٹ کر رہا ہے اسے نگرانی کرنا (اور غلطی کی صورت میں ڈیبگ کرنا)
- کئی ایجنٹس کے درمیان تعاون کرنا
اس کورس میں، ہم Microsoft Agent Framework (MAF) پر توجہ دیتے ہیں تاکہ پروڈکشن کے لیے تیار ایجنٹس بنائے جا سکیں۔
کیا آپ اسے عملی طور پر دیکھنے کے لیے تیار ہیں؟ یہاں اس سبق کے کوڈ نمونے ہیں:
- 🐍 Python: Agent Framework
- 🔷 .NET: Agent Framework
دیگر سیکھنے والوں سے جڑنے، آفس آورز میں شرکت کرنے، اور برادری سے AI ایجنٹ کے سوالات کے جوابات حاصل کرنے کے لیے Microsoft Foundry Discord میں شامل ہوں۔
جب آپ سبق 16 میں ایجنٹس کو تعینات کرنا سیکھ لیں، تو آپ اس سبق کے TravelAgent کے لیے فوری پوسٹ-ڈپلائے ہیلتھ چیک شامل کر سکتے ہیں، تیار شدہ کیٹلاگ tests/lesson-01-smoke-tests.json کے ساتھ۔ چلانے کا طریقہ tests/README.md میں دیکھیں۔
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۔