एजेंटा और LLM अनुप्रयोगों के लिए एक ओपन सोर्स इंजीनियरिंग प्लेटफॉर्म है, जो टीमों को मूल्यांकन और रिलीज प्रक्रिया को मानकीकृत करने में मदद करता है। इसमें चार प्रमुख क्षमता मॉड्यूल शामिल हैं: त्वरित शब्द प्रबंधन, व्यवस्थित मूल्यांकन, ऑनलाइन अवलोकन और एजेंट ऑर्केस्ट्रेशन, और 50+ एलएलएम मॉडल एक्सेस और स्व-होस्टेड तैनाती का समर्थन करता है।

एजेंटा: ओपन सोर्स एलएलएमओपीएस मूल्यांकन और प्रकाशन मंच

मुख्य पैरामीटर और आँकड़े

एजेंटा एलएलएम एप्लिकेशन इंजीनियरिंग टीमों के लिए एक खुला स्रोत एलएलएमओपीएस प्लेटफॉर्म है। आधिकारिक तौर पर "ओपन-सोर्स एलएलएमओपीएस प्लेटफॉर्म" के रूप में तैनात, एजेंटा एक ही उत्पाद में त्वरित शब्द इंजीनियरिंग, व्यवस्थित मूल्यांकन, ऑनलाइन अवलोकन और एजेंट ऑर्केस्ट्रेशन की चार क्षमता रेखाओं को एकीकृत करता है। यह सिर्फ एक "बेहतर प्रॉम्प्ट एडिटर" नहीं है, बल्कि एक प्लेटफ़ॉर्म-स्तरीय टूल है जो एलएलएम एप्लिकेशन डेवलपमेंट को एक मैन्युअल, बिखरी हुई और अपरिवर्तनीय प्रक्रिया से एक व्यवस्थित, मापने योग्य और ट्रेस करने योग्य इंजीनियरिंग प्रक्रिया में अपग्रेड करता है।

प्रोजेक्ट	विशेष विवरण
मॉडल/एपीआई नाम	एजेंटा
उत्पाद प्रकार	ओपन सोर्स एलएलएमओपीएस प्लेटफार्म
डिलिवरी फॉर्म	क्लाउड सास + ओपन सोर्स सेल्फ-होस्टिंग (डॉकर कंपोज़)
प्रसंग लंबाई	कनेक्टेड एलएलएम मॉडल पर निर्भर करता है
समर्थन मोडल	पाठ (त्वरित शब्द इंजीनियरिंग + मूल्यांकन + अवलोकन + एजेंट व्यवस्था)
ओपन सोर्स लाइसेंस	एमआईटी लाइसेंस
गिटहब स्टार्स	~4,300
गिटहब फोर्क्स	572
योगदानकर्ता	95+
कुल रिलीज़	417+ रिलीज
नवीनतम संस्करण	v0.105.3 (2026-07-17)
टेक्नोलॉजी स्टैक	टाइपस्क्रिप्ट 57.7% + पायथन 41.2%
समर्थित प्लेटफार्म	वेब, एपीआई, डॉकर
संबंधित स्थान	जर्मनी (एजेंटटेक यूजी)
मूल्य निर्धारण मॉडल	नि:शुल्क (स्वयं-होस्टेड) ​​+ नि:शुल्क स्तर (सास हॉबी)/प्रो/बिजनेस/एंटरप्राइज

कोर पैरामीटर्स की व्याख्या: एजेंटा की "क्षमताएं" किसी एक मॉडल से नहीं, बल्कि इसके प्लेटफ़ॉर्म आर्किटेक्चर से आती हैं। 50+ एलएलएम मॉडल तक पहुंच का समर्थन करने की क्षमता का मतलब है कि टीमें एक ही विक्रेता में बंधी नहीं हैं। 417 रिलीज़ और 95 योगदानकर्ताओं की सामुदायिक गतिविधि से पता चलता है कि परियोजना ने प्रारंभिक प्रायोगिक चरण पार कर लिया है और एक स्थिर बाहरी योगदान पारिस्थितिकी तंत्र का गठन किया है। पिछले सप्ताह में लगातार चार संस्करण (v0.105.0~v0.105.3) जारी किए गए हैं। मुख्य कार्यों को गहनता से दोहराया गया है, और एजेंट ऑर्केस्ट्रेशन और अवलोकन पैनल वर्तमान मुख्य लाइनें हैं।

मॉडल-अज्ञेयवादी डिज़ाइन: कस्टम प्रदाता इंटरफ़ेस के माध्यम से किसी भी मॉडल एपीआई तक पहुंच का समर्थन करता है, और टीम मूल्यांकन प्रक्रिया के दौरान विभिन्न मॉडलों के प्रदर्शन को स्वतंत्र रूप से स्विच और तुलना कर सकती है - यह मल्टी-मॉडल रणनीतियों वाली कंपनियों के लिए विशेष रूप से महत्वपूर्ण है।

उपयोगकर्ता और बाज़ार की पहचान

एजेंटा की बाजार पहचान मुख्य रूप से सार्वजनिक राजस्व या ग्राहक संख्या (आधिकारिक तौर पर खुलासा नहीं किया गया है) के बजाय ओपन सोर्स समुदाय और एलएलएम इंजीनियरिंग टीमों द्वारा वास्तविक गोद लेने से आती है।

ओपन सोर्स समुदाय लोकप्रियता: GitHub में वर्तमान में लगभग 4,300 सितारे और 572 फ़ोर्क हैं, और 417 रिलीज़ से संकेत मिलता है कि परियोजना उच्च-आवृत्ति पुनरावृत्ति अवधि में है। 95 योगदानकर्ताओं में कोर टीम और बाहरी समुदाय योगदानकर्ता शामिल हैं, और समस्या प्रतिक्रिया और सुविधा सुधार में कुछ बाहरी सत्यापन होते हैं। आधिकारिक स्लैक समुदाय, गिटहब चर्चाएँ और सार्वजनिक रोडमैप प्रदान किए जाते हैं, और समुदाय की प्रतिक्रिया अपेक्षाकृत सक्रिय है।

लक्षित ग्राहक समूह: आधिकारिक तौर पर, "उत्पाद प्रबंधक, डेवलपर्स और डोमेन विशेषज्ञ" को लक्षित उपयोगकर्ताओं के रूप में सूचीबद्ध किया गया है, जो दर्शाता है कि डिज़ाइन लक्ष्य एक एकल डेवलपर टूल नहीं है, बल्कि एक क्रॉस-रोल एलएलएम इंजीनियरिंग सहयोग मंच है। उत्पाद पोजिशनिंग कीवर्ड को "प्रॉम्प्ट मैनेजमेंट" से "एलएलएमओपीएस प्लेटफॉर्म" में अपग्रेड किया गया है, जो दर्शाता है कि इसका कवरेज शीघ्र शब्द प्रबंधन से पूर्ण जीवन चक्र प्रबंधन तक विस्तारित हो गया है।

कार्यान्वयन के लिए पूर्वापेक्षाएँ: प्लेटफ़ॉर्म-आधारित एलएलएमओपीएस उपकरण वास्तव में अपना मूल्य प्रदर्शित करने के लिए, टीम को आमतौर पर एक स्पष्ट एलएलएम अनुप्रयोग विकास प्रक्रिया (त्वरित शब्द पुनरावृत्ति, मूल्यांकन प्रतिगमन, ऑनलाइन निगरानी) की आवश्यकता होती है, और प्रयोगों, मूल्यांकन और अवलोकन डेटा को एक मंच में एकीकृत करने के लिए तैयार रहना पड़ता है। टीमों के लिए जो अभी भी "हर जगह बिखरे हुए संकेत + मैन्युअल दृश्य निरीक्षण" का उपयोग कर रहे हैं, एजेंटा की मानकीकृत प्रक्रिया स्वयं मानक बंधन लाएगी।

उद्योग प्रतिस्पर्धी स्थिति: एलएलएमओपीएस टूल इकोसिस्टम में एजेंटा को "ओपन सोर्स ऑल-राउंडर" के रूप में स्थान दिया गया है - लैंगस्मिथ (बंद स्रोत, लैंगचेन पारिस्थितिक बाइंडिंग), वेट्स एंड बायसेस प्रॉम्प्ट्स (बंद स्रोत, मजबूत प्रयोगात्मक ट्रैकिंग), और हेलिकॉन (अवलोकन-विशिष्ट, ओपन सोर्स) की तुलना में, एजेंटा उन कुछ विकल्पों में से एक है जो एक साथ "ओपन सोर्स + शीघ्र शब्द प्रबंधन + मूल्यांकन + अवलोकन" की पांच-इन-वन आवश्यकताओं को पूरा करता है। + एजेंट"।

लागत लाभ

एजेंटा "ओपन सोर्स होस्टिंग के लिए शून्य लागत + मुफ्त क्लाउड कोटा प्रविष्टि" का दोहरा ट्रैक लागत पथ प्रदान करता है। मुख्य मूल्य एलएलएमओपीएस प्लेटफ़ॉर्म की सीमा को "प्रति माह हजारों डॉलर के एंटरप्राइज़-स्तरीय SaaS" से "शुरू करने के लिए शून्य लागत" तक कम करने में निहित है।

लागत पदानुक्रम	मूल्य निर्धारण विधि	स्पष्ट लागत	निहित लागत
सी-साइड / व्यक्तिगत डेवलपर	शौक (मुक्त)	$0, 2 सीटें, 20 मूल्यांकन/माह, 5K ट्रेस/माह	30 दिनों का डेटा प्रतिधारण, कोई एसएलए नहीं, केवल सामुदायिक समर्थन
डेवलपर/छोटी टीम	प्रो ($49/माह)	3 सीटें ($20/अतिरिक्त सीट), 10K लाइनें/माह, असीमित मूल्यांकन	अतिरिक्त ट्रेस $5/10K, 90-दिन का आरक्षण
बिजनेस टीम	व्यवसाय ($399/माह)	असीमित सीटें, 1 मिलियन ट्रेस/माह, आरबीएसी, एसओसी2, एसएसओ	365 दिन का प्रतिधारण, निजी स्लैक चैनल
उद्यम/निजीकरण	उद्यम (व्यावसायिक उद्धरण)	BYOC, स्व-होस्टेड, ऑडिट लॉग, कस्टम SLA	व्यवसाय पुष्टिकरण शर्तें और डीपीए आवश्यक
स्व-होस्टेड (खुला स्रोत)	निःशुल्क (एमआईटी लाइसेंस)	सॉफ़्टवेयर $0, केवल बुनियादी ढाँचा लागत	संचालन जनशक्ति (पोस्टग्रेएसक्यूएल + रेडिस + मल्टी-कंटेनर ऑर्केस्ट्रेशन)

स्वयं-होस्टिंग की वास्तविक लागत: स्व-होस्टेड पथ लाइसेंस स्तर (एमआईटी) पर निःशुल्क है, लेकिन बुनियादी ढांचे की लागत उद्यम द्वारा वहन की जाती है। उदाहरण के तौर पर डॉकर कंपोज़ परिनियोजन को लें। बैकएंड PostgreSQL + Redis पर निर्भर करता है और इसे एक ही मशीन पर चलाया जा सकता है। हालाँकि, उच्च-समवर्ती परिदृश्यों में, डेटाबेस कनेक्शन पूल और कंटेनर संसाधन आवंटन पर विचार करने की आवश्यकता है (कम से कम 4 कोर और 8 जीबी रैम के साथ क्लाउड इंस्टेंस की सिफारिश की जाती है)। स्व-होस्टिंग का अर्थ यह भी है कि टीम को संस्करण उन्नयन (प्रति माह 1-2 रिलीज़), डेटा बैकअप और सुरक्षा पैच स्वयं बनाए रखने की आवश्यकता है। व्यवसाय योजना के $399/माह की तुलना में, स्केल बड़ा होने पर स्व-होस्टिंग में लागत लाभ होता है, लेकिन केवल तभी जब टीम के पास संबंधित संचालन और रखरखाव क्षमताएं हों।

मुफ़्त सच: क्लाउड हॉबी योजना पूरी तरह से मुफ़्त है, लेकिन मुफ़्त योजना SLA गारंटी और उन्नत सुरक्षा सुविधाएँ (RBAC, SSO, SOC2) प्रदान नहीं करती है, और ट्रेस अवधारण अवधि केवल 30 दिन है। उत्पादन परिवेश में गंभीर उपयोग के लिए, प्रो योजना ($49/माह) एक उचित प्रारंभिक बिंदु है। वाणिज्यिक प्रतिस्पर्धियों के साथ तुलना: लैंगस्मिथ की स्टार्टर योजना $25/माह से शुरू होती है, लेकिन इसमें सीमित कार्य और ट्रेस वॉल्यूम हैं, डब्ल्यू एंड बी का एंटरप्राइज संस्करण आमतौर पर $100+/सीट/माह है, और एजेंटा की प्रो योजना अपने साथियों के बीच मामूली निम्न स्तर पर है।

मुख्य कार्य

एजेंटा की क्षमताओं को "एलएलएम अनुप्रयोग विकास को एक मैनुअल, बिखरी हुई और गैर-पुनरुत्पादित प्रक्रिया से एक व्यवस्थित, मापने योग्य और पता लगाने योग्य इंजीनियरिंग प्रक्रिया में अपग्रेड करने" के आसपास डिज़ाइन किया गया है। मुख्य कार्यों को पांच प्रमुख मॉड्यूल में संक्षेपित किया जा सकता है। प्रत्येक फ़ंक्शन बिंदु "तंत्र → प्रभाव → दृश्य" की कारण श्रृंखला का अनुसरण करता है।

• 🧪 शीघ्र प्रबंधन और इंजीनियरिंग: तंत्र - एक इंटरैक्टिव खेल का मैदान प्रदान करता है जो एक ही इंटरफ़ेस में परीक्षण मामलों पर एकाधिक मॉडल/प्रॉम्प्ट शब्द वेरिएंट के प्रदर्शन की साथ-साथ तुलना का समर्थन करता है। संपूर्ण संस्करण इतिहास, शाखाकरण और पर्यावरण प्रबंधन (स्टेजिंग/उत्पादन) का समर्थन। डोमेन विशेषज्ञ कोड को छुए बिना यूआई के माध्यम से शीघ्र शब्दों को सुरक्षित रूप से संपादित कर सकते हैं। प्रभाव—— शीघ्र शब्द पुनरावृत्ति को "इंजीनियर मैनुअल संशोधन→दृश्य निरीक्षण→परिनियोजन" से छोटा करके "यूआई संपादन→स्वचालित मूल्यांकन→एक-क्लिक रिलीज" के बंद लूप में बदल दिया गया है। परिदृश्य - AI उत्पाद प्रबंधक खेल के मैदान में तीन त्वरित शब्द वेरिएंट के एक ही परीक्षण सेट पर GPT-4o और क्लाउड के आउटपुट अंतर की तुलना करता है, और ऑनलाइन प्रकाशित करने के लिए सबसे अच्छा प्रदर्शन करने वाले संयोजन का चयन करता है।

• 📊 व्यवस्थित मूल्यांकन (मूल्यांकन): तंत्र - "मैनुअल विज़ुअल निरीक्षण" से दोहराए जाने योग्य मूल्यांकन प्रक्रिया में अपग्रेड किया गया। उत्पादन डेटा, खेल के मैदान के प्रयोगों या सीएसवी अपलोड से परीक्षण सेट (टेस्टसेट) बनाने का समर्थन करता है। अंतर्निहित 20+ प्रीसेट मूल्यांकनकर्ता (एलएलएम-ए-जज, सटीकता मूल्यांकन, सहसंबंध मूल्यांकन, सुरक्षा जांच सहित), और कस्टम कोड मूल्यांकनकर्ताओं (पायथन फ़ंक्शन) का भी समर्थन करते हैं। मूल्यांकन केवल अंतिम आउटपुट ही नहीं, बल्कि एजेंट के तर्क के हर मध्यवर्ती चरण को कवर कर सकता है। प्रभाव - मूल्यांकन को "व्यक्तिपरक निर्णय" से "पुनरुत्पादित मात्रात्मक संकेतक" में बदलें। हर बार जब शीघ्र शब्द संशोधित किया जाता है, तो गुणवत्ता संकेतकों पर प्रभाव तुरंत देखा जा सकता है। परिदृश्य - प्रॉम्प्ट वर्ड इंजीनियर द्वारा ग्राहक सेवा रोबोट के सिस्टम प्रॉम्प्ट को संशोधित करने के बाद, 200 परीक्षण मामलों वाली एक बैच मूल्यांकन पाइपलाइन स्वचालित रूप से चालू हो गई थी। 5 मिनट बाद रिपोर्ट मिली कि सटीकता दर 87.3% से बढ़कर 91.1% हो गई है.

• 📡ऑनलाइन अवलोकन: तंत्र - त्रुटि नोड्स का सटीक पता लगाने के लिए अनुरोध-स्तरीय ट्रेस प्रदान करता है। प्रत्येक एलएलएम कॉल की लागत, विलंबता और उपयोग पैटर्न को ट्रैक करें। OpenTelemetry देशी प्रोटोकॉल का समर्थन करता है और OpenLLMetry और OpenInference मानकों के साथ संगत है। उपयोगकर्ता फीडबैक को ट्रेस पर चिह्नित किया जा सकता है, और असामान्य ट्रेस को उस पर क्लिक करके फीडबैक बंद लूप को पूरा करके एक परीक्षण केस में परिवर्तित किया जा सकता है। प्रभाव - एक बार जब एलएलएम कॉल अपवाद ऑनलाइन होता है, तो लॉग को चरण दर चरण जांचने के बजाय, चाहे वह प्रॉम्प्ट समस्या हो, मॉडल समस्या हो या संदर्भ समस्या हो, उसे 30 सेकंड के भीतर खोजा जा सकता है। परिदृश्य - संचालन और रखरखाव इंजीनियर ने अवलोकन पैनल में पाया कि एपीआई समापन बिंदु की देरी 2s से 8s तक बढ़ गई है। ट्रेस विवरण से पता चला कि संदर्भ बहुत लंबा था, जिसके कारण टोकन की खपत बढ़ गई। एक क्लिक के साथ, ट्रेस को एक परीक्षण मामले में बदल दिया गया और प्रतिगमन सेट में शामिल किया गया।

• 🤖 एजेंट ऑर्केस्ट्रेशन (एजेंट क्षमताएं) : तंत्र - "हार्नेस + स्किल + टूल" तीन-परत आर्किटेक्चर का उपयोग करते हुए, 2026 पुनरावृत्ति का फोकस। एजेंट हार्नेस एक चालू कंटेनर है जो मॉडल कनेक्शन और सैंडबॉक्स जीवन चक्र का प्रबंधन करता है; कौशल एक पुन: प्रयोज्य क्षमता मॉड्यूल है; टूल एक विशिष्ट निष्पादन इकाई है जो एमसीपी या आंतरिक गेटवे के माध्यम से बाहरी सिस्टम को कॉल करती है। मैनुअल पुष्टिकरण (एचआईटीएल) अनुमोदन प्रक्रिया और टूल कॉल अनुमति नियंत्रण का समर्थन करता है। प्रभाव - एजेंटा को "मूल्यांकन मंच" से "एजेंट विकास और संचालन और रखरखाव मंच" तक विस्तारित किया गया है, और टीम उसी मंच पर एजेंट का निर्माण, मूल्यांकन, ऑनलाइन और निगरानी पूरा कर सकती है। परिदृश्य - डेवलपर एजेंटा में एक "ग्राहक सेवा एजेंट" बनाता है, क्लाउड सॉनेट को अनुमान इंजन के रूप में कॉन्फ़िगर करता है, एक उपकरण के रूप में सीआरएम सिस्टम से जुड़ता है, एचआईटीएल अनुमोदन सेट करता है (केवल रिफंड संचालन के लिए मैन्युअल पुष्टि की आवश्यकता होती है), बैच मूल्यांकन चलाता है और फिर इसे ऑनलाइन प्रकाशित करता है।

• 👥टीम सहयोग (सहयोग): तंत्र - विभिन्न भूमिकाओं के लिए विभेदित इंटरफेस प्रदान करें - इंजीनियर प्रोग्रामेटिक संचालन करने के लिए एपीआई/एसडीके का उपयोग करते हैं, और उत्पाद प्रबंधक और डोमेन विशेषज्ञ यूआई के माध्यम से समीक्षा चलाते हैं और त्वरित शब्दों को संपादित करते हैं। सभी उपकरणों में सूचना विखंडन को कम करने के लिए सभी परिचालनों को एक एकीकृत मंच पर केंद्रीकृत किया गया है। अनुमति नियंत्रण परियोजना-स्तरीय आरबीएसी को ओवरराइड करता है। प्रभाव - "उत्पाद प्रबंधक प्रॉम्प्ट बदलता है और फिर इसे मैन्युअल परिनियोजन के लिए इंजीनियर को भेजता है" के सहयोग घर्षण को समाप्त करता है। सभी परिवर्तनों में संस्करण रिकॉर्ड और अनुमोदन लिंक हैं। परिदृश्य - उत्पाद प्रबंधक ने यूआई में ग्राहक सेवा संकेत को अनुकूलित किया और इसे v2.3 के रूप में सहेजा। सिस्टम ने स्वचालित रूप से मूल्यांकन शुरू कर दिया, और इंजीनियर को अनुमोदन नोटिस प्राप्त हुआ। पुष्टि के बाद, इसे एक क्लिक के साथ उत्पादन परिवेश में जारी किया गया।

कार्यों के बीच तालमेल: ये पांच मॉड्यूल "प्रयोग → मूल्यांकन → अवलोकन → प्रतिक्रिया → अनुकूलन" का एक बंद लूप बनाते हैं। उत्पादन में अपवाद ट्रेस → परीक्षण मामलों में एक-क्लिक रूपांतरण → खेल का मैदान संशोधन संकेत → स्वचालित मूल्यांकन → संस्करण प्रबंधन → परिनियोजन और ऑनलाइन → अवलोकन पैनल द्वारा निरंतर निगरानी। यह बंद लूप एलएलएम अनुप्रयोगों के पुनरावृत्ति चक्र को "दिन/सप्ताह" से "मिनट/घंटे" तक संपीड़ित करता है।

मॉडल और संस्करण विकास

एजेंटा का संस्करण पुनरावृत्ति सिमेंटिक वर्जनिंग (सेमवीर) और लगातार वृद्धिशील रिलीज की लय का अनुसरण करता है। प्रारंभिक ओपन सोर्स कोर से लेकर एजेंट क्षमताओं की वर्तमान मुख्य लाइन तक, चार प्रमुख बदलाव शामिल हैं।

संस्करण	दिनांक	मुख्य परिवर्तन
v1 (ओपन सोर्स फाउंडेशन)	2024-01	ओपन सोर्स कोर रिलीज, खेल का मैदान इंटरैक्टिव तुलना और बुनियादी मूल्यांकन क्षमताएं
v0.58.0	2025-10	एंटरप्राइज़ संस्करण (ईई) निर्देशिका संरचना, बहु-संगठन समर्थन, आरबीएसी बुनियादी ढांचा
v0.84.0 श्रृंखला	2025~2026	बैच मूल्यांकन पाइपलाइन, प्रतिगमन तुलना रिपोर्ट, अवलोकन पैनल अलार्म तंत्र और ट्रेस विवरण
v0.103.x श्रृंखला	2026-06	आरबीएसी ईई से ओएसएस, यूआई अनुकूलन (परीक्षण सेट प्रबंधन, मूल्यांकनकर्ता नेविगेशन, बैच संग्रह) में स्थानांतरित हो गया
v0.104.0	2026-06	मल्टी-ऑर्गनाइजेशन क्षमताएं ओएसएस, एंटरप्राइज सेल्फ-होस्टिंग मल्टी-टीम सपोर्ट में प्रवेश करती हैं
v0.105.0	2026-07-14	एजेंट क्षमता मेनलाइन विलय, नया एजेंट पैनल, कौशल प्रणाली, एमसीपी टूल, सैंडबॉक्स निष्पादन, एचआईटीएल
v0.105.3	2026-07-17	[नवीनतम] एजेंट प्लेग्राउंड सत्र प्रबंधन, फ़ाइल अपलोड, और इंस्पेक्टर फ़ंक्शन संवर्द्धन

संस्करण विकास विशेषताएँ: एजेंटा का संस्करण लय "हर दो सप्ताह में एक बार मेनलाइन, सप्ताह में दो बार हॉट फिक्स" का उच्च-आवृत्ति पैटर्न प्रस्तुत करता है। अकेले जून से जुलाई 2026 तक 10 से अधिक संस्करण जारी किए गए, जिसमें v0.105.x श्रृंखला ने एक सप्ताह के भीतर 0.105.0 से 0.105.3 तक लगातार पुनरावृत्तियों को पूरा किया। इस लय का अर्थ है कि यदि आप उत्पादन परिनियोजन पर विचार कर रहे हैं, तो प्रत्येक अद्यतन का सीधे अनुसरण करने के बजाय समापन मूल्यांकन के लिए एक सत्यापित आधिकारिक संस्करण को ठीक करने की अनुशंसा की जाती है।

रोडमैप मूल्यांकन: संस्करण विकास से यह देखा जा सकता है कि एजेंटा की उत्पाद प्राथमिकताएं हैं: शीघ्र शब्द प्रबंधन (मूल बातें) → मूल्यांकन प्रणाली (मुख्य बाधाएं) → अवलोकन पैनल (भेदभाव) → एजेंट ऑर्केस्ट्रेशन (नया विकास वक्र)। एजेंट क्षमताओं का परिचय एजेंटा की स्थिति को "एलएलएम मूल्यांकन उपकरण" से "एलएलएम एप्लिकेशन पूर्ण जीवन चक्र प्लेटफ़ॉर्म" में अपग्रेड करने का प्रतीक है - यह एक रणनीतिक दिशा है जो ध्यान देने योग्य है।

तकनीकी लाभ

एजेंटा का तकनीकी लाभ किसी एक मॉडल के प्रदर्शन से नहीं आता है, बल्कि "वास्तुशिल्प खुलापन + पूर्ण-लिंक बंद-लूप + मॉडल-स्वतंत्र डिज़ाइन" के तीन आयामों के संयोजन से आता है।

वास्तुकला एकीकरण और भूमिका अनुकूलन: एजेंटा कई स्वतंत्र उपकरणों को एक साथ जोड़ने के बजाय एक ही एपीआई और यूआई के माध्यम से त्वरित शब्द इंजीनियरिंग, मूल्यांकन, अवलोकन और एजेंट ऑर्केस्ट्रेशन को कवर करता है। इंजीनियर पायथन एसडीके (पिप इंस्टाल एजेंटा) के माध्यम से मूल्यांकन और तैनाती प्रक्रिया को सीआई/सीडी पाइपलाइन में एम्बेड कर सकते हैं; उत्पाद प्रबंधक और डोमेन विशेषज्ञ वेब यूआई के माध्यम से दैनिक प्रयोग और मूल्यांकन पूरा करते हैं। पूर्ण एपीआई और यूआई समता का मतलब है कि किसी भी ऑपरेशन को दो तरीकों से पूरा किया जा सकता है - यह प्लेटफ़ॉर्म-स्तरीय टूल के लिए एक महत्वपूर्ण वास्तुशिल्प निर्णय है, जो "यूआई क्या कर सकता है लेकिन एपीआई नहीं कर सकता" की क्षमता अंतर से बचाता है।

मॉडल-स्वतंत्र मूल्यांकन ढांचा: मूल्यांकनकर्ता (मूल्यांकनकर्ता) अमूर्त परत तीन मोड का समर्थन करती है - एलएलएम-ए-जज (परिणामों की गुणवत्ता का आकलन करने के लिए एक और बड़े मॉडल का उपयोग करें), अंतर्निहित 20+ प्रीसेट मूल्यांकनकर्ता (सटीकता, प्रासंगिकता, सुरक्षा इत्यादि जैसे आयामों को कवर करते हुए), और कस्टम कोड मूल्यांकनकर्ता (पायथन फ़ंक्शन)। मूल्यांकन केवल अंतिम आउटपुट की जांच करने के बजाय, एजेंट के तर्क के प्रत्येक मध्यवर्ती चरण पर कार्य कर सकता है। दुर्भावनापूर्ण कोड निष्पादन को रोकने के लिए एसडीके में मूल्यांकनकर्ता सैंडबॉक्स वातावरण (प्रतिबंधित पायथन) में चलता है।

ओपन टेक्नोलॉजी स्टैक: अवलोकन मॉड्यूल ओपनटेलीमेट्री मूल प्रोटोकॉल पर आधारित है और ओपनएलएलमेट्री और ओपनइंफरेंस मानकों के साथ संगत है। इसका मतलब यह है कि जो एप्लिकेशन पहले से ही ओपनटेलीमेट्री से जुड़े हुए हैं, वे ट्रेस डेटा को शून्य संशोधन के साथ एजेंटा को भेज सकते हैं। लैंगचेन, लामाइंडेक्स और अन्य जैसे लोकप्रिय फ्रेमवर्क के लिए आउट-ऑफ-बॉक्स एकीकरण प्रदान करता है। कस्टम प्रदाता इंटरफ़ेस किसी भी मॉडल एपीआई तक पहुंच की अनुमति देता है, जब तक मानक कॉलिंग प्रोटोकॉल लागू होता है।

एजेंट क्षमताओं का वास्तुशिल्प विकास: 2026 में v0.105.0 में पेश किया गया एजेंट सबसिस्टम "हार्नेस + स्किल + टूल" की तीन-परत वास्तुकला को अपनाता है। एजेंट हार्नेस एक चालू कंटेनर है जो मॉडल कनेक्शन और सैंडबॉक्स जीवन चक्र का प्रबंधन करता है; कौशल एक पुन: प्रयोज्य क्षमता मॉड्यूल है जो बताता है कि एजेंट क्या कर सकता है; टूल एक विशिष्ट निष्पादन इकाई है जो एमसीपी या आंतरिक गेटवे के माध्यम से बाहरी सिस्टम को कॉल करती है। एचआईटीएल अनुमोदन प्रक्रिया "मानव विलंब" को ध्यान में रखकर तैयार की गई है - अनुमोदन समय समाप्त होने के बाद एक डाउनग्रेड रणनीति (स्वचालित इनकार या नियम-आधारित स्वचालित अनुमोदन) है।

अनुकूलन सीमाएँ और प्रतिबंध

एजेंटा एलएलएमओपीएस दुनिया में एक संपूर्ण टूल श्रृंखला प्रदान करता है, लेकिन सभी एलएलएम विकास परिदृश्यों को इसकी पूर्ण क्षमताओं की आवश्यकता नहीं होती है।

अनुशंसित उपयोग परिदृश्य:

• टीम के पास कई एलएलएम एप्लिकेशन लाइनें हैं जिनके लिए एकीकृत प्रबंधन की आवश्यकता है।
• मापन मेट्रिक्स को सीआई/सीडी प्रक्रिया में शामिल किया गया है या करने की योजना है।
• कई मॉडल प्रदाताओं के बीच व्यवस्थित तुलना और संस्करण प्रबंधन की आवश्यकता है।
• एलएलएम उत्पादन अनुप्रयोगों का निर्माण या रखरखाव जिनके लिए निरंतर निगरानी की आवश्यकता होती है।
• डेटा संप्रभुता के लिए आवश्यकताओं के लिए एक स्व-होस्टेड एलएलएमओपीएस प्लेटफ़ॉर्म की आवश्यकता होती है।

अनुशंसित परिदृश्य नहीं:

• टीम के पास केवल 1~2 सरल एलएलएम कॉल हैं (जैसे एकल अनुवाद या सारांश फ़ंक्शन) और इसके लिए संस्करण प्रबंधन और व्यवस्थित मूल्यांकन की आवश्यकता नहीं है।
• यहां कोई मूल्यांकन जागरूकता और प्रक्रिया ही नहीं है (अर्थात, "यदि आप परिवर्तन करते हैं तो बस आगे बढ़ें, और बाद में समस्याओं से निपटें")। एजेंटा की मानकीकृत प्रक्रिया के लिए अतिरिक्त संगठनात्मक अनुकूलन लागत की आवश्यकता होती है।
• केवल बुनियादी प्रॉम्प्ट प्रबंधन की आवश्यकता है, किसी अवलोकन और एजेंट ऑर्केस्ट्रेशन की आवश्यकता नहीं है - अधिक हल्के उपकरण (जैसे प्रॉम्प्टहब, ह्यूमनलूप) अधिक उपयुक्त हो सकते हैं।
• मुख्य आवश्यकता प्रॉम्प्ट वर्ड इंजीनियरिंग के बजाय मॉडल फाइन-ट्यूनिंग है - एजेंटा प्रशिक्षण-संबंधित क्षमताएं प्रदान नहीं करता है और इसका उपयोग फाइन-ट्यूनिंग प्लेटफॉर्म (जैसे वेट एंड बायसेस) के साथ किया जाना चाहिए।

ज्ञात सीमाएँ:

• एजेंट ऑर्केस्ट्रेशन क्षमता (v0.105.x) अभी भी तीव्र पुनरावृत्ति अवधि में है, HITL अनुमोदन और MCP टूल खोज की स्थिरता को अभी भी पॉलिश किया जा रहा है, और उत्पादन वातावरण परिनियोजन के लिए सत्यापन समय आरक्षित करने की आवश्यकता है।
• मूल्यांकनकर्ताओं (विशेष रूप से एलएलएम-ए-जज) के स्कोरिंग मानदंड के लिए टीम को अंशांकन में समय लगाने की आवश्यकता होती है, अन्यथा स्वचालित स्कोरिंग मानवीय निर्णय से भटक सकती है।
• स्व-होस्ट किए गए संस्करण के संचालन और रखरखाव की जटिलता को नजरअंदाज नहीं किया जा सकता है - पोस्टग्रेएसक्यूएल, रेडिस और मल्टी-कंटेनर ऑर्केस्ट्रेशन के लिए विशेष संचालन और रखरखाव जनशक्ति की आवश्यकता होती है।
• कॉर्पोरेट ग्राहकों की संख्या, राजस्व डेटा और विशिष्ट उपयोगकर्ता स्तर का आधिकारिक तौर पर खुलासा नहीं किया गया है। वाणिज्यिक सत्यापन के लिए अधिक पारदर्शी सूचना प्रकटीकरण की आवश्यकता होती है।
• एक जोखिम है कि ओपन सोर्स संस्करण और एंटरप्राइज़ संस्करण के बीच सुविधा अंतर बढ़ जाएगा - एसएसओ और एसओसी2 जैसी एंटरप्राइज़ सुविधाएँ केवल एंटरप्राइज़ संस्करण में उपलब्ध हैं।

कैसे उपयोग करें

कैसे उपयोग करें	भीड़ के लिए उपयुक्त	आरंभ करना	लागत
बादल सास	टीमें शीघ्र सत्यापन करना चाह रही हैं	साइन अप करने के लिए Cloud.agenta.ai पर जाएँ	हॉबी फ्री / प्रो $49/महीना
सेल्फ-होस्टिंग (डॉकर कंपोज़)	उच्च डेटा अनुपालन आवश्यकताओं वाले संगठन	गिट क्लोन → कॉन्फ़िगरेशन .env → डॉकर कंपोज़ अप -डी	बुनियादी ढांचे की लागत
पायथन एसडीके	जिन इंजीनियरों को सीआई/सीडी एकीकरण की आवश्यकता है	पिप इंस्टाल एजेंटा	एपीआई ऑन-डिमांड या स्व-होस्टेड
एपीआई एक्सेस	प्रोग्रामेटिक वर्कफ़्लो	एपीआई कुंजी प्राप्त करें → रेस्ट एपीआई पर कॉल करें	भुगतान-जैसा-आप-जाओ या स्व-होस्टेड

त्वरित प्रारंभ (क्लाउड):

1. खाता पंजीकृत करने के लिए Cloud.agenta.ai पर जाएं (क्रेडिट कार्ड की आवश्यकता नहीं)।
2. एक प्रोजेक्ट (एप्लिकेशन) बनाएं और एक मॉडल प्रदाता (ओपनएआई, एंथ्रोपिक, आदि) चुनें।
3. खेल के मैदान में शीघ्र शब्द लिखें, परीक्षण मामले जोड़ें, चलाएं और विभिन्न प्रकारों के आउटपुट की तुलना करें।
4. पूर्व-निर्मित मूल्यांकनकर्ताओं या कस्टम मूल्यांकनकर्ताओं का उपयोग करके परिणामों का व्यवस्थित मूल्यांकन करें।
5. उत्पादन परिवेश के लिए संतोषजनक संस्करण प्रकाशित करें और अवलोकन पैनल के माध्यम से ऑनलाइन प्रदर्शन की निगरानी करें।

स्वयं-होस्टेड परिनियोजन (डॉकर कंपोज़):

गिट क्लोन https://github.com/Agenta-AI/agenta && सीडी एजेंटा
cp होस्टिंग/docker-compose/oss/env.oss.gh.example होस्टिंग/docker-compose/oss/.env.oss.gh
docker कंपोज़ -f होस्टिंग/docker-compose/oss/docker-compose.gh.yml \
  --env-फ़ाइल होस्टिंग/docker-compose/oss/.env.oss.gh \
  --प्रोफाइल विद-वेब --प्रोफाइल विद-ट्रैफिक अप -डी

स्टार्टअप के बाद http://localhost के माध्यम से पहुंच। अधिक विस्तृत दूरस्थ परिनियोजन मार्गदर्शिका के लिए, कृपया आधिकारिक दस्तावेज़ देखें।

पायथन एसडीके त्वरित उदाहरण:

एजेंटा से आयात मूल्यांकन प्रवाह

#मूल्यांकन प्रक्रिया प्रारंभ करें
प्रवाह = मूल्यांकन प्रवाह(
    ऐप_नाम = "माय-चैटबॉट",
    वैरिएंट_नाम='v1.2',
    api_key='<Your_API_KEY>'
)

# मूल्यांकन चलाएँ
परिणाम = प्रवाह.रन(
    टेस्टसेट = "production_errors_202607",
    मूल्यांकनकर्ता=["सटीक_मिलान", "llm_as_judge"]
)

प्रिंट(परिणाम.aggregate_scores())

कार्यान्वयन युक्तियाँ: "पायलट → तुलना → विस्तार" द्वारा आगे बढ़ने की अनुशंसा की जाती है। पहले 1 से 2 उच्च-पुनरावृत्ति, कम-जोखिम वाले एलएलएम कॉल लिंक (जैसे ग्राहक इरादे की पहचान, सामग्री सारांश पीढ़ी) का चयन करें, एजेंटा में एक पूर्ण त्वरित शब्द + मूल्यांकन + अवलोकन प्रक्रिया स्थापित करें, 1 से 2 सप्ताह के लिए मौजूदा प्रक्रिया के समानांतर चलाएं, और फिर यह पुष्टि करने के बाद धीरे-धीरे अधिक परिदृश्यों में विस्तार करें कि मूल्यांकन संकेतक मैन्युअल निर्णय के अनुरूप हैं।

उत्पाद का मूल्य निर्धारण

एजेंटा की मूल्य निर्धारण प्रणाली में "हॉबी फ्री वेरिफिकेशन → प्रो टीम सहयोग → बिजनेस ऑर्गनाइजेशनल गवर्नेंस → एंटरप्राइज कॉर्पोरेट कंप्लायंस" की चार-स्तरीय संरचना है, जो सीटों + ट्रेस वॉल्यूम + सुरक्षा कार्यों के क्रमिक संयोजन के साथ विभिन्न आकारों की टीमों को कवर करती है।

पैकेज	कीमत	मुख्य लाभ	लागू वस्तुएँ
शौक	$0	2 सीटें, 20 मूल्यांकन/माह, 5 हजार ट्रेस/माह, 30 दिन का आरक्षण	व्यक्तिगत डेवलपर्स, 2 से कम लोगों की छोटी टीमें
प्रो	$49/माह	3 सीटें (+$20/अतिरिक्त सीटें), असीमित समीक्षाएँ, 10K ट्रेस/माह, 90-दिन प्रतिधारण	छोटी टीम, एलएलएम एप्लिकेशन का शीघ्र लॉन्च
व्यवसाय	$399/माह	असीमित सीटें, 1 मिलियन ट्रेस/माह, आरबीएसी, एसओसी2, एसएसओ, 365 दिन प्रतिधारण	औपचारिक संगठन, अनुपालन लेखापरीक्षा आवश्यक
उद्यम	व्यापार उद्धरण	BYOC, सेल्फ-होस्टिंग, ऑडिट लॉग, अनुकूलित SLA, DPA	वित्तीय/चिकित्सा/सरकारी मामले और अन्य मजबूत अनुपालन उद्योग
स्व-होस्टेड (खुला स्रोत)	$0 (एमआईटी)	सॉफ्टवेयर मुफ़्त है, आपको अपना स्वयं का बुनियादी ढांचा और संचालन और रखरखाव प्रदान करना होगा एक टीम जो डेटा संप्रभुता को प्राथमिकता देती है

मुक्त सत्य: हॉबी समाधान ट्रेस की मात्रा और मूल्यांकन की संख्या में अपेक्षाकृत सीमित है, और उत्पादन उपयोग के बजाय मुख्य परिदृश्यों को सत्यापित करने के लिए उपयुक्त है। मुफ़्त योजना SLA गारंटी और उन्नत सुरक्षा सुविधाएँ (RBAC, SSO, SOC2) प्रदान नहीं करती है, और ट्रेस अवधारण अवधि केवल 30 दिन है। उत्पादन परिवेश में गंभीर उपयोग के लिए, प्रो योजना ($49/माह) एक उचित प्रारंभिक बिंदु है। स्व-होस्ट किया गया संस्करण कार्यात्मक रूप से क्लाउड संस्करण के बराबर है, लेकिन एंटरप्राइज़ संस्करण (SOC2, HIPAA BAA, Infosec ऑडिटिंग) के सुरक्षा ऑडिट प्रावधान केवल एंटरप्राइज़ योजना पर उपलब्ध हैं।

खरीदारी टिप: हॉबी और प्रो योजनाएं प्रारंभिक सत्यापन के लिए उपयुक्त हैं, लेकिन यदि टीम में 10 लोगों से अधिक है या आरबीएसी/एसएसओ आवश्यकताएं हैं, तो आपको सीधे बिजनेस या एंटरप्राइज में अपग्रेड करना होगा। स्व-होस्टेड संस्करण कार्यात्मक रूप से क्लाउड संस्करण के बराबर है, लेकिन एंटरप्राइज़ संस्करण का सुरक्षा ऑडिट प्रावधान केवल एंटरप्राइज़ योजना पर उपलब्ध है। विशिष्ट अनुबंध विवरण के लिए, कृपया आधिकारिक रीयल-टाइम पृष्ठ और व्यावसायिक संचार देखें।

अनुप्रयोग परिदृश्य

• परिदृश्य 1: ग्राहक सेवा रोबोट की गुणवत्ता वापस आती है - ग्राहक सेवा रोबोट के त्वरित शब्द का प्रत्येक संशोधन कई दौर के संवाद की सटीकता और सुरक्षा को प्रभावित कर सकता है। तंत्र: एजेंटा में सामान्य समस्याओं, किनारे के मामलों और सुरक्षा सीमाओं को कवर करने वाला एक परीक्षण सेट बनाएं, और हर बार शीघ्र शब्दों को संशोधित करने पर स्वचालित रूप से बैच मूल्यांकन पाइपलाइन चलाएं। प्रभाव: "मैन्युअल सैंपलिंग" को "पूर्ण रिटर्न" में अपग्रेड करें, और रिटर्न चक्र को आधे दिन से घटाकर 5 मिनट कर दिया गया है। सत्यापन विधि: मूल्यांकन संकेतकों और वास्तविक अनुभव के बीच स्थिरता को सत्यापित करने के लिए मूल्यांकन स्कोर और वास्तविक ग्राहक संतुष्टि स्कोर (सीएसएटी) के बीच सहसंबंध विश्लेषण करें। कार्यान्वयन युक्ति: परीक्षण सेट को उत्पादन वार्तालापों से नए विफलता मामलों के साथ पूरक करना जारी रखना होगा, अन्यथा समय के साथ प्रतिगमन कवरेज कम हो जाएगा।

• परिदृश्य 2: सामग्री निर्माण मॉडल की संस्करण तुलना - जब टीम एकाधिक मॉडल (जीपीटी-4ओ, क्लाउड सॉनेट, डीपसीक-वी4, आदि) या एकाधिक संस्करणों के बीच चयन करती है, तो एक व्यवस्थित तुलना आधार की आवश्यकता होती है। तंत्र: एजेंटा का प्लेग्राउंड एलएलएम-ए-जज स्वचालित स्कोरिंग और मैन्युअल एनोटेशन के साथ एक ही इंटरफ़ेस में एक ही परीक्षण सेट पर कई मॉडल/प्रॉम्प्ट शब्द वेरिएंट के आउटपुट को चलाने का समर्थन करता है। प्रभाव: व्यक्तिपरक भावनाओं या आपूर्तिकर्ता प्रचार के बजाय मॉडल अपग्रेड निर्णयों के लिए मात्रात्मक आधार प्रदान करें। सत्यापन विधि: 30-50 उच्च-प्राथमिकता वाले परीक्षण मामलों का चयन करें, मैन्युअल डबल-ब्लाइंड स्कोरिंग करें और एलएलएम-ए-जज स्कोरिंग के साथ स्थिरता विश्लेषण करें।

• परिदृश्य 3: एजेंट अनुप्रयोगों की डिबगिंग और मूल्यांकन - एजेंट अनुप्रयोगों की जटिलता प्रश्न और उत्तर के एक दौर की तुलना में बहुत अधिक है - जिसमें टूल इनवोकेशन, मल्टी-स्टेप रीजनिंग और राज्य प्रबंधन शामिल है। तंत्र: एजेंटा का एजेंट प्लेग्राउंड प्रत्येक मध्यवर्ती चरण की तर्क प्रक्रिया और टूल कॉल परिणामों को देखने का समर्थन करता है, और एचआईटीएल मैनुअल अनुमोदन तंत्र के साथ सहयोग करता है। प्रभाव: विकास चरण के दौरान एजेंट नियोजन विचलन का पता लगाया जा सकता है (जैसे कि गलत उपकरण चुनना, या तर्क पथ बहुत लंबा है, जिससे टोकन सीमा से अधिक हो जाता है)। सत्यापन विधि: एजेंट मूल्यांकन के लिए यह जांचने के लिए एक विशेष मूल्यांकनकर्ता की आवश्यकता होती है कि टूल कॉल सही है या नहीं और नियोजित पथ उचित है या नहीं। यह केवल अंतिम आउटपुट का मूल्यांकन नहीं कर सकता।

• परिदृश्य 4: मल्टी-मॉडल रूटिंग की ऑनलाइन स्वीकृति - "कार्य प्रकार के आधार पर विभिन्न मॉडलों के लिए डायनामिक रूटिंग" की वास्तुकला में, प्रत्येक रूटिंग शाखा को स्वतंत्र रूप से सत्यापित करने की आवश्यकता होती है। तंत्र: एजेंटा के कस्टम वर्कफ़्लो विभिन्न रूटिंग शाखाओं के लिए स्वतंत्र मूल्यांकनकर्ता संयोजन और स्वीकृति सीमा को कॉन्फ़िगर करने का समर्थन करते हैं। प्रभाव: सुनिश्चित करें कि रूटिंग लॉजिक में बदलाव से शाखा की गुणवत्ता में गिरावट नहीं होगी। सत्यापन विधि: रूटिंग परिदृश्य में ट्रेस लिंक में कई एलएलएम कॉल शामिल हैं। यह पुष्टि करना आवश्यक है कि अवलोकन पैनल एंड-टू-एंड अनुरोध लिंक का पूरी तरह से पता लगा सकता है।

लागू लोग

• एआई इंजीनियरिंग और प्लेटफ़ॉर्म टीम: कंपनी के एलएलएम एप्लिकेशन के लिए एक मानकीकृत विकास और रिलीज़ प्रक्रिया स्थापित करने की आवश्यकता है। एजेंटा का एपीआई/एसडीके + यूआई डुअल-चैनल आर्किटेक्चर इंजीनियरों को उत्पाद टीम को एक दृश्य प्रयोग इंटरफ़ेस प्रदान करते हुए सीआई/सीडी पाइपलाइन में मूल्यांकन और तैनाती को एम्बेड करने की अनुमति देता है। पूर्वापेक्षा: पहले से ही कई एलएलएम एप्लिकेशन लाइनें हैं जिनके लिए एकीकृत प्रबंधन की आवश्यकता है।

• प्रॉम्प्ट वर्ड इंजीनियर और एआई उत्पाद प्रबंधक: प्रॉम्प्ट शब्दों को व्यवस्थित रूप से पुनरावृत्त करना और प्रभाव अंतर को मापना आवश्यक है। एजेंटा की प्लेग्राउंड + मूल्यांकन पाइपलाइन उन्हें कोड लिखे बिना प्रयोगों को डिजाइन करने, चलाने और तुलना करने की अनुमति देती है। पूर्व शर्त: विभिन्न मॉडल संस्करणों के अनुकूल होने के लिए शीघ्र शब्दों को बार-बार समायोजित करने की आवश्यकता होती है।

• विषय विशेषज्ञ: हालांकि वे कोड नहीं लिखते हैं, लेकिन उनमें व्यावसायिक परिदृश्यों के सही उत्तरों का आकलन करने की क्षमता होती है। एजेंटा के यूआई-आधारित मूल्यांकन और मैनुअल एनोटेशन फ़ंक्शन उन्हें गुणवत्ता स्वीकृति में सीधे भाग लेने की अनुमति देते हैं। पूर्वावश्यकता: संगठन व्यावसायिक ज्ञान को सीधे एआई गुणवत्ता शासन प्रक्रिया में शामिल करने का इच्छुक है।

• अनुपयुक्त सीमा: यदि टीम के पास केवल 1~2 सरल एलएलएम कॉल हैं, तो संस्करण प्रबंधन और व्यवस्थित मूल्यांकन की आवश्यकता नहीं है; यदि टीम के पास कोई मूल्यांकन जागरूकता और प्रक्रिया नहीं है, तो एजेंटा की मानकीकृत प्रक्रिया के लिए अतिरिक्त संगठनात्मक अनुकूलन लागत की आवश्यकता होती है; यदि केवल बुनियादी शीघ्र प्रबंधन की आवश्यकता है और किसी अवलोकन और एजेंट ऑर्केस्ट्रेशन की आवश्यकता नहीं है, तो एक हल्का उपकरण (जैसे प्रॉम्प्टहब) अधिक उपयुक्त हो सकता है; यदि मुख्य आवश्यकता त्वरित वर्ड इंजीनियरिंग के बजाय मॉडल फाइन-ट्यूनिंग है, तो एजेंटा प्रशिक्षण-संबंधित क्षमताएं प्रदान नहीं करता है।

प्रतिस्पर्धी उत्पादों की तुलना

आयामों की तुलना करें	एजेंटा	लैंगस्मिथ	वज़न और पूर्वाग्रह संकेत	हेलिकोन	लैंगफ्यूज
खुला स्रोत/बंद स्रोत	✅ ओपन सोर्स (एमआईटी)	❌ बंद स्रोत	❌ बंद स्रोत	✅ ओपन सोर्स (एमआईटी)	✅ ओपन सोर्स (एमआईटी)
शीघ्र शब्द प्रबंधन	✅ खेल का मैदान + संस्करण प्रबंधन	✅ खेल का मैदान	✅ प्रयोग ट्रैकिंग	❌	✅ खेल का मैदान
व्यवस्थित मूल्यांकन	✅ 20+ मूल्यांकनकर्ता + अनुकूलन	✅ मूल्यांकन एसडीके	✅ मूल्यांकन पैनल	❌	✅ मूल्यांकन पाइपलाइन
ऑनलाइन अवलोकन	✅ ओपन टेलीमेट्री ट्रेस	✅ ट्रेस	❌	✅ ट्रेस + लागत	✅ ट्रेस
एजेंट आर्केस्ट्रा	✅ v0.105+ एजेंट सबसिस्टम	✅ लैंगग्राफ एकीकरण	❌	❌	❌
स्व-मेज़बान	✅ डॉकर कम्पोज़	❌ केवल बादल	❌ केवल बादल	✅ डॉकर	✅ डॉकर
मूल्य निर्धारण सीमा	$0 (शौक / स्व-आयोजित)	$25/माह से शुरू	एंटरप्राइज ऑफर	$20/माह से शुरू	$0 (ओएसएस) / $59/माह से शुरू
मॉडल बाइंडिंग	कोई नहीं (50+ मॉडल + अनुकूलन)	लैंगचेन पारिस्थितिकी	कोई नहीं	कोई नहीं	कोई नहीं
उद्यम सुविधाएँ	आरबीएसी (ओएसएस)/एसएसओ+एसओसी2 (भुगतान)	आरबीएसी+एसएसओ (भुगतान)	आरबीएसी+एसएसओ	आरबीएसी (भुगतान)	आरबीएसी+एसएसओ (भुगतान)
संबंधित स्थान	जर्मनी	संयुक्त राज्य अमेरिका	संयुक्त राज्य अमेरिका	संयुक्त राज्य अमेरिका	जर्मनी

निर्णय सुझाव: यदि आपकी टीम लैंगचेन पारिस्थितिकी तंत्र से गहराई से जुड़ी हुई है, तो लैंगस्मिथ का एकीकरण अनुभव अधिक सहज है; यदि मुख्य आवश्यकता प्रयोग ट्रैकिंग और मॉडल प्रशिक्षण प्रबंधन है, तो W&B प्रॉम्प्ट्स एक परिपक्व समाधान है; यदि आपको केवल उत्पादन वातावरण का पता लगाने और लागत की निगरानी की आवश्यकता है, तो हेलिकॉन अधिक हल्का है; यदि आपको वन-स्टॉप ओपन सोर्स एलएलएमओपीएस प्लेटफ़ॉर्म की आवश्यकता है और सेल्फ-होस्टिंग विकल्प को बरकरार रखना चाहते हैं, तो एजेंटा वर्तमान में सबसे व्यापक विकल्प है। पहले एलएलएम लिंक चलाने के लिए एजेंटा के हॉबी फ्री प्लान या सेल्फ-होस्टेड संस्करण का उपयोग करने की सिफारिश की जाती है, और फिर तय करें कि इसे दीर्घकालिक रूप से अपनाना है या नहीं।

सारांश और आउटलुक

एजेंटा का मुख्य मूल्य एलएलएम अनुप्रयोग विकास को "स्लैक और स्प्रेडशीट में बिखरे हुए त्वरित शब्द + मैन्युअल दृश्य निरीक्षण + लाइन पर भाग्य" की स्थिति से "केंद्रीय रूप से प्रबंधित त्वरित शब्द + व्यवस्थित मूल्यांकन + अवलोकन योग्य उत्पादन निगरानी" की इंजीनियरिंग प्रक्रिया में अपग्रेड करना है। यह वर्तमान में कुछ ओपन सोर्स वन-स्टॉप प्लेटफार्मों में से एक है जो त्वरित शब्द इंजीनियरिंग, मूल्यांकन, अवलोकन और एजेंट ऑर्केस्ट्रेशन को कवर करता है। एमआईटी लाइसेंस और डॉकर कंपोज़ सेल्फ-होस्टिंग पथ इसे एंटरप्राइज़ डेटा अनुपालन परिदृश्यों में एक स्वाभाविक लाभ देता है।

मुख्य लाभ: (1) ओपन सोर्स पूर्ण-लिंक कवरेज - चार-इन-वन त्वरित शब्द प्रबंधन, मूल्यांकन, अवलोकन और एजेंट ऑर्केस्ट्रेशन; (2) एमआईटी लाइसेंस + स्व-होस्टिंग, पूरी तरह से नियंत्रणीय डेटा संप्रभुता; (3) मॉडल-स्वतंत्र डिज़ाइन, 50+ मॉडल + कस्टम प्रदाता; (4) उच्च-आवृत्ति पुनरावृत्तियाँ, सक्रिय समुदाय, 417+ रिलीज़ परियोजना रखरखाव की स्थिरता को सत्यापित करते हैं।

वर्तमान सीमाएं: (1) एजेंट ऑर्केस्ट्रेशन क्षमताएं अभी भी तेजी से पुनरावृत्ति अवधि में हैं, और उत्पादन वातावरण परिनियोजन के लिए सत्यापन समय आरक्षित करने की आवश्यकता है; (2) मूल्यांकनकर्ता स्कोरिंग मानकों (विशेष रूप से एलएलएम-ए-जज) के लिए टीम को अंशांकन में समय लगाने की आवश्यकता होती है; (3) स्व-होस्टेड संस्करण के संचालन और रखरखाव की जटिलता को नजरअंदाज नहीं किया जा सकता है; (4) उद्यम ग्राहकों की संख्या और राजस्व डेटा का आधिकारिक तौर पर खुलासा नहीं किया गया है, और वाणिज्यिक सत्यापन के लिए अधिक पारदर्शी जानकारी प्रकटीकरण की आवश्यकता है।

खरीद/गोद लेने का जोखिम मूल्यांकन: एजेंटा उन टीमों के लिए उपयुक्त है जिन्होंने एलएलएमओपीएस जरूरतों की पहचान की है। मूल्यांकन संकेतकों और टीम की स्वीकृति की वैधता को सत्यापित करने के लिए 1 ~ 2 उच्च-मूल्य वाले एलएलएम लिंक पर बंद लूप के माध्यम से चलाने के लिए पहले हॉबी फ्री प्लान का उपयोग करें, और फिर वास्तविक ट्रेस वॉल्यूम और सीट आवश्यकताओं के आधार पर प्रो/बिजनेस प्लान या सेल्फ-होस्टिंग का चयन करें। अत्यधिक उच्च डेटा संप्रभुता आवश्यकताओं (वित्त, चिकित्सा देखभाल, सरकारी मामले) वाले उद्योगों के लिए, स्व-होस्टिंग पथ आधारभूत विकल्प है, लेकिन यह मूल्यांकन करना आवश्यक है कि आंतरिक संचालन और रखरखाव क्षमताएं मेल खाती हैं या नहीं। खरीदने से पहले, उद्यमों को पुष्टि करने की आवश्यकता है: स्व-होस्टेड संस्करण का एंटरप्राइज़-स्तरीय सुरक्षा फ़ंक्शन कवरेज, ट्रेस डेटा की अवधारण और निर्यात रणनीति, एजेंट क्षमताओं की उत्पादन तत्परता, और ओपन सोर्स समुदाय की दीर्घकालिक रखरखाव प्रतिबद्धता।

अनुवर्ती अवलोकन दिशा: एजेंट क्षमताएं स्थिर संस्करण में कब प्रवेश करेंगी; क्या ओपन सोर्स संस्करण और एंटरप्राइज़ संस्करण के बीच कार्यात्मक अंतर बढ़ेगा; लैंगस्मिथ, डब्ल्यूएंडबी प्रॉम्प्ट्स, हेलिकॉन, लैंगफ्यूज इत्यादि जैसे प्रतिस्पर्धी उत्पादों के निरंतर विकास के संदर्भ में, क्या एजेंटा के खुले स्रोत भेदभाव को बनाए रखा जा सकता है।

संबंधित टूल: <एक्सलिंक टाइप='टूल' स्लग='हगिंग-फेस'>, <एक्सलिंक टाइप='टूल' स्लग='रेप्लिकेट'>

संस्करण जानकारी

• एजेंट प्लेग्राउंड उन्नत संस्करण ：एजेंट प्लेग्राउंड सत्र प्रबंधन, फ़ाइल अपलोड और चेकर कार्यों को अनुकूलित करने और एजेंट चलाने के दौरान मध्यवर्ती स्थिति की विज़ुअलाइज़ेशन क्षमताओं को बढ़ाने पर ध्यान दें; निर्भरता उन्नयन और रेडिस स्थिरता सुधार। （2026-07-17）
• बिग एजेंट्स मेन लाइन ：एजेंट क्षमताओं की मुख्य लाइनें विलय कर दी गई हैं, और एजेंट कॉन्फ़िगरेशन पैनल, कौशल प्रणाली, एमसीपी टूल एकीकरण, सैंडबॉक्स निष्पादन और एचआईटीएल मैन्युअल अनुमोदन प्रक्रिया जोड़ दी गई है। （2026-07-14）
• मल्टी-ऑर्गन ओपन सोर्स ：मल्टी-ऑर्गनाइजेशन क्षमताएं आधिकारिक तौर पर ओएसएस में प्रवेश करती हैं, और आरबीएसी को ईई से ओपन सोर्स संस्करण में स्थानांतरित कर दिया जाता है। （2026-06）
• ओपन-सोर्स लॉन्च ：ओपन सोर्स कोर क्षमताओं को जारी करें और त्वरित शब्द प्रयोगों और बुनियादी मूल्यांकन का समर्थन करें। （2024-01）