# باب 06: SLM ایجنٹک سسٹمز: ایک جامع جائزہ

مصنوعی ذہانت کا منظرنامہ ایک بنیادی تبدیلی سے گزر رہا ہے، جہاں ہم سادہ چیٹ بوٹس سے چھوٹے زبان ماڈلز (SLMs) کے ذریعے طاقتور پیچیدہ AI ایجنٹس کی طرف بڑھ رہے ہیں۔ یہ جامع گائیڈ جدید SLM ایجنٹک سسٹمز کے تین اہم پہلوؤں کا جائزہ لیتا ہے: بنیادی تصورات اور تعیناتی حکمت عملی، فنکشن کالنگ کی صلاحیتیں، اور انقلابی ماڈل کانٹیکسٹ پروٹوکول (MCP) انضمام۔

## [حصہ 1: AI ایجنٹس اور چھوٹے زبان ماڈلز کی بنیاد](./01.IntroduceAgent.md)

پہلا حصہ AI ایجنٹس اور چھوٹے زبان ماڈلز کی بنیادی تفہیم قائم کرتا ہے، 2025 کو AI ایجنٹس کا سال قرار دیتے ہوئے، 2023 کے چیٹ بوٹ دور اور 2024 کے کوپائلٹ بوم کے بعد۔ یہ حصہ **ایجنٹک AI سسٹمز** کا تعارف کراتا ہے جو سوچتے ہیں، دلیل دیتے ہیں، منصوبہ بندی کرتے ہیں، ٹولز استعمال کرتے ہیں، اور کم سے کم انسانی مداخلت کے ساتھ کام انجام دیتے ہیں۔

### اہم تصورات:
- **ایجنٹ کی درجہ بندی کا فریم ورک**: سادہ ریفلیکس ایجنٹس سے لے کر لرننگ ایجنٹس تک، مختلف کمپیوٹنگ منظرناموں کے لیے ایک جامع درجہ بندی فراہم کرنا
- **SLM کی بنیادی باتیں**: چھوٹے زبان ماڈلز کی تعریف، جن کے پیرامیٹرز 10 ارب سے کم ہیں اور صارفین کے آلات پر عملی استنتاج انجام دے سکتے ہیں
- **جدید اصلاحی حکمت عملی**: GGUF فارمیٹ تعیناتی، کوانٹائزیشن تکنیک (Q4_K_M، Q5_K_S، Q8_0)، اور کنارے پر بہتر فریم ورک جیسے Llama.cpp اور Apple MLX کا احاطہ
- **SLM بمقابلہ LLM کے فوائد**: SLMs کے ساتھ 10-30× لاگت میں کمی کا مظاہرہ، جبکہ 70-80% عام ایجنٹ کاموں کے لیے مؤثر رہنا

یہ حصہ Ollama، VLLM، اور Microsoft کے کنارے کے حل کا استعمال کرتے ہوئے عملی تعیناتی حکمت عملیوں کے ساتھ ختم ہوتا ہے، SLMs کو لاگت مؤثر، پرائیویسی محفوظ ایجنٹک AI تعیناتی کے مستقبل کے طور پر قائم کرتا ہے۔

## [حصہ 2: چھوٹے زبان ماڈلز میں فنکشن کالنگ](./02.FunctionCalling.md)

دوسرا حصہ **فنکشن کالنگ کی صلاحیتوں** پر گہرائی سے روشنی ڈالتا ہے، وہ میکانزم جو جامد زبان ماڈلز کو متحرک AI ایجنٹس میں تبدیل کرتا ہے جو حقیقی دنیا کے ساتھ تعامل کر سکتے ہیں۔ یہ تکنیکی تفصیل مکمل ورک فلو کا احاطہ کرتی ہے، ارادے کی شناخت سے لے کر جواب کے انضمام تک۔

### بنیادی نفاذ کے شعبے:
- **منظم ورک فلو**: ٹول انضمام، فنکشن کی تعریف، ارادے کی شناخت، JSON آؤٹ پٹ جنریشن، اور بیرونی عملدرآمد کا تفصیلی جائزہ
- **پلیٹ فارم مخصوص نفاذ**: Phi-4-mini کے ساتھ Ollama، Qwen3 فنکشن کالنگ، اور Microsoft Foundry Local انضمام کے لیے جامع گائیڈز
- **جدید مثالیں**: ملٹی ایجنٹ تعاون کے نظام، متحرک ٹول انتخاب، اور جامع ایرر ہینڈلنگ کے ساتھ انٹرپرائز انضمام کے نمونے
- **پروڈکشن کے تحفظات**: ریٹ لمیٹنگ، آڈٹ لاگنگ، سیکیورٹی اقدامات، اور کارکردگی کی اصلاحی حکمت عملی

یہ حصہ نظریاتی تفہیم اور عملی نفاذ کے نمونے فراہم کرتا ہے، جو ڈویلپرز کو مضبوط فنکشن کالنگ سسٹمز بنانے کے قابل بناتا ہے جو سادہ API کالز سے لے کر پیچیدہ ملٹی اسٹیپ انٹرپرائز ورک فلو تک سب کچھ سنبھال سکتے ہیں۔

## [حصہ 3: ماڈل کانٹیکسٹ پروٹوکول (MCP) انضمام](./03.IntroduceMCP.md)

آخری حصہ **ماڈل کانٹیکسٹ پروٹوکول (MCP)** کا تعارف کراتا ہے، ایک انقلابی فریم ورک جو زبان ماڈلز کے بیرونی ٹولز اور سسٹمز کے ساتھ تعامل کو معیاری بناتا ہے۔ یہ حصہ دکھاتا ہے کہ MCP کس طرح اچھی طرح سے متعین پروٹوکولز کے ذریعے AI ماڈلز اور حقیقی دنیا کے درمیان پل بناتا ہے۔

### انضمام کی جھلکیاں:
- **پروٹوکول آرکیٹیکچر**: ایپلیکیشن، LLM کلائنٹ، MCP کلائنٹ، اور ٹول پروسیسنگ لیئرز کا پرتوں پر مشتمل نظام ڈیزائن
- **ملٹی بیک اینڈ سپورٹ**: لچکدار نفاذ جو Ollama (مقامی ترقی) اور vLLM (پروڈکشن) بیک اینڈز دونوں کو سپورٹ کرتا ہے
- **کنکشن پروٹوکولز**: STDIO موڈ براہ راست پراسیس کمیونیکیشن کے لیے اور SSE موڈ HTTP پر مبنی اسٹریمنگ کے لیے
- **حقیقی دنیا کی ایپلیکیشنز**: ویب آٹومیشن، ڈیٹا پروسیسنگ، اور API انضمام کی مثالیں جامع ایرر ہینڈلنگ کے ساتھ

MCP انضمام دکھاتا ہے کہ SLMs کو بیرونی صلاحیتوں کے ساتھ کیسے بڑھایا جا سکتا ہے، ان کے چھوٹے پیرامیٹرز کی تعداد کی تلافی کرتے ہوئے، جبکہ مقامی تعیناتی اور وسائل کی کارکردگی کے فوائد کو برقرار رکھتے ہوئے۔

## اسٹریٹجک اثرات

یہ تین حصے مل کر SLM ایجنٹک سسٹمز کو سمجھنے اور نافذ کرنے کے لیے ایک جامع فریم ورک پیش کرتے ہیں۔ بنیادی تصورات سے لے کر فنکشن کالنگ تک اور MCP انضمام تک کا ارتقاء ایک واضح راستہ دکھاتا ہے، جہاں:

- **کارکردگی اور صلاحیت** بہتر چھوٹے ماڈلز کے ذریعے ملتی ہے
- **لاگت کی مؤثریت** وسیع پیمانے پر اپنانے کو ممکن بناتی ہے
- **معیاری پروٹوکولز** باہمی تعاون کو یقینی بناتے ہیں
- **مقامی تعیناتی** پرائیویسی کو محفوظ رکھتی ہے اور تاخیر کو کم کرتی ہے

یہ ترقی نہ صرف ایک تکنیکی پیش رفت کی نمائندگی کرتی ہے بلکہ زیادہ قابل رسائی، مؤثر، اور عملی AI سسٹمز کی طرف ایک تبدیلی کی علامت ہے، جو وسائل کی محدودیت والے ماحول میں مؤثر طریقے سے کام کر سکتے ہیں اور صنعتوں اور ایپلیکیشنز میں پیچیدہ ایجنٹک صلاحیتیں فراہم کر سکتے ہیں۔

جدید تعیناتی حکمت عملیوں، مضبوط فنکشن کالنگ، اور معیاری ٹول انضمام پروٹوکولز کے ساتھ SLMs کا امتزاج ان سسٹمز کو AI ایجنٹس کی اگلی نسل کی بنیاد کے طور پر قائم کرتا ہے، جو مصنوعی ذہانت کے ساتھ ہمارے تعاملات کو تبدیل کرے گا اور مختلف شعبوں میں فائدہ پہنچائے گا۔

---

**ڈسکلیمر**:  
یہ دستاویز AI ترجمہ سروس [Co-op Translator](https://github.com/Azure/co-op-translator) کا استعمال کرتے ہوئے ترجمہ کی گئی ہے۔ ہم درستگی کے لیے کوشش کرتے ہیں، لیکن براہ کرم آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا غیر درستیاں ہو سکتی ہیں۔ اصل دستاویز کو اس کی اصل زبان میں مستند ذریعہ سمجھا جانا چاہیے۔ اہم معلومات کے لیے، پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ ہم اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کے ذمہ دار نہیں ہیں۔