𝗪𝗵𝘆 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗥𝗲𝘀𝗼𝘂𝗿𝗰𝗲 𝗗𝗶𝘀𝗰𝗼𝘃𝗲𝗿𝘆 𝗶𝘀 𝗧𝗵𝗲 𝗠𝗶𝘀𝘀𝗶𝗻𝗴 𝗟𝗮𝘆𝗲𝗿
ایجنٹک ریسورس ڈسکوری (Agentic Resource Discovery) کیوں ایک مفقود تہہ ہے
AI ایجنٹس کو ایک بڑے مسئلے کا سامنا ہے۔ انہیں صحیح وقت پر صحیح ٹول منتخب کرنے میں دشواری ہوتی ہے۔
ایک ماڈل بہتر طریقے سے استدلال (reasoning) کر سکتا ہے۔ ایک ٹول بہتر طریقے سے تلاش کر سکتا ہے۔ ایک GUI کنٹرولر بہتر کام کر سکتا ہے۔ لیکن اگر ایجنٹس کو یہ معلوم نہ ہو کہ کون سے ٹولز موجود ہیں یا انہیں کس طرح درجہ بندی کرنی ہے، تو وہ ناکام ہو جاتے ہیں۔
زیادہ تر ڈویلپرز ایک جامد (static) طریقہ کار استعمال کرتے ہیں۔ آپ ایک ٹول انسٹال کرتے ہیں اور اسے بعد میں استعمال کرتے ہیں۔ آپ پہلے سے مہارتیں (skills) جوڑ دیتے ہیں اور امید کرتے ہیں کہ وہ کام کریں گی۔ جب آپ کا ایجنٹ بڑھتا ہے تو یہ طریقہ ناکام ہو جاتا ہے۔ سینکڑوں ٹولز کو دستی طور پر (manually) سنبھالنا ناممکن ہے۔
Agentic Resource Discovery (ARD) اس مسئلے کو حل کرتا ہے۔ ٹولز کو ہارڈ کوڈ کرنے کے بجائے، ایجنٹس رن ٹائم (runtime) پر ایک رجسٹری میں تلاش کرتے ہیں۔
ARD موجودہ پروٹوکولز کے ساتھ مل کر کام کرتا ہے:
- MCP ایجنٹ کو بتاتا ہے کہ ٹول کو کیسے کال کرنا ہے۔
- Skills ایجنٹ کو بتاتی ہیں کہ ہدایات پر کیسے عمل کرنا ہے۔
- A2A ایجنٹ کو بتاتا ہے کہ دوسرے ایجنٹ تک کیسے پہنچنا ہے۔
- ARD ان میں سے کسی کے بھی شروع ہونے سے پہلے ایجنٹ کو بتاتا ہے کہ کیا تلاش کرنا ہے۔
ARD سپیک (spec) کے دو اہم حصے ہیں:
- پبلشرز ایک
ai-catalog.jsonفائل شیئر کرتے ہیں۔ اس فائل میں ٹیگز اور نمونہ سوالات (sample queries) جیسی میٹا ڈیٹا شامل ہوتی ہے۔ - ایک سرچ API ایجنٹ کو قدرتی زبان (natural language) میں درخواست بھیجنے کی اجازت دیتی ہے۔ رجسٹری صلاحیتوں (capabilities) کی ایک درجہ بندی شدہ فہرست واپس کرتی ہے۔
یہ طریقہ ہر ٹول کی تفصیل کو پرامپٹ (prompt) میں ڈالنے سے زیادہ سستا ہے۔ یہ آپ کے کانٹیکسٹ ونڈو (context window) کو بھی صاف رکھتا ہے۔
Hugging Face اسے اپنے Discover ٹول کے ذریعے نافذ کرتا ہے۔ یہ Hub کے نتائج کو skills یا MCP سرورز میں تبدیل کر دیتا ہے۔
GUI ایجنٹس کے لیے ڈسکوری (Discovery) مزید اہم ہے۔ ان ایجنٹس کو صحیح اسکل پیک (skill pack) یا ویژول پلے بک (visual playbook) کا انتخاب کرنا ہوتا ہے۔ تحقیق سے پتہ چلتا ہے کہ ملٹی موڈل مہارتیں مددگار ثابت ہوتی ہیں۔ VISUALSKILL استعمال کرنے والا ایک Claude ایجنٹ صرف ٹیکسٹ پر مبنی بیس لائن سے 15.3 پوائنٹس زیادہ اسکور کرتا ہے۔
ایجنٹ کا ایکو سسٹم تیزی سے بڑھ رہا ہے۔ صلاحیتوں میں اب APIs، UI ورک فلو، اور روبوٹ پالیسیاں شامل ہیں۔ آپ اس ماحول میں ہر ٹول کو دستی طور پر سیٹ اپ نہیں کر سکتے۔
اگر آپ ایجنٹ مصنوعات بناتے ہیں، تو ان تین اصولوں پر عمل کریں:
- جامد ٹول فہرستوں کا استعمال بند کریں۔ وہ جلد ہی پرانی ہو جاتی ہیں۔
- بھرپور میٹا ڈیٹا استعمال کریں۔ سرچ کے معیار کو بہتر بنانے کے لیے ٹاسک کی اقسام اور سوالات شامل کریں۔
- ڈسکوری کو ایگزیکیوشن (execution) سے الگ کریں۔ ٹول تلاش کرنے کے لیے سرچ کا استعمال کریں۔ اسے چلانے کے لیے پروٹوکول کا استعمال کریں۔
ایجنٹس کے لیے سب سے بڑا چیلنج صرف استدلال (reasoning) نہیں ہے۔ یہ کیپبلٹی روٹنگ (capability routing) ہے۔ بہترین ایجنٹس صحیح وسائل کو سب سے تیزی سے تلاش کریں گے۔
اختیاری سیکھنے کی کمیونٹی: https://t.me/GyaanSetuAi