എന്റർപ്രൈസ് AI ഏജന്റുകൾ സെർവറിൽ നിന്ന് പുറത്തേക്ക് മാറുന്നു
AI ഏജന്റുകൾ സെർവറിന് അപ്പുറത്തേക്ക് മാറിക്കൊണ്ടിരിക്കുകയാണ്.
മിക്കവരും ഏജന്റുകൾ ബാക്കെൻഡിൽ (backend) മാത്രമാണ് പ്രവർത്തിക്കുന്നത് എന്ന് കരുതുന്നു. ഏജന്റുകൾ ഒരു ഡാറ്റാബേസ് അപ്ഡേറ്റ് ചെയ്യുകയോ അല്ലെങ്കിൽ ഒരു API വിളിക്കുകയോ മാത്രമേ ചെയ്യുന്നുള്ളൂ എന്ന് അവർ വിചാരിക്കുന്നു. എന്നാൽ യഥാർത്ഥ ജോലി നടക്കുന്നത് ബ്രൗസറിലാണ്.
നിങ്ങളുടെ സ്ക്രീനിൽ നിങ്ങൾ എന്താണ് തിരഞ്ഞെടുത്തതെന്ന് ഒരു ഏജന്റിന് അറിയേണ്ടതുണ്ട്. സേവ് ചെയ്യാത്ത ഫോം ഡാറ്റ (unsaved form data) കാണാൻ അതിന് സാധിക്കണം. നിങ്ങളുടെ കർസർ പൊസിഷനും (cursor position) ബ്രൗസർ പെർമിഷനുകളും അതിന് അറിയണം.
ഈ കാര്യങ്ങളെക്കുറിച്ച് സെർവറിന് ഒന്നും അറിയില്ല. സെർവർ കാണുന്നത് അവസാന ഫലം (final result) മാത്രമാണ്.
നിങ്ങൾ സെർവർ-സൈഡ് ടൂളുകൾ (server-side tools) മാത്രം നിർമ്മിക്കുകയാണെങ്കിൽ, നിങ്ങളുടെ ഏജന്റിന് കാഴ്ചശക്തിയില്ലാത്ത അവസ്ഥയുണ്ടാകും. അത് പഴയ ഡാറ്റ ഉപയോഗിച്ച് പ്രവർത്തിക്കുകയും തെറ്റുകൾ വരുത്തുകയും ചെയ്യും.
അതുകൊണ്ടാണ് ക്ലയന്റ്-സൈഡ് ടൂളുകൾ (client-side tools) ഭാവി എന്ന് പറയുന്നത്.
ഒരു വലിയ ഡാറ്റാ ബ്ലോബ് (giant blob of data) സെർവറിലേക്ക് അയക്കുന്നതിന് പകരം, നിങ്ങൾ ഫ്രണ്ട്എൻഡ് ടൂളുകൾ ഉപയോഗിക്കണം. ഈ ടൂളുകൾ ഏജന്റിന് ആപ്ലിക്കേഷനിൽ നേരിട്ട് പ്രവർത്തിക്കാൻ അനുവദിക്കുന്നു.
ഇത് പ്രധാനമാകുന്നത് എന്തുകൊണ്ടെന്നാൽ:
- കൺട്രോൾ (Control): നിങ്ങളുടെ പെർമിഷനുകൾ അടിസ്ഥാനമാക്കി ഏജന്റിന് ഉപയോഗിക്കാവുന്ന ടൂളുകൾ ഏതാണെന്ന് ഫ്രണ്ട്എൻഡ് തീരുമാനിക്കുന്നു.
- കൃത്യത (Accuracy): ഏജന്റ് പഴയ റെക്കോർഡുകൾക്ക് പകരം UI-യുടെ നിലവിലെ അവസ്ഥയുമായി (current state) പ്രവർത്തിക്കുന്നു.
- സുരക്ഷ (Safety): സെർവറിൽ എന്തെങ്കിലും സംഭവിക്കുന്നതിന് മുമ്പ് സെൻസിറ്റീവ് ആയ കാര്യങ്ങൾക്കായി ഒരു മനുഷ്യന്റെ ക്ലിക്ക് (human click) ആവശ്യപ്പെടാൻ നിങ്ങൾക്ക് സാധിക്കും.
- ട്രാസബിലിറ്റി (Traceability): ബ്രൗസറിൽ നിന്ന് ബാക്കെൻഡിലേക്ക് ഒരു ആക്ഷൻ എങ്ങനെ നടക്കുന്നു എന്ന് നിങ്ങൾക്ക് ട്രാക്ക് ചെയ്യാം.
നിങ്ങൾക്ക് പ്രൊഡക്ഷൻ-ഗ്രേഡ് (production-grade) AI ഏജന്റുകൾ നിർമ്മിക്കണമെന്നുണ്ടെങ്കിൽ, ഈ ഘട്ടങ്ങൾ പിന്തുടരുക:
- വ്യക്തമായ ടൈപ്പുകളോട് (types) കൂടി ടൂളുകളെ കോഡായി നിർവചിക്കുക.
- സിസ്റ്റം പ്രോംപ്റ്റുകളെ (system prompts) മാത്രം ആശ്രയിക്കുന്നതിന് പകരം പെർമിഷൻ റൂളുകൾ ഉപയോഗിക്കുക.
- തെറ്റുകൾ ഒഴിവാക്കാൻ ഓരോ ടൂൾ കോളിലും ഏറ്റവും പുതിയ സ്റ്റേറ്റ് വേർഷൻ (latest state version) ഉൾപ്പെടുത്തുക.
- ഏജന്റ് ചെയ്യുന്ന ഓരോ ആക്ഷനും 'undo' ചെയ്യാനുള്ള വഴികൾ നിർമ്മിക്കുക.
- ക്ലയന്റിൽ നിന്ന് API വരെയുള്ള മുഴുവൻ എക്സിക്യൂഷൻ പാത്തും (execution path) ട്രാക്ക് ചെയ്യുക.
ഉപയോക്താവിന്റെ ഉദ്ദേശ്യവും (user intent) ആപ്ലിക്കേഷൻ സ്റ്റേറ്റും (application state) തമ്മിൽ സംഗമിക്കുന്ന സങ്കീർണ്ണമായ ഇടങ്ങളിലേക്ക് AI ഏജന്റുകൾ മാറിക്കൊണ്ടിരിക്കുകയാണ്. വിജയിക്കണമെങ്കിൽ, നിങ്ങൾ ഇന്റർഫേസ് (interface) നിയന്ത്രിക്കണം.
സ്രോതസ്സ്: https://dev.to/focused_dot_io/enterprise-ai-agents-are-leaving-the-server-focused-labs-5740
ഓപ്ഷണൽ ലേണിംഗ് കമ്മ്യൂണിറ്റി: https://t.me/GyaanSetuAi