व्याख्या
एजेंट हार्नेस क्या है और WhatsApp सपोर्ट को इसकी ज़रूरत क्यों है
कस्टमर मैसेजिंग में ज़्यादातर AI एक सवाल, एक जवाब तक सीमित है। एजेंट हार्नेस भाषा मॉडल को ऐसी चीज़ बना देता है जो पूरा केस संभाल सके: योजना बनाना, टूल इस्तेमाल करना, अपना काम जाँचना और याद रखना। जानें इसका क्या मतलब है, आज कौन-से हार्नेस मौजूद हैं, और MonoChat में अभी एक कैसे चलाएँ।
या $150 के क्रेडिट से शुरू करें, जो Growth के पहले महीने के लिए काफ़ी है
प्रकाशित:
पिछले एक साल में AI की चर्चा चुपचाप मॉडल से हटकर उनके आसपास की चीज़ों पर आ गई है। वही मॉडल एक चैटबॉट हो सकता है जो एक मैसेज का जवाब देता है, या एक एजेंट जो तीन सिस्टम और दो दिनों में फैली डिलीवरी की समस्या हल कर देता है। फ़र्क मॉडल का नहीं है। फ़र्क हार्नेस का है।
यह लेख इस विचार को सरल शब्दों में समझाता है, आज इस्तेमाल हो सकने वाले हार्नेस की तुलना करता है, और दिखाता है कि MonoChat अब बिज़नेस को अपने इनबॉक्स के WhatsApp, Instagram, वेब चैट और हर दूसरे चैनल पर एक हार्नेस कैसे चलाने देता है।
एजेंट हार्नेस क्या है?
एजेंट हार्नेस वह सॉफ़्टवेयर लेयर है जो एक लार्ज लैंग्वेज मॉडल के चारों ओर लिपटी होती है और उसे सिर्फ़ जवाब देने के बजाय काम करने देती है। मॉडल सोचता है और तय करता है कि आगे क्या करना है। हार्नेस उस फ़ैसले को चलाता है, नतीजा मॉडल को वापस देता है और काम पूरा होने तक दोहराता है। संक्षेप में: एजेंट = मॉडल + हार्नेस।
यह शब्द तब व्यापक रूप से इस्तेमाल होने लगा जब टीमों ने देखा कि Claude Code और Codex जैसे कोडिंग एजेंट की भरोसेमंदी का बड़ा हिस्सा सिर्फ़ मॉडल से नहीं, बल्कि इसी आसपास की लेयर से आता है। Anthropic, OpenAI, Google और Microsoft अब अपने हार्नेस ऐसे प्रोडक्ट के रूप में देते हैं जिन पर डेवलपर बना सकते हैं।
हार्नेस किन चीज़ों से बना होता है
- लूप: सोचें, करें, देखें, दोहराएँ। हार्नेस तब तक चलता रहता है जब तक काम पूरा न हो जाए या इंसान की ज़रूरत न पड़े।
- टूल: ऐसे फ़ंक्शन जिन्हें मॉडल कॉल कर सकता है: ऑर्डर देखना, बुकिंग खोजना, रिफ़ंड जारी करना, नॉलेज बेस में खोजना। अक्सर MCP के ज़रिए जुड़े होते हैं।
- मेमोरी और स्टेट: इस केस में पहले क्या हुआ, ग्राहक की पसंद क्या है और क्या-क्या आज़माया जा चुका है, यह सब मैसेज और सेशन के पार सहेजा जाता है।
- कॉन्टेक्स्ट मैनेजमेंट: हर चरण पर तय करना कि मॉडल को क्या दिखे, और लंबी हिस्ट्री का सारांश (कॉम्पैक्शन) बनाना ताकि ज़रूरी हिस्से नज़र में रहें।
- गार्डरेल और अप्रूवल: ऐसे कामों के लिए अनुमतियाँ, नीतियाँ और इंसानी चेकपॉइंट जिनमें पैसा लगता है या जो वापस नहीं लिए जा सकते।
- सैंडबॉक्स और फ़ाइलें: एक अलग वर्कस्पेस जहाँ एजेंट लाइव सिस्टम को छुए बिना कोड चला सकता है, दस्तावेज़ तैयार कर सकता है या कोटेशन निकाल सकता है।
- ट्रेसिंग और इवैल्युएशन: हर चरण और टूल कॉल का लॉग, ताकि टीमें देख सकें कि एजेंट ने वैसा क्यों किया और कई रन में उसे माप सकें।
इन्फ़रेंस बनाम हार्नेस: क्या फ़र्क है?
इन्फ़रेंस मॉडल को की गई एक अकेली कॉल है: आप एक प्रॉम्प्ट भेजते हैं, मॉडल टेक्स्ट लौटाता है, और बात खत्म। यह तेज़, सस्ता और अनुमान लगाने योग्य है, और कई कामों के लिए बिल्कुल सही है, जैसे मैसेज को वर्गीकृत करना, जवाब का ड्राफ़्ट बनाना या बातचीत का सारांश बनाना।
हार्नेस लूप में कई इन्फ़रेंस कॉल चलाता है और उनके आसपास सब कुछ जोड़ता है: टूल, मेमोरी, जाँच और सीमाएँ। यह धीमा है और हर काम पर ज़्यादा टोकन इस्तेमाल करता है, लेकिन वह ऐसा काम पूरा कर सकता है जिसमें कई चरण, बाहरी डेटा या बीच में कोई फ़ैसला शामिल हो।
| AI इन्फ़रेंस | एजेंट हार्नेस | |
|---|---|---|
| यह क्या है | मॉडल को एक अनुरोध, एक जवाब | मॉडल के चारों ओर एक लूप जो योजना बनाता है, काम करता है और जाँचता है |
| हर काम के चरण | एक | काम को जितने चाहिए, आपकी तय की सीमाओं के भीतर |
| टूल और सिस्टम | वैकल्पिक, आमतौर पर एक फ़ंक्शन कॉल | कई टूल, जिन्हें केस की ज़रूरत के हिसाब से कॉल और चेन किया जाता है |
| मेमोरी | सिर्फ़ वही जो प्रॉम्प्ट में है | केस की हिस्ट्री और स्टेट, चरणों और सेशन के पार सहेजे जाते हैं |
| कुछ विफल होने पर | जो भी बना, वही लौटा देता है | गड़बड़ी पहचानता है, दोबारा कोशिश करता है या इंसान से पूछता है |
| किसके लिए सबसे अच्छा | वर्गीकरण, ड्राफ़्ट बनाना, सारांश, एक-बार के जवाब | केस हल करना, बहु-चरण अनुरोध, कई दिनों के फ़ॉलो-अप |
| लागत और गति | सबसे कम लागत, लगभग तुरंत | ज़्यादा टोकन उपयोग, हर काम पर सेकंड से मिनट |
व्यवहार में अच्छी टीमें दोनों इस्तेमाल करती हैं: तेज़, साफ़ तौर पर तय चरणों के लिए इन्फ़रेंस, और जहाँ काम में सच में कई चरण हों वहाँ हार्नेस।
हार्नेस WhatsApp कस्टमर सपोर्ट में क्या बदलता है
कस्टमर मैसेजिंग वह जगह है जहाँ जवाब देने और समस्या हल करने का फ़र्क सबसे ज़्यादा दिखता है। ग्राहक लिखता है "मेरा ऑर्डर नहीं पहुँचा" और उम्मीद करता है कि मामला सुलझे, समझाया न जाए।
केस हल होते हैं, सिर्फ़ जवाब नहीं मिलते
एजेंट ऑर्डर देख सकता है, कैरियर की जाँच कर सकता है, देख सकता है कि पार्सल अटका है, क्लेम खोल सकता है और उसी बातचीत में रिप्लेसमेंट की पेशकश कर सकता है।
वादा करने से पहले जाँचता है
स्टॉक, कीमतें, अपॉइंटमेंट स्लॉट और नीतियाँ जवाब देते समय आपके सिस्टम में सत्यापित की जाती हैं, ट्रेनिंग डेटा से अंदाज़ा नहीं लगाया जाता।
केस को याद रखता है
अगर ग्राहक कल लौटता है, तो एजेंट जानता है कि पहले क्या आज़माया गया था और क्या वादा किया गया था, भले ही WhatsApp की 24 घंटे की विंडो बंद हो चुकी हो।
समय के साथ फ़ॉलो-अप करता है
लंबे चलने वाले काम, जैसे रिफ़ंड क्लियर होने या किसी पार्ट के आने का इंतज़ार, जारी रह सकते हैं और कुछ बदलने पर ग्राहक को मैसेज कर सकते हैं, जहाँ WhatsApp ज़रूरी करता है वहाँ अप्रूव्ड टेम्पलेट के साथ।
नियंत्रण इंसानों के हाथ में रहता है
किसी सीमा से ऊपर के रिफ़ंड, कैंसलेशन या कुछ भी संवेदनशील टीम सदस्य की मंज़ूरी का इंतज़ार करता है, और इंसान को सौंपने पर पूरी हिस्ट्री साथ जाती है।
हर चरण दिखता है
टूल कॉल और फ़ैसले लॉग होते हैं, ताकि सुपरवाइज़र देख सकें कि एजेंट ने ऐसा क्यों किया और निर्देश बेहतर बना सकें।
एक उदाहरण: WhatsApp पर रिटर्न
- ग्राहक खराब आइटम की फ़ोटो भेजता है और रिटर्न माँगता है।
- एजेंट ऑर्डर ढूँढता है, जाँचता है कि वह रिटर्न अवधि के भीतर है और फ़ोटो पढ़ता है।
- वह आपके ई-कॉमर्स सिस्टम में रिटर्न बनाता है और अगले दिन के लिए कूरियर पिक-अप बुक करता है।
- रिफ़ंड ऑटोमैटिक सीमा से ऊपर है, इसलिए वह इनबॉक्स में ही टीम सदस्य से मंज़ूरी माँगता है।
- मंज़ूरी के बाद वह ग्राहक को पुष्टि देता है, और दो दिन बाद, जब कूरियर पार्सल स्कैन करता है, तो रिफ़ंड की पुष्टि भेजता है।
सिर्फ़ इन्फ़रेंस के साथ यह एक चैटबॉट है जो रिटर्न पॉलिसी समझाता है। हार्नेस के साथ यह रिटर्न ही हो जाता है।
आज इस्तेमाल हो सकने वाले एजेंट हार्नेस
कई कंपनियाँ और ओपन-सोर्स प्रोजेक्ट अब ऐसा हार्नेस देते हैं जिस पर आप बना सकते हैं। वे इस बात में अलग हैं कि उन्हें कौन होस्ट करता है, वे कौन से मॉडल चलाते हैं और बॉक्स से बाहर कितना कुछ शामिल है।
| हार्नेस | द्वारा | होस्टिंग और लाइसेंस | मॉडल | मुख्य बातें |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | लाइब्रेरी (Python, TypeScript) | Claude | Claude Code के पीछे का हार्नेस: टूल, MCP, सब-एजेंट, स्किल, कॉन्टेक्स्ट कॉम्पैक्शन, अनुमतियाँ |
| Claude Managed Agents | Anthropic | होस्टेड API (अप्रैल 2026 से पब्लिक बीटा) | Claude | Anthropic लूप चलाता है: सैंडबॉक्स्ड एक्ज़ीक्यूशन, लंबे चलने वाले सेशन, मल्टी-एजेंट काम, ट्रेसिंग |
| OpenAI Agents SDK | OpenAI | ओपन सोर्स, MIT (पहले Python) | OpenAI मॉडल, अन्य एडेप्टर के ज़रिए | कई प्रोवाइडर के सैंडबॉक्स, मेमोरी, MCP, स्किल, AGENTS.md, फिर से शुरू होने वाले रन |
| Codex | OpenAI | CLI ओपन सोर्स (Apache 2.0) और क्लाउड | OpenAI मॉडल | कोडिंग एजेंट हार्नेस, जिसे आपकी अपनी सर्विस से चलाने के लिए SDK है |
| Agent Development Kit (ADK) | ओपन सोर्स, Apache 2.0 (Python, Java, Go, TypeScript) | डिफ़ॉल्ट रूप से Gemini, किसी भी मॉडल के साथ काम करता है | मल्टी-एजेंट ट्री, MCP, Agent2Agent (A2A) प्रोटोकॉल, बिल्ट-इन इवैल्युएशन | |
| Agent Framework | Microsoft | ओपन सोर्स, MIT (Python, .NET) | Azure OpenAI, OpenAI, Anthropic और अन्य | जुलाई 2026 से स्टेबल हार्नेस: टूल लूप, हिस्ट्री, कॉम्पैक्शन, स्किल, अप्रूवल, OpenTelemetry |
| Deep Agents | LangChain | ओपन सोर्स, MIT | किसी भी मॉडल के साथ काम करता है | LangGraph पर प्लानिंग, सब-एजेंट, फ़ाइल सिस्टम और कॉन्टेक्स्ट इंजीनियरिंग |
| Pi | Earendil Works | ओपन सोर्स, MIT | कोई भी प्रोवाइडर, अपनी की लाएँ | जानबूझकर न्यूनतम कोर (read, write, edit, shell), जिसे शेयर करने योग्य स्किल से बढ़ाया जाता है |
| Mastra | Mastra | ओपन सोर्स (TypeScript) | किसी भी मॉडल के साथ काम करता है | स्थायी थ्रेड, टूल अप्रूवल और लोकल स्टूडियो वाले एजेंट |
| OpenCode | OpenCode | ओपन सोर्स, MIT | किसी भी मॉडल के साथ काम करता है | एजेंट की योजना बनाएँ और बनाएँ, SDK, टर्मिनल और डेस्कटॉप |
जानकारी तेज़ी से बदलती है; मौजूदा स्थिति के लिए हर प्रोजेक्ट का डॉक्यूमेंटेशन देखें। प्रोडक्ट के नाम और लोगो उनके मालिकों के हैं।
इस लेख में तुलना किए गए हार्नेस
Meta के अपने Business Agent के बारे में क्या?
2026 में Meta ने Meta Business Agent लॉन्च किया, जो WhatsApp, Instagram और Messenger के लिए उसका अपना AI एजेंट है। यह असल में एक हार्नेस है जिसे Meta बनाता और चलाता है: यह आपके कंटेंट से जवाब देता है, जुड़े हुए सिस्टम कॉल करता है और आपकी टीम को सौंप देता है।
यह कई छोटे बिज़नेस के लिए अच्छा विकल्प है। यह एक बंद सिस्टम भी है: आप मॉडल नहीं चुन सकते, बातचीत का डेटा Meta के भीतर रहता है, फ़ाइनेंस और स्वास्थ्य जैसे कुछ सेक्टर बाहर हैं, और अगस्त 2026 से इसका बिल प्रति टोकन बनता है, Meta के अपने अनुमान के अनुसार लगभग 4 से 5 US सेंट प्रति मैसेज।
अलग-अलग तरीकों की तुलना
| मैसेजिंग प्लेटफ़ॉर्म का बिल्ट-इन AI एजेंट | Meta Business Agent | MonoChat में Agent Harness | |
|---|---|---|---|
| मॉडल चुनना | आमतौर पर तय या छोटी सूची | नहीं | हाँ, कोई भी मॉडल जो आप कनेक्ट करें |
| अपना हार्नेस लाएँ | नहीं | नहीं | हाँ: Claude Agent SDK, OpenAI Agents SDK, Pi, होस्टेड Claude और OpenAI एजेंट, या आपका अपना (ADK, LangGraph और अन्य, कस्टम एंडपॉइंट से) |
| होस्टेड विकल्प, बिना कोड | हाँ | हाँ | हाँ |
| आपके अपने टूल और API | सीमित इंटीग्रेशन | कनेक्टर | AI फ़ंक्शन टूल, MCP, नॉलेज बेस और कस्टम फ़ंक्शन |
| आपके फ़्लो और ऐप्स के भीतर | अलग बॉट बिल्डर | आपके फ़्लो से अलग | फ़्लो में AI एजेंट नोड और एक एजेंट-रन API, AI इन्फ़रेंस के साथ |
| आपकी टीम को हैंडओवर | हाँ | हाँ, थ्रेड कंट्रोल के साथ | पूरी हिस्ट्री और अप्रूवल के साथ टीम इनबॉक्स |
| डेटा कहाँ रहता है | वेंडर का प्लेटफ़ॉर्म | Meta | MonoChat और आपके चुने हुए प्रोवाइडर |
अक्टूबर 2026 की सार्वजनिक प्रोडक्ट जानकारी पर आधारित। हमारे देखे ज़्यादातर मैसेजिंग प्लेटफ़ॉर्म में बिल्ट-इन AI एजेंट है; हमें ऐसा कोई नहीं मिला जो बिज़नेस को उसी इनबॉक्स और फ़्लो के भीतर होस्टेड हार्नेस चलाने या अपना हार्नेस कनेक्ट करने दे।
MonoChat में एजेंट हार्नेस, अब उपलब्ध
MonoChat में आप पहले से अपना भाषा मॉडल और वेक्टर डेटाबेस चुन सकते हैं: हमारे दिए हुए इस्तेमाल करें या अपने कनेक्ट करें। हार्नेस भी अब इसी तरह काम करते हैं।
आज इस्तेमाल हो रहे AI इन्फ़रेंस के साथ MonoChat में अब AI हार्नेस भी है: एक सर्विस डेफ़िनिशन जिसे आप एक बार जोड़ते हैं और किसी भी फ़्लो के AI एजेंट नोड से या एजेंट-रन API से इस्तेमाल करते हैं। नोड को फ़्लो में जोड़ें, और बातचीत ऐसे एजेंट को सौंप दी जाती है जो योजना बना सकता है, आपके टूल इस्तेमाल कर सकता है और आपकी टीम को हैंडओवर कर सकता है।
- MonoChat का बिल्ट-इन हार्नेस इस्तेमाल करें, बिना कोड के, उन्हीं AI मॉडल पर जो आपके पास MonoChat में पहले से हैं
- या Claude Agent SDK, OpenAI Agents SDK या Pi चुनें, जिन्हें MonoChat आपके AI मॉडल पर चलाता है और कुछ अतिरिक्त सेटअप नहीं चाहिए
- होस्टेड एजेंट इस्तेमाल करें, OpenAI Agents API या Claude Managed Agents, अपनी OpenAI या Anthropic कुंजी के साथ
- या अपना हार्नेस कनेक्ट करें, जो Google ADK, Microsoft Agent Framework, Deep Agents, LangGraph, CrewAI या आपके अपने कोड पर बना हो, एक एंडपॉइंट URL और एक शेयर्ड सीक्रेट के साथ
- उसे अपने टूल दें: AI फ़ंक्शन टूल, MCP सर्वर, नॉलेज बेस और कस्टम फ़ंक्शन
- उसे WhatsApp, Instagram, Messenger, Telegram, TikTok, वेब चैट, SMS और वॉयस पर फ़्लो में चलाएँ
- मुख्य, फ़ॉलबैक और तेज़ मॉडल चुनें, हर रन के लिए बजट तय करें, और पूरी हिस्ट्री के साथ टीम इनबॉक्स में अपनी टीम को हैंडओवर करें
- इन्फ़रेंस के साथ मिलाएँ: तेज़ चरण एक कॉल पर, जटिल केस हार्नेस पर
इन्फ़रेंस कब इस्तेमाल करें और हार्नेस कब
- एक-चरण वाले कामों के लिए इन्फ़रेंस इस्तेमाल करें: टैग लगाना, रूटिंग, अनुवाद, जवाब का ड्राफ़्ट, चैट का सारांश।
- जब ग्राहक के अनुरोध में कई चरण, आपके सिस्टम का डेटा या बीच में कोई फ़ैसला शामिल हो, तब हार्नेस इस्तेमाल करें।
- छोटे से शुरू करें: हार्नेस को दो-तीन टूल और एक अप्रूवल नियम दें, नतीजे मापें, फिर उसके अधिकार बढ़ाएँ।
अब MonoChat में उपलब्ध
Agent Harness अब MonoChat में उपलब्ध है। मुफ़्त अकाउंट बनाएँ, अपने चैनल कनेक्ट करें, AI हार्नेस जोड़ें और फ़्लो में AI एजेंट नोड जोड़कर अपना पहला एजेंट काम पर लगाएँ।
सभी हार्नेस प्रदाता, मॉडल भूमिकाएँ और FAQ Agent Harness पेज पर देखें
WhatsApp पर एजेंट हार्नेस चलाएँ
स्रोत और आगे पढ़ने के लिए
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing