एजेंट सेट.प्यार
-
Agentset.ai व्यावसायिक परिदृश्यों को लक्षित करता है, कम-कोड ऑर्केस्ट्रेशन, कनेक्टर्स और प्रक्रिया पुन: उपयोग क्षमताएं प्रदान करता है।
Agentset.ai - RAG-ए-ए-सर्विस इंफ्रास्ट्रक्चर प्लेटफॉर्म
मुख्य पैरामीटर और आँकड़े
| पैरामीटर्स | विवरण |
|---|---|
| उत्पाद स्थिति निर्धारण | डेवलपर्स के लिए प्रोडक्शन-ग्रेड आरएजी इंफ्रास्ट्रक्चर प्लेटफॉर्म |
| एक वाक्य में संक्षिप्त समीक्षा | यह एक लो-कोड एजेंट बिल्डिंग टूल नहीं है, बल्कि एक आउट-ऑफ-द-बॉक्स RAG बैकएंड है - जो आपको दस्तावेज़ डेटा को AI पुनर्प्राप्ति योग्य ज्ञान आधार में बदलने में मदद करता है |
| लक्षित उपयोगकर्ता | बैक-एंड/फुल-स्टैक डेवलपर्स एआई एप्लिकेशन टीमें, सास उत्पाद जिन्हें ज्ञान आधार पुनर्प्राप्ति बनाने की आवश्यकता है |
| डिलिवरी फॉर्म | वेब कंसोल + रेस्ट एपीआई + टाइपस्क्रिप्ट/पायथन एसडीके + एमसीपी सर्वर |
| खुला स्रोत | MIT लाइसेंस, GitHub 2k+ स्टार्स, टाइपस्क्रिप्ट सिंगल रिपॉजिटरी |
| कोर वास्तुकला परत | पार्सिंग लेयर (मार्कर/ओसीआर) → ब्लॉकिंग लेयर (चॉन्की) → वेक्टराइजेशन लेयर (टेक्स्ट-एम्बेडिंग-3-लार्ज) → वेक्टर लाइब्रेरी (टर्बोपफर) → रीऑर्डरिंग लेयर (कोहेयर रीरैंक v4.0) → जेनरेशन लेयर (जीपीटी-5.5 एजेंट) |
| फ़ाइल स्वरूप समर्थन | 22+ प्रारूप: पीडीएफ, डीओसीएक्स, एक्सएलएसएक्स, पीपीटीएक्स, एचटीएमएल, मार्कडाउन, चित्र (ओसीआर सहित), कोड फ़ाइलें, आदि |
| परिनियोजन विकल्प | एजेंटसेट क्लाउड, बीवाईओसी, स्व-होस्टेड |
| अनुपालन प्रमाणन | एसओसी 2, एचआईपीएए, जीडीपीआर (एंटरप्राइज प्लान) |
Agentset.ai का मुख्य व्यावहारिक मूल्य है: RAG को "डेमो-रेडी" से "प्रोडक्शन-रेडी" में बदलना। अधिकांश RAG समाधान प्रदर्शन चरण में अच्छा प्रदर्शन करते हैं। एक बार क्वेरी विविधता, दस्तावेज़ मात्रा वृद्धि और वास्तविक उपयोगकर्ताओं की सटीक आवश्यकताओं का सामना करने के बाद, रिकॉल दर और उत्तर विश्वसनीयता में तेजी से गिरावट आएगी। एजेंटसेट ने पारंपरिक एकल वेक्टर पुनर्प्राप्ति को एजेंटिक पुनर्प्राप्ति के साथ बदल दिया है, जिससे मल्टी-हॉप तर्क और क्रॉस-डॉक्यूमेंट एकत्रीकरण की सटीकता में काफी सुधार हुआ है।
उपयोगकर्ता और बाज़ार की पहचान
उद्यम गोद लेने के मामले
- गाइल्डेंडल रेट्सडेटा (कानूनी): कानूनी कोष के 3 मिलियन पृष्ठ, एजेंटसेट पर आधारित एआई कानूनी पुनर्प्राप्ति उत्पाद लाइन बनाई गई। एआई के प्रमुख क्रिस्टियन स्केई ने कहा, "यह बिल्कुल उसी प्रकार का एआई खोज समाधान है जिसकी हमें आवश्यकता है।"
- मेडेर्वा हेल्थ (वाईसी डब्ल्यू22): क्लिनिकल अनुसंधान ज्ञान आधार के लिए एजेंटसेट का उपयोग करते हुए, सीटीओ अहनाफ सिद्दीकी ने टिप्पणी की, "चिकित्सा क्षेत्र में त्रुटि के लिए कोई जगह नहीं है, और एजेंटसेट अनुसंधान में उत्तरों को तुरंत विश्वसनीय बनाता है।"
- सस्टेनब्रिज (म्यूनिसिपल/सार्वजनिक): सीटीओ रॉनी रीटन कहते हैं, "आउट ऑफ द बॉक्स" नगर निगम के दस्तावेजों और जटिल छवि खोजों के सैकड़ों पृष्ठों को संभालता है।
- विप्प्स (वित्तीय प्रौद्योगिकी): नॉर्वे का सबसे बड़ा मोबाइल भुगतान प्लेटफ़ॉर्म, मुख्य वास्तुकार स्वेन माल्विक ने कहा, "यदि आप एजेंटसेट का जल्दी उपयोग करते हैं, तो आप विकास के कई सप्ताह बचा सकते हैं।"
- जिब्रील (ई-कॉमर्स): अल्गोलिया से एजेंटसेट की ओर पलायन करते हुए, सीटीओ अब्दुल्ला अब्बास ने कहा, "एक घंटे से भी कम समय में बेहतर खोज अनुभव प्राप्त हुआ।"
समुदाय और पारिस्थितिकी
- GitHub 2k+ स्टार्स, 183 फोर्क्स, 8 मुख्य योगदानकर्ता, सक्रिय डिस्कॉर्ड समुदाय।
- सार्वजनिक रोडमैप में एलएलएम रैंकिंग, एंबेडिंग रैंकिंग, रीरैंकर रैंकिंग, वेक्टर डेटाबेस रैंकिंग और अन्य पारिस्थितिक उपकरण शामिल हैं।
- आधिकारिक तौर पर तुलना पृष्ठों के चार सेट प्रदान किए जाते हैं: बनाम रागी, बनाम वेक्टारा, बनाम ग्राफ्लिट, बनाम क्रेडल, जिसे "ओपन सोर्स आरएजी इंफ्रास्ट्रक्चर के लिए पसंदीदा विकल्प" के रूप में तैनात किया गया है।
लागत लाभ
सी-साइड/डेवलपमेंट टीम मूल्य निर्धारण
| योजनाएं | मासिक शुल्क | पेज कोटा | पुनर्प्राप्ति की संख्या | कनेक्टर्स | समर्थन स्तर |
|---|---|---|---|---|---|
| मुफ़्त | $0 | 1,000 पेज | 10,000 विज़िट/माह | शामिल नहीं | सामुदायिक सहायता |
| प्रो | $49/माह | 10,000 पृष्ठ ($0.01/पृष्ठ से अधिक) | असीमित | $100/माह | ईमेल समर्थन |
| उद्यम | व्यापार उद्धरण | कोई सीमा नहीं | कोई सीमा नहीं | अनुकूलन | समर्पित इंजीनियर + खाता प्रबंधक |
एपीआई/डेवलपर लागत संरचना
- निःशुल्क योजना: किसी क्रेडिट कार्ड की आवश्यकता नहीं, 1,000 पृष्ठ + 10,000 खोजें, पीओसी और छोटी परियोजनाओं के लिए उपयुक्त।
- प्रो प्लान: $49/माह में 10,000 पेज प्राप्त करें, केवल $0.01/पेज पर अतिरिक्त पेज, असीमित खोजें। कनेक्टर्स का बिल व्यक्तिगत रूप से $100/यूनिट/माह पर लिया जाता है।
- ओपन सोर्स और सेल्फ-होस्टेड: पूरी तरह से मुफ़्त, आपको केवल सर्वर और वेक्टर डेटाबेस इंफ्रास्ट्रक्चर की लागत वहन करनी होगी।
व्यवसाय/निजीकरण लागत
एंटरप्राइज़ एक व्यावसायिक उद्धरण है जिसमें शामिल हैं: असीमित पृष्ठ और पुनर्प्राप्ति, स्थानीय परिनियोजन या BYOC, SOC2/HIPAA/GDPR अनुपालन रिपोर्टिंग, SSO एकल साइन-ऑन और समर्पित समर्थन। कीमत के लिए कृपया बिक्री से संपर्क करें।
प्रतिस्पर्धी उत्पादों के साथ लागत की तुलना
| आयाम | एजेंटसेट प्रो | रागी स्टार्टर | वेक्टारा स्टैंडर्ड |
|---|---|---|---|
| मासिक शुल्क | $49 | $100 | संपर्क बिक्री |
| पृष्ठ/भंडारण कोटा | 10,000 पेज | 10,000 पेज | 200 एमबी स्टोरेज |
| इकाई मूल्य से अधिक | $0.01/पेज | $0.02/पेज | अपारदर्शी |
| खोज सीमा | कोई सीमा नहीं | कोई सीमा नहीं | 20,000 प्रश्न/माह |
| खुला स्रोत वैकल्पिक | ✅ एमआईटी ओपन सोर्स | ❌ बंद स्रोत | ❌ बंद स्रोत |
| मुफ़्त क्रेडिट | 1,000 पृष्ठ + 10,000 खोजें | 1,000 पृष्ठ + 1,000 खोजें | सीमित परीक्षण |
लागत लाभ निष्कर्ष: 300-1,000 बार औसत दैनिक खोज मात्रा वाली विकास टीम के लिए, $49/माह पर प्रो योजना की लागत रागी ($100/माह) और वेक्टारा (व्यावसायिक संचार आवश्यक) की तुलना में काफी कम है। ओपन सोर्स सेल्फ-होस्टिंग विकल्प के साथ मिलकर, एजेंटसेट के पास छोटी और मध्यम आकार की टीमों के लिए स्पष्ट लागत प्रभावी लाभ हैं।
मुख्य कार्य
1. एजेंट खोज
- तंत्र: पारंपरिक आरएजी के एकल वेक्टर पुनर्प्राप्ति से अलग, एजेंटसेट में एक अंतर्निहित पुनर्प्राप्ति एजेंट होता है, जो टूल कॉल चक्र में
खोज(सिमेंटिक/कीवर्ड खोज) →विस्तार(ब्लॉक सीमाओं में विस्तार) →कारण(यह निर्धारित करना कि उत्तर पर्याप्त है) की पुनरावृत्ति निष्पादित करता है, और पर्याप्त जानकारी एकत्र होने तक उत्तर वापस नहीं करता है। - हिडन लिंकेज: पुनर्प्राप्ति एजेंट और उद्धरण प्रणाली के बीच स्वचालित लिंकेज - प्रत्येक संदर्भ स्रोत स्वचालित रूप से दस्तावेज़ के स्थान को चिह्नित करता है, जिससे "पुनर्प्राप्ति-एट्रिब्यूशन-ट्रेसिंग" चक्र बनता है, जिससे ब्लैक बॉक्स आउटपुट काफी कम हो जाता है।
- विशेषज्ञ दृष्टिकोण: एजेंटसेट और पारंपरिक आरएजी प्लेटफॉर्म के बीच यह सबसे महत्वपूर्ण अंतर है। एक एकल पुनर्प्राप्ति केवल 1-2 खंडों को कवर कर सकती है, लेकिन एजेंटिक पुनर्प्राप्ति मनुष्यों की तरह "मल्टी-स्टेप सत्यापन" कर सकती है, जिससे मल्टी-हॉप प्रश्न और उत्तर परिदृश्यों में रिकॉल दर 30-50% बढ़ जाती है (जैसे कि "पिछले वर्ष की तीसरी तिमाही में प्रत्येक क्षेत्र में बिक्री की तुलना")।
2. गहन शोध (डीप रिसर्च मोड)
- तंत्र: एजेंटिक खोज के आधार पर इसे और विस्तारित किया गया - खोज एजेंट स्वचालित रूप से उप-प्रश्न उत्पन्न कर सकता है, समानांतर खोज कर सकता है, बहु-स्रोत जानकारी एकत्रित कर सकता है और संरचित शोध रिपोर्ट तैयार कर सकता है।
- लागू परिदृश्य: प्रतिस्पर्धी उत्पाद विश्लेषण, बाजार अनुसंधान, नियामक अनुपालन समीक्षा और अन्य जटिल प्रश्न जिनके उत्तर देने के लिए कई दस्तावेजों की आवश्यकता होती है।
- हिडन लिंकेज: चंकिंग रणनीति के संयोजन में - स्मार्ट चंकिंग वाक्यों और पैराग्राफों को सीमा खंडों के रूप में उपयोग करता है ताकि यह सुनिश्चित किया जा सके कि डीप रिसर्च मोड में क्रॉस-डॉक्यूमेंट एकत्रीकरण संदर्भ न खोए।
3. बहु-प्रारूप दस्तावेज़ पार्सिंग और ओसीआर
- 22+ फ़ाइल स्वरूपों का समर्थन करता है: पीडीएफ, डीओसीएक्स, एक्सएलएसएक्स, पीपीटीएक्स, एचटीएमएल, मार्कडाउन, सीएसवी, टीएसवी, एक्सएमएल, जेएसओएन, चित्र (पीएनजी/जेपीईजी/एचईआईसी/बीएमपी), ईमेल (ईएमएल/एमएसजी), कोड फ़ाइलें, आदि।
- ओसीआर क्षमता: चंद्रा ओसीआर इंजन के आधार पर, यह स्कैन किए गए पीडीएफ और फोटोग्राफ किए गए दस्तावेज़ों और आउटपुट संरचित टेक्स्ट पर टेक्स्ट पहचान कर सकता है।
- हिडन लिंकेज: पार्सिंग पाइपलाइन को एसिंक्रोनस रूप से निष्पादित किया जाता है (ट्रिगर.देव कतार)। 100 पेज का पीडीएफ 60 सेकंड के भीतर पार्सिंग → चंकिंग → वेक्टराइजेशन की पूरी प्रक्रिया को पूरा करता है, और पार्सिंग परिणाम क्लाउडफ्लेयर आर 2 में कैश किए जाते हैं। बाद के पुन: अनुक्रमण के लिए बार-बार विश्लेषण की आवश्यकता नहीं होती है।
4. मॉडल-स्वतंत्र वास्तुकला
- एलएलएम: डिफ़ॉल्ट जीपीटी-5.5 है, ओपनएआई एपीआई के साथ संगत किसी भी मॉडल का चयन किया जा सकता है (क्लाउड, जेमिनी, स्थानीय अनुमान, आदि)।
- एम्बेडिंग: डिफ़ॉल्ट टेक्स्ट-एम्बेडिंग-3-बड़ा, ओपन सोर्स या वाणिज्यिक एम्बेडिंग मॉडल से बदला जा सकता है।
- वेक्टर डेटाबेस: डिफ़ॉल्ट टर्बोपफर (एनवीएमई एसएसडी कैश हॉट नेमस्पेस), पाइनकोन, वीविएट, क्यूड्रेंट या स्व-निर्मित पोस्टग्रेज पीजीवेक्टर द्वारा प्रतिस्थापित किया जा सकता है।
- रीरैंकर: डिफ़ॉल्ट कोहेयर रीरैंक v4.0 प्रो, कस्टम रीऑर्डरिंग लॉजिक को प्रतिस्थापित या संयोजित कर सकता है।
- हिडन लिंकेज: मॉडल-स्वतंत्र + ओपन सोर्स आर्किटेक्चर का मतलब है कि उपयोगकर्ता एजेंटसेट के भीतर ए/बी परीक्षण कर सकते हैं - एक ही दस्तावेज़ लाइब्रेरी से विभिन्न एंबेडिंग/एलएलएम/वेक्टर लाइब्रेरी संयोजनों की सटीकता अंतर की तुलना प्लेटफ़ॉर्म स्विच किए बिना सीधे प्लेग्राउंड में की जा सकती है।
5. एमसीपी सर्वर और एआई एसडीके का एकीकरण
- एमसीपी सर्वर: ज्ञान के आधार को एक मानक एमसीपी टूल के रूप में उजागर करता है, जिसे सीधे एमसीपी क्लाइंट जैसे क्लाउड डेस्कटॉप, कर्सर, वीएस कोड कोपायलट आदि द्वारा कॉल किया जा सकता है। एक्सपोज़्ड टूल में
खोज(सिमेंटिक पुनर्प्राप्ति),पुनर्प्राप्ति(खंडित सामग्री को सटीक रूप से पुनर्प्राप्त करना),लिस्ट_नेमस्पेस(सूची ज्ञान आधार विभाजन) शामिल हैं। - एआई एसडीके एकीकरण: वर्सेल एआई एसडीके के साथ संगत, कोड की एक पंक्ति एजेंटसेट पुनर्प्राप्ति को किसी भी एआई ढांचे से जोड़ेगी।
- हिडन लिंकेज: एमसीपी सर्वर + एजेंटिक सर्च का संयोजन एजेंटसेट को "आरएजी बैकएंड" से "एआई एजेंटों के ज्ञान कॉर्टेक्स" में अपग्रेड करता है - कोई भी एमसीपी-संगत एआई एजेंट एजेंटसेट के माध्यम से उद्यम के निजी ज्ञान आधार को समझ सकता है।
मॉडल और संस्करण विकास
| संस्करण | दिनांक | मुख्य परिवर्तन |
|---|---|---|
| सार्वजनिक बीटा (v1) | 2024-09 | कम-कोड ऑर्केस्ट्रेशन क्षमताओं और बुनियादी कनेक्टर्स का पहला बैच, आरएजी कोर परिदृश्यों की व्यवहार्यता की पुष्टि करता है |
| वर्कफ़्लो टेम्पलेट्स | 2026-01 | पुन: उपयोग दक्षता में सुधार और तैनाती के समय को कम करने के लिए उद्योग टेम्पलेट और प्रक्रिया बाजार लॉन्च करें; एजेंटिक सर्च का नया आर्किटेक्चर लॉन्च करें |
| हाल (नवीनतम) | 2026-06 | 140+ पीआर को मर्ज किया गया: एजेंटिक सर्च प्लेग्राउंड पुनर्निर्माण, कस्टम सिस्टम प्रॉम्प्ट रिपेयर, दस्तावेज़ पार्सिंग एन्हांसमेंट; लगातार GitHub सबमिशन, सक्रिय सामुदायिक योगदान |
संस्करण संदर्भ विवरण: एजेंटसेट 2024 की दूसरी छमाही में सार्वजनिक बीटा में प्रवेश करेगा, और 2025 में "बेसिक आरएजी इंजन" से "एजेंटिक आरएजी प्लेटफॉर्म" तक आर्किटेक्चरल अपग्रेड को पूरा करेगा। वर्तमान में तेजी से पुनरावृत्ति अवधि में, गिटहब पुनर्प्राप्ति सटीकता, डेवलपर अनुभव और बहु-प्रारूप दस्तावेज़ समर्थन पर मुख्य फोकस के साथ औसतन हर 2 सप्ताह में फीचर पीआर के एक बैच का विलय करता है। एलएलएम/एंबेडिंग/रीरैंकर रैंकिंग जैसे पारिस्थितिक उपकरण, साथ ही अधिक संपूर्ण एमसीपी और एआई एसडीके एकीकरण को बाद के रोडमैप पर देखा जा सकता है।
तकनीकी लाभ
एजेंटिक पुनर्प्राप्ति: एकल वेक्टर पुनर्प्राप्ति से परे
पारंपरिक आरएजी का वर्कफ़्लो "क्वेरी → एम्बेडिंग → वेक्टर खोज → स्प्लिसिंग परिणाम → उत्तर उत्पन्न करना" है, जो अनिवार्य रूप से एक बार की पुनर्प्राप्ति है। एजेंटसेट का पुनर्प्राप्ति एजेंट टूल कॉल चक्र का उपयोग करता है:
उपयोगकर्ता पूछता है → पुनर्प्राप्ति एजेंट खोज क्वेरी उत्पन्न करता है → खोज उपकरण (वेक्टर + कीवर्ड मिश्रित खोज)
→ पर्याप्त परिणाम नहीं? → टूल का विस्तार करें (आसन्न टाइल्स तक विस्तारित करें) → फिर से मूल्यांकन करें
→ पर्याप्त जानकारी? → उत्पन्न करें (उत्तर उत्पन्न करें + स्रोतों को स्वचालित रूप से चिह्नित करें)यह तंत्र तीन मुख्य दर्द बिंदुओं को हल करता है:
- मल्टी-हॉप प्रश्न: ऐसे प्रश्न जिनमें क्रॉस-डॉक्यूमेंट तर्क की आवश्यकता होती है (जैसे कि "उत्पाद ए की कीमत उत्पाद बी से कितनी अधिक है?") को एक ही खोज द्वारा कवर नहीं किया जा सकता है।
- खंडों की टूटी हुई सीमा: जब उत्तर दो भागों में विभाजित हो जाता है, तो एक खोज उनमें से केवल एक को ही छू सकती है। विस्तार उपकरण स्वचालित रूप से संदर्भ पढ़ता है।
- अस्पष्ट क्वेरी अभिप्राय: एजेंट केवल उपयोगकर्ता के मूल इनपुट पर निर्भर रहने के बजाय, स्वयं खोज शब्दों को फिर से लिख और परिष्कृत कर सकता है।
मॉड्यूलर डिकॉउलिंग और एसिंक्रोनस पाइपलाइन
- पार्सिंग और पुनर्प्राप्ति का पृथक्करण: दस्तावेज़ पार्सिंग (मार्कर + ओसीआर) को अतुल्यकालिक रूप से निष्पादित किया जाता है, और परिणाम आर 2 ऑब्जेक्ट स्टोरेज में कैश किए जाते हैं। भले ही एंबेडिंग मॉडल या वेक्टर लाइब्रेरी को बाद में बदल दिया गया हो, स्रोत फ़ाइल को दोबारा पार्स करने की कोई आवश्यकता नहीं है।
- चॉन्की इंटेलिजेंट चंकिंग: चंकिंग के लिए वाक्यों और पैराग्राफों को प्राकृतिक सीमाओं के रूप में उपयोग करता है, टेबल, कोड ब्लॉक और चित्रों के लिए समर्पित चंकर्स का समर्थन करता है, और दस्तावेज़ संरचना जानकारी को बरकरार रखता है।
- ट्रिगर.डेव जॉब ऑर्केस्ट्रेशन: अतुल्यकालिक कार्य कतार, विफल पुनर्प्रयास और प्रगति ट्रैकिंग का समर्थन करता है। 100 पेज की पीडीएफ <60 सेकंड में खोजने योग्य अपलोड की गई।
मिश्रित खोज और पुनः व्यवस्थित करना
- सिमेंटिक सर्च: टर्बोपफ़र में टेक्स्ट-एम्बेडिंग-3-बड़े, अनुमानित निकटतम पड़ोसी (एएनएन) खोज पर आधारित वेक्टर एम्बेडिंग।
- कीवर्ड खोज: खंडित मूल पाठ के आधार पर बीएम25 जैसा शब्द मिलान, यह सुनिश्चित करता है कि व्यावसायिक शब्द (जैसे "हिपा", "आरएजी") अभी भी सटीक हिट रखते हैं जब सिमेंटिक एम्बेडिंग प्रभाव अच्छा नहीं होता है।
- कोहेयर रीरैंक v4.0 पुनः क्रमबद्ध करना: सटीकता को और बेहतर बनाने के लिए टॉप-के परिणामों को दो बार क्रमबद्ध करें। आधिकारिक बेंचमार्क HotpotQA और फाइनेंसबेंच पर उद्योग-अग्रणी प्रदर्शन दिखाते हैं।
बहु-किरायेदारी और डेटा अलगाव
- नेमस्पेस तंत्र: प्रत्येक ज्ञान आधार को एक स्वतंत्र नेमस्पेस में अलग किया जाता है, और डेटा को वेक्टर लाइब्रेरी और ऑब्जेक्ट स्टोरेज स्तरों पर भौतिक या तार्किक रूप से अलग किया जाता है।
- मेटाडेटा फ़िल्टरिंग: सूक्ष्म अनुमति नियंत्रण प्राप्त करने के लिए पुनर्प्राप्ति के दौरान डेटा सीमा को सीमित करने के लिए मेटाडेटा फ़िल्टर का उपयोग करें (जैसे कि केवल "Q3 2025 के लिए बिक्री रिपोर्ट पुनर्प्राप्त करना")।
कैसे उपयोग करें
प्रवेश तुलना
| प्रवेश विधि | लागू परिदृश्य | शीघ्र प्रवेश |
|---|---|---|
| वेब कंसोल (खेल का मैदान) | त्वरित परीक्षण, डिबगिंग पुनर्प्राप्ति प्रभाव, मैनुअल प्रश्नोत्तर | https://app.agentsset.ai/login |
| बाकी एपीआई | अपने स्वयं के एप्लिकेशन बैकएंड में RAG क्षमताओं को एम्बेड करें | https://docs.agentsset.ai/api-reference/introduction |
| टाइपस्क्रिप्ट एसडीके | Node.js/Next.js परियोजना एकीकरण | एनपीएम इंस्टॉल एजेंटसेट |
| पायथन एसडीके | पायथन बैकएंड/डेटा विज्ञान परियोजना एकीकरण | पिप इंस्टाल एजेंटसेट |
| एमसीपी सर्वर | एमसीपी क्लाइंट जैसे क्लाउड/कर्सर/कोपायलट | द्वारा सीधे कॉल के लिए विवरण के लिए दस्तावेज़ देखें |
| एआई एसडीके (वर्सेल) | वर्सेल एआई एसडीके फ्रेमवर्क से कनेक्ट करने के लिए कोड की एक पंक्ति | विवरण के लिए दस्तावेज़ देखें |
3 मिनट में शीघ्रता से आरंभ करें: टाइपस्क्रिप्ट एसडीके उदाहरण
"एजेंटसेट" से {एजेंटसेट} आयात करें;
स्थिरांक एजेंटसेट = नया एजेंटसेट({ apiKey: "<YOUR_API_KEY>" });
कॉन्स्ट नेमस्पेस = एजेंटसेट.नेमस्पेस('ns_1234');
// 1. दस्तावेज़ अपलोड करें
const ingestJob = wait namespace.ingestion.create({
पेलोड: {
प्रकार: "फ़ाइल",
फ़ाइलयूआरएल: "https://example.com/document.pdf",
फ़ाइल का नाम: "my-document.pdf",
},
कॉन्फ़िग: {
मेटाडेटा: { विभाग: "कानूनी", वर्ष: "2026" },
},
});
// 2. पार्सिंग पूरी होने तक प्रतीक्षा करें (एसिंक्रोनस पोलिंग)
प्रतीक्षा एजेंटसेट.जॉब्स.प्रतीक्षा(ingestJob.id);
// 3. प्रश्न और उत्तर पुनः प्राप्त करें
स्थिरांक उत्तर = प्रतीक्षा करें namespace.search.chat({
संदेश: [{भूमिका: "उपयोगकर्ता", सामग्री: "यह दस्तावेज़ किन अनुपालन आवश्यकताओं का उल्लेख करता है?" }],
});
कंसोल.लॉग(answer.message.content);
// उत्तर स्वचालित रूप से स्रोत उद्धरण के साथ आता हैएमसीपी सर्वर एक्सेस (क्लाउड डेस्कटॉप कॉन्फ़िगरेशन)
claude_desktop_config.json में जोड़ें:
{
"एमसीपीसर्वर": {
"एजेंटसेट": {
"कमांड": "एनपीएक्स",
"आर्ग्स": ["-y", "@एजेंटसेट/एमसीपी-सर्वर"],
"एनवी": {
"AGENTSET_API_KEY": "<आपका_API_KEY>",
"AGENTSET_NAMESPACE": "ns_1234"
}
}
}
}एक बार कॉन्फ़िगर हो जाने पर, क्लाउड सीधे एजेंटसेट एमसीपी टूल के माध्यम से ज्ञान आधार खोज सकता है। एमसीपी द्वारा प्रदर्शित उपकरणों की सूची:
| उपकरण का नाम | कार्य विवरण | इनपुट पैरामीटर |
|---|---|---|
एजेंटसेट_सर्च |
सिमेंटिक/कीवर्ड खोज ज्ञान का आधार | क्वेरी: स्ट्रिंग, टॉपके,: नंबर, फ़िल्टर,: ऑब्जेक्ट |
एजेंटसेट_रिट्रीव |
निर्दिष्ट खंड की संपूर्ण सामग्री प्राप्त करें | चंकआईडी: स्ट्रिंग |
एजेंटसेट_लिस्ट_नामस्पेस |
सभी ज्ञान आधार विभाजनों की सूची बनाएं | कोई नहीं |
इंजीनियरिंग ख़तरा गाइड
- टोकन खपत और कदम नियंत्रण: एजेंट पुनर्प्राप्ति का चक्र जटिल समस्याओं पर टूल कॉल के 5-10 चरणों को निष्पादित कर सकता है, जिसके परिणामस्वरूप टोकन खपत में वृद्धि होगी।
मैक्सस्टेप्सपैरामीटर के माध्यम से पुनर्प्राप्ति एजेंट के पुनरावृत्ति चरणों की अधिकतम संख्या को सीमित करने और एक ही क्वेरी के बार-बार निष्पादन से बचने के लिए लूप में बार-बार कार्रवाई का पता लगाने को सक्षम करने की सिफारिश की जाती है। - लंबे दस्तावेज़ संदर्भ अधिभार: जब दस्तावेज़ लाइब्रेरी में बड़ी संख्या में पीडीएफ (विशेष रूप से स्कैन किए गए संस्करण) होते हैं, तो ओसीआर + चंकिंग का संयोजन अपेक्षा से कहीं अधिक बड़ी संख्या में खंड उत्पन्न कर सकता है। यह अनुशंसा की जाती है कि पृष्ठांकित सारांशीकरण नीति को नेमस्पेस स्तर पर सेट किया जाए और संदर्भ में सभी खंडों को फीड करने के बजाय, बड़े दस्तावेज़ों के लिए पदानुक्रमित सारांशीकरण (पहले अध्यायों का सारांश, फिर पूर्ण पाठ) को सक्षम किया जाए।
- सुरक्षा और अनधिकृत शासन: बहु-किरायेदार परिदृश्य में, नामस्थानों के बीच डेटा अलगाव को सत्यापित किया जाना चाहिए - पुष्टि करें कि भौतिक अलगाव वेक्टर लाइब्रेरी स्तर पर किया जाता है (केवल एप्लिकेशन परत पर नहीं)। अपरिवर्तनीय संचालन (नेमस्पेस विलोपन, बैच री-इंडेक्सिंग) के लिए, एपीआई को कॉल करने से पहले एक द्वितीयक पुष्टिकरण या ड्राई-रन मोड सेट करने की अनुशंसा की जाती है।
उत्पाद का मूल्य निर्धारण
मूल्य निर्धारण मॉडल का अवलोकन
| योजना | मासिक शुल्क | कोर कोटा | अनुकूलन साझेदारी |
|---|---|---|---|
| मुफ़्त | $0 | 1,000 पृष्ठ, 10,000 खोजें, सामुदायिक समर्थन | व्यक्तिगत परियोजना PoC, प्रोटोटाइप सत्यापन |
| प्रो | $49 | 10,000 पृष्ठ, असीमित खोज, ईमेल समर्थन | छोटी और मध्यम आकार की टीमों के लिए उत्पादन |
| उद्यम | बिजनेस कोटेशन | असीमित पेज और खोजें, स्थानीय परिनियोजन, SOC2/HIPAA/GDPR, SSO | उच्च अनुपालन आवश्यकताओं वाले उद्यम |
बिलिंग विवरण
- पृष्ठ संख्या: प्रत्येक 1,000 वर्णों के लिए पाठ को 1 पृष्ठ में पार्स करें। पीडीएफ पृष्ठों की वास्तविक संख्या और बिल किए गए पृष्ठों की संख्या भिन्न हो सकती है (उदाहरण के लिए, यदि एक पीडीएफ पृष्ठ पाठ-गहन है, तो इसे 1-3 बिल पृष्ठों में परिवर्तित किया जा सकता है)।
- कनेक्टर शुल्क: प्रो प्लान के लिए $100/यूनिट/माह। कनेक्टर्स बाहरी डेटा स्रोत सिंक्रोनाइज़र (जैसे Google Drive, SharePoint, Notion) को संदर्भित करते हैं जो स्वचालित रूप से सामग्री को नॉलेज बेस में सिंक्रोनाइज़ करते हैं।
- अतिरिक्त पेज: प्रो प्लान $0.01/पेज/माह, वास्तविक ओवरएज के आधार पर बिल किया जाता है।
- विशेष नीति: स्टार्टअप और गैर-लाभकारी संगठनों के लिए छूट प्रदान की जाती है, कृपया संगठन की जानकारी प्रदान करने के लिए बिक्री से संपर्क करें।
प्रतिस्पर्धी उत्पादों के साथ मूल्य निर्धारण की तुलना
| तुलनात्मक आयाम | एजेंटसेट प्रो | रागी प्रो | वेक्टारा प्रो |
|---|---|---|---|
| मासिक शुल्क | $49 | $500 | संपर्क बिक्री |
| पेज/क्षमता | 10,000 पेज | 60,000 पृष्ठ | 830 एमबी |
| इकाई मूल्य से अधिक | $0.01/पेज | $0.02/पेज | अपारदर्शी |
| खोजों की संख्या | कोई सीमा नहीं | कोई सीमा नहीं | 83,000 बार/माह |
| ओपन सोर्स विकल्प | पूरी तरह से खुला स्रोत | बंद स्रोत | बंद स्रोत |
डेटा स्रोत: एजेंटसेट आधिकारिक मूल्य निर्धारण पृष्ठ और प्रतिस्पर्धी उत्पाद तुलना पृष्ठ (2026-07)। प्रतिस्पर्धी उत्पादों की कीमतें बदल सकती हैं, कृपया प्रत्येक प्लेटफ़ॉर्म का वास्तविक समय पृष्ठ देखें।
अनुप्रयोग परिदृश्य
आयामीता में कमी स्ट्राइक दृश्य
- एंटरप्राइज़ आंतरिक ज्ञान आधार प्रश्नोत्तर: एजेंटसेट पर उत्पाद मैनुअल, तकनीकी दस्तावेज़ और अनुपालन नीतियां अपलोड करें, और कर्मचारी प्राकृतिक भाषा प्रश्नों के माध्यम से स्रोत उद्धरण के साथ उत्तर प्राप्त कर सकते हैं। पारंपरिक कीवर्ड खोज की तुलना में, सूचना पहुंच की दक्षता 3-5 गुना बढ़ जाती है।
- कानूनी दस्तावेज़ समीक्षा: 3 मिलियन पेज के कानूनी कोष का समर्थन करते हुए, एजेंटिक सर्च मल्टी-क्लॉज क्रॉस-रेफरेंस परिदृश्यों में कीवर्ड खोज से काफी बेहतर प्रदर्शन करता है। Gyldendal Rettsdata ने इसका उपयोग अपनी AI कानूनी उत्पाद लाइन बनाने के लिए किया है।
- मेडिकल रिसर्च नॉलेज बेस: मेडेरवा हेल्थ क्लिनिकल रिसर्च डेटा पुनर्प्राप्ति के लिए एजेंटसेट का उपयोग करता है, और एजेंटिक पुनर्प्राप्ति यह सुनिश्चित करता है कि चिकित्सा परिदृश्यों की उच्च विश्वसनीयता आवश्यकताओं के तहत उत्तर अभी भी पता लगाया जा सकता है।
- ई-कॉमर्स मल्टी-मोडल सर्च: उत्पाद चित्र, विवरण दस्तावेज़, उपयोगकर्ता समीक्षाएं और अन्य मल्टी-फॉर्मेट डेटा एक एकीकृत डेटाबेस में संग्रहीत होते हैं, जो क्रॉस-फॉर्मेट सिमेंटिक पुनर्प्राप्ति का समर्थन करते हैं।
- वित्तीय अनुपालन समीक्षा: पीडीएफ, एक्सेल, ईमेल इत्यादि जैसे विविध दस्तावेजों से नियामक आवश्यकताओं को निकालें, और डीप रिसर्च मोड स्वचालित रूप से अनुपालन अंतर रिपोर्ट उत्पन्न करता है।
अनुनय/लागू नहीं होने वाला परिदृश्य
- वास्तविक समय डेटा स्ट्रीम प्रोसेसिंग की आवश्यकता है: एजेंटसेट दस्तावेज़ ज्ञान आधार पर उन्मुख है और वास्तविक समय लॉग विश्लेषण या इवेंट स्ट्रीम प्रोसेसिंग परिदृश्यों के लिए उपयुक्त नहीं है।
- गहरे लंबे पाठ निर्माण की आवश्यकता है: एजेंटसेट एक लेखन उपकरण के बजाय एक पुनर्प्राप्ति वृद्धि उपकरण है, और उन परिदृश्यों के लिए उपयुक्त नहीं है जहां स्क्रैच से बहुत लंबी रिपोर्ट तैयार करने की आवश्यकता होती है।
- शुद्ध चैटबॉट: यदि आपको केवल एक साधारण एफएक्यू वार्तालाप बॉट की आवश्यकता है, तो एजेंटसेट का आरएजी आर्किटेक्चर बहुत भारी हो सकता है, और आप सीधे एलएलएम की संदर्भ विंडो का उपयोग कर सकते हैं।
लागू लोग
- बैकएंड/फुल स्टैक डेवलपर: मौजूदा अनुप्रयोगों में आरएजी क्षमताओं को जल्दी से एम्बेड करने की आवश्यकता है, और अपनी स्वयं की पार्सिंग → चंकिंग → वेक्टराइजेशन → पुनर्प्राप्ति पूर्ण लिंक नहीं बनाना चाहते हैं। टाइपस्क्रिप्ट/पायथन SDK और REST API को एक घंटे के अंदर एकीकृत किया जा सकता है।
- एआई एप्लिकेशन उत्पाद टीम: एंटरप्राइज़ ज्ञान आधारों (जैसे एआई ग्राहक सेवा, बुद्धिमान दस्तावेज़ समीक्षा) पर भरोसा करने वाले एआई कार्यों का निर्माण करने के लिए उत्पादन-स्तर पुनर्प्राप्ति सटीकता और स्रोत उद्धरण क्षमताओं की आवश्यकता होती है।
- डेटा/एमएल इंजीनियर: विभिन्न एंबेडिंग मॉडल एलएलएम और वेक्टर लाइब्रेरीज़ के बीच ए/बी परीक्षण और बेंचमार्क करने की आवश्यकता है। एजेंटसेट का मॉडल-स्वतंत्र आर्किटेक्चर एक एकीकृत तुलना मंच प्रदान करता है।
- अनुपालन और सुरक्षा संवेदनशील उद्यम: ऐसे उद्यम संगठन जिन्हें SOC2/HIPAA/GDPR प्रमाणन, ऑन-प्रिमाइसेस परिनियोजन विकल्प और सूक्ष्म पहुंच नियंत्रण की आवश्यकता होती है।
पूर्व शर्त/अनुपयुक्त सीमा
- न्यूनतम तकनीकी सीमा: बेसिक एपीआई कॉलिंग क्षमता (टाइपस्क्रिप्ट/पायथन/कर्ल) आवश्यक है। डेवलपर समर्थन के बिना शुद्ध व्यावसायिक कर्मी इसका स्वतंत्र रूप से उपयोग नहीं कर सकते हैं।
- अत्यंत कम-विलंबता परिदृश्यों के लिए उपयुक्त नहीं: एजेंटिक सर्च का बहु-चरणीय तर्क 2-5 सेकंड की प्रतिक्रिया देरी लाता है, जो वास्तविक समय के परिदृश्यों के लिए उपयुक्त नहीं है जिन्हें मिलीसेकंड-स्तर की प्रतिक्रियाओं की आवश्यकता होती है।
- अल्ट्रा-हाई थ्रूपुट परिदृश्यों के लिए उपयुक्त नहीं: एलएलएम कॉल और वेक्टर पुनर्प्राप्ति की पुनरावृत्ति द्वारा सीमित, पीक अवधि के दौरान कोटा गारंटी प्राप्त करने के लिए प्रो या एंटरप्राइज़ योजनाओं की सिफारिश की जाती है।
सारांश और आउटलुक
कोर वैल्यू सारांश
Agentset.ai की सटीक स्थिति है - यह "यूनिवर्सल AI प्लेटफ़ॉर्म" नहीं बनना चाहता है, बल्कि उत्पादन-स्तर RAG कार्यान्वयन की मुख्य समस्या को हल करने पर ध्यान केंद्रित करता है। यह एजेंटिक रिट्रीवल लूप्स, मल्टी-फॉर्मेट दस्तावेज़ पार्सिंग और मॉडल-अज्ञेयवादी वास्तुकला के माध्यम से आरएजी सिस्टम के निर्माण समय को "सप्ताह" से "घंटे" तक संपीड़ित करता है।
मुख्य अंतर: ओपन सोर्स (एमआईटी) पूरी तरह से नियंत्रणीय एजेंटिक पुनर्प्राप्ति का एहसास करता है, एकल वेक्टर पुनर्प्राप्ति की सटीकता बाधा को पार करता है, और $49/माह की कीमत अपने साथियों के बीच एक महत्वपूर्ण लागत प्रभावी लाभ रखती है।
वर्तमान सीमाएँ और अनिश्चितताएँ
- दीर्घकालिक रखरखाव गतिविधि: एक नए ओपन सोर्स प्रोजेक्ट (2024 में शुरू) के रूप में, इसके दीर्घकालिक सामुदायिक स्वास्थ्य और योगदानकर्ता विकास पर अभी भी नजर रखने की जरूरत है।
- वेक्टर लाइब्रेरी बाइंडिंग जोखिम: टर्बोपफ़र का उपयोग डिफ़ॉल्ट रूप से किया जाता है। हालाँकि इसे बदला जा सकता है, माइग्रेशन पथ की परिपक्वता पूरी तरह से सत्यापित नहीं की गई है।
- बहुभाषी समर्थन की गहराई: चीनी और अन्य गैर-अंग्रेजी भाषाओं के लिए चंकिंग रणनीति और पुनर्प्राप्ति सटीकता को अभी तक बेंचमार्क के रूप में प्रकाशित नहीं किया गया है, और वास्तविक प्रभाव को स्वयं द्वारा जांचने की आवश्यकता है।
- एंटरप्राइज़-स्तरीय सुविधा परिपक्वता: एसएसओ, आरबीएसी, ऑडिट लॉग आदि जैसी एंटरप्राइज़ सुविधाएँ केवल एंटरप्राइज़ योजना में उपलब्ध हैं, और प्रो योजना में सीमित शासन क्षमताएं हैं।
खरीद/गोद लेने का जोखिम मूल्यांकन
उन टीमों के लिए जो 6-12 महीनों के भीतर एआई ज्ञान आधार फ़ंक्शन लॉन्च करने की योजना बना रही हैं, उन्हें तीन चरणों में आगे बढ़ने की अनुशंसा की जाती है:
- पीओसी चरण: मल्टी-हॉप प्रश्न उत्तर और क्रॉस-डॉक्यूमेंट पुनर्प्राप्ति परिदृश्यों के परीक्षण पर ध्यान केंद्रित करते हुए, यह सत्यापित करने के लिए निःशुल्क योजना (1,000 पेज + 10,000 खोजें) का उपयोग करें कि मुख्य परिदृश्यों की पुनर्प्राप्ति सटीकता और विलंबता व्यावसायिक आवश्यकताओं को पूरा करती है या नहीं।
- प्रोडक्शन पायलट: प्रो प्लान ($49/माह) में अपग्रेड करें और इस बात पर ध्यान दें कि अतिरिक्त पेज शुल्क आपके बजट के भीतर है या नहीं। अनुपालन आवश्यकताओं वाले व्यवसायों को इस स्तर पर एंटरप्राइज़ कार्यक्रम का मूल्यांकन करना चाहिए।
- पैमाना: यदि खोज मात्रा बढ़ती रहती है और ऑन-प्रिमाइसेस परिनियोजन और अनुपालन प्रमाणन की आवश्यकता होती है, तो एंटरप्राइज़ उद्धरण के बारे में बिक्री से बात करें। खरीदारी से पहले जिन मुख्य शर्तों की पुष्टि की जानी चाहिए उनमें शामिल हैं: डेटा का उपयोग मॉडल माध्यमिक प्रशिक्षण, एसएलए प्रतिबद्धताओं और डेटा निर्यात/माइग्रेशन के लिए मानकीकृत टूल के लिए नहीं किया जाएगा।
संबंधित उपकरण: <एक्सलिंक प्रकार='टूल' स्लग='क्रूवाई'>, <एक्सलिंक प्रकार='टूल' स्लग='लैंगचेन'>
संस्करण जानकारी
- वर्कफ़्लो टेम्पलेट्स ：पुन: उपयोग दक्षता में सुधार और तैनाती के समय को कम करने के लिए उद्योग टेम्पलेट और प्रक्रिया बाजार लॉन्च करें।
- सार्वजनिक बीटा ：निम्न-कोड ऑर्केस्ट्रेशन क्षमताओं और बुनियादी कनेक्टर्स का पहला बैच प्रदान करता है।
उपयोगकर्ता समीक्षाएं