Microsoft نے Foundry Toolbox اور اس کے ہمراہ فیچر Tool Search متعارف کرایا ہے، جو کہ ایک single-endpoint سروس ہے جو ڈویلپرز کو ہر ایجنٹ کو انفرادی طور پر جوڑے بغیر سینکڑوں ٹولز کے ساتھ AI agents کو منسلک کرنے کی سہولت دیتی ہے۔ جب کیٹلاگ میں 600 سے زیادہ ٹولز تھے تو Tool Search نے input tokens میں 94% تک کمی کی۔

ایک مرکزی toolbox کیوں اہم ہے

AI agents کو صارف کی درخواستوں کو پورا کرنے کے لیے بیرونی صلاحیتوں—جیسے databases، CRMs، اور analytics platforms—کی ضرورت ہوتی ہے۔ اب تک بہت سے ادارے ہر ایجنٹ کو براہ راست مطلوبہ APIs سے جوڑتے تھے۔ انجینئرز کو ہر نئے ایجنٹ کے لیے credential configuration، policy enforcement اور error-handling کوڈ کو بار بار لکھنا پڑتا تھا۔ اس کا نتیجہ ڈپلیکیٹڈ (duplicated) سیٹنگز کے ایک الجھے ہوئے جال کی صورت میں نکلا جسے آڈٹ کرنا مشکل تھا اور جو سیکیورٹی کے خلا کا باعث بن سکتا تھا۔

Foundry Toolbox اس ادھورے کام (patchwork) کو ایک متحد service layer سے بدل دیتا ہے۔ درجن بھر ایجنٹس کے الگ الگ endpoints کی طرف اشارہ کرنے کے بجائے، تمام ایجنٹس ایک ہی "toolbox" endpoint سے بات کرتے ہیں۔ Toolbox ورژننگ (versioning)، connection strings اور سیکیورٹی پالیسیوں کا ذمہ دار ہے، جس سے ٹیموں کو پورے tool ecosystem کو ایک ہی جگہ سے مینیج کرنے کی سہولت ملتی ہے۔ وہ ادارے جو متعدد بزنس یونٹس میں درجنوں ایجنٹس چلاتے ہیں، وہ فوری طور پر آپریشنل اخراجات (operational overhead) میں کمی محسوس کرتے ہیں۔

Tool Search کے ذریعے token bloat میں کمی

بڑے ٹول کیٹلاگز ایک پوشیدہ قیمت پیدا کرتے ہیں: token usage۔ جب کوئی language model ایسا prompt وصول کرتا ہے جس میں ہر دستیاب ٹول کی فہرست ہو، تو context window بڑھ جاتی ہے، جس سے وہ tokens ضائع ہو جاتے ہیں جو کسی اور طریقے سے reasoning یا صارف کے سامنے آنے والے متن پر خرچ کیے جا سکتے تھے۔ Tool Search اس مسئلے کو اس کی جڑ سے حل کرتا ہے۔

جب کوئی ایجنٹ Tool Search کو فعال کرتا ہے، تو ماڈل پہلے tool_search نامی ایک meta-tool کو کال کرتا ہے، اور سادہ انگریزی میں بیان کرتا ہے کہ اسے کیا چاہیے (مثلاً، “find the latest sales forecast for region X”)۔ سروس اس مقصد سے مطابقت رکھنے والے امیدوار ٹولز کی ایک مختصر اور درجہ بندی شدہ فہرست واپس کرتی ہے۔ اس کے بعد ماڈل اس فہرست میں سے سب سے موزوں اندراج کا انتخاب کرتے ہوئے call_tool کو کال کرتا ہے۔ صرف متعلقہ ذیلی سیٹ (subset) کو ظاہر کرنے سے prompt چھوٹا رہتا ہے، جس سے 600-ٹول بینچ مارک میں input tokens میں 94% تک کی بچت ہوتی ہے۔

یہ دو مرحلہ وار ورک فلو انتخاب کی درستگی کو بھی بہتر بناتا ہے۔ اسی بینچ مارک میں، ماڈل نے اس وقت کے مقابلے میں زیادہ بار درست ٹول کا انتخاب کیا جب اسے مکمل کیٹلاگ میں سے تلاش کرنے پر مجبور کیا گیا تھا، جس سے غلط کالز اور غیر ضروری کوششیں (retries) کم ہو گئیں۔

Toolbox سے زیادہ سے زیادہ فائدہ کیسے حاصل کریں

  • بہترین metadata لکھیں – Tool Search ہر ٹول کے نام اور تفصیل پر انحصار کرتا ہے۔ "Get data" جیسے مبہم لیبل ماڈل کو کام کرنے کے لیے بہت کم معلومات دیتے ہیں۔ "Retrieve customer renewal risks and contacts" جیسے تفصیلی عنوانات سرچ انجن کو صحیح نتیجے تک پہنچنے میں مدد دیتے ہیں۔
  • اکثر استعمال ہونے والے ٹولز کو پن (Pin) کریں – اگر کسی ایجنٹ کو ہر بار ایک خاص یوٹیلیٹی کی ضرورت ہوتی ہے، تو اس ٹول کو ایجنٹ کی کنفیگریشن میں پن کر دیں۔ پن کرنے سے سرچ کا مرحلہ ختم ہو جاتا ہے، جس سے latency اور token کی کھپت میں کمی آتی ہے۔
  • صلاحیت کے لحاظ سے ترتیب دیں – پورے ادارے کو کور کرنے والے ایک ہی بڑے (monolithic) toolbox کے بجائے، ٹولز کو منطقی گروپس (مثلاً sales-tools، CRM-tools) میں تقسیم کریں۔ چھوٹے گروپس غلط کنفیگریشن کے اثرات (blast radius) کو محدود کرتے ہیں اور سرچ کے نتائج کو مرکوز رکھتے ہیں۔
  • ڈپلائے کرنے سے پہلے ٹیسٹ کریں – Toolbox کے ورژن ناقابل تبدیلی (immutable) ہوتے ہیں؛ ایک بار جب کوئی ورژن ڈیفالٹ کے طور پر سیٹ ہو جائے، تو تمام ایجنٹس اسے استعمال کرنا شروع کر دیتے ہیں۔ اسے پوری کمپنی میں رول آؤٹ کرنے سے پہلے، ایک نئے ورژن کی علیحدگی سے تصدیق کرنے کے لیے developer endpoint کا استعمال کریں۔

یہ طریقے اس وقت سب سے زیادہ اہمیت رکھتے ہیں جب ٹولز کی تعداد سینکڑوں میں پہنچ جاتی ہے۔ چند یوٹیلیٹیز والے ایک واحد ایجنٹ کے لیے، براہ راست کنکشنز اب بھی سادہ ترین راستہ ہو سکتے ہیں۔ لیکن جیسے جیسے ٹیمیں بڑھتی ہیں اور toolbox پھیلتا ہے، مرکزی ماڈل (centralized model) کم ڈپلیکیشن، سخت سیکیورٹی اور قابل پیمائش ٹوکن کی بچت کے ذریعے خود کو ثابت کر دیتا ہے۔

خلاصہ: Foundry Toolbox اور Tool Search بڑے پیمانے پر AI کے استعمال کو ٹولز کے پھیلاؤ کو قابو کرنے، ٹوکن کے ضیاع میں 94% تک کمی کرنے اور مستقل سیکیورٹی پالیسیوں کو نافذ کرنے کا طریقہ فراہم کرتے ہیں—یہ سب ایک واحد، بہتر طریقے سے مینیج کی گئی service layer شامل کرنے سے ممکن ہوتا ہے۔ وہ ٹیمیں جو ابتدائی سیٹ اپ اور metadata کے نظم و ضبط کی استطاعت رکھتی ہیں، وہ ایک زیادہ منظم اور قابل کنٹرول ایجنٹ ایکو سسٹم حاصل کر سکتی ہیں۔