एआई निष्पादन: सॉफ्टवेयर के लिए 'टेक्स्ट के रूप में एआई' का अंत

सॉफ्टवेयर विकास में कृत्रिम बुद्धिमत्ता का परिदृश्य एक गहन परिवर्तन से गुजर रहा है। पिछले दो वर्षों से, एआई के साथ इंटरैक्ट करने का प्रमुख प्रतिमान एक साधारण विनिमय था: टेक्स्ट इनपुट करें, टेक्स्ट आउटपुट प्राप्त करें, फिर मैन्युअल रूप से अगले कार्य का निर्णय लें। "टेक्स्ट के रूप में एआई" का यह युग, हालांकि अभूतपूर्व था, अब एक अधिक गतिशील और एकीकृत दृष्टिकोण को रास्ता दे रहा है। प्रस्तुत है GitHub Copilot SDK, जो एक नए युग का अग्रदूत है जहाँ निष्पादन के रूप में एआई इंटरफ़ेस बन जाता है।

प्रोडक्शन सॉफ्टवेयर स्वाभाविक रूप से निष्पादन के बारे में है—चरणों की योजना बनाना, उपकरण लागू करना, फ़ाइलों को संशोधित करना, त्रुटियों से उबरना और बाधाओं के अनुकूल होना। ये जटिल, बहु-चरणीय संचालन हैं जिन्हें मात्र टेक्स्ट जनरेशन पूरी तरह से समाहित नहीं कर सकता है। GitHub Copilot SDK सीधे इस कमी को पूरा करता है, GitHub Copilot CLI को आधार देने वाली शक्तिशाली निष्पादन परत को किसी भी सॉफ्टवेयर एप्लिकेशन के भीतर एक प्रोग्राम योग्य क्षमता के रूप में उपलब्ध कराता है। इसका मतलब है कि टीमें उत्पादन-परीक्षणित नियोजन और निष्पादन इंजनों को सीधे अपने सिस्टम में एम्बेड कर सकती हैं, जिससे एआई-संचालित अनुप्रयोगों के आर्किटेक्चर और संचालन का तरीका मौलिक रूप से बदल जाता है।

स्थिर स्क्रिप्ट से अनुकूली एजेंटिक वर्कफ़्लो तक

पारंपरिक सॉफ्टवेयर विकास लंबे समय से दोहराए जाने वाले कार्यों को स्वचालित करने के लिए स्क्रिप्ट और ग्लू कोड पर निर्भर करता रहा है। निश्चित अनुक्रमों के लिए प्रभावी होने पर भी, प्रासंगिक बारीकियों, मध्य-रन परिवर्तनों, या मजबूत त्रुटि पुनर्प्राप्ति की आवश्यकता का सामना करने पर ये समाधान जल्दी भंगुर हो जाते हैं। डेवलपर्स अक्सर खुद को एज केस को हार्ड-कोड करते हुए या कस्टम ऑर्केस्ट्रेशन परतें बनाते हुए पाते हैं, जो एक समय लेने वाला और अक्सर अस्थिर प्रयास होता है।

GitHub Copilot SDK अनुप्रयोगों को इन बाधाओं से मुक्त करता है जिससे वे प्रत्येक चरण को स्पष्ट रूप से एन्कोड करने के बजाय इरादे को सौंप सकें। कल्पना कीजिए एक एप्लिकेशन को "इस रिपॉजिटरी को रिलीज़ के लिए तैयार करें" की आवश्यकता है। एक कठोर स्क्रिप्ट के बजाय, Copilot SDK एक एआई एजेंट को निम्न करने में सक्षम बनाता है:

रिपॉजिटरी की संरचना और सामग्री का अन्वेषण करें।
आवश्यक चरणों की योजना बनाएं, जैसे दस्तावेज़ों को अपडेट करना, परीक्षण चलाना, या संस्करण संख्या बढ़ाना।
आवश्यकतानुसार फ़ाइलों को संशोधित करें।
सिस्टम वातावरण के भीतर कमांड चलाएँ।
यदि कोई चरण विफल हो जाता है या यदि नई जानकारी सामने आती है, तो गतिशील रूप से अनुकूलन करें, यह सब पूर्वनिर्धारित सीमाओं और अनुमतियों के भीतर कार्य करते हुए।

आधुनिक सॉफ्टवेयर प्रणालियों के लिए यह बदलाव महत्वपूर्ण है। जैसे-जैसे एप्लिकेशन स्केल करते हैं और वातावरण विकसित होते हैं, निश्चित वर्कफ़्लो विफलता के शिकार होते हैं। Copilot SDK द्वारा संचालित एजेंटिक निष्पादन, सॉफ्टवेयर को अनुकूलित करने और स्वयं को ठीक करने की अनुमति देता है, जिससे खरोंच से जटिल ऑर्केस्ट्रेशन के पुनर्निर्माण के लगातार बोझ के बिना अवलोकन क्षमता और बाधाओं को बनाए रखा जा सके। यह एआई को विकास जीवनचक्र में एक सक्रिय, बुद्धिमान भागीदार बनाता है, जो बुनियादी कोड पूर्णता से परे बुद्धिमान कार्य स्वचालन की ओर बढ़ता है। इन जटिल वर्कफ़्लो को कैसे सुरक्षित किया जाता है, इस बारे में अधिक जानकारी के लिए, GitHub एजेंटिक वर्कफ़्लो की सुरक्षा वास्तुकला का अन्वेषण करें।

विश्वसनीय एआई के लिए संरचित संदर्भ: मॉडल संदर्भ प्रोटोकॉल (MCP)

"टेक्स्ट के रूप में एआई" युग में एक सामान्य कमी एआई प्रॉम्प्ट में बहुत अधिक सिस्टम व्यवहार और डेटा को धकेलने का प्रयास था। जबकि यह सुविधाजनक प्रतीत होता था, टेक्स्ट में लॉजिक को एन्कोड करने से वर्कफ़्लो का परीक्षण करना, उसके बारे में तर्क देना और उसे विकसित करना मुश्किल हो जाता है। समय के साथ, ये विस्तृत प्रॉम्प्ट उचित संरचित सिस्टम एकीकरण के लिए भंगुर विकल्प बन जाते हैं।

GitHub Copilot SDK संदर्भ के लिए एक संरचित और संयोज्य दृष्टिकोण के साथ इसे संबोधित करता है, मॉडल संदर्भ प्रोटोकॉल (MCP) का लाभ उठाता है। MCP के साथ, डेवलपर्स निम्न कर सकते हैं:

डोमेन-विशिष्ट उपकरण या एजेंट कौशल परिभाषित करें जिन्हें एआई लागू कर सकता है।
MCP के माध्यम से इन उपकरणों और कौशलों को उजागर करें।
निष्पादन इंजन को रनटाइम पर गतिशील रूप से संदर्भ पुनर्प्राप्त करने में सक्षम करें।

इसका मतलब है कि महत्वपूर्ण जानकारी—जैसे सेवा स्वामित्व डेटा, एपीआई स्कीमा, ऐतिहासिक निर्णय रिकॉर्ड, निर्भरता ग्राफ़, या आंतरिक एपीआई—को अब प्रॉम्प्ट में जबरदस्ती डालने की आवश्यकता नहीं है। इसके बजाय, एजेंट अपनी नियोजन और निष्पादन चरणों के दौरान इन प्रणालियों तक सीधे पहुंच प्राप्त करते हैं। उदाहरण के लिए, किसी मुद्दे को हल करने का काम सौंपा गया एक आंतरिक एजेंट स्वचालित रूप से सेवा स्वामित्व को क्वेरी कर सकता है, प्रासंगिक ऐतिहासिक डेटा खींच सकता है, प्रभाव आकलन के लिए निर्भरता ग्राफ़ की जांच कर सकता है, और समाधान प्रस्तावित करने के लिए आंतरिक एपीआई का संदर्भ ले सकता है, यह सब परिभाषित सुरक्षा बाधाओं का पालन करते हुए। यह दृष्टिकोण OpenAI API के साथ प्रॉम्प्ट इंजीनियरिंग के लिए सर्वोत्तम अभ्यास की चुनौतियों से बिल्कुल भिन्न है जहाँ संदर्भ इंजेक्शन जटिल हो सकता है।

यह क्यों मायने रखता है: विश्वसनीय एआई वर्कफ़्लो ग्राउंडेड, अनुमत और संरचित संदर्भ पर निर्मित होते हैं। MCP महत्वपूर्ण प्लंबिंग प्रदान करता है, यह सुनिश्चित करता है कि एजेंटिक निष्पादन वास्तविक उपकरणों और वास्तविक डेटा पर काम करता है, टेक्स्ट-आधारित प्रॉम्प्ट इंजीनियरिंग से जुड़ी अटकलों और भंगुरता को समाप्त करता है।

बुनियादी ढांचे के रूप में एआई: IDE से परे निष्पादन को एम्बेड करना

ऐतिहासिक रूप से, डेवलपर्स के लिए अधिकांश एआई टूलिंग इंटीग्रेटेड डेवलपमेंट एनवायरनमेंट (IDE) तक ही सीमित रही है। जबकि कोडिंग के लिए अमूल्य, आधुनिक सॉफ्टवेयर पारिस्थितिकी तंत्र एक एकल संपादक से कहीं आगे तक फैला हुआ है। टीमों को विभिन्न प्रकार के वातावरणों में एजेंटिक क्षमताओं की आवश्यकता होती है: डेस्कटॉप एप्लिकेशन, आंतरिक परिचालन उपकरण, पृष्ठभूमि सेवाएं, SaaS प्लेटफॉर्म और इवेंट-ड्रिवन सिस्टम।

Copilot SDK इन सीमाओं को तोड़ता है, जिससे निष्पादन एक एप्लिकेशन-लेयर क्षमता बन जाता है। इसका मतलब है कि आपका सिस्टम अब घटनाओं—एक फ़ाइल परिवर्तन, एक परिनियोजन ट्रिगर, एक उपयोगकर्ता कार्रवाई—को सुन सकता है और एक एजेंटिक वर्कफ़्लो शुरू करने के लिए Copilot को प्रोग्रामेटिक रूप से आह्वान कर सकता है। नियोजन और निष्पादन लूप आपके उत्पाद के अंदर चलता है, न कि एक अलग इंटरफ़ेस या डेवलपर टूल के रूप में।

विशेषता	"टेक्स्ट के रूप में एआई" युग	"निष्पादन के रूप में एआई" युग (Copilot SDK)
अंतःक्रिया	टेक्स्ट इनपुट, टेक्स्ट आउटपुट	प्रोग्राम करने योग्य निष्पादन लूप
कार्यप्रवाह	मैन्युअल निर्णय, भंगुर स्क्रिप्ट	अनुकूली, स्व-सुधार करने वाले एजेंट
संदर्भ	अक्सर प्रॉम्प्ट में एम्बेडेड (भंगुर)	MCP के माध्यम से संरचित, वास्तविक समय पुनर्प्राप्ति
एकीकरण	पृथक आदान-प्रदान, IDE-केंद्रित	कहीं भी एम्बेडेड (ऐप, सेवा, SaaS)
डेवलपर की भूमिका	प्रॉम्प्ट इंजीनियरिंग, मैन्युअल ऑर्केस्ट्रेशन	इरादा, बाधाएं, उपकरण परिभाषित करना
मुख्य सिद्धांत	एआई सलाह देता है, मानव निष्पादित करता है	एआई योजना बनाता और निष्पादित करता है, मानव पर्यवेक्षण करता है

यह क्यों मायने रखता है: जब एआई निष्पादन सीधे आपके एप्लिकेशन में एम्बेड किया जाता है, तो यह एक सहायक साइडकिक होना बंद कर देता है और मूलभूत बुनियादी ढांचा बन जाता है। यह आपके सॉफ्टवेयर जहां भी चलता है, वहां उपलब्ध होता है, एआई की शक्ति को आपके डिजिटल संचालन के हर कोने तक बढ़ाता है, जिससे वास्तव में एक बुद्धिमान और अनुकूली सॉफ्टवेयर परिदृश्य को बढ़ावा मिलता है।

वास्तुशिल्प परिवर्तन: प्रोग्राम करने योग्य एआई और भविष्य

"टेक्स्ट के रूप में एआई" से "निष्पादन के रूप में एआई" में बदलाव एक महत्वपूर्ण वास्तुशिल्प विकास का प्रतिनिधित्व करता है। यह एक ऐसे प्रतिमान को दर्शाता है जहाँ एआई एजेंट केवल स्निपेट उत्पन्न नहीं कर रहे हैं, बल्कि प्रोग्राम करने योग्य नियोजन और निष्पादन लूप हैं जो परिभाषित बाधाओं के तहत काम करने, वास्तविक प्रणालियों के साथ सहजता से एकीकृत होने और रनटाइम पर बुद्धिमानी से अनुकूलन करने में सक्षम हैं।

GitHub Copilot SDK इस भविष्य का मुख्य प्रवर्तक है। इन परिष्कृत निष्पादन क्षमताओं को एक प्रोग्राम योग्य परत के रूप में सुलभ बनाकर, यह विकास टीमों को इस बात पर ध्यान केंद्रित करने में सशक्त बनाता है कि उनके सॉफ्टवेयर को "क्या" पूरा करना चाहिए, बजाय इसके कि एआई ऑर्केस्ट्रेशन के अंतर्निहित "कैसे" को लगातार फिर से बनाया जाए। यह बदलाव एआई को एक नए उपयोगिता से आधुनिक सॉफ्टवेयर वास्तुकला के एक मुख्य, अपरिहार्य घटक में बदल देता है, जो सभी क्षेत्रों में अधिक लचीले, स्वायत्त और बुद्धिमान अनुप्रयोगों का वादा करता है। यदि आपका एप्लिकेशन लॉजिक को ट्रिगर कर सकता है, तो वह अब एजेंटिक निष्पादन को ट्रिगर कर सकता है, जिससे वास्तव में स्मार्ट सॉफ्टवेयर का एक नया युग शुरू हो जाएगा।

मूल स्रोत

https://github.blog/ai-and-ml/github-copilot/the-era-of-ai-as-text-is-over-execution-is-the-new-interface/

अक्सर पूछे जाने वाले प्रश्न

What is the core shift from 'AI as text' to 'AI as execution' introduced by the GitHub Copilot SDK?

The fundamental shift signifies a move from AI systems that merely generate text output from text input, requiring manual human intervention for the next steps, to systems where AI can actively plan, execute, adapt, and recover from errors within a predefined set of constraints. This means AI transitions from a passive assistant to an active participant, capable of orchestrating complex, multi-step operations directly within software applications, making it a functional component rather than just a conversational interface. The Copilot SDK provides the tools to embed this execution layer into any application.

How does the GitHub Copilot SDK enable sophisticated agentic workflows within applications?

The GitHub Copilot SDK empowers applications by providing access to the same production-tested planning and execution engine that drives GitHub Copilot CLI. Instead of building complex orchestration stacks from scratch, developers can embed this SDK to delegate intent to AI agents. These agents can explore repositories, plan necessary steps, modify files, run commands, and adapt to unforeseen issues—all while respecting defined boundaries. This allows software to become more adaptive and resilient, moving beyond rigid, scripted workflows to dynamic, context-aware operations.

What is the Model Context Protocol (MCP) and why is it crucial for grounded AI execution?

The Model Context Protocol (MCP) is a vital component that enables structured and composable context for AI agents. Rather than embedding critical system logic and data within prompts—a practice that leads to brittle, hard-to-test workflows—MCP allows applications to define domain-specific tools and agent skills. The execution engine then uses MCP to retrieve relevant context directly at runtime, such as service ownership data, API schemas, or dependency rules. This ensures that AI agents operate on real, permissioned data and systems, preventing guesswork and making AI workflows more reliable and maintainable.

Beyond the Integrated Development Environment (IDE), where can the GitHub Copilot SDK embed AI execution?

The GitHub Copilot SDK liberates AI execution from being confined primarily to the IDE, allowing it to function as a pervasive application-layer capability. This means agentic capabilities can be seamlessly integrated into a wide array of environments, including desktop applications, internal operational tools, background services, SaaS platforms, and event-driven systems. By enabling applications to programmatically invoke Copilot upon specific events—like a file change, deployment trigger, or user action—the SDK transforms AI from a mere helper in a side window into core infrastructure that operates wherever the software runs.

What are the primary benefits of delegating multi-step tasks to AI agents using the Copilot SDK?

Delegating multi-step tasks to AI agents via the Copilot SDK offers significant advantages over traditional scripting. It allows software to handle workflows that are context-dependent, change dynamically mid-run, or require robust error recovery, which typically break down fixed scripts. By delegating 'intent' rather than explicit steps, agents can autonomously explore, plan, execute, and adapt within defined constraints. This leads to more scalable, adaptable, and observable systems, freeing developers from continually rebuilding bespoke orchestration layers for complex, evolving processes.

How does the Copilot SDK improve the reliability and adaptability of AI-powered systems?

The Copilot SDK enhances reliability and adaptability by providing a robust execution layer and integrating structured context. Its production-tested planning and execution engine ensures agents can plan complex operations, execute commands, modify files, and recover from errors, making systems more resilient. Furthermore, by utilizing the Model Context Protocol (MCP), agents access real-time, structured, and permissioned context—like API schemas or dependency graphs—rather than relying on potentially outdated or generalized prompt information. This grounding in real data ensures agents make informed decisions, reducing errors and increasing the system's ability to adapt to changing conditions and constraints.

Is the GitHub Copilot SDK primarily for professional developers, or can others benefit from its capabilities?

While the GitHub Copilot SDK is designed to empower professional developers by extending agentic AI capabilities into their applications and infrastructure, its benefits ripple outwards. By enabling AI to handle complex, multi-step tasks and integrate directly into various software systems, it streamlines workflows, reduces manual effort, and enhances the adaptability of applications. This ultimately benefits end-users and organizations by leading to more efficient, intelligent, and robust software, even if the direct interaction with the SDK is primarily on the developer's side. The SDK makes AI a fundamental infrastructure component across the software ecosystem.

अपडेट रहें

नवीनतम AI समाचार अपने इनबॉक्स में पाएं।

शेयर करें