Microsoft એ 15 જુલાઈના રોજ Python માટે એક સ્ટેબલ Agent Skills ફ્રેમવર્ક રિલીઝ કર્યું છે. તે ડેવલપર્સને ત્યારે જ ક્ષમતાઓ (capabilities) ઉમેરવાની મંજૂરી આપે છે જ્યારે LLM-સંચાલિત એજન્ટને ખરેખર તેની જરૂર હોય. સતત વધતા જતા સિંગલ સિસ્ટમ પ્રોમ્પ્ટને બદલે જરૂરિયાત મુજબ સ્કીલ લોડિંગનો ઉપયોગ કરીને, આ અભિગમ પ્રોમ્પ્ટનું કદ ઘટાડે છે, ટોકન ખર્ચમાં ઘટાડો કરે છે અને એજન્ટનું તર્ક (reasoning) વધુ સ્પષ્ટ રાખે છે.

પ્રોમ્પ્ટ્સ કેમ વધે છે અને તે શા માટે મહત્વનું છે

LLM એજન્ટ્સ "system prompt" પર આધાર રાખે છે જે પોલિસીઝ, રનબુક્સ અને સંદર્ભ સામગ્રી (reference material) ને એકસાથે જોડે છે જે મોડેલે દરેક વખતે જોવી જોઈએ. થોડાક પોલિસી દસ્તાવેજો ઉમેરવાથી પ્રોમ્પ્ટ હજારો ટોકન્સ સુધી ફૂલી જાય છે. મોટા પ્રોમ્પ્ટ્સ ઇન્ફરન્સ ખર્ચ વધારે છે—મોડેલ જે દરેક ટોકન પ્રોસેસ કરે છે તેનું બિલિંગ થાય છે—અને તે સૂચનાના સિગ્નલને નબળું પાડે છે, જેનાથી એજન્ટનું આઉટપુટ અસ્પષ્ટ બને છે. ઇન્સિડન્ટ ટ્રાયજ (incident triage) અથવા કમ્પ્લાયન્સ ચેકિંગમાં, એક અસ્પષ્ટ પ્રોમ્પ્ટ મદદરૂપ આસિસ્ટન્ટને ખોટી માહિતીના સ્ત્રોતમાં બદલી શકે છે.

Agent Skills પેટર્ન: પ્રોગ્રેસિવ ડિસ્ક્લોઝર (progressive disclosure)

નવું ફ્રેમવર્ક મોનોલિથિક પ્રોમ્પ્ટને બદલે ચાર-પગલાંના વર્કફ્લો સાથે બદલે છે:

  1. સ્કીલની જાહેરાત કરો (Advertise the skill) – એક હળવી મેટાડેટા એન્ટ્રી જે રાઉટિંગ લેયરને સ્કીલનું નામ જણાવે છે.
  2. સૂચનાઓ લોડ કરો (Load instructions) – એક સંક્ષિપ્ત વર્ણન જે એજન્ટ સ્કીલ વિનંતી સાથે મેળ ખાય છે કે નહીં તે નક્કી કરવા માટે વાંચે છે.
  3. રિસોર્સિસ વાંચો (Read resources) – વૈકલ્પિક પોલિસી અથવા સંદર્ભ ફાઇલો જે એજન્ટ સ્કીલ પસંદ કર્યા પછી જ મેળવવામાં આવે છે.
  4. સ્ક્રિપ્ટ્સ ચલાવો (Run scripts) – કોડ એક્ઝિક્યુશન જે એક્શન કરે છે, જે સ્પષ્ટ મંજૂરી દ્વારા નિયંત્રિત હોય છે.

માત્ર ટૂંકી SKILL.md ફાઇલ જ મુખ્ય પ્રોમ્પ્ટમાં રહે છે. તમામ મોટા દસ્તાવેજો અને સ્ક્રિપ્ટ્સ ફાઇલ-આધારિત સ્કીલ પેકેજમાં હોય છે જેને રનટાઇમ જરૂરિયાત મુજબ ખેંચી લે છે. ડિરેક્ટરી લેઆઉટ સરળ રહે છે:

  • SKILL.md – ટૂંકું માનવ-વાંચનક્ષમ વર્ણન.
  • references/ – પોલિસી અથવા માર્ગદર્શન ફાઇલો.
  • scripts/ – એક્ઝિક્યુટેબલ કોડ.

કારણ કે એજન્ટ references/ અથવા scripts/ ની સંપૂર્ણ સામગ્રી ત્યારે જ જુએ છે જ્યારે તે નક્કી કરે છે કે સ્કીલ યોગ્ય છે, તેથી તમે ગમે તેટલી સ્કીલ્સ રજિસ્ટર કરો, મુખ્ય પ્રોમ્પ્ટ હળવું (lean) રહે છે.

ફ્રેમવર્કમાં બિલ્ટ-ઇન સેફ્ટી ગાર્ડ્સ

ફ્રેમવર્ક એવું માને છે કે સ્કીલ લોડ કરવી જોખમી હોઈ શકે છે અને તે એવા નિયમો લાગુ કરે છે જે ડેવલપર્સે અનુસરવા જ જોઈએ:

  • સ્કીલના નામની જાહેરાત – ઓટોમેટિક, ફક્ત રાઉટિંગ માટે વપરાય છે.
  • સૂચના લોડિંગ – ક્યુરેટેડ લિસ્ટ માટે ઓટોમેટિક; અનરીવ્યુડ સૂચનાઓ અજાણતા વર્તનમાં ફેરફાર કરી શકે છે.
  • પોલિસી વાંચન – જ્યારે ડેટા સેન્સિટિવ ન હોય ત્યારે ઓટોમેટિક; સંવેદનશીલ સામગ્રીને વધારાના એક્સેસ કંટ્રોલ્સ હેઠળ રાખો.
  • સ્ક્રિપ્ટ એક્ઝિક્યુશન – હંમેશા સ્પષ્ટ મંજૂરીની જરૂર હોય છે. સ્ક્રિપ્ટ એજન્ટને "સૂચન" થી "એક્શન" તરફ લઈ જાય છે, તેથી માનવીય અથવા પોલિસી ચેક દ્વારા હસ્તક્ષેપ થવો જોઈએ.
  • એક્સટર્નલ સિસ્ટમ કોલ્સ – મર્યાદિત પરમિશન ધરાવતા અલગ ટૂલ્સ દ્વારા જ થવા જોઈએ; સ્કીલ પોતે ઓથોરાઈઝેશન મિકેનિઝમ નથી.

આ નિયમો ડેવલપર્સને ડેટાબેઝ અપડેટ્સ અથવા કોડ ડિપ્લોયમેન્ટ જેવી રાઈટ-ઓરિએન્ટેડ એક્શન્સ અજમાવતા પહેલા, રીડ-ઓન્લી વર્કફ્લો—જેમ કે ઇન્સિડન્ટ ટ્રાયજ, પોલિસી લુકઅપ, સ્ટેટસ ક્વેરીઝ—થી શરૂઆત કરવા માટે પ્રોત્સાહિત કરે છે.

ઓપરેશનલ હાઈજીન: લોગિંગ અને વર્ઝનિંગ

જ્યારે સ્કીલ ચાલે છે, ત્યારે ફ્રેમવર્ક નીચેની બાબતોનું લોગિંગ કરવા પ્રોત્સાહિત કરે છે (અને ઘણા ડિપ્લોયમેન્ટ્સમાં તે ફરજિયાત છે):

  • મૂળ વિનંતી અને પસંદ કરેલ સ્કીલ ID.
  • વપરાયેલ સ્કીલ પેકેજનું વર્ઝન.
  • એજન્ટે માત્ર વર્ણન લોડ કર્યું કે રિસોર્સ ફાઇલ પણ મેળવી.
  • સ્ક્રિપ્ટ એક્ઝિક્યુશન માટેનો મંજૂરીનો નિર્ણય.
  • પૂરા પાડવામાં આવેલા તમામ ટૂલ આર્ગ્યુમેન્ટ્સ અને મળેલા પરિણામો.

જો એજન્ટ ખોટી સ્કીલ પસંદ કરે છે, તો તે ખોટી પસંદગીને ટેસ્ટ કેસમાં ફેરવી દો. તે સ્કીલ પ્રોડક્શનમાં પહોંચે તે પહેલાં રિગ્રેશન ચેક (regression check) બનાવે છે.

દરેક સ્કીલને પ્રોમ્પ્ટ્સના છૂટા ફોલ્ડર તરીકે નહીં, પરંતુ સ્પષ્ટ સીમા ધરાવતા વર્ઝન કરેલા ડિપેન્ડન્સી (versioned dependency) તરીકે ગણો. વર્ઝનિંગ તમને એજન્ટના બાકીના નોલેજ બેઝને નુકસાન પહોંચાડ્યા વિના ખામીયુક્ત સ્ક્રિપ્ટને રોલ બેક કરવાની મંજૂરી આપે છે.

શરૂઆત કરવા માટે: એક વ્યવહારુ ચેકલિસ્ટ

  1. રીડ-ઓન્લી વર્કફ્લો પસંદ કરો – દા.ત., "તાજેતરની સિક્યુરિટી ઇન્સિડન્ટ માર્ગદર્શિકા શોધો".
  2. સૂચનાઓ અને સ્ક્રિપ્ટ્સને અલગથી પેકેજ કરો – SKILL.md ટૂંકું રાખો; ભારે પોલિસી ફાઇલોને references/ માં રાખો.
  3. કેટેલોગ તૈયાર કરો – મંજૂર કરેલી સ્કીલ્સની યાદી જાળવો અને કોઈપણ સ્ક્રિપ્ટ માટે ફરજિયાત મંજૂરી લાગુ કરો.
  4. સેન્ડબોક્સ મર્યાદાઓ સેટ કરો – સ્ક્રિપ્ટ એક્ઝિક્યુશન માટે CPU, મેમરી અને નેટવર્ક મર્યાદાઓ વ્યાખ્યાયિત કરો; દરેક રનનું લોગિંગ કરો.
  5. જૂના મેગા-પ્રોમ્પ્ટ સામે બેન્ચમાર્ક કરો – ખર્ચમાં બચતની પુષ્ટિ કરવા માટે ટોકન વપરાશ, લેટન્સી અને સફળતાના દરની તુલના કરો.

આગળ શું જોવું

Microsoft નું રિલીઝ હાલમાં એક સ્ટેબલ Python ઇમ્પ્લીમેન્ટેશન છે.

નિષ્કર્ષ

Agent Skills LLM-આધારિત સહાયકોને પોલિસી અને સ્ક્રિપ્ટ્સની વધતી જતી લાઇબ્રેરીનો ઉપયોગ કરવાની સાથે હળવા (lightweight) રહેવાની રીત આપે છે. ફક્ત વર્ણન જ અગાઉથી લોડ કરીને અને જરૂર પડે ત્યારે જ ભારે રિસોર્સિસ મેળવીને, પ્રોમ્પ્ટ્સ ટૂંકા રહે છે, ઇન્ફરન્સ ખર્ચ ઘટે છે, અને એજન્ટનું રીઝનિંગ કેન્દ્રિત રહે છે.