Agentic AI: Chatbots से आगे, काम पूरा करने वाले AI Agents

This course contains the use of artificial intelligence.

इस कोर्स में आर्टिफ़िशियल इंटेलिजेंस का उपयोग शामिल है।

आजकल हर कोई “Agents” बेच रहा है। इनमें से कुछ प्रोडक्ट सच में योजना बनाते हैं, Tools को Call करते हैं और कई Steps वाला काम पूरा करते हैं। कई सिर्फ़ नए लेबल वाले Chatbots या तय Workflows हैं। यह कोर्स आपको यह फ़र्क पहचानने का एक साफ़ तरीका देता है, जो किसी एक Vendor से बंधा नहीं है, और फिर आपको Agents को समझने से लेकर उन्हें बनाने, जाँचने और उनकी लागत निकालने तक ले जाता है।

यह पेशेवरों और Agents बनाना शुरू कर रहे लोगों के लिए एक व्यापक परिचय है। आपको मशीन लर्निंग की पृष्ठभूमि की ज़रूरत नहीं है। अगर आप ChatGPT, Claude, Gemini या Copilot का नियमित इस्तेमाल करते हैं और जानना चाहते हैं कि जब Model खुद काम करने लगता है तो क्या बदलता है, तो यह शुरुआत के लिए सही जगह है।

एक कंपनी, एक Pilot, शुरू से आख़िर तक

हम Harborline Logistics के साथ चलते हैं, एक काल्पनिक Freight Forwarder, जिसके पास Shipment Status ईमेल का बैकलॉग और देर से चल रहे Customs कागज़ात हैं। इसकी ऑपरेशंस टीम Relay नाम का 90 दिन का Agent Pilot चलाती है। कोर्स की हर बात इसी Pilot पर लागू होती है, ताकि आप एक ही Agent को पहले Loop से लेकर जाँचे गए, निगरानी वाले और लागत के हिसाब वाले सिस्टम तक बढ़ते हुए देखें।

कोर्स में क्या-क्या है

• Section 1, Agentic AI असल में क्या है: Chatbot, Copilot, Workflow और Agent; Agent Loop; Autonomy के पाँच Levels; Agent Washing कैसे पहचानें
• Section 2, Agents कैसे सोचते हैं: Model, Tools और Instructions; ReAct, Planning और Reflection; पाँच Workflow Patterns और कब Agent का इस्तेमाल न करें
• Section 3, Tools, MCP और Computer Use: Tool Calling, Model Context Protocol, Browser Use और Computer Use, और ChatGPT, Claude और Gemini में Agent Modes
• Section 4, Memory, Knowledge और Context: Context Engineering, Retrieval (RAG), Skills, और Agent को कंपनी की प्रक्रियाओं पर आधारित करना
• Section 5, बिना Code के Agents बनाना: No-code की दुनिया, पहले Agent Spec लिखना, और n8n में Shipment Status Agent बनाना
• Section 6, Python में Agents बनाना: Lock-in के बिना SDK चुनना, लगभग पचास लाइनों में काम करता Agent, उसे MCP Server से जोड़ना, और Traces पढ़ना
• Section 7, Multi-agent Systems: जब एक Agent काफ़ी न हो, Orchestrators और Handoffs, A2A Protocol, और दो Agents वाला Customs Desk
• Section 8, भरोसा, Value और Adoption: Evaluation, आम Failure Modes और Guardrails, इंसानी मंज़ूरी, Cost per Task, KPIs, और 90 दिन का Adoption Roadmap

आपके अपने कंप्यूटर पर चलने वाले व्यावहारिक Labs

बनाने वाले Labs मुफ़्त Tools के साथ Local चलते हैं: Python, Local Models के लिए Ollama, और Docker में n8n। किसी Paid API Key की ज़रूरत नहीं है। शुरुआती फ़ोल्डर में Shipment Tracking का एक नकली API, एक MCP Server, Harborline की बारह प्रक्रियाएँ, और वीडियो में इस्तेमाल हुई Test ईमेल और Customs के मामले शामिल हैं।

• Lab 1: एक ही Task को ChatGPT, Claude और Gemini के Agent Modes में चलाएँ और उनके Action Logs पढ़ें
• Lab 2: Harborline की प्रक्रियाओं को Index करें और Retrieval के साथ और उसके बिना जवाबों की तुलना करें
• Lab 3: n8n में एक No-code Status Agent बनाएँ और उसे दस Test ईमेल पर चलाएँ
• Lab 4: उसी Agent को Python में फिर से बनाएँ, उसके Tool को MCP Server के पीछे रखें, और Trace से एक जानबूझकर डाली गई गलती ढूँढें
• Lab 5: Handoff के साथ दूसरा Agent जोड़ें और नतीजों और Token खपत की तुलना Single Agent से करें

कुछ ईमानदार बातें। Lab 1 आपके Browser में किसी Chat Assistant का Agent Mode इस्तेमाल करता है, और आप कौन-से Agent Modes इस्तेमाल कर सकते हैं, यह आपके Plan और क्षेत्र पर निर्भर करता है। अगर आपके पास यह सुविधा नहीं है, तब भी आप रिकॉर्ड किए गए Sessions देखकर साथ चल सकते हैं। Local Models हर बार एक जैसा जवाब नहीं देते, इसलिए आपके जवाब और पास होने की दरें वीडियो से थोड़ी अलग होंगी। Labs में इस्तेमाल होने वाले Local Model को लगभग 6 GB खाली Memory चाहिए। अगर आप सिर्फ़ बुनियादी समझ और No-code रास्ता चाहते हैं, तो Python वाला Section वैकल्पिक है।

अभ्यास और मूल्यांकन

आठों Sections में से हर एक में एक Quiz और एक व्यावहारिक Assignment है, जिसके साथ एक हल किया हुआ नमूना जवाब दिया गया है। Capstone में आप अपनी नौकरी से एक Task चुनते हैं और उसके लिए एक Agent Spec, मंज़ूरी Gates के साथ एक Autonomy Level, दस Cases का Eval Set, और 90 दिन के Roadmap के साथ लागत का अनुमान तैयार करते हैं। 60 सवालों का एक आख़िरी Practice Exam आठों Sections को कवर करता है।

यह कोर्स क्या नहीं है

यह किसी एक Framework पर गहरा तकनीकी कोर्स नहीं है, और यह नौकरी, सर्टिफ़िकेट या किसी खास नतीजे का वादा नहीं करता। यह इस क्षेत्र का एक नक्शा है, जिसमें इतना व्यावहारिक काम है कि आप Agent प्रस्तावों को परख सकें, एक छोटा Pilot चला सकें, और तय कर सकें कि आगे क्या सीखना है। इस क्षेत्र के Tools तेज़ी से बदलते हैं, इसलिए कोर्स Portable हिस्से सिखाता है (Spec, Prompts, Tools और Evaluations), जो Platform बदलने पर भी काम आते हैं।