आज आर्टिफिशियल इंटेलिजेंस के साथ काम करने वाले अधिकांश डेवलपर्स मॉडल को अनुरोध पर प्रतिक्रिया देने में सक्षम हैं। हालांकि, बहुत कम लोग ऐसे एजेंट को शुरू कर पाए हैं जो उत्पादन वातावरण में स्थिर रूप से काम करता है। वह समस्या जो अधिकांश एजेंट परियोजनाओं को धीमा करती है, वह फ्रेमवर्क हैं जो अमूर्तताओं को सीमित करते हैं, त्रुटि होने पर ब्लैक बॉक्स की तरह काम करने वाली सिस्टम हैं, और उद्यम की बढ़ती तत्परता की आवश्यकताएं हैं।
AWS में डेवलपर-एडवोकेट, अशिता प्रसाद ने DevSparks Bengaluru 2026 में दो घंटे की व्यावहारिक कार्यशाला के दौरान इस समस्या का समाधान किया। इस कार्यक्रम के दौरान 170 डेवलपर्स उनके साथ Strands Agents - AWS द्वारा विकसित एक ओपन सोर्स SDK का उपयोग करके काम कर रहे थे। सत्र ने प्रतिभागियों को एक बुनियादी एजेंट बनाने और फिर इसे अंतर्निहित सुरक्षा तंत्र (guardrails), स्थायी मेमोरी और अवलोकन क्षमता के साथ उन्नत करने की अनुमति दी।
कोडिंग शुरू करने से पहले, अशिता ने समस्या के तीन पहलुओं को उजागर किया। पहला, एजेंट अवधारणाओं को समझने और उनके वास्तविक कार्यान्वयन के बीच सीखने की एक तीव्र वक्र मौजूद है। दूसरा, अधिकांश फ्रेमवर्क सुविधा के लिए लचीलेपन का त्याग करते हैं, जो स्केलिंग पर समस्याग्रस्त हो जाता है। तीसरा, और यह सबसे महत्वपूर्ण है, सिस्टम अपारदर्शी रहते हैं। उन्होंने उल्लेख किया कि उपयोगकर्ता नहीं जानता कि एजेंट पर्दे के पीछे वास्तव में क्या कर रहा है, यह किन टूल कॉल को निष्पादित कर रहा है या कौन से संदेश भेज रहा है, जो इसे एक ब्लैक बॉक्स में बदल देता है और विकास और रखरखाव को मुश्किल बनाता है।
Strands Agents एक मॉडल-आधारित दृष्टिकोण का उपयोग करता है, जिससे आधार भाषा मॉडल को गतिशील रूप से यह तय करने की अनुमति मिलती है कि उसे टूल को कॉल करना चाहिए, उत्तर वापस करना चाहिए या तर्क जारी रखना चाहिए, जबकि एजेंट के कार्य चक्र को डेवलपर के सामने पूरी तरह से प्रकट करता है। यह चक्र सरल है: उपयोगकर्ता अनुरोध आता है, मॉडल अगले चरण को निर्धारित करता है, यदि आवश्यक हो तो उपकरण कॉल किए जाते हैं, परिणाम मॉडल में वापस भेजे जाते हैं, और अंत में अंतिम उत्तर बनता है। Strands इन चरणों के बीच आवश्यक सभी बुनियादी ढांचे को संभालता है।
कार्यशाला कई प्रयोगशाला कार्यों के माध्यम से चली, जिनमें से प्रत्येक ने बनाए जा रहे एजेंट में नई कार्यक्षमता जोड़ी। यह एक न्यूनतम एजेंट से शुरू हुआ: मॉडल, सिस्टम प्रॉम्प्ट और उपयोगकर्ता अनुरोध। फिर प्रतिभागियों ने उपकरणों को जोड़ा, शुरुआत में एक कस्टम मौसम फ़ंक्शन, और फिर Strands के साथ आने वाले कैलकुलेटर जैसे तैयार सामुदायिक उपकरण।
मॉडल प्रदाता के साथ प्रयोगशाला ने Ollama प्रस्तुत की, जो डेवलपर्स को स्थानीय रूप से बड़े भाषा मॉडल चलाने की अनुमति देती है, जो उन लोगों के लिए महत्वपूर्ण है जिनके पास क्लाउड मॉडल सदस्यता तक पहुंच नहीं है। प्रतिभागियों ने एक स्थानीय मॉडल Llama 3.2 का उपयोग करके फ़ाइलों के साथ काम करने वाला एक एजेंट बनाया, जो निर्देशिकाओं में फ़ाइलों को पढ़ सकता था, सूचीबद्ध कर सकता था और लिख सकता था, यह प्रदर्शित करते हुए कि Strands आर्किटेक्चर मॉडल के स्थान की परवाह किए बिना सार्वभौमिक है।
AWS सेवाओं के साथ प्रयोगशाला ने जटिलता को काफी बढ़ा दिया। प्रतिभागियों ने रेस्तरां आरक्षण के लिए एक एजेंट बनाया जो DynamoDB में संग्रहीत आरक्षण रिकॉर्ड बना सकता था, प्राप्त कर सकता था और हटा सकता था, साथ ही Amazon Bedrock ज्ञानकोष से रेस्तरां जानकारी निकाल सकता था जिसे OpenSearch Serverless में अनुक्रमित किया गया था।
अशिता ने एक महत्वपूर्ण वास्तुशिल्प बिंदु पर जोर दिया: डेटाबेस में लिखने जैसे मानक संचालन के लिए एजेंट को तर्क प्रक्रिया की आवश्यकता नहीं होती है। उन्होंने समझाया कि आरक्षण बनाना डेटाबेस में लिखने जैसा है, जिसमें कोई अस्पष्टता नहीं है। यह जानना कि कब LLM का उपयोग नहीं करना है, उतना ही महत्वपूर्ण है जितना यह जानना कि इसका उपयोग कब करना है।
MCP उपकरणों के साथ प्रयोगशाला ने दोनों डेटा ट्रांसफर तंत्रों को कवर किया: स्थानीय सर्वरों के लिए मानक इनपुट/आउटपुट और दूरस्थों के लिए स्ट्रीमिंग HTTP, और कई MCP सर्वरों को एक साथ जोड़ने की संभावना भी दिखाई। इसके बाद एक स्ट्रीमिंग प्रयोगशाला थी जिसने लंबे समय तक चलने वाले एजेंट के दौरान उपयोगकर्ताओं को सूचित करने के दो परस्पर पूरक तरीकों के रूप में एसिंक्रोनस इटरेटर्स और कॉलबैक हैंडलर की जांच की।
अंतिम दो प्रयोगशालाओं ने उस चीज़ से संबंधित था जो सेमिनार प्रदर्शन को तैनात करने योग्य उत्पाद से अलग करती है। गार्डरेल्स प्रयोगशाला में विषय-स्तर पर ब्लॉकिंग, हिंसा जैसी श्रेणियों के लिए सामग्री फिल्टर, प्रॉम्प्ट हमलों का पता लगाना और विशिष्ट शब्दों पर ट्रिगरिंग को कॉन्फ़िगर करने के लिए Amazon Bedrock Guardrails का उपयोग किया गया था। इसमें अवरुद्ध इनपुट और आउटपुट के लिए अनुकूलन योग्य प्रतिक्रिया संदेश शामिल हैं। उपयोग का एक विशिष्ट उदाहरण यह था कि ग्राहक डेटाबेस तक पहुंच रखने वाले एजेंट को किसी भी अनुरोध के प्रारूप की परवाह किए बिना व्यक्तिगत पहचान योग्य जानकारी (PII), जैसे आधार या पैन नंबर, का खुलासा कभी नहीं करना चाहिए।
मेमोरी प्रयोगशाला ने एक अन्य उत्पादन समस्या का समाधान किया। हालांकि Strands एजेंट डिफ़ॉल्ट रूप से सत्र के भीतर बातचीत का इतिहास सहेजते हैं, यह स्मृति सत्र समाप्त होने के बाद गायब हो जाती है। Mem0 और OpenSearch Serverless का उपयोग करके, प्रतिभागियों ने सीखा कि सत्रों के बीच उपयोगकर्ता की प्राथमिकताओं और संदर्भ को कैसे सहेजा जाए ताकि एजेंट अगली बातचीत में वार्ताकार को याद रखे।
कुल मिलाकर, इन दो प्रयोगशालाओं ने एक एकीकृत डिजाइन सिद्धांत को दर्शाया जो पूरी कार्यशाला में व्याप्त था: उत्पादन के लिए तत्परता एक ऐसी सुविधा नहीं है जिसे अंत में जोड़ा जाता है। अवलोकन क्षमता, सुरक्षा और मेमोरी वास्तुशिल्प समाधान हैं जिन्हें शुरुआत से ही अपनाना चाहिए।
पूरा स्रोत कोड Strands Agents Samples रिपॉजिटरी में GitHub पर उपलब्ध है, और प्रत्येक प्रयोगशाला को Ollama का उपयोग करके स्थानीय रूप से चलाया जा सकता है उन डेवलपर्स के लिए जिनके पास क्लाउड मॉडल प्रदाता नहीं है। उसी रिपॉजिटरी में मल्टी-एजेंट प्रयोगशालाएं प्रस्तुत की गई हैं, जो एजेंट झुंडों और ग्राफ़ों को कवर करती हैं, उन लोगों के लिए जो विषय में गहराई से उतरना चाहते हैं।
सेमिनार का समापन उन लोगों के लिए संसाधनों को साफ़ करने की आवश्यकता की याद दिलाकर हुआ जिन्होंने अपने स्वयं के AWS खाते में प्रयोगशालाएं चलाई थीं, जो लक्षित दर्शकों के लिए एक उपयोगी सलाह साबित हुई।
Youzu Interactive ने Tencent Cloud WorkBuddy का उपयोग करके अपने 75% कर्मचारियों में आर्टिफिशियल इंटेलिजेंस एजेंटों को लागू किया है। यह एकीकरण गेम विकास की प्रक्रिया को कोड लिखने से लेकर वैश्विक विपणन विश्लेषण तक बदलने की अनुमति देता है।
Youzu Interactive, जो चीन की अग्रणी विदेशी प्रकाशक कंपनियों में से एक है और पिछले 11 वर्षों से आंतरिक राजस्व से अधिक अंतरराष्ट्रीय राजस्व प्रदर्शित कर रही है, ने 75% से अधिक कर्मचारियों में एआई एजेंटों के प्रवेश स्तर को प्राप्त कर लिया है। तकनीकी निदेशक वांग ज्युनशेन इस परिवर्तन को प्रत्येक कर्मचारी को अपना एआई एजेंट प्रदान करने के रूप में वर्णित करते हैं, जबकि कंपनी सभी कम्प्यूटेशनल लागतों को कवर करती है और 47 विभिन्न मॉडलों तक असीमित पहुंच प्रदान करती है।
कंपनी का एआई क्षेत्र में सफर 2023 में Stable Diffusion का उपयोग करके छवियों को उत्पन्न करने से शुरू हुआ, और 2024 में कोडिंग सहायता के लिए GitHub Copilot का उपयोग किया गया। एक महत्वपूर्ण मोड़ अगस्त 2025 में आया जब OpenAI ने शून्य से एक मिलियन लाइनों का उत्पाद बनाने में सक्षम एक एजेंट का प्रदर्शन किया। 2026 की शुरुआत तक, Tencent Cloud WorkBuddy सहित एजेंट-आधारित उपकरणों को पूरी कंपनी में लागू कर दिया गया था।
वर्तमान में, एआई एजेंट तीन प्रमुख व्यावसायिक परिदृश्यों के भीतर कार्य कर रहे हैं। पहला है उद्योग विश्लेषण: एजेंट स्वचालित रूप से कई स्रोतों से जानकारी एकत्र करते हैं, बड़े भाषा मॉडल का उपयोग करके भावना विश्लेषण करते हैं और संरचित परिणाम प्रदान करते हैं। Youzu ने एक बॉट विकसित किया है जिसमें तत्काल प्रसारण की कार्यक्षमता है, जो कर्मचारियों को दैनिक रूप से महत्वपूर्ण उद्योग अपडेट प्रदान करता है, जिसे समुदाय से जानकारी एकत्र करने वाले पोर्टल द्वारा पूरक किया जाता है।
दूसरा परिदृश्य विज्ञापन सामग्री के उत्पादन से संबंधित है। चूंकि एक वैश्विक गेमिंग कंपनी के लिए विज्ञापन सामग्री उपयोगकर्ता अधिग्रहण का मुख्य चैनल है, इसलिए पहले रचनात्मक निर्माण की प्रक्रिया रैखिक और अनुक्रमिक थी: रुझानों की पहचान करना, स्क्रिप्ट लिखना, स्टोरीबोर्ड बनाना, मॉडलिंग, पोस्ट-प्रोडक्शन और संपादन। किसी भी चरण में देरी पूरे चक्र को प्रभावित करती थी। अब एआई इस श्रृंखला के अधिकांश हिस्से को कवर करता है, अवधारणा से पहले ड्राफ्ट तक लगने वाले समय को काफी कम करता है। हालांकि, क्षेत्रीय विशिष्टताओं, गेम शैली और लक्षित दर्शकों के अनुरूप अंतिम निर्णय अभी भी मानवीय विशेषज्ञता की मांग करता है।
तीसरा परिदृश्य परिचालन डेटा विश्लेषण है। हालांकि लंबी चलने वाले गेम निरंतर डेटा स्ट्रीम उत्पन्न करते हैं, उपयोगकर्ता मेट्रिक्स प्राप्त करना पारंपरिक रूप से रिपोर्ट टेम्पलेट्स की प्रतीक्षा करने या विश्लेषकों के साथ समय निर्धारित करने की मांग करता था। Youzu ने ChatBI प्रणाली लागू की है, जो व्यावसायिक टीमों को प्राकृतिक भाषा में प्रश्न पूछने की अनुमति देती है। हाल ही में, कंपनी ने डेटा प्लेटफॉर्म की क्षमताओं को ऐसे उपकरणों में पैक किया है जिन्हें व्यावसायिक टीमें सीधे अपने एजेंटों में स्थापित और चला सकती हैं, जिससे इंजीनियरों के हस्तक्षेप के बिना डेटा विश्लेषण में स्व-सेवा सुनिश्चित होती है।
Youzu ने एआई की मदद से चार आंतरिक प्रणालियों का परिवर्तन पूरा कर लिया है, और सात या आठ अन्य प्रक्रियाधीन हैं। कंपनी वर्कबडी विशेषज्ञ समूह सुविधा का भी उपयोग करती है, जो विभिन्न क्षेत्रों के विशेषज्ञों को संयुक्त टीमों में लाता है। वांग ने सामग्री निर्माण पर एक विशेषज्ञ समूह का परीक्षण किया, जिसने केवल 20 मिनट में पाठ अनुरोध के आधार पर एक पूर्ण वीडियो तैयार किया। Youzu की 2025 की वित्तीय रिपोर्ट के अनुसार, विदेशी बाजारों से राजस्व में साल-दर-साल 8.06% की वृद्धि हुई है, और कंपनी इस वृद्धि का कुछ हिस्सा एआई प्रौद्योगिकी के एकीकरण से जोड़ती है, जिसने सकल मार्जिन को 2.46 प्रतिशत अंक बढ़ा दिया है।
