ANX: Protocol-First Design for AI Agent Interaction with a Supporting 3EX Decoupled Architecture
यह शोध पत्र ANX को प्रस्तुत करता है, जो एक प्रोटोकॉल-प्रथम फ्रेमवर्क है जिसमें 3EX डिकपल्ड आर्किटेक्चर और एजेंट-नेटिव डिज़ाइन है, जो मौजूदा GUI ऑटोमेशन और MCP-आधारित विधियों की तुलना में AI एजेंट इंटरैक्शन के लिए टोकन खपत और निष्पादन समय को काफी कम करते हुए सुरक्षा और विश्वसनीयता को बढ़ाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक बहुत ही बुद्धिमान, लेकिन थोड़े अनाड़ी रोबोटिक सहायक को अपना टैक्स भरने, नौकरी के लिए आवेदन करने या फ्लाइट बुक करने का तरीका सिखाने की कोशिश कर रहे हैं।
अभी, हमारे पास इसे करने के दो मुख्य तरीके हैं, और दोनों में बड़ी समस्याएँ हैं:
- "ह्यूमन मिमिक" दृष्टिकोण (GUI ऑटोमेशन): आप रोबोट को बताते हैं, "स्क्रीन को देखो, उस बॉक्स को ढूँढो जिस पर 'नाम' लिखा है, उस पर क्लिक करो, अपना नाम टाइप करो।"
- समस्या: यह ऐसा है जैसे आप किसी रोबोट को पन्ने पर लगी स्याही को घूरकर किताब पढ़ने के लिए कह रहे हों। यह धीमा है, बहुत अधिक ऊर्जा (पैसा) खर्च करता है, और यदि फॉन्ट थोड़ा भी बदल जाए, तो रोबोट भ्रमित हो जाता है और क्रैश हो जाता है।
- "प्री-इंस्टॉल्ड ऐप" दृष्टिकोण (MCP/टूल्स): आप रोबोट को हर कार्य के लिए एक विशिष्ट टूल देते हैं। "यह 'जॉब एप्लीकेशन टूल' है, यह 'टैक्स टूल' है।"
- समस्या: रोबोट को इन टूल्स का उपयोग करने से पहले उन्हें डाउनलोड और इंस्टॉल करना पड़ता है। यदि आपको ऐसे वेबसाइट के लिए टूल चाहिए जो अभी तक अस्तित्व में ही नहीं है, तो रोबोट फंस जाता है। साथ ही, आपको टूल का उपयोग करने के लिए रोबोट को अपना पासवर्ड देना पड़ता है, जो जोखिम भरा लगता है।
प्रवेश ANX: AI के लिए "यूनिवर्सल रिमोट कंट्रोल"।
यह पेपर ANX (AI Native eX) को पेश करता है, जो इंसानों और AI के बीच बातचीत करने का एक नया तरीका है। ANX को एक टूल के रूप में नहीं, बल्कि एक यूनिवर्सल भाषा और एक नए ऑपरेटिंग सिस्टम के रूप में देखें जिसे इंसानों के लिए नहीं, बल्कि विशेष रूप से रोबोटों के लिए डिज़ाइन किया गया है।
ANX कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग किया गया है:
1. "पेंटिंग" के बजाय "ब्लूप्रिंट" (ANX मार्कअप)
वर्तमान में, जब एक AI किसी वेबसाइट को देखता है, तो वह एक विशाल, अस्त-व्यस्त पेंटिंग (विजुअल स्क्रीन) देखता है। ANX AI को एक साफ आर्किटेक्चरल ब्लूप्रिंट देता है।
- पुराना तरीका: "ऊपर बाईं ओर के पास वाले नीले आयत को ढूँढें जो एक बटन जैसा दिखता है।" (वर्णन करना कठिन है, इसमें बहुत सारे शब्दों का उपयोग होता है)।
- ANX का तरीका: "एक्जीक्यूट कमांड:
submit_formविदname: Mingze।" - लाभ: यह एक 50 पन्नों का पत्र डाक से भेजने के बजाय एक टेक्स्ट मैसेज भेजने जैसा है। यह 47% से 66% कम "ऊर्जा" (टोकन) का उपयोग करता है और बहुत तेज़ है क्योंकि AI को यह अनुमान लगाने की ज़रूरत नहीं पड़ती कि वह क्या देख रहा है।
2. "मैजिक मार्केटप्लेस" (ANXHub)
कल्पना कीजिए कि आपको सिंक ठीक करने के लिए एक विशिष्ट रिंच (wrench) की आवश्यकता है।
- पुराना तरीका: आपको एक टूलबॉक्स खरीदना होगा, हार्डवेयर स्टोर जाना होगा और उम्मीद करनी होगी कि उनके पास वही सटीक रिंच है। यदि उनके पास नहीं है, तो आप सिंक ठीक नहीं कर पाएंगे।
- ANX का तरीका: आपके पास एक मैजिक मार्केटप्लेस (ANXHub) है। आप बस कहते हैं, "मुझे 2024 के सिंक के लिए एक रिंच चाहिए।" मार्केटप्लेस तुरंत सही रिंच ढूंढ लेता है, उसे आपको थमा देता है, और आप तुरंत उसका उपयोग करते हैं। आपको टूलबॉक्स खरीदने या कुछ भी इंस्टॉल करने की आवश्यकता नहीं है।
- लाभ: AI तुरंत किसी भी कार्य के लिए टूल्स ढूंढ सकता है और उनका उपयोग कर सकता है, यहाँ तक कि उन टूल्स का भी जो कल ही बनाए गए हों, बिना पहले कुछ डाउनलोड किए।
3. "सिक्योर वॉल्ट" (सुरक्षा)
यह सबसे महत्वपूर्ण हिस्सा है।
- पुराना तरीका: अपने क्रेडिट कार्ड नंबर के साथ फॉर्म भरने के लिए, आपको AI को बताना होगा, "यह मेरा क्रेडिट कार्ड नंबर है।" AI इसे देखता है, याद रखता है, और गलती से इसे लीक कर सकता है।
- ANX का तरीका: ANX को एक कांच की खिड़की वाले सुरक्षित वॉल्ट (तिजोरी) के रूप में सोचें।
- AI फॉर्म (खिड़की) को देखता है और जानता है कि क्या भरने की आवश्यकता है।
- लेकिन जब आप अपना क्रेडिट कार्ड नंबर टाइप करते हैं, तो आप उसे सीधे एक सुरक्षित वॉल्ट (कोर) में टाइप करते हैं जिसे AI देख नहीं सकता।
- AI को केवल एक "रसीद" मिलती है कि "भुगतान सफल रहा।" वह वास्तविक नंबर कभी नहीं देख पाता।
- ह्यूमन चेक: खतरनाक कार्यों के लिए, सिस्टम एक "केवल मानव" (Human Only) बटन को अनिवार्य बनाता है। AI इसे क्लिक नहीं कर सकता; एक वास्तविक इंसान को इसे दबाना होगा। यह एक सुरक्षा स्विच की तरह है जिसे रोबोट बायपास नहीं कर सकता।
4. "टीम कैप्टन" (3EX आर्किटेक्चर)
ANX काम को तीन स्पष्ट टीमों में विभाजित करता है ताकि AI अभिभूत (overwhelmed) न हो जाए:
- द प्लानर (एक्सप्रेशन): तय करता है कि क्या किया जाना है।
- द स्काउट (एक्सचेंज): टूल्स खोजने के लिए मैजिक मार्केटप्लेस की ओर दौड़ता है।
- द वर्कर (एक्जीक्यूशन): वास्तव में काम करता है।
- लाभ: पुराने तरीके में, एक भ्रमित रोबोट एक साथ योजना बनाने, टूल्स खोजने और काम करने की कोशिश करता था। ANX इन कामों को अलग करता है, जिससे पूरी प्रक्रिया अधिक सुचारू, तेज़ और गलतियाँ होने की संभावना कम हो जाती है।
वास्तविक दुनिया का परीक्षण
लेखकों ने एक AI को नौकरी का आवेदन फॉर्म भरने के लिए कहकर इसका परीक्षण किया।
- "ह्यूमन मिमिक" (पुराना तरीका): इसमें 33 सेकंड लगे और बहुत अधिक कंप्यूटर पावर का उपयोग हुआ।
- "प्री-इंस्टॉल्ड टूल" (MCP): इसमें 30 सेकंड लगे और अभी भी बहुत अधिक पावर का उपयोग हुआ।
- ANX: इसमें केवल 13 सेकंड लगे और इसने आधी कंप्यूटर पावर का उपयोग किया।
सारांश
ANX एक ऐसे रोबोट से अपग्रेड करने जैसा है जो इंसान की तरह "देखने" और "क्लिक करने" की कोशिश करता है (धीमा, महंगा, जोखिम भरा) से एक ऐसे रोबोट तक जो एक विशेष, कुशल कोड बोलता है (तेज़, सस्ता, सुरक्षित)। यह रोबोट्स को तुरंत टूल्स खोजने, आपके रहस्यों को एक वॉल्ट में छिपाने और जटिल कार्यों के लिए बिना भ्रमित हुए इंसानों और रोबोटों को मिलकर काम करने की अनुमति देता है।
यह रोबोट को मेनू पढ़ने के लिए आवर्धक लेंस (magnifying glass) देने बनाम उसे एक डिजिटल मेनू देने के बीच का अंतर है जिसे वह तुरंत पढ़ सकता है और सीधे ऑर्डर कर सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।