# कृती 2: आपल्या पॉडकास्ट उत्पादन संघाची रचना करा 🎬 ![lab2](../../../../translated_images/mr/lab2.48444b9d549e7863.webp) ## कथा अधिक गुंतागुंतीची होते अलेक्स (आपला AI सहाय्यक कृती 1 मधून) छान आहे, पण एक एजंट संपूर्ण पॉडकास्ट स्टुडिओ चालवू शकत नाही. आपणास एक *संघ* आवश्यक आहे: - 🔍 **संशोधन एजंट**: इंटरनेटवर नवीन माहिती शोधतो - ✍️ **स्क्रिप्ट एजंट**: संशोधनाला आकर्षक संवादात रूपांतरित करतो - 👤 **आपण (संपादक)**: स्क्रिप्ट मंजूर करतो किंवा पुनर्लेखनासाठी परत पाठवतो आपले स्वागत आहे **AI एजंट ऑर्केस्ट्रेशन** मध्ये — जिथे आपण आपला स्वतःचा AI क्रूचा दिग्दर्शक बनता. अवेंजर्स प्रमाणे समजा, पण पॉडकास्ट उत्पादनासाठी. ## एजंट ऑर्केस्ट्रेशन म्हणजे काय? (सोप्या भाषेत) समजा तुम्ही एक रेस्टॉरंट चालवता. तुम्ही सर्व काही स्वतः करत नाही, बरोबर? तुमच्याकडे आहे: - 🍳 एक पदार्थ बनवणारा शेफ - 👨‍🍳 एक सहाय्यक शेफ जो तयारी करतो - 👩‍🍳 एक सर्व्हर जो सर्व्हिस करतो एजंट ऑर्केस्ट्रेशनही तसेच आहे, पण AI सोबत. प्रत्येक एजंटची एक खासियत असते आणि तुम्ही त्यांना सहकार्य करून मोठे उद्दिष्ट साधता. कुठला एजंटही ओव्हरव्ह्हेल्म होतो नाही, आणि काम वेगाने होतं. ### बँडचे उदाहरण 🎸 तुमचे AI एजंट एखाद्या बँडसारखे आहेत: - **लीड सिंगर**: मुख्य एजंट जो ग्राहकांना सामोरे जातो - **ड्रमर**: ताल राखतो, बॅकग्राउंड प्रोसेसिंग करत राहतो - **बास प्लेयर**: सगळ्यांना सहकार्य करतो, डेटा आणतो - **तुम्ही (बँड मॅनेजर)**: सगळ्यांचं समन्वय करता! समन्वय नसल्यास? फक्त आवाज. ऑर्केस्ट्रेशनबरोबर? सुंदर संगीत. ### हे का महत्त्वाचं आहे एक AI एजंट सगळं करायचा प्रयत्न = झगमगाट. विशेषीकृत एजंट्स सहकार्य करतात = कार्यक्षमता वाढते! 🚀 **खरं उदाहरण**: ग्राहक समर्थन बॉट्स जे बिलिंग, तांत्रिक समस्या आणि मानवी मदतीस वेळ ठरवतात. तेच आहे ऑर्केस्ट्रेशन! ## एजंट विरुद्ध वर्कफ्लो: फरक काय? असं समजा: ### 🤖 AI एजंट = जॅझ सिंगर - **वाचलेल्या गोष्टींवर त्वरित निर्णय घेतो** - **आपल्या साधनांनी** समस्यांचे निवारण करणारा - **LLM मेंदूने** विचार करणारा - **ज्या काही दिलंय ते स्वीकारून अ‍ॅडजस्ट होणारा** ### 🎵 वर्कफ्लो = शास्त्रीय संगीत वाजवणारी ऑर्केस्ट्रा - **स्कोर फॉलो करतो** (पूर्वनिर्धारित पावले) - **पूर्वानुमान दिलेला** कार्यप्रवाह - **अनेक एजंट्स, मानव, सिस्टम समन्वयित** - **रेसिपी प्रमाणे रचना** **जादू**: वर्कफ्लोज एजंट्सना *ऑर्केस्ट्रेट* करतात! तुम्ही वर्कफ्लो तयार करता जे एजंट्सना त्यांचा भाग केव्हा बजवायचा सांगते. दोन्ही जगांचा चांगला संगम. 🎭 ## तुमच्या AI संघाला समन्वयित करण्याचे तीन मार्ग ### 1. 🎯 केंद्रीकृत (तुम्ही बॉस) एक मुख्य एजंट सर्व निर्णय घेतो. समजा तुम्ही संघ सांभाळता — तुम्ही ठरवता कोण काय आणि केव्हा करेल. **फायदे**: - ✅ स्पष्ट नेतृत्व (गोंधळ नाही) - ✅ सुसंगत निर्णय - ✅ डिबग करणे सोपे **का वापराल**: - ग्राहक सेवा राउटिंग ("हे बिलिंग की तांत्रिक साहाय्य?") - सामग्री मान्यता वर्कफ्लोज ("ही स्क्रिप्ट चालेल का?") - पॉडकास्ट उत्पादन (आम्ही जसे तयार करत आहोत!) ### 2. 🤝 विकेंद्रीकृत (एजंट्स स्वयंपूर्ण) एजंट्स एकमेकांशी थेट संवाद साधतात आणि गट म्हणून समन्वय साधतात. समजा ग्रुप चॅट जिथे सगळे समन्वय साधतात. **फायदे**: - ✅ सहज प्रमाण वाढवता येते (कधीही एजंट्स वाढवा) - ✅ कोणताही एकमेव बिंदू अयशस्वी होत नाही - ✅ एजंट्स नैसर्गिकरित्या सहकार्य करतात **का वापराल**: - संशोधन संघ (प्रत्येक एजंट वेगळे स्रोत पाहतो) - कल्पतरूची बैठक - वितरित समस्या सोडवणे ### 3. 🔀 संकर (दोन्हींचा उत्तम संगम) तुम्ही एकंदरीत दिशा ठरवता, पण एजंट्सना स्वसंघटित होण्याची मोकळीक असते. समजा CEO जो त्यांच्या संघावर विश्वास ठेवतो. **परफेक्ट**: जटिल प्रकल्प ज्यांना नियंत्रण आणि लवचिकता दोन्ही हवी आहे. ## Microsoft एजंट फ्रेमवर्क: तुमचा ऑर्केस्ट्रेशन टूलकिट 🧰 तयार व्हा! हे वापराल: ### बिल्डिंग ब्लॉक्स #### 1. 🧱 कार्यकारी (तुमचे कामगार) - ** काय आहेत**: स्वतंत्र प्रक्रिया युनिट्स — एजंट्स किंवा सानुकूल लॉजिक - ** काय करतात**: इनपुट घेतात, काम करतात, आउटपुट तयार करतात - ** समजा**: असेंब्ली लाइनमधील स्टेशन #### 2. ➡️ एजेज (जोडणी) - ** काय आहेत**: कार्यकारी दरम्यानचे मार्ग - ** काय करतात**: संदेश प्रवाह नियंत्रित करतात ("A नंतर B ला जा") - ** समजा**: फ्लोचार्टवरील बाण #### 3. 🗺️ वर्कफ्लोज (मास्टर प्लॅन) - ** काय आहेत**: कार्यकारी + एजेज यांचा संपूर्ण ग्राफ - ** काय करतात**: सुरुवातीपासून शेवटपर्यंत संपूर्ण प्रक्रिया ठरवतात - ** समजा**: तुमच्या उत्पादन पाइपलाइनची रूपरेखा ### तुमचं आवडतं वैशिष्ट्ये **🛡️ टाइप सेफ्टी**: एजंट्समधील संदेशांचे प्रकार तपासले जातात. "अरेरे, चुकीचा डेटा टाइप" चा कधी धसका येत नाही. **🔀 लवचिक मार्ग निवड**: - If-then अटी ("जर मान्य तर प्रकाशित कर, नाहीतर पुन्हा लिहा") - समांतर प्रक्रिया (अनेक एजंट्स एकाच वेळी) - डायनॅमिक मार्ग (परिणामांनुसार वर्कफ्लो बदलतो) **🔌 बाह्य समाकलन**: - API शी जोडणी - मानवी हस्तक्षेप पॉईंट्स (तुमचं अनुमोदन आवश्यक असतं) - विनंती/प्रतिसाद प्रवाह तयार करणे **💾 चेकपॉईंटिंग**: प्रगती सेव्ह करा! काहीतरी चुकलं तर जिथून थांबलं तिथून पुढे जा. **🤝 बहु-एजंट समन्वय**: - एजंट्स अनुक्रमाने चालवा (A → B → C) - समांतर चालवा (A + B + C एकत्र) - एजंटमधून एजंटला काम हस्तांतरित करा - सहयोगी प्रक्रिया ## सर्वोत्तम सराव (प्रो टिप्स) 🎯 ### 1. ते मॉड्यूलर ठेवा प्रत्येक एजंट एकच गोष्ट उत्तम प्रकारे करावा. "सुपर एजंट" तयार करू नका जो सगळं करत असेल — डिबग करताना त्रास होईल. ### 2. अयशस्वीतेसाठी तयारी करा एजंट्स चुका करतात. नेटवर्क अपयशी होतात. त्रुटी हाताळणी आणि बॅकअप योजना आखा. भविष्यात त्याबद्दल तुम्हाला आनंद होईल. ### 3. सगळं निरीक्षण करा तुमचे एजंट काय करतायत हे ट्रॅक करा. DevUI वापरून वर्कफ्लो ऍक्शनमध्ये पाहा. ### 4. संदेशाचा आकार कमी ठेवा एजंट्समध्ये मोठे फायली पाठवू नका. संदेश लवकर जाण्यासाठी हलके ठेवा. ### 5. योग्य पद्धत निवडा कंट्रोल हवे का? केंद्रीकृत जा. प्रमाण वाढवायचंय? विकेंद्रीकृत जा. निश्चित नाही? संकर! ## DevUI: तुमचा वर्कफ्लो डिबगर 🔍 ### DevUI म्हणजे काय? DevUI तुमच्या एजंट्स आणि वर्कफ्लोजची चाचणी घेण्यासाठी एक प्लेग्राउंडसारखे आहे. एक वेब इंटरफेस जिथे तुम्ही: - 👀 तुमचा वर्कफ्लो काम करताना पाहू शकता - 💬 एजंट्सशी थेट संवाद साधू शकता - 🔍 चुका झाल्या तर डिबग करू शकता - 📊 ट्रेसेस आणि परफॉर्मन्स मेट्रिक्स पाहू शकता > **महत्त्वाचे**: DevUI फक्त विकासासाठी आहे! उत्पादनात वापरू नका. हा तुमचा स्थानिक चाचणी पर्यावरण समजा. ### काय याला खास बनवतं - **🖥️ परस्परसंवादी वेब UI**: क्लिक करा, टाइप करा, चाचणी करा — कमांड लाइनची गरज नाही - **📁 ड्रॅग-एंड-ड्रॉप तयार**: फायली अपलोड करा, विविध इनपुटसह चाचणी करा - **📂 ऑटो-डिस्कव्हरी**: एखाद्या फोल्डरकडे निर्देश करा, तो तुमचे एजंट्स आपोआप शोधेल - **📋 सेटअप-मुक्त मोड**: कोडमध्ये एजंट्स नोंदणी करा, फोल्डर स्ट्रक्चर नको - **🔌 OpenAI सुसंगत**: OpenAI SDK सह काम करते (सुसंगततेसाठी!) - **👁️ अंतर्निर्मित ट्रेसिंग**: तुमचे एजंट्स काय करतायत ते अगदीरेषांनी दाखवते ### इनपुट कसं काम करतं DevUI इनपुटसाठी हुशार आहे: - **एजंट्सचे परीक्षण करताय?** तुम्हाला टेक्स्ट बॉक्सेस व फायली अपलोड बटन्स मिळतात - **वर्कफ्लोजचे परीक्षण करताय?** UI वर्कफ्लोच्या अपेक्षित इनपुटनुसार फील्ड्स तयार करतो हे जर्मन पूजा नाही, फक्त चांगला कोड आहे. ✨ ## तुमची मोहिमा: पॉडकास्ट स्टुडिओ तयार करा 🎬 ### मोहिम 1: DevUI सह एकल एजंट तयार करा 📂 [01.AgentDevUI](../../../../WorkshopForAgentic/code/02.Workflow/01.AgentDevUI) **आव्हान**: संपूर्ण संघ तयार करण्यापूर्वी, DevUI वापरून एक एजंट चाचणी करा: एक वेब सर्च स्पेशालिस्ट. **तुम्ही काय तयार करत आहात**: एक संशोधन एजंट जो पॉडकास्ट विषयांसाठी इंटरनेटवर शोध करेल. DevUI चे वेब इंटरफेस `http://localhost:8090` वरून त्याची चाचणी. **शिका**: - 🚀 DevUI मध्ये एजंट्स सुरू करणे - 🔍 एजंट प्रतिसाद रिअल-टाइममध्ये तपासणे - 🛠️ सानुकूल टूल्स बनवणे (वेब सर्च) - 📊 डिबग करण्यासाठी ट्रेसिंग सक्षम करणे - 🖥️ परस्परसंवादी वेब UI वापरणे **कोड**: - `agent.py`: तुमचा SearchAgent वेब सर्च क्षमतांसह - OllamaChatClient वापरून Qwen शी कनेक्ट करतो - `web_search()` टूल फंक्शन लागू करतो - `serve()` ने DevUI आपोआप उघडतो **यशस्वी अटी**: एजंटला विचारा "एआयमध्ये काय ट्रेंडिंग आहे?" आणि पाहा तो वेबवर शोध कसा करतो! 🎉 ### मोहिम 2: बहु-एजंट वर्कफ्लो तयार करा 📂 [02.WorkflowDevUI](../../../../WorkshopForAgentic/code/02.Workflow/02.WorkflowDevUI) **आव्हान**: आता खरी मजा सुरू! संपूर्ण पॉडकास्ट उत्पादन वर्कफ्लो तयार करा: 1. 🔍 **सर्च एजंट** → तुमच्या विषयाचा शोध घेतो 2. ✍️ **स्क्रिप्ट एजंट** → दोन होस्ट्समध्ये संवाद लिहितो (चिनी भाषेत!) 3. 👤 **रिव्ह्यू कार्यकारी** → तुम्हाला मंजुरी विचारतो किंवा नाकारतो 4. 🔄 **लूप बॅक** → नाकारल्यास, तुमच्या अभिप्रायावरून पुनर्लेखन करते **शिका**: - 🧱 वेगवेगळ्या कामांसाठी विशेषज्ञ एजंट्स तयार करणे - 🔗 एजंट्सना WorkflowBuilder ने जोडणे - 🔀 मंजुरीच्या लूप्सची रचना (मानवी हस्तक्षेप!) - 🚦 परिस्थितीनुसार मार्गदर्शन (मंजूर vs नाकारले) - 🔧 व्यवसाय लॉजिकसाठी सानुकूल कार्यकारी तयार करणे **वर्कफ्लो**: ``` SearchAgent → ScriptAgent → ReviewExecutor ↑ ↓ (if rejected) ←───────── ``` **कोड**: - `search_agent/agent.py`: तुमचा संशोधन विशेषज्ञ - `generate_script_agent/agent.py`: तुमचा स्क्रिप्ट लेखक (चिनी भाषेत लिहितो!) - `workflow/workflow.py`: येथे ऑर्केस्ट्रेशन जादू होते - `main.py`: DevUI मध्ये सर्व सुरू करतो **यशस्वी अटी**: विषय द्या, स्क्रिप्ट पहा, एकदा नाकारून लूप तपासा, मग मंजूर करा! 🎉 ### मोहिम 3: कन्सोल ऍप तयार करा 📂 [03.Application](../../../../WorkshopForAgentic/code/02.Workflow/03.Application) **आव्हान**: DevUI मधील तुमचा वर्कफ्लो एका आधुनिक टर्मिनल अॅपमध्ये रूपांतरित करा ज्यात रंगीत आउटपुट, लोडिंग स्पिनर्स आणि फाइल सेव्हिंग आहे. हे उत्पादनासाठी तयार आहे! **शिका**: - ⚡ प्रोग्रामॅटिकली वर्कफ्लोज चालवणे (DevUI शिवाय) - 📡 स्ट्रिमिंगसह इव्हेंट-चालित आर्किटेक्चर - 🎨 सुंदर टर्मिनल UI तयार करणे (रंग, स्पिनर्स, प्रगती बार) - 💾 अंतिम स्क्रिप्ट फायलींमध्ये सेव्ह करणे - 🔄 Python च्या asyncio सह असिंक्रोनस वर्कफ्लो हाताळणे **हे काय करते**: 1. तुम्हाला पॉडकास्ट विषय विचरते 2. रिअल-टाइम प्रगती दिसवते ("सर्च एजंट काम करत आहे...") 3. रंगीत स्क्रिप्ट दाखवते 4. मंजुरी विचारते 5. मंजूर स्क्रिप्ट `podcast.txt` मध्ये सेव्ह करते **कोड**: - `podcast_app.py`: मुख्य अॅप इव्हेंट हाताळणीसह - `workflow.py`: मोहिम 2 मधील वर्कफ्लो पुन्हा वापरतो - इव्हेंट्स हाताळतो: `AgentRunUpdateEvent`, `RequestInfoEvent`, `WorkflowOutputEvent` - ANSI रंगांसह टर्मिनल स्टायलिंग वापरतो **यशस्वी अटी**: अॅप चालवा, पॉडकास्ट स्क्रिप्ट तयार करा, आणि ती सेव्ह झालेली बघा! तुम्ही खरोखरच एक साधन तयार केले आहे. 🚀 ## तुम्ही काय आत्मसात केलं आहे 🏆 कृती 2 नंतर, तुम्ही: - ✅ अनेक AI एजंट्सना बॉससारखे ऑर्केस्ट्रेट करू शकता - ✅ अनुक्रमिक आणि परिस्थितीनुसार लोजिकसह वर्कफ्लो तयार करू शकता - ✅ मानवी मंजुरी पॉईंट्स जोडू शकता - ✅ वर्कफ्लोजची चाचणी व डिबगिंगसाठी DevUI वापरू शकता - ✅ उत्पादनासाठी तयार कन्सोल ॲप्स तयार करू शकता - ✅ गुंतागुंतीच्या प्रणालींमध्ये त्रुटी सौम्यपणे हाताळू शकता - ✅ कोणत्याही प्रकल्पासाठी योग्य ऑर्केस्ट्रेशन पद्धत निवडू शकता ## जेव्हा काही चुकते तेव्हा 🔧 ### "माझा वर्कफ्लो फार गुंतागुंतीचा आहे!" **सुरू**: तो लहान उप-वर्कफ्लोजमध्ये विभागा. प्रत्येक वर्कफ्लो एका गोष्टीत उत्कृष्ट असावा. गरज असल्यास त्यांना एकमेकांशी जुळवा. ### "मला काय चाललंय ते ट्रॅक करता येत नाही!" **सुरू**: वर्कफ्लो चेकपॉईंटिंग वापरा, अवस्था जतन करा. DevUI मध्ये ट्रेसिंग सक्षम करा आणि प्रत्येक पाऊल पहा. ### "एका एजंटच्या चुकेमुळे सगळं क्रॅश होतं!" **सुरू**: त्रुटी धरण्याचे बाउंडरीज जोडा. प्रत्येक एजंटने स्वतःच्या चुका हाताळाव्यात आणि पर्यायी वर्तन असावं. ### "हे फारच धीमे चालत आहे" **सुरू**: काही एजंट्स समांतर चालवता येतील का? अनुक्रमिक वर्कफ्लोज सोपे पण मंद असतात. समांतरतेच्या शक्यतांचा शोध घ्या! ## मदत करणारे स्रोत 🔗 - [Workflow Docs](https://learn.microsoft.com/en-us/agent-framework/user-guide/workflows/overview) — अधिकृत Microsoft मार्गदर्शक - [Orchestration Patterns](https://www.ibm.com/think/topics/ai-agent-orchestration) — IBM चे विचार - [Agent Framework GitHub](https://github.com/microsoft/agent-framework) — स्रोत कोड पहा - [Code Examples](https://github.com/microsoft/agent-framework/tree/main/python/samples) — येथे नमुने घेऊन त्यांचे नमुने वापरू शकता --- **फायनलसाठी तयार आहात का?** तुमचा स्क्रिप्ट तयार आहे. आता चला त्याला प्रत्यक्ष ऑडिओमध्ये रूपांतर करूया! → [Act 3: Bring Your Podcast to Life](03.Multi-SpeakerPodcastGenerationWithVibeVoice.md) 🎤 --- **अडकलात? गोंधळ झाला? उत्साहित आहात का?** कार्यशाळेच्या चॅटमध्ये सामायिक करा! आपण सर्व एकत्र शिकत आहोत. 🚀 --- **सूचना**: हा दस्तऐवज AI भाषांतर सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) वापरून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्न करत असलो तरी, कृपया लक्षात घ्या की स्वयंचलित भाषांतरांमध्ये चुका किंवा अचूकतेच्या त्रुटी असू शकतात. मूळ दस्तऐवज त्याच्या मूळ भाषेत अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीच्या बाबतीत व्यावसायिक मानवी भाषांतर सुचवले जाते. या भाषांतराच्या वापरामुळे उद्भवलेल्या कोणत्याही गैरसमज किंवा चुकीच्या समजुतीसाठी आम्ही जबाबदार नाही.