The internet has decided that this is the year of the agent. LangGraph, CrewAI, and AutoGen are the names on every engin

ഇന്റർനെറ്റ് തീരുമാനിച്ചിരിക്കുന്നത് ഇത് ഏജന്റിന്റെ (agent) വർഷമാണെന്നാണ്. LangGraph, CrewAI, കൂടാതെ AutoGen എന്നിവയാണ് ഓരോ എഞ്ചിനീയറിംഗ് റോഡ്മാപ്പിലും കാണുന്ന പേരുകൾ. ടീമുകൾ ഓർക്കസ്ട്രേഷൻ ലെയറുകൾ (orchestration layers) ടെസ്റ്റ് ചെയ്യുകയും, സ്റ്റേറ്റ് മെഷീനുകളും (state machines) റോൾ-പ്ലേയും തമ്മിൽ തർക്കിക്കുകയും, ഏത് ലൈബ്രറിയായിരിക്കും ലാർജ് ലാംഗ്വേജ് മോഡലുകളെ (large language models) സ്വയം പ്രവർത്തിപ്പിക്കാൻ (autonomous) സഹായിക്കുക എന്ന് ആലോചിക്കുകയും ചെയ്യുന്നു.

ഇതാ ഒരു അസ്വസ്ഥതയുണ്ടാക്കുന്ന സത്യം: ഈ താരതമ്യങ്ങളിൽ മിക്കതും അകാലത്തിലുള്ളതാണ്. ഫ്രെയിംവർക്കുകളല്ല പ്രയാസകരമായ ഭാഗം. നമ്മൾ പദപ്രയോഗങ്ങൾ നിർവചിക്കുന്നത് നിർത്തി എന്നതാണ് പ്രയാസകരമായ കാര്യം. ആളുകൾ ഇപ്പോൾ എല്ലാത്തിനെയും ഏജന്റ് എന്ന് വിളിക്കുന്നു. ഒരു ടൂൾ കോൾ (tool call) ഏജന്റല്ല. ഒരു ചാറ്റ്ബോട്ട് ഏജന്റല്ല. അശാസ്ത്രീയമായ ഈ നിർവചനം മോശം എഞ്ചിനീയറിംഗിലേക്കും, അമിതമായി നിർമ്മിച്ച സിസ്റ്റങ്ങളിലേക്കും, ഒരു ലളിതമായ സ്ക്രിപ്റ്റ് ഉപയോഗിച്ച് ഒഴിവാക്കാമായിരുന്ന പ്രൊഡക്ഷൻ തകരാറുകളിലേക്കും (production outages) നേരിട്ട് നയിക്കുന്നു.

ഒരു ഫ്രെയിംവർക്ക് തിരഞ്ഞെടുക്കുന്നതിന് മുമ്പ്, നിങ്ങൾ യഥാർത്ഥത്തിൽ നിർമ്മിക്കുന്നത് എന്താണെന്ന് നിർവചിക്കുക.

ഒരു ഏജന്റ് യഥാർത്ഥത്തിൽ എന്താണ്

ഒരു ഏജന്റിനെ നിർവചിക്കുന്നത് അത് പ്രവർത്തിക്കുന്ന മോഡലോ അല്ലെങ്കിൽ അത് നടത്തുന്ന API കോളുകളുടെ എണ്ണമോ അല്ല. ഒരു ഏജന്റിനെ നിർവചിക്കുന്നത് അതിന്റെ പെരുമാറ്റമാണ് (behavior). അതിന് വ്യക്തമായ ഒരു ലക്ഷ്യം ഉണ്ടായിരിക്കണം. ഒരു മനുഷ്യൻ മുൻകൂട്ടി പാത നിശ്ചയിക്കാതെ തന്നെ അടുത്ത ഘട്ടം എന്തായിരിക്കണമെന്ന് അതിന് തീരുമാനിക്കണം. ആ ഘട്ടം പരാജയപ്പെടുമ്പോൾ അത് കൈകാര്യം ചെയ്യാനും അതിന് കഴിയണം. കൂടാതെ എപ്പോൾ നിർത്തണം എന്നതും അതിന് അറിയണം.

ഒരു സപ്പോർട്ട് സിസ്റ്റത്തെക്കുറിച്ച് ചിന്തിക്കുക; അത് വരുന്ന ഇമെയിൽ വായിക്കുന്നു, അതിനെ ഒരു റീഫണ്ട് റിക്വസ്റ്റ് ആയി തരംതിരിക്കുന്നു, ഓർഡർ നമ്പർ വേർതിരിച്ചെടുക്കുന്നു, ഷിപ്പിംഗ് ഡാറ്റാബേസ് പരിശോധിക്കുന്നു, റിട്ടേൺ പോളിസി കാലാവധി പരിശോധിക്കുന്നു, ഒരു മറുപടി തയ്യാറാക്കുന്നു, കൂടാതെ ടിക്കറ്റ് പരിഹരിച്ചതായി അടയാളപ്പെടുത്തുന്നു. ഡാറ്റാബേസ് ടൈം ഔട്ട് ആയാൽ, അത് കാത്തിരിക്കുകയും വീണ്ടും ശ്രമിക്കുകയും ചെയ്യുന്നു. പോളിസി കാലാവധി അവ്യക്തമാണെങ്കിൽ, അത് ഒരു മനുഷ്യനെ അറിയിക്കുന്നു. മറുപടി അയച്ചു കഴിഞ്ഞാൽ, അത് നിർത്തുന്നു. അതാണ് ഒരു ഏജന്റ്. JSON തിരികെ നൽകുന്ന ഒരു സിംഗിൾ LLM കോളിന് ചു