AI ایجنٹ کیا ہے؟

وہ ایک سوال جو ایجنٹ کو چیٹ بوٹ سے الگ کرتا ہے

اگلا کیا ہوگا، یہ فیصلہ کون کرتا ہے؟

چیٹ بوٹ میں یہ فیصلہ کوئی نہیں کرتا۔ آپ ایک پیغام بھیجتے ہیں، ماڈل ایک جواب دیتا ہے، اور باری ختم ہو جاتی ہے۔ اگر جواب پر مزید بات کرنی ہو تو آپ خود اگلا پیغام لکھتے ہیں۔ ماڈل کبھی دنیا میں کوئی عمل نہیں کرتا، وہ صرف متن لکھتا ہے۔

ایجنٹ میں فیصلہ ماڈل خود کرتا ہے۔ ایک ہدف دیے جانے پر یہ کوئی عمل چنتا ہے، مثلاً ویب پر تلاش کرنا، کوڈ کا کوئی ٹکڑا چلانا، کوئی صفحہ کھولنا یا فائل میں ترمیم کرنا، پھر نتیجہ متن کی صورت میں واپس لیتا ہے، اسے پڑھتا ہے، اور اگلا عمل چنتا ہے۔ یہ اس وقت تک جاری رہتا ہے جب تک ماڈل ہدف پورا ہونے کا فیصلہ نہ کر لے یا کوئی حد اسے روک نہ دے۔ ماڈل ہی اس لوپ کا کنٹرولر ہوتا ہے۔

Anthropic کی انجینئرنگ گائیڈ "Building effective agents"، جو دسمبر 2024 میں شائع ہوئی، بھی یہی حد کھینچتی ہے: ورک فلو وہ نظام ہیں جہاں ماڈل ایسے کوڈ کے اندر چلتا ہے جو راستہ طے کرتا ہے، اور ایجنٹ وہ نظام ہیں جہاں ماڈل خود اپنا عمل اور ٹول کا استعمال طے کرتا ہے۔ وہی گائیڈ اس بارے میں بھی واضح ہے کہ ان دونوں میں سے پہلے کیا بنایا جائے، اور اس کا جواب ورک فلو ہے۔

چیٹ بوٹ، ورک فلو، ایجنٹ: ایک ہی ماڈل، تین مختلف لوپس

یہ تینوں ایک ہی زبان کے ماڈل پر چل سکتے ہیں۔ فرق اس بات کا ہے کہ ماڈل کے گرد کیا موجود ہے۔

زیادہ تر مفید آٹومیشن ورک فلو والے کالم میں ہوتی ہے۔ ایسی پائپ لائن جو پہلے کسی دستاویز کا خلاصہ کرے، پھر تاریخیں نکالے، پھر جواب کا مسودہ تیار کرے، دراصل مقررہ ترتیب میں ماڈل کی تین کالز ہے۔ یہ قابلِ بھروسہ ہے کیونکہ راستہ ڈویلپر نے طے کیا ہے۔ یہ ایجنٹ نہیں، چاہے لینڈنگ پیج کچھ بھی کہے، اور اسے ایجنٹ کہنا اصل حقیقت کو چھپا دیتا ہے: مقررہ راستہ قابلِ پیش گوئی اور سستا ہوتا ہے، جبکہ ماڈل کا چنا ہوا راستہ لچکدار ہوتا ہے مگر دونوں میں سے کوئی بھی نہیں۔

لوپ درحقیقت کیسا نظر آتا ہے، قدم بہ قدم

ایک ٹھوس مثال۔ ہدف: "معلوم کریں کہ ہمارے حریف نے اس مہینے اپنی قیمتیں تبدیل کیں یا نہیں اور مجھے دو پیراگراف کا خلاصہ لکھ دیں۔"

1. ماڈل ہدف پڑھتا ہے اور پہلا عمل طے کرتا ہے: حریف کے قیمتوں والے صفحے کے لیے ویب تلاش۔
2. تلاش کا ٹول نتائج کی فہرست متن کی صورت میں واپس دیتا ہے۔ ماڈل اسے پڑھتا ہے اور ایک نتیجہ کھولنے کا فیصلہ کرتا ہے۔
3. براؤزر ٹول صفحہ واپس دیتا ہے۔ ماڈل موجودہ قیمتیں نکالتا ہے۔
4. ماڈل فیصلہ کرتا ہے کہ اسے پرانی قیمتیں بھی چاہئیں، آرکائیو شدہ نسخہ تلاش کرتا ہے اور اسے کھولتا ہے۔
5. یہ دونوں کا موازنہ کرتا ہے، سمجھتا ہے کہ کافی معلومات مل گئی ہیں، اور خلاصہ لکھ دیتا ہے۔

پانچ قدم، چار ٹول کالز، چھ ماڈل کالز۔ ہر قدم ماڈل کا ایک مکمل جواب ہوتا ہے، جس میں اب تک کی پوری تاریخ بطور ان پٹ شامل ہوتی ہے۔ یہی تفصیل لاگت بڑھاتی ہے: پانچویں قدم تک ماڈل ہر کال میں تلاش کے نتائج اور صفحے کے متن کے چار صفحات دوبارہ پڑھ رہا ہوتا ہے۔ AI میں ٹوکنز کیا ہیں اس بات کی وضاحت کرتا ہے کہ ہر باری میں بڑھتا ہوا ان پٹ کیوں مہنگی شکل رکھتا ہے۔

اور ہر قدم غلطی کا موقع بھی ہے۔ اگر پہلے قدم میں تلاش غلط کمپنی واپس دے، تو دوسرے سے پانچویں قدم تک ماڈل پورے اعتماد سے غلط قیمتوں کا خلاصہ دے دیتا ہے۔ لوپ غلطیوں کو اسی طرح بڑھاتا ہے جیسے پیش رفت کو۔ کوئی بھی چیز بھیجنے سے پہلے قدموں کی حد اور انسانی نگرانی کا مرحلہ لازمی ہے، اختیاری نہیں۔

ایک ایجنٹ کا رن ایک واحد جواب کے مقابلے میں کتنا مہنگا ہے

حساب کتاب آسان ہے مگر لوگ اسے نظر انداز کر دیتے ہیں۔ ایک معیاری جواب، جس میں 1,000 ٹوکن ان پٹ اور 500 آؤٹ پٹ ہوں، کی فی ماڈل لسٹ قیمت AI ماڈل لاگت انڈیکس میں موجود ہے، جہاں OpenRouter کی شرحیں 2026-08-20 کو حاصل کی گئیں۔ 20 قدموں کا ایجنٹ رن کم از کم 20 ایسے جوابات کے برابر ہوتا ہے، اور عملی طور پر اس سے بھی زیادہ، کیونکہ ہر قدم پر ان پٹ بڑھتا رہتا ہے۔

Claude Sonnet 5 پر بیس قدم فرش قیمت پر $0.14 بنتے ہیں، جبکہ ایک جواب کی قیمت صرف $0.007 ہے؛ Claude Opus 5 پر یہ $0.35 بنتا ہے، اور اگر ہر گھنٹے چلایا جائے تو یہ بڑھتے ہوئے ان پٹ کے ضرب کے بغیر بھی تقریباً $250 ماہانہ بن جاتا ہے۔ Whizi کریڈٹس میں یہی حساب اوپر دیے گئے Auto سیڑھی سے پڑھا جا سکتا ہے: 100 کریڈٹس یعنی گھریلو ماڈل پر 100 فوری سوالات یا GPT-5.6 Sol پر 5 ریزننگ ٹرنز، تو ریزننگ درجے پر 20 قدموں کا لوپ 400 کریڈٹس بنتا ہے، جو 2,500 کریڈٹس والے Pro مہینے کا تقریباً چھٹا حصہ ہے، جبکہ وہی لوپ گھریلو ماڈل پر صرف 20 کریڈٹس میں مکمل ہوتا ہے۔ یہی وجہ ہے کہ صحیح ڈیزائن منصوبہ بندی کے قدم مضبوط ماڈل کو اور معمول کے قدم سستے ماڈل کو سونپتا ہے، اور یہی وجہ ہے کہ ایجنٹ کے کام کے لیے متعدد ماڈل والا ورک اسپیس ایک واحد ماڈل کی سبسکرپشن کے مقابلے میں زیادہ فطری گھر ہے۔

کون سی مصنوعات واقعی ایجنٹ ہیں

فائلوں میں ترمیم کرنے اور ٹیسٹ چلانے والے کوڈنگ اسسٹنٹس سختی سے ایجنٹ ہیں: بگ رپورٹ ملنے پر یہ کوڈ پڑھتے ہیں، تبدیلی کرتے ہیں، ٹیسٹ سویٹ چلاتے ہیں، ناکامی پڑھتے ہیں، اور دوبارہ کوشش کرتے ہیں۔ یہاں لوپ حقیقی ہے اور ماڈل ہی اسے چلاتا ہے۔

ChatGPT، Gemini اور Perplexity کے Deep Research موڈز ایجنٹ ہیں: یہ تلاش کرتے ہیں، پڑھتے ہیں، اپنے حاصل کردہ نتائج کی بنیاد پر دوبارہ تلاش کرتے ہیں، اور جب سوال مکمل طور پر احاطہ کر لیا ہو تو رک جاتے ہیں۔ ہر سوال پر قدموں کی تعداد بدلتی رہتی ہے، اور یہی اصل پہچان ہے۔

پروڈکٹ مینیوز میں زیادہ تر "ایجنٹ" دراصل پرسونا یا ورک فلو ہوتے ہیں۔ ماڈل پکر میں ٹیکس ایجنٹ یا اسٹڈی مینٹور کے نام سے موجود کوئی قطار عام طور پر مقررہ سسٹم پرامپٹ کے ساتھ ایک یا دو ٹولز پر مشتمل ہوتی ہے۔ Whizi کا اپنا Agents سیکشن اس بارے میں دیانتدار ہے: Canadian CPA والی قطار ایک پری سیٹ ہے جو ہر باری میں ویب تلاش کو لازمی کرتی ہے، سات تلاشوں تک محدود، اور 55,000 ان پٹ اور 40,000 آؤٹ پٹ کے بڑے ٹوکن بجٹ کے ساتھ۔ یہ ٹول کے ساتھ ایک پرسونا ہے جس کا بجٹ بڑا ہے، اور یہ اسی لیے مفید ہے کیونکہ اس کا راستہ مقررہ ہے۔ یہ کوئی ایسا لوپ نہیں جسے ماڈل خود چلاتا ہو، اور Auto routing گائیڈ بتاتی ہے کہ ہر پیغام کے پیچھے ماڈل کا انتخاب دراصل کون کرتا ہے۔

لفظیات ہر چیز کو ایجنٹ کہنے کی طرف بڑھ رہی ہیں۔ کسی بھی پروڈکٹ سے پوچھنے والا سوال وہی ہے جو اس صفحے کے آغاز میں تھا: اگلا قدم کون طے کرتا ہے؟ اگر جواب "ایک اسکرپٹ" یا "کوئی نہیں" ہو، تو آپ دراصل ورک فلو یا چیٹ بوٹ خرید رہے ہیں، اور شاید یہی وہ چیز ہے جس کی آپ کو ضرورت تھی۔

ایجنٹ کب صحیح آلہ ہے، اور کب نہیں

ایجنٹ اپنی لاگت اس وقت وصول کرتا ہے جب راستہ پہلے سے معلوم نہ ہو: تحقیق جہاں دوسری تلاش پہلے نتیجے پر منحصر ہو، ڈیبگنگ جہاں حل ٹیسٹ کے آؤٹ پٹ پر منحصر ہو، براؤزنگ جہاں اگلا کلک صفحے پر منحصر ہو۔ یہاں لچک ہی اصل پروڈکٹ ہے۔

ایجنٹ اس وقت غلط آلہ ہے جب راستہ پہلے سے معلوم ہو۔ خلاصہ کرنا، نکالنا، ترجمہ کرنا، دوبارہ ترتیب دینا، درجہ بندی کرنا: یہ سب ایک کال یا کالز کی مقررہ ترتیب ہیں، اور انہیں لوپ میں لپیٹنا لاگت، تاخیر اور ناکامی کا نیا راستہ بڑھاتا ہے بغیر کوئی نئی صلاحیت شامل کیے۔ Anthropic کی گائیڈ کا مشورہ اب بھی درست ہے: ایک واحد کال سے شروع کریں، جب ایک کال کافی نہ ہو تو ورک فلو کی طرف بڑھیں، اور ایجنٹ کا سہارا صرف اسی وقت لیں جب ورک فلو کو بار بار ایسی شاخ کی ضرورت پڑے جسے آپ پیش گوئی نہ کر سکیں۔

فیصلے کا اصول: اگر آپ شروع کرنے سے پہلے قدم وائٹ بورڈ پر کھینچ سکتے ہیں، تو ایجنٹ نہ بنائیں۔