AutoGen ट्यूटोरियल: मल्टी-एजेंट AI एप्लिकेशन बनाएँ

आधुनिक AI की शुरुआत Large Language Models (LLMs) से हुई, फिर संरचित आउटपुट के लिए फ़ंक्शन कॉलिंग आई, उसके बाद एजेंट्स और टूल्स का विकास हुआ, जिससे MCP सर्वर बने। फिलहाल ध्यान मल्टी-एजेंट सिस्टम्स पर है। कंपनियाँ विभिन्‍न टूल्स का उपयोग करके बुद्धिमान स्वचालित सिस्टम बनाने के समाधानों की तलाश में हैं, और AutoGen उनमें सबसे लोकप्रिय है।

इस ट्यूटोरियल में, हम AutoGen, उसके इकोसिस्टम, उसके विभिन्न उपयोग मामलों, और उस इकोसिस्टम के प्रत्येक घटक का उपयोग कैसे करें, इन सबकी पड़ताल करेंगे। ध्यान देने योग्य बात यह है कि AutoGen सिर्फ LangChain जैसे सामान्य भाषा-मॉडल ऑर्केस्ट्रेशन टूल नहीं है; यह उससे कहीं अधिक प्रदान करता है।

यदि आप AI में नए हैं, तो आगे बढ़ने से पहले AI Fundamentals स्किल ट्रैक अवश्य करें। आप Agentic AI के बारे में एक अलग आलेख में भी जान सकते हैं।

AutoGen क्या है?

AutoGen एक ओपन-सोर्स फ़्रेमवर्क है, जिसे ऐसे मल्टी-एजेंट AI एप्लिकेशन बनाने के लिए डिज़ाइन किया गया है जो अर्ध-स्वायत्त और पूर्णतः स्वायत्त रूप से काम कर सकते हैं। यह डेवलपर्स को ऐसे सिस्टम बनाने के टूल देता है जिनमें कई AI एजेंट्स संचार कर सकें, सहयोग कर सकें, और साथ मिलकर कार्य कर सकें।

AutoGen व्यापक उपयोग मामलों का समर्थन करता है, जिनमें स्वचालित वर्कफ़्लोज़, मल्टी-एजेंट सहयोग, और गतिशील टास्क-सॉल्विंग शामिल हैं। यह डेवलपर्स को ऐसे सिस्टम बनाने की अनुमति देता है जहाँ एजेंट्स प्राकृतिक भाषा के ज़रिए इंटरैक्ट कर सकें, कोड चला सकें, जानकारी प्राप्त कर सकें, और जटिल वर्कफ़्लोज़ के अनुसार ढल सकें।

AutoGen इकोसिस्टम चार मुख्य घटकों में विभाजित है:

AutoGen Studio: मल्टी-एजेंट वर्कफ़्लोज़ बनाने और टेस्ट करने के लिए एक नो-कोड ग्राफ़िकल इंटरफ़ेस।
AutoGent AgentChat: वार्तालाप-आधारित एकल और मल्टी-एजेंट एप्लिकेशन बनाने के लिए एक सरल API।
AutoGen Core: स्केलेबल मल्टी-एजेंट AI सिस्टम बनाने के लिए आधारभूत API।
AutoGen Extension: फ़्रेमवर्क की क्षमताओं का विस्तार करने वाली प्रथम- और तृतीय-पक्ष एक्सटेंशन्स की लाइब्रेरी।

स्रोत: microsoft/AutoGen

AutoGen इन क्षमताओं के लिए खास है:

जटिल LLM वर्कफ़्लोज़ का ऑर्केस्ट्रेशन और ऑप्टिमाइज़ेशन सरल बनाना।
LLMs के प्रदर्शन को बेहतर करना और उनकी सीमाओं को संबोधित करना।
LLMs, टूल्स और मानवीय इनपुट को एकीकृत करते हुए मल्टी-एजेंट सिस्टम्स को सहजता से बनाना।

इसकी एक्स्टेंसिबिलिटी और मॉड्यूलरिटी इसे वित्त, स्वास्थ्य, शिक्षा और रोबोटिक्स जैसे उद्योगों के डेवलपर्स के लिए एक शक्तिशाली टूल बनाती है।

यह पढ़ें: Understanding AI Agents: The Future of Autonomous Systems और जानें कि अपने प्रोजेक्ट्स में नवाचार और दक्षता के लिए AI एजेंट्स का लाभ कैसे उठाएँ।

AutoGen इकोसिस्टम के साथ शुरुआत

इस खंड में, हम AutoGen इकोसिस्टम के चार मुख्य घटकों को स्थानीय रूप से इंस्टॉल और रन करके देखेंगे।

1. AutoGen Studio

AutoGen Studio एक लो-कोड इंटरफ़ेस है जो आपको AI एजेंट्स का त्वरित प्रोटोटाइप बनाने में मदद करता है। यह मल्टी-एजेंट सिस्टम बनाने और उन्हें रीयल‑टाइम में टेस्ट करने के लिए उपयोगकर्ता‑अनुकूल, ड्रैग‑एंड‑ड्रॉप इंटरफ़ेस प्रदान करता है।

1. Studio इंस्टॉल करने के लिए pip कमांड का उपयोग करें।

pip install -U AutoGenstudioसंचालित द्वारा

2. इंस्टॉल होने के बाद, आप पोर्ट और उस एप्लिकेशन डायरेक्टरी को निर्दिष्ट करके AutoGen Studio UI लॉन्च कर सकते हैं जहाँ सभी एजेंट्स और टेम्पलेट्स संग्रहीत होंगे।

AutoGenstudio ui --port 8080 --appdir ./appसंचालित द्वारा

कमांड चलाने के बाद, आपको अपने टर्मिनल में निम्न आउटपुट दिखाई देना चाहिए:

INFO  [alembic.runtime.migration] Context impl SQLiteImpl.
INFO  [alembic.runtime.migration] Will assume non-transactional DDL.
2025-05-09 15:15:22.825 | INFO     | AutoGenstudio.web.app:lifespan:39 - Application startup complete. Navigate to http://127.0.0.1:8080संचालित द्वारा

3. अपने ब्राउज़र में http://127.0.0.1:8080 खोलकर AutoGen Studio डैशबोर्ड तक पहुँचें।

एप्लिकेशन चलने के बाद, आपका स्वागत एक साफ़-सुथरे और सहज यूज़र इंटरफ़ेस से होगा।

AutoGen Studio मल्टी-एजेंट वर्कफ़्लोज़ बनाने और प्रबंधित करने में आपकी मदद के लिए कई प्रमुख फीचर्स प्रदान करता है:

Team Builder: एजेंट टीम बनाने के लिए ड्रैग‑एंड‑ड्रॉप इंटरफ़ेस।
Playground: एजेंट वर्कफ़्लोज़ को टेस्ट और रन करने के लिए इंटरैक्टिव वातावरण।
Gallery: कम्युनिटी द्वारा बनाए गए कंपोनेंट्स को खोजने और इंपोर्ट करने के लिए केंद्रीय हब।
Labs: AutoGen Studio में एक प्रायोगिक फीचर, जो उपयोगकर्ताओं को उन्नत वर्कफ़्लोज़ तलाशने और अत्याधुनिक विचारों का प्रोटोटाइप करने देता है।
Deploy: एजेंट वर्कफ़्लोज़ को Python कोड के रूप में एक्सपोर्ट और रन करें।

AutoGen Studio एक लो-कोड एप्लिकेशन है, यानी यह आपको न्यूनतम कोडिंग के साथ वर्कफ़्लो बनाने देता है। साथ ही, यह Python कोड का उपयोग करके एजेंट्स और वर्कफ़्लोज़ को कस्टमाइज़ करने की लचीलापन भी देता है।

2. AutoGen AgentChat

AgentChat मल्टी-एजेंट वार्तालाप-आधारित वर्कफ़्लोज़ बनाने के लिए एक हाई‑लेवल फ़्रेमवर्क है। यह ऐसे एप्लिकेशन बनाना आसान बनाता है जहाँ कई एजेंट (AI, टूल्स या मानव) मिलकर कार्यों को हल करते हैं।

पहले, आवश्यक पैकेज इंस्टॉल करें:

pip install -U "AutoGen-agentchat" "AutoGen-ext[openai]"संचालित द्वारा

इसके बाद, हम तीन एजेंट सेटअप करेंगे—एक यूज़र, एक कोडर और एक कोड एग्ज़ीक्यूटर—जो राउंड-रॉबिन ग्रुप चैट में सहयोग करके Python कोड जनरेट, निष्पादित और वर्णन करेंगे। यह सिस्टम डायनेमिक कोड जनरेशन और निष्पादन को सक्षम करता है, साथ ही मानवीय इंटरैक्शन और टर्मिनेशन कंडीशंस की अनुमति देता है।

इस उदाहरण में, हम कोड जनरेशन के लिए gpt-4.1-mini मॉडल, कमांड लाइन कोड निष्पादन के लिए CodeExecutorAgent, और मनुष्यों को लूप में रखने के लिए UserProxyAgent का उपयोग कर रहे हैं।

import asyncio
from pathlib import Path

from AutoGen_agentchat.agents import AssistantAgent, CodeExecutorAgent, UserProxyAgent
from AutoGen_agentchat.conditions import TextMentionTermination
from AutoGen_agentchat.teams import RoundRobinGroupChat
from AutoGen_agentchat.ui import Console
from AutoGen_ext.code_executors.local import LocalCommandLineCodeExecutor
from AutoGen_ext.models.openai import OpenAIChatCompletionClient

async def main() -> None:
    model_client = OpenAIChatCompletionClient(model="gpt-4.1-mini")

    coder = AssistantAgent(
        "coder",
        model_client=model_client,
        system_message=(
            "You are a senior engineer. Think step-by-step, then output ONLY runnable "
            "Python inside ```pythonthon``` blocks—no commentary."
        ),
    )

    executor = CodeExecutorAgent(
        "executor",
        model_client=model_client,  # lets it narrate results
        code_executor=LocalCommandLineCodeExecutor(work_dir=Path.cwd() / "runs"),
    )

    user = UserProxyAgent("user")  # human in the loop

    termination = TextMentionTermination("exit", sources=["user"])
    team = RoundRobinGroupChat(
        [user, coder, executor], termination_condition=termination
    )

    try:
        await Console(
            team.run_stream()
        )
    finally:
        await model_client.close()

if __name__ == "__main__":
    asyncio.run(main())संचालित द्वारा

ऊपर दिया गया कोड chat_app.py नामक फ़ाइल में सहेजें, और इसे इस प्रकार चलाएँ:

python chat_app.py संचालित द्वारा

हमने Agent एप्लिकेशन से त्रिभुज आकार में सितारे प्रिंट करने के लिए कोड जनरेट करने और फिर उसे निष्पादित करने का अनुरोध किया है।

इसने सफलतापूर्वक कोड जनरेट किया और चलाया, साथ ही अतिरिक्त विकल्प भी सुझाए। उपयोगकर्ता “exit” टाइप करके बाहर निकल सकता है या वार्तालाप अनुभव के लिए आगे के प्रश्न पूछ सकता है।

आउटपुट:

Enter your response: Write a Python script that prints stars and run it.
---------- TextMessage (user) ----------
Write a Python script that prints stars and run it.
संचालित द्वारा

---------- TextMessage (coder) ----------
# Print a simple star pattern
for i in range(1, 6):
    print('*' * i)संचालित द्वारा

---------- CodeGenerationEvent (executor) ----------
# Print a simple star pattern
for i in range(1, 6):
    print('*' * i)संचालित द्वारा

---------- CodeExecutionEvent (executor) ----------

*

**

***

****

*****

---------- TextMessage (executor) ----------

The star pattern has been printed successfully. If you'd like a different pattern or further modifications, just let me know!

Enter your response:संचालित द्वारा

3. AutoGen Core

AutoGen Core एक लो‑लेवल फ़्रेमवर्क है जो मल्टी‑एजेंट सिस्टम्स बनाने और प्रबंधित करने का शक्तिशाली तरीका प्रदान करता है।

इस उदाहरण में, हम दो एजेंट बनाएँगे: एक Echo Agent जो संदेश की सामग्री को उलट देता है, और एक Printer Agent जो संदेश की सामग्री को कंसोल पर प्रिंट करता है।

pip install "autogen-core"संचालित द्वारा

इस एप्लिकेशन में उपयोग किए गए घटक:

संदेश संरचना: Text क्लास एक सरल डेटा संरचना है जो संदेश की सामग्री रखती है।

Echo Agent: Echo एजेंट उसे मिलने वाले किसी भी संदेश की सामग्री को उलट देता है और publish_message का उपयोग करके उलटा संदेश डिफ़ॉल्ट टॉपिक पर प्रकाशित करता है।

Printer Agent: Printer एजेंट संदेशों को सुनता है और उनकी सामग्री कंसोल पर प्रिंट करता है।

Runtime: SingleThreadedAgentRuntime एजेंट्स के जीवनचक्र को प्रबंधित करने और संदेश रूटिंग को संभालने के लिए प्रयोग किया जाता है।

import asyncio
from dataclasses import dataclass

from AutoGen_core import (
    AgentId,
    DefaultTopicId,
    MessageContext,
    RoutedAgent,
    SingleThreadedAgentRuntime,
    default_subscription,
    message_handler,
)

@dataclass
class Text:
    content: str

@default_subscription
class Echo(RoutedAgent):
    def __init__(self) -> None:
        super().__init__("echo")

    @message_handler
    async def handle(self, message: Text, ctx: MessageContext) -> None:  # param must be named 'message'
        await self.publish_message(Text(message.content[::-1]), DefaultTopicId())

@default_subscription
class Printer(RoutedAgent):
    def __init__(self) -> None:
        super().__init__("printer")

    @message_handler
    async def handle(self, message: Text, ctx: MessageContext) -> None:  # param must be named 'message'
        print(message.content)

async def main() -> None:
    rt = SingleThreadedAgentRuntime()
    await Echo.register(rt, "echo", lambda: Echo())
    await Printer.register(rt, "printer", lambda: Printer())
    rt.start()
    await rt.send_message(Text("DataCamp"), AgentId("echo", "default"))
    await rt.stop_when_idle()

if __name__ == "__main__":
    asyncio.run(main())संचालित द्वारा

कोड को core_app.py फ़ाइल में सहेजें, और इसे चलाएँ:

python core_app.py            संचालित द्वारा

संदेश प्रवाह:

"DataCamp" सामग्री वाला संदेश Echo एजेंट को भेजा जाता है।
Echo एजेंट संदेश को उलटकर "pmaCataD" बना देता है और प्रकाशित करता है।
Printer एजेंट उलटा संदेश प्राप्त करता है और उसे कंसोल पर प्रिंट करता है।

आउटपुट:

pmaCataDसंचालित द्वारा

4. AutoGen एक्सटेंशन्स

AutoGen एक्सटेंशन्स फ़्रेमवर्क प्रथम- और तृतीय-पक्ष एक्सटेंशन्स प्रदान करता है जो फ़्रेमवर्क की क्षमताओं का विस्तार करते हैं।

इस उदाहरण में, हम MultimodalWebSurfer एजेंट का उपयोग दिखाएँगे, जो वेब पेजों से इंटरैक्ट कर सकता है, सर्च कर सकता है और जानकारी निकाल सकता है।

उदाहरण चलाने से पहले सुनिश्चित करें कि Playwright इंस्टॉल है:

playwright install संचालित द्वारा

कोड कैसे काम करता है:

एजेंट इनिशियलाइज़ेशन: एक MultimodalWebSurfer एजेंट बनाया जाता है, जो निर्णय लेने के लिए OpenAI के gpt-4.1-mini मॉडल और वेब इंटरैक्शन के लिए (Playwright के ज़रिए) ब्राउज़र का उपयोग करता है।
टीम सेटअप: एजेंट को RoundRobinGroupChat टीम में जोड़ा जाता है, जो एजेंट के वर्कफ़्लो का प्रबंधन करती है और कार्य को 3 टर्न तक सीमित करती है।
टास्क एक्ज़ीक्यूशन: टीम को यह कार्य करने का निर्देश दिया जाता है: "Google पर जाएँ और Abid Ali Awan के बारे में खोजें।" एजेंट ब्राउज़र खोलता है, Google पर जाता है, सर्च करता है और प्रासंगिक जानकारी निकालता है।
स्ट्रीमिंग आउटपुट: एजेंट की क्रियाएँ (जैसे पेज पर नेविगेट करना, लिंक पर क्लिक करना, मेटाडेटा निकालना) रीयल‑टाइम में कंसोल पर स्ट्रीम होती हैं।
क्लीनअप: कार्य पूरा होने के बाद, संसाधन मुक्त करने के लिए ब्राउज़र बंद कर दिया जाता है।

import asyncio
from AutoGen_agentchat.ui import Console
from AutoGen_agentchat.teams import RoundRobinGroupChat
from AutoGen_ext.models.openai import OpenAIChatCompletionClient
from AutoGen_ext.agents.web_surfer import MultimodalWebSurfer

async def main() -> None:
    # Define an agent
    web_surfer_agent = MultimodalWebSurfer(
        name="MultimodalWebSurfer",
        model_client=OpenAIChatCompletionClient(model="gpt-4.1-mini"),
    )

    # Define a team
    agent_team = RoundRobinGroupChat([web_surfer_agent], max_turns=3)

    # Run the team and stream messages to the console
    stream = agent_team.run_stream(task="Navigate to Google and search about Abid Ali Awan.")
    await Console(stream)
    # Close the browser controlled by the agent
    await web_surfer_agent.close()

asyncio.run(main())संचालित द्वारा

कोड को web_ext_app.py नामक फ़ाइल में सहेजें, और इसे चलाएँ:

python web_ext_app.py          संचालित द्वारा

एप्लिकेशन चलाने पर निम्न इंटरैक्शन होगा:

                                                           
---------- TextMessage (user) ----------
Navigate to Google and search about Abid Ali Awan.
---------- MultiModalMessage (MultimodalWebSurfer) ----------
I typed 'https://www.google.com' into the browser address bar.

The web browser is open to the page [Google](https://www.google.com/).
The viewport shows 100% of the webpage, and is positioned at the top of the page
The following text is visible in the viewport:

Gmail
Images
Sign in
Google offered in:
اردو
پښتو
سنڌيPakistan
About
Advertising
Business
 How Search works
Privacy
Terms
Settings
Google recommends using Chrome
Try a fast, secure browser with updates built in
Don't switch
Yes

The following metadata was extracted from the webpage:

{
    "microdata": [
        {
            "itemType": "http://schema.org/WebPage",
            "image": "/images/branding/googleg/1x/googleg_standard_color_128dp.png"
        }
    ],
    "meta_tags": {
        "referrer": "origin"
    }
}

Here is a screenshot of the page.
<image>
---------- MultiModalMessage (MultimodalWebSurfer) ----------
I clicked 'Sign in'.

The web browser is open to the page [Sign in - Google Accounts](https://accounts.google.com/v3/signin/identifier?continue=https%3A%2F%2Fwww.google.com%2F&ec=futura_exp_og_so_72776762_e&hl=en&ifkv=ASKV5MhAzFZnwDH-Aw10tuqQN1ppsY8OZ2-OJ3YavFHXMDlX9iTddg1d_k78ZZ0SogFUivcY7Td0Hg&passive=true&flowName=GlifWebSignIn&flowEntry=ServiceLogin&dsh=S1980923188%3A1746809726624486).
The viewport shows 100% of the webpage, and is positioned at the top of the page
The following text is visible in the viewport:

Sign inUse your Google AccountEmail or phone
Forgot email?
Not your computer? Use a private browsing window to sign in.
Learn more about using Guest modeNext
Create account
English (United States)
Help
Privacy
Terms
Sign in Use your Google Account

The following metadata was extracted from the webpage:

{
    "meta_tags": {
        "referrer": "origin",
        "chrome": "nointentdetection",
        "viewport": "width=device-width, initial-scale=1",
        "description": ""
    }
}

Here is a screenshot of the page.
<image>
---------- TextMessage (MultimodalWebSurfer) ----------
Please provide the email or phone number you want to use to sign in, or let me know if you want to create a new account or need help with something else on this page.संचालित द्वारा

AutoGen की तरह, CrewAI भी एजेंटिक वर्कफ़्लोज़ बनाने के लिए एक और लोकप्रिय फ़्रेमवर्क है। अधिक जानने के लिए CrewAI: A Guide With Examples of Multi AI Agent Systems ट्यूटोरियल देखें।

AutoGen के उपयोग मामले

AutoGen बुद्धिमान, मल्टी-एजेंट सिस्टम बनाने की अनेक संभावनाएँ खोलता है। यहाँ AutoGen इकोसिस्टम के कुछ प्रमुख उपयोग मामले दिए गए हैं:

कोड जनरेशन, निष्पादन और डीबगिंग: कोडिंग कार्यों का स्वचालन, त्रुटियों में कमी और दक्षता में सुधार।
मल्टी‑एजेंट सहयोग: जटिल कार्यों को हल करने के लिए एजेंट्स के बीच टीमवर्क सक्षम करना।
सीक्वेंशियल मल्टी‑एजेंट चैट्स: संरचित टास्क सीक्वेंस का प्रबंधन कर कुशलतापूर्वक समापन।
नेस्टेड चैट्स: विस्तृत, परतदार वार्तालापों के माध्यम से जटिल कार्यों को संभालना।
टूल उपयोग: वेब सर्च और SQL क्वेरी जैसे टूल्स को एकीकृत कर एजेंट की कार्यक्षमता बढ़ाना।
मानवीय सहभागिता: वर्कफ़्लोज़ को बेहतर करने के लिए मानव फीडबैक को शामिल करना।
एजेंट टीचिंग और लर्निंग: एजेंट्स की कौशल और ज्ञान में वृद्धि।
OpenAI Assistants के साथ मल्टी‑एजेंट चैट: उन्नत कार्यों के लिए OpenAI क्षमताओं को AutoGen के साथ जोड़ना।
मल्टीमॉडल एजेंट: समृद्ध इंटरैक्शन के लिए टेक्स्ट, इमेज और अन्य मीडिया को संभालना।
लंबे संदर्भ का प्रबंधन: विस्तारित वार्तालापों में सामंजस्य बनाए रखना।

निष्कर्ष

AutoGen ने जो ध्यान और मान्यता पाई है, और GitHub पर सबसे अधिक स्टार वाले Agentic फ़्रेमवर्क्स में जगह बनाई है, उसके पीछे वाजिब कारण हैं।

यह एक व्यापक फ़्रेमवर्क है जो पेशेवर डेवलपर्स से लेकर सामान्य प्रोग्रामर्स, और यहाँ तक कि बिना किसी पूर्व कोडिंग अनुभव वाले व्यक्तियों तक—सभी की ज़रूरतें पूरी करता है।

AutoGen के साथ, आप AutoGen Studio का उपयोग करके वर्कफ़्लोज़ का तेज़ी से प्रोटोटाइप बना सकते हैं, Core फ़्रेमवर्क और एक्सटेंशन्स के साथ मज़बूत एप्लिकेशन्स तैयार कर सकते हैं, और उन्हें सहजता से क्लाउड पर डिप्लॉय कर सकते हैं। यह वास्तव में बुद्धिमान मल्टी‑एजेंट सिस्टम बनाने और प्रबंधित करने के लिए एक ऑल‑इन‑वन समाधान है।

यह कोर्स करें: Build Dynamic LangChain Agents और लोकप्रिय LLM फ़्रेमवर्क का उपयोग करके अपना पहला AI एजेंट एप्लिकेशन बनाना सीखें।

लेखक

Abid Ali Awan

LinkedIn Twitter

एक प्रमाणित डेटा साइंटिस्ट के रूप में, मैं अत्याधुनिक तकनीक का उपयोग करके नवाचारी मशीन लर्निंग अनुप्रयोग बनाने के लिए उत्साहित रहता/रहती हूँ। स्पीच रिकॉग्निशन, डेटा विश्लेषण और रिपोर्टिंग, MLOps, संवादात्मक AI और NLP में मजबूत पृष्ठभूमि के साथ, मैंने ऐसे बुद्धिमान सिस्टम विकसित करने में अपनी विशेषज्ञता निखारी है जो वास्तविक प्रभाव डाल सकें। तकनीकी दक्षता के अलावा, मैं जटिल अवधारणाओं को स्पष्ट और संक्षिप्त भाषा में प्रस्तुत करने में भी निपुण हूँ। परिणामस्वरूप, मैं डेटा साइंस पर एक मांग में रहने वाला/वाली ब्लॉगर बन गया/गई हूँ, और डेटा प्रोफेशनलों के बढ़ते समुदाय के साथ अपने अनुभव और विचार साझा करता/करती हूँ। वर्तमान में, मैं कंटेंट निर्माण और संपादन पर केंद्रित हूँ, बड़े भाषा मॉडलों के साथ काम करते हुए ऐसा प्रभावशाली और आकर्षक कंटेंट विकसित कर रहा/रही हूँ जो व्यवसायों और व्यक्तियों दोनों को अपने डेटा का अधिकतम लाभ उठाने में मदद कर सके।

विषय

एआई एजेंट्स कृत्रिम बुद्धिमत्ता

प्रौद्योगिकियाँ

विषय

AutoGen ट्यूटोरियल: मल्टी‑एजेंट AI एप्लिकेशन बनाएँ

AI के साथ खोजें

AutoGen क्या है?

AutoGen इकोसिस्टम के साथ शुरुआत

1. AutoGen Studio

2. AutoGen AgentChat

3. AutoGen Core

4. AutoGen एक्सटेंशन्स

AutoGen के उपयोग मामले

निष्कर्ष

विषय

शीर्ष DataCamp पाठ्यक्रम

LangChain के साथ Agentic Systems डिज़ाइन करना

AI Agents परिचय

Google ADK के साथ AI एजेंट बनाना

प्रौद्योगिकियाँ

विषय

शीर्ष DataCamp पाठ्यक्रम

LangChain के साथ Agentic Systems डिज़ाइन करना

AI Agents परिचय

Google ADK के साथ AI एजेंट बनाना