फक्त काही आठवडे क्लाउड मॅनेज्ड एजंट्सच्या घोषणेनंतर,Anthropic ने तीन नवीन क्षमतांसह प्लॅटफॉर्म अद्यतनित केले आहे जे मेमरी, मूल्यमापन आणि मल्टी-एजंट ऑर्केस्ट्रेशन यासारख्या पायाभूत सुविधांच्या स्तरांना एकाच रनटाइममध्ये संकुचित करते.
या हालचालीमुळे अनेक कंपन्या एकत्र जोडलेल्या स्टँडअलोन टूल्सला धोका पोहोचू शकतो.
नवीन क्षमता — “स्वप्न,” “परिणाम,” आणि “मल्टी-एजंट कोऑर्डिनेशन” — क्लॉड मॅनेज्ड एजंट्समधील एजंटांना “किमान मार्गदर्शनासह जटिल कार्ये हाताळण्यास अधिक सक्षम बनवण्याच्या उद्देशाने आहेत,” अँथ्रोपिकने एका प्रेस रिलीजमध्ये म्हटले आहे.
स्वप्न पाहणे मेमरीशी संबंधित आहे, कारण एजंट त्यांच्या बऱ्याच सत्रांवर “प्रतिबिंबित” करतात आणि ते अज्ञात नमुने शिकत आणि उदयास येईपर्यंत आठवणी आयोजित करतात. परिणाम संघांना एजंटच्या यशाचे मोजमाप करण्यासाठी विशिष्ट नियम परिभाषित आणि सेट करण्यास अनुमती देतात, तर मल्टी-एजंट समन्वय प्रक्रिया कार्यांची विभागणी करते ज्यामुळे मास्टर एजंट इतर एजंटांना सोपवू शकतात.
क्लॉड मॅनेज्ड एजंट संस्थांना एजंट तैनात करण्यासाठी आणि मॉडेल लेयरमध्ये ऑर्केस्ट्रेशन लॉजिक एम्बेड करण्यासाठी एक सोपा मार्ग प्रदान करतात. केस मॅनेजमेंट, एक्झिक्युशन चार्ट आणि रूटिंगसाठी हे एक व्यापक व्यासपीठ आहे. ड्रीमिंग, आउटकम्स आणि मल्टी-एजंट ऑर्केस्ट्रेशनच्या जोडणीसह, क्लॉड मॅनेज्ड एजंट्स क्षमतांचा आणखी विस्तार करतात आणि लँगग्राफ किंवा CrewAI सारख्या साधनांसह तसेच तृतीय-पक्ष मूल्यांकन फ्रेमवर्क, RAG मेमरी आर्किटेक्चर आणि QA लूपसह थेट स्पर्धा करतात.
एकीकरणाला धोका
व्यवसायांनी आता विचारले पाहिजे: आम्ही आमच्या लवचिक, मॉड्यूलर सिस्टमला एजंट प्लॅटफॉर्मच्या बाजूने सोडले पाहिजे जे घरात जवळजवळ सर्व काही आणते?
क्लॉड मॅनेज्ड एजंट्स एकाच ठिकाणी संदर्भ, स्थिती आणि शोधण्यायोग्यता सामायिक करण्यासाठी मानवीरित्या डिझाइन केलेले आहेत. याचा अर्थ प्लॅटफॉर्म एजंटांनी घेतलेला प्रत्येक निर्णय पाहतो, संस्थांना स्वतंत्र प्रणाली एकत्र बांधून ठेवण्याऐवजी. सर्व काही करू शकणारे एक व्यासपीठ असणे व्यावहारिक दिसते. परंतु सर्व कंपन्यांना पूर्ण-सेवा प्रणाली नको असते.
क्लॉड मॅनेज्ड एजंटना आधीच टीकेचा सामना करावा लागत आहे की ते विक्रेता लॉक-इनला प्रोत्साहन देते कारण त्याच्याकडे एजंट्सचे नियंत्रण करणारे बहुतेक आर्किटेक्चर आणि टूल्स आहेत. सध्याच्या मॉडेलमध्ये, एखादी संस्था व्यवस्थापित एजंट चालवू शकते परंतु लवचिकता सुनिश्चित करण्यासाठी समन्वय, मेमरी किंवा मल्टी-एजंट मूल्यांकन वेगळ्या जागेत ठेवते.
प्लॅटफॉर्म पूर्णपणे होस्ट केलेला रनटाइम ऑफर करतो, याचा अर्थ संस्थेच्या मालकीच्या नसलेल्या पायाभूत सुविधांवर मेमरी आणि ऑर्केस्ट्रेशन चालवणे. डेटा कुठे राहतो हे सिद्ध करणाऱ्या काही संस्थांसाठी हे अनुपालन दुःस्वप्न बनू शकते.
आणखी एक मुद्दा विचारात घ्यायचा आहे की आधीच मोठ्या प्रमाणात AI परिवर्तन करत असलेल्या संस्थांनी त्यांच्या तंत्रज्ञान स्टॅकद्वारे लादलेल्या मर्यादांना सामोरे जाण्यासाठी एकत्रित उपाय करणे आवश्यक आहे. क्लॉड मॅनेज्ड एजंट्सवर स्विच करून प्रत्येक वर्कफ्लो सहजपणे बदलता येत नाही.
वर्तमान साधनांच्या विरूद्ध स्वप्न आणि परिणाम
बऱ्याच कंपन्या एआय तैनात करण्यासाठी तुटपुंजा दृष्टीकोन घेतात.
उदाहरणार्थ, ते एजंट राउटिंग आणि वर्कफ्लो व्यवस्थापनासाठी LangGraph किंवा Crew AI, दीर्घकालीन मेमरीसाठी वेक्टर डेटाबेस म्हणून Pinecone, बाह्य मूल्यमापनासाठी DeepEval आणि काही कार्यांचे पुनरावलोकन करण्यासाठी लूपमध्ये मानवी QA वापरू शकतात. मानववंश या सर्वांपासून मुक्त होण्याची आशा करतो.
ड्रीमिंगसह, एन्थ्रोपिक वापरकर्त्यांना सत्रांदरम्यान प्रभावीपणे पुनर्लेखन करण्याची परवानगी देऊन मेमरी जवळ येते, जेणेकरून एजंट त्याच्या चुकांमधून मूलत: शिकेल. अँथ्रोपिक म्हणतात की ही क्षमता दीर्घकालीन परिस्थिती आणि समन्वयासाठी उपयुक्त आहे. विद्यमान प्रणाली सहसा समावेश संचयित करून, संबंधित संदर्भ पुनर्प्राप्त करून आणि कालांतराने अधिक स्थिती जोडून मेमरी चिकाटी हाताळतात.
परिणाम एजंटांच्या अपेक्षांचे तपशील देऊन मूल्यांकनाच्या भागाला संबोधित करतात. बाह्य गुणवत्तेची तपासणी करण्याऐवजी, जी अनेकदा मानवांच्या टीमद्वारे केली जाते, अँथ्रोपिक ऑर्केस्ट्रेशन लेयरमध्ये मूल्यमापन आणते ऐवजी त्याच्या वरती.
परंतु ही मल्टी-एजंट ऑर्केस्ट्रेशन क्षमता आहे जी क्लॉड मॅनेज्ड एजंट्सना Microsoft, LangChain, CrewAI आणि इतरांच्या ऑर्केस्ट्रेशन फ्रेमवर्कच्या विरूद्ध करते. अँथ्रोपिक आणि ओपनएआय सारख्या मॉडेल प्रदात्यांनी आधीच या क्षेत्रात जोरदार प्रयत्न करण्यास सुरुवात केली आहे, असा युक्तिवाद करून की हे मॉडेल स्तरावर आणल्याने संघांना चांगले नियंत्रण मिळते.
मोठे निर्णय घ्यावे लागतील
व्यवसायांना मोठ्या निर्णयाला सामोरे जावे लागते आणि हा निर्णय एजंटच्या परिपक्वतेच्या टप्प्यावर अवलंबून असू शकतो.
जर एखादी संस्था अजूनही एजंट्सवर प्रयोग करत असेल आणि त्यांपैकी अनेकांना उत्पादनात तैनात केले नसेल, तर त्यांना क्लॉड मॅनेज्ड एजंट्सकडे जाणे आणि त्यांच्या गरजेनुसार ड्रीमिंग आणि परिणाम कॉन्फिगर करणे अधिक सोपे जाईल. हा विकासाचा टप्पा आहे, जिथे जरी संस्था LangChain सारखे तृतीय-पक्ष ऑर्केस्ट्रेटर वापरत असल्या, तरीही ते सानुकूलित करत आहेत.
परंतु जे या प्रक्रियेत पुढे आहेत त्यांच्यासाठी गणना अधिक कठीण होते. ही आता समांतर मूल्यमापनाची आणि त्यांच्या कार्याची अधिक चांगल्या प्रकारे समजून घेण्याची बाब आहे.
तथापि, क्लॉड मॅनेज्ड एजंट वापरण्याचा त्यांचा हेतू नसला तरीही व्यवसायांना समान निर्णयाचा सामना करावा लागेल. अँथ्रोपिकने नमूद केले की इतर मॉडेल आणि प्लॅटफॉर्म प्रदाते त्यांचे उत्पादन रोडमॅप अशाच मॉडेलमध्ये हलवतील जे सर्व काही समान प्रणालीमध्ये लॉक ठेवेल – कारण मॉडेल एकमेकांना बदलू शकतात, परंतु टूलिंग आणि ऑर्केस्ट्रेशन इन्फ्रास्ट्रक्चर असे करणार नाही.
