ایجنٹ لوپ میں چلتا ماڈل ہے: پوچھو، ٹول سے کچھ کرو، نتیجہ پڑھو، پھر سے فیصلہ کرو۔
یہ کیسے کام کرتا ہے
Anthropic دو ڈیزائن الگ کرتا ہے۔ workflows وہ “systems where LLMs and tools are orchestrated through predefined code paths” (ترجمہ: ایسے نظام جن میں LLMs اور ٹولز پہلے سے طے شدہ کوڈ پاتھس کے ذریعے چلائے جاتے ہیں) ہیں۔ ایجنٹس وہ نظام ہیں جن میں “LLMs dynamically direct their own processes and tool usage” (ترجمہ: LLMs اپنے عمل اور ٹولز کے استعمال کو خود، موقع کے مطابق چلاتے ہیں)۔
OpenAI Agents SDK لوپ کو ہی دستاویزی شکل دیتا ہے۔ runner ماڈل کو کال کرتا ہے۔ اگر جواب حتمی ہو تو رن ختم۔ اگر اس میں ٹول کالز ہوں تو runner انہیں چلاتا ہے، نتائج شامل کرتا ہے اور ماڈل کو دوبارہ کال کرتا ہے۔ max_turns سیٹنگ لوپ کی حد طے کرتی ہے اور اس کے پار ہونے پر MaxTurnsExceeded اٹھاتی ہے۔
ایک مثال: ناکام ہوتا ٹیسٹ ٹھیک کرنے کو کہا گیا کوڈنگ ایجنٹ چار ٹرن لے سکتا ہے۔ پہلے ٹیسٹ چلاتا ہے، پھر فائل پڑھتا ہے، پھر اسے بدلتا ہے، اور آخر میں حتمی جواب دیتا ہے:
Turn 1 model -> tool call: run_tests()
Turn 2 model -> tool call: read_file("src/dates.py")
Turn 3 model -> tool call: edit_file("src/dates.py", ...)
Turn 4 model -> final answer: "Fixed the timezone bug; tests pass."
ہر ٹرن ایک الگ API درخواست ہے۔ اگر سسٹم پرامپٹ اور ٹولز کی تعریفیں 5,000 ٹوکن کی ہیں تو وہ 4 بار بھیجی جاتی ہیں: ہسٹری یا ٹول آؤٹ پٹ گننے سے پہلے ہی 20,000 ان پٹ ٹوکن۔
ٹولز آپ کے اپنے فنکشنز ہو سکتے ہیں یا MCP سرورز سے آ سکتے ہیں، جو ایک مشترکہ پروٹوکول کے ذریعے کسی ایجنٹ کو فائل سسٹمز، ڈیٹابیسز اور SaaS APIs سے جوڑتے ہیں۔
یہ کیوں اہم ہے
- ٹرنز کے ساتھ لاگت بڑھتی ہے۔ ہر ٹرن ایک نئی درخواست ہے جو گفتگو دوبارہ بھیجتی ہے۔ ایجنٹ ٹوکن بجٹ والی تحریر بتاتی ہے کہ یہ ٹوکن کہاں جاتے ہیں۔ کیش شدہ ان پٹ دہرائے گئے پری فکس کا بل کم کرتا ہے۔
- کانٹیکسٹ بھر جاتا ہے۔ لمبے رن کانٹیکسٹ ونڈو کی حد تک پہنچتے ہیں، اور وہاں پہنچنے سے پہلے ہی ان کا معیار گرنے لگتا ہے۔ لمبے چلنے والے ایجنٹس کے لیے کانٹیکسٹ مینجمنٹ دیکھیں۔
- غلطیاں جمع ہوتی جاتی ہیں۔ Anthropic بتاتا ہے کہ خودمختاری کے ساتھ “higher costs, and the potential for compounding errors” (ترجمہ: زیادہ لاگت، اور غلطیوں کے جمع ہوتے جانے کا امکان) آتا ہے۔ ڈیٹا بدلنے یا پیسے خرچ کرنے والے کاموں کے لیے رکنے کی شرائط، guardrails اور انسانی منظوری شامل کریں۔
- متوازی کام۔ کئی ایجنٹس کا مطلب ہے بیک وقت کئی درخواستیں۔ آپ کے فراہم کنندہ کی concurrency حد طے کرتی ہے کہ بیک وقت کتنے چل سکتے ہیں۔ ملٹی ایجنٹ لاگت اس صورت کے لیے فی ٹوکن اور مقررہ قیمت کا موازنہ کرتی ہے۔
BroadNet Inference پر
OpenAI-compatible base URL قبول کرنے والا کوئی بھی ایجنٹ فریم ورک BroadNet کو کال کر سکتا ہے؛ سیٹ اپ OpenAI Agents SDK گائیڈ میں ہے۔ BroadNet کی دستاویزات GLM 5.3 اور Qwen3.8 27B کے لیے ٹول کالنگ درج کرتی ہیں۔ BroadNet کی دستاویزات استعمال کے مطابق ادائیگی والی کلید کے لیے فی منٹ 30 درخواستیں اور بیک وقت 4 جاری درخواستیں مقرر کرتی ہیں۔
مقررہ قیمت والے پلانز (Full Moon، Orbit، Meteor) بغیر ٹوکن میٹر کے DeepSeek V4.1 Flash کا احاطہ کرتے ہیں۔ ایک سیشن ایک وقت میں ایک درخواست چلاتا ہے، بالکل اسی طرح جیسے ایک اکیلا ایجنٹ کام کرتا ہے، اس لیے متوازی چلنے والے ہر ایجنٹ کے لیے ایک سیشن خریدیں۔ BroadNet کی دستاویزات DeepSeek V4.1 Flash کے لیے ٹول کالنگ درج نہیں کرتیں، اس لیے کسی پلان پر بھروسہ کرنے سے پہلے اپنے ایجنٹ کی ٹول کالز اس پر آزمائیں؛ دستاویز شدہ ٹول کالنگ کا مطلب ہے استعمال کے مطابق ادائیگی پر GLM 5.3 یا Qwen3.8 27B۔