बातूनी एलएलएम एजेंटों से शासन योग्य प्रणालियों तक: एक वास्तुकला संबंधी मार्गदर्शिका

यह लेख डेवलपर्स के लिए एजेंटिक सिस्टम को समझने के लिए एक गाइड है: यह एक एजेंट और एक नियमित वर्कफ़्लो के बीच के अंतर को स्पष्ट करता है, और कब एक या कई एजेंटों का उपयोग करना चाहिए। यह रेखांकित करता है कि एक एजेंट को मॉडल + कार्य लूप + टूल + स्थिति + नियम और बाधाओं के रूप में परिभाषित किया गया है। लेख ReAct दृष्टिकोण (2022) से विकास का पता लगाता है, जिसने विचार-क्रिया-अवलोकन चक्र पेश किया, AutoGen द्वारा 2023 में लोकप्रिय किए गए संवादी आर्किटेक्चर तक, और फिर 2024 में LangGraph जैसी ग्राफ-आधारित संरचनाओं तक। यह उजागर करता है कि कई अनुप्रयोगों के लिए एक एजेंट अक्सर पर्याप्त होता है, और मल्टी-एजेंट सेटअप केवल तभी लाभ देते हैं जब भूमिकाएं संदर्भ, टूल या अनुमतियों में वास्तव में भिन्न हों। लेख विभिन्न रणनीतियों (ReAct, Plan-and-Solve, ReWOO, Tree of Thoughts, RAP, LATS, Self-Refine, Reflexion, MRKL) पर भी चर्चा करता है और नोट करता है कि चरण जितने पूर्वनिर्धारित होंगे, मॉडल को उतनी ही कम स्वतंत्रता की आवश्यकता होगी। यह एक 'एजेंट थिएटर' की अवधारणा पेश करता है जहां समान LLM कॉल एक टीम होने का दिखावा करते हैं, और नियतात्मक तर्क (कोड) को संभाव्य तर्क (LLM निर्णय) से अलग करने पर जोर देता है। अंत में, यह एक आधुनिक एजेंट स्टैक प्रस्तुत करता है जिसमें Agent SDKs, ग्राफ रनटाइम, मेमोरी, सैंडबॉक्सिंग और ऑब्ज़र्वेबिलिटी जैसी परतें शामिल हैं, और OpenAI Agents SDK, Google ADK, LangGraph, Mastra और अन्य जैसे उदाहरण सूचीबद्ध करता है।