For the last two years, AI engineering followed a simple script. Give an agent a prompt, some tools, and a memory layer.

گزشتہ دو سالوں سے، AI انجینئرنگ ایک سادہ سے اسکرپٹ پر چل رہی تھی۔ ایک ایجنٹ کو ایک پرامپٹ (prompt)، کچھ ٹولز اور ایک میموری لیئر دیں۔ پھر اسے میٹنگ شیڈول کرتے، کسی معاہدے کا خلاصہ کرتے، یا کسی اسکرپٹ کو ڈی بگ (debug) کرتے ہوئے دیکھیں۔ پورا مقصد ایک واحد ایجنٹ کو خود مختار طور پر مفید بنانا تھا۔

وہ مقصد اب بدل چکا ہے۔

اب ہم صنعت کو انفرادی ایجنٹس (solo agents) سے ایجنٹ ٹیموں (agent teams) کی طرف منتقل ہوتے دیکھ رہے ہیں۔ ایک کسٹمر سروس ٹریاج بوٹ (triage bot) ریفنڈ کی درخواست کی شناخت کرتا ہے اور کیس کو پیمنٹ ایجنٹ کو بھیج دیتا ہے۔ ویب ڈیٹا اسکریپ کرنے والا ایک ریسرچ ایجنٹ کسی مخصوص خلا کا سامنا کرتا ہے اور کام کو ایک ایسے ماہر کے سپرد کر دیتا ہے جو کسی پراپرائٹری ڈیٹا بیس پر کام کر رہا ہو۔ شپمنٹ کی منصوبہ بندی کرنے والا ایک لاجسٹکس ایجنٹ کو ریئل ٹائم فریٹ کوٹ (freight quote) کی ضرورت ہوتی ہے، اس لیے وہ قیمت بتانے والے ایجنٹ سے ریٹ پوچھتا ہے۔

کاغذ پر یہ سادہ لگتا ہے۔ لیکن عملی طور پر، یہ بہت نازک (brittle) ہے۔

نیا چیلنج باہمی ہم آہنگی (interoperability) ہے۔ ٹیمیں مختلف فریم ورکس میں ایجنٹس بناتی ہیں۔ مختلف وینڈرز مختلف انٹرفیس کے ساتھ ایجنٹس فراہم کرتے ہیں۔ جب ایک کمپنی کو دوسری کے ساتھ کام کرنے کی ضرورت ہوتی ہے، تو یہ فرق مزید بڑھ جاتا ہے۔ اب ہمارے پاس قابل کارکنوں سے بھرا ہوا ایک ایسا منظرنامہ ہے جس میں مشترکہ زبان کی کمی ہے۔ ایک ایجنٹ ڈائریکٹری میں دوسرے ایجنٹ کو تلاش نہیں کر سکتا۔ وہ اپنے ساتھی کے کام کی تفصیل نہیں پڑھ سکتا۔ اور وہ ڈیٹا کے اخراج (data leakage)، سیاق و سباق کے ضیاع (context loss)، یا کام کے دوہراؤ (duplicate execution) کے خطرے کے بغیر کوئی حساس کام دوسرے کے سپرد نہیں کر سکتا۔

A2A بالکل اسی مسئلے کو حل کرنے کے لیے بنایا گیا ہے۔ یہ ایجنٹس کو تلاش (discovery)، تفویض (delegation) اور محفوظ تعاون کے لیے ایک مشترکہ پروٹوکول فراہم کرتا ہے۔

واحد ایجنٹس سے ایجنٹ سائلوز (Agent Silos) تک

ایجنٹ فریم ورکس کی پہلی لہر نے سسٹم کی حد کو ایجنٹ کی حد سمجھا تھا۔ آپ نے ایک ریزننگ لوپ (reasoning loop) بنایا، اسے ٹولز کا ایک سیٹ دیا، اور یہ امید کی کہ وہ ورک فلو کے ذریعے اپنا راستہ خود تلاش کر لے گا۔ یہ اس وقت تک کافی حد تک کارآمد رہا جب تک ایجنٹ ایک ہی کوڈ بیس، ایک ہی کلاؤڈ اکاؤنٹ، یا ایک ہی وینڈر پلیٹ فارم کے اندر رہا۔

حقیقی کاروبار مونو لیتھس (monoliths) کے اندر کام نہیں کرتے۔ ایک ریفنڈ کی درخواست CRM سے شروع ہو سکتی ہے، پائتھن (Python) میں لکھے گئے کسی اندرونی پیمنٹ سروس میں جا سکتی ہے، اور کسی تیسرے فریق (third party) کے ہوسٹ کردہ فراڈ چیک پر ختم ہو سکتی ہے۔ جب آپ ان میں سے ہر سروس کو ایک ایجنٹ کے طور پر ماڈل کرتے ہیں، تو آپ کو جلد ہی احساس ہوتا ہے کہ مختلف اسٹیکس (stacks) پر بنے ہوئے ایجنٹس قدرتی طور پر ایک دوسرے کو نہیں سمجھتے۔ پراپرائٹری فریم ورکس پر بنے ہوئے انٹرپرائز ایجنٹس اپنی صلاحیتوں کا باہر کی دنیا میں اعلان نہیں کرتے۔

کسی معیار کے بغیر، ہر انٹیگریشن ایک کسٹم پروجیکٹ بن جاتی ہے۔ انجینئرز صرف ایک بار استعمال ہونے والا 'گلو کوڈ' (glue code) لکھتے ہیں۔ ترجمہ یا منتقلی کے دوران سیاق و سباق (context) کھو جاتا ہے۔ سیکیورٹی پالیسیاں غیر مستقل ہو جاتی ہیں، کیونکہ ہر ہینڈ آف (handoff) الگ اور مخصوص ہوتا ہے۔

ایجنٹ کارڈز: ایک عوامی ریزیومے (Public Resume)

A2A ایجنٹ کارڈز متعارف کرواتا ہے تاکہ ایجنٹس یہ اعلان کر سکیں کہ وہ کون ہیں اور وہ کیا کر سکتے ہیں۔

ایجنٹ کارڈ کو مشین کے قابلِ خواندگی والے ریزیومے (machine-readable résumé) کے طور پر سمجھیں۔ ایک ایجنٹ ایک کارڈ شائع کرتا ہے جو اس کے ڈومین، اس کے مطلوبہ ان پٹس، اس کے متوقع آؤٹ پٹس، اور اس کام پر کسی بھی پابندی کی وضاحت کرتا ہے جسے وہ قبول کرتا ہے۔ ایک پیمنٹ ایجنٹ یہ اعلان کر سکتا ہے کہ وہ آرڈر آئی ڈی اور ریزن کوڈ فراہم کیے جانے پر ایک مخصوص رقم سے کم کی ریفنڈ درخواستوں پر کارروائی کرتا ہے، اور وہ یا تو کنفرمیشن نمبر یا ایرر (error) واپس کرتا ہے۔ ایک ڈیٹا سپیشلسٹ یہ بتا سکتا ہے کہ وہ ایک مخصوص سائز تک کی اسٹرکچرڈ فائلیں قبول کرتا ہے اور ایک قابلِ پیش گوئی وقت کے اندر صاف شدہ ٹائم سیریز ڈیٹا (cleaned time-series data) واپس کرتا ہے۔

کام تفویض کرنے سے پہلے، درخواست کرنے والا ایجنٹ کارڈ پڑھتا ہے۔ وہ سمجھ جاتا ہے کہ آیا ٹارگٹ ایجنٹ اس کام کے قابل ہے بھی یا نہیں۔ اسے معلوم ہو جاتا ہے کہ پے لوڈ (payload) کو کس فارمیٹ کی ضرورت ہے۔ اسے معلوم ہوتا ہے کہ اسے ایک سنکرونس (synchronous) جواب کی توقع رکھنی چاہیے یا کسی ایسی غیر سنکرونس (asynchronous) ٹاسک کی جو بعد میں مکمل ہوگی۔

اس سے اندازوں کا کام ختم ہو جاتا ہے۔ ہر ممکنہ پارٹنر کے لیے انٹیگریشنز کو ہارڈ کوڈ (hardcode) کرنے کے بجائے، ایک ایجنٹ دستیاب صلاحیتوں کو دیکھ سکتا ہے اور متحرک طور پر (dynamically) صحیح ساتھی کا انتخاب کر سکتا ہے۔

ٹاسکس: صرف API کالز نہیں، بلکہ منظم کام

ایجنٹس کو انسانوں کی طرح بات چیت کرنے کی ضرورت نہیں ہے۔ انہیں کام کو صفائی سے ایک دوسرے کے حوالے کرنے کی ضرورت ہے۔ A2A اس تبادلے کو ایک 'ٹاسک' (Task) کے طور پر ماڈل کرتا ہے۔

ایک ٹاسک اس سے کہیں زیادہ ہے کہ...