विस्तृत विश्लेषण · लगभग 7 मिनट पढ़ना
Bayer का AgentCore निर्णय इंजन: एजेंट काम समझाते हैं, निष्पादन पुराने नियंत्रण में रहता है
Bayer/AWS मामला प्राकृतिक भाषा की जाँच को विश्लेषण के निष्पादन से अलग रखता है; टिकाऊ स्थिति, सीमित टूल और कार्य-स्तरीय निगरानी प्रमुख हैं।
- यहाँ प्रकाशित
- स्रोत की तारीख
- स्रोत जाँचा गया
Bayer और AWS ने मौजूदा विश्लेषण प्लेटफ़ॉर्म के ऊपर Agentic Decision Engine का वर्णन किया। 23 अक्टूबर का विवरण उत्पादन डिज़ाइन और शुरुआती उपयोग बताता है, स्वतंत्र बेंचमार्क या नियंत्रित निष्पादन का विकल्प नहीं।
समाचार सुनें
यह लेख सुनें या समाचार लगातार चलाएँ।
पढ़ने की तैयारी हो रही है…
डिवाइस की आवाज़
वाक् प्रक्रिया आपके ब्राउज़र या डिवाइस में होती है। AISubHub पाठ किसी ऑडियो API को नहीं भेजता। आवाज़ों और लॉक स्क्रीन पर चलने की सुविधा डिवाइस पर निर्भर है।
जारी करने पर छोटा वाक्यांश दोहराया जा सकता है।
मुख्य बातें
- CDE में 500 से अधिक मॉडल कॉन्फ़िगरेशन हैं। ADE के 22 विशेषज्ञ एजेंट और लगभग 20 API टूल हैं; नियंत्रित पहुँच का उपयोग 100 से अधिक लोगों ने किया।
- सत्र संदर्भ, टिकाऊ चेकपॉइंट, विश्लेषण रिकॉर्ड और TTL उत्तर कैश के काम अलग हैं। अलग प्रॉम्प्ट-प्रीफ़िक्स कैश से इनपुट टोकन लागत में कथित 20–30% कमी हुई।
- उत्पादन टूल सीमित अधिकार वाले और केवल पढ़ने के लिए हैं। Guardrails मूल्यांकन तथा हाइब्रिड क्लाउड परस्पर संचालन अभी योजनाएँ हैं।
निष्पादन प्लेटफ़ॉर्म के ऊपर भाषा का इंटरफ़ेस
पादप प्रजनन विश्लेषण में जीनोमिक्स, खेत परीक्षण, चित्र और पर्यावरण स्थितियाँ शामिल हैं। Bayer का Connected Decision Engine, CDE, 500 से अधिक मॉडल कॉन्फ़िगरेशन में कार्यप्रवाह की तैनाती, संयोजन, निगरानी और पुनः उपयोग को नियंत्रित करता है। Agentic Decision Engine, ADE, दूसरी बाधा दूर करता है: किस API, डैशबोर्ड या लॉग में देखना है, यह जाने बिना परिणाम और विफलता समझना। CDE निष्पादन परत बना रहता है। संयुक्त विवरण के अनुसार नियंत्रित पहुँच में 100 से अधिक उपयोगकर्ता आए; उत्पादन में 22 विशेषज्ञ एजेंट और लगभग 20 API टूल हैं।
LangGraph सुपरवाइज़र प्रश्न वर्गीकृत कर विशेषज्ञ चुनता और विभिन्न क्षेत्रों के परिणाम जोड़ता है। डोमेन, संचालन और समस्या-जाँच एजेंट ज्ञान, स्थिति या टेलीमेट्री लेते हैं। फीनोटाइपिंग विफलता में जाँच एजेंट CloudWatch और Gateway से CDE स्थिति पढ़कर निदान देता है। लेखकों के अनुसार लॉग ढूँढ़ने व इंजीनियर की प्रतीक्षा में एक घंटे से अधिक लगने वाला निदान अब 10 मिनट से कम लेता है। लगभग 80% प्रश्न बिना इंजीनियर हल होना सहायता-स्वतंत्रता है, उत्तर की सटीकता नहीं; यह निष्पादन या मरम्मत समय की गारंटी भी नहीं।
सक्रिय संदर्भ, टिकाऊ स्थिति और कैश किए उत्तर अलग हैं
AgentCore runtime सत्र अलग करता और सत्र की अवधि में कॉलों के बीच संदर्भ रखता है। यह सक्रिय संदर्भ है, ग्राफ दोबारा शुरू करने का टिकाऊ डेटाबेस नहीं। ADE LangGraph चेकपॉइंट DynamoDB में रखता है ताकि पुनः आरंभ, स्केलिंग और सत्र सीमा के पार बहाली हो सके। Aurora PostgreSQL में सत्र, प्रतिक्रिया और विश्लेषण रिकॉर्ड हैं; ElastiCache में TTL के साथ उत्तर हैं। हमारे अनुसार चालू प्रक्रिया, जाँच रिकॉर्ड और दोबारा काम आने वाला उत्तर एक ही तरह की याददाश्त नहीं हैं।
अनुरोध चित्र एक शाखा दिखाता है। मंशा पहचान के बाद मानक कुंजी से कैश देखा जाता है। मिलान पर पुराना उत्तर लौटता है; न मिलने पर विशेषज्ञ बाहरी सेवा बुलाता, उत्तर बनाता और कैश में रखता है। संवाद व उपयोग विश्लेषण डेटाबेस में दर्ज होते हैं। यह मार्ग का विवरण है, कैश सफलता या शुद्धता की माप नहीं। TTL मान और बदलते कार्यप्रवाह में हर उत्तर की ताज़गी नहीं दी गई। उत्तर कैश, मॉडल प्रॉम्प्ट के दोहराए प्रीफ़िक्स के कैश से भी अलग है।
पहचान सीमाएँ और टूल सूची पहुँच नियंत्रित करती हैं
अनुरोध React से Microsoft Entra ID पहचान प्रॉक्सी होकर जाते हैं। IAM सेवाओं की कॉल को अनुमति देता है, Gateway का आउटबाउंड प्राधिकरण CDE पहुँच संभालता है और Lambda इंटरसेप्टर विशेष सत्यापन व अपेक्षित अधिकार-गुण देता है। ये अलग भरोसा सीमाएँ हैं, एक सर्वमान्य टोकन नहीं। टीम ने प्रत्येक चरण पर जारीकर्ता, लक्षित सेवा, दावे, दायरा और क्रेडेंशियल अवधि तय की। हमारा विश्लेषण है कि प्राकृतिक भाषा आने पर भी जिम्मेदारी बदलने की जगह स्पष्ट अधिकार अनुबंध चाहिए।
हर API का MCP सर्वर बनाने के बजाय ADE OpenAPI स्कीमा Gateway में दर्ज करता है, जो REST क्रियाओं को MCP टूल बनाता है। विशेषज्ञ को सीमित सूची मिलने से इनपुट टोकन और मॉडल के विकल्प घटते हैं। Gateway बड़े कैटलॉग की अर्थ-आधारित खोज समर्थित करता है; इससे ADE में उसका सक्रिय होना सिद्ध नहीं। लेखक समर्पित सर्वर के मुकाबले प्रति-API एकीकरण भार में 99% से अधिक कमी बताते हैं। यह पूरी क्लाउड लागत की कमी नहीं; पूरा मापन आधार भी नहीं दिया गया।
मॉडल अनुकूलता और टूल को एजेंट बनाने की सीमा
तर्क मोड वाला नया मॉडल ADE के लागू टूल उपयोग और संरचित आउटपुट संयोजन से मेल नहीं खाता था। AWS विशेषज्ञ की पुष्टि के बाद रिलीज़ में पुराना मॉडल रखा गया। यह इंटरफ़ेस जाँच की सीख है, नए मॉडल सामान्यतः खराब होने का दावा नहीं। टूल कॉल, प्रारूप, स्ट्रीमिंग, विलंब और कोटा मायने रखते हैं। संरचना चित्र के मूल्यांकन लेबल वास्तविक उत्पादन संस्करण सिद्ध नहीं करते। अलग Models as Skill रजिस्ट्री मॉडल कोड और दस्तावेज़ से परिभाषाएँ बनाती है, ताकि मॉडल-विशिष्ट उत्तर मिलें।
विज़ुअलाइज़ेशन पहले टूल था, फिर डेटा लेना, चार्ट चुनना, पुनः प्रयास, त्रुटियाँ और नया चार्ट या पुराना डैशबोर्ड चुनना संभालने लगा। Bayer ने उसे विशेषज्ञ एजेंट बनाया। वह S3 के ज़रिए डेटा का आदान-प्रदान करता है, AgentCore Code Interpreter के अलग वातावरण में matplotlib या Plotly इस्तेमाल करता है, या Amazon Quick और Power BI संसाधन लौटाता है। हमारे विश्लेषण में कई आश्रित निर्णयों की जिम्मेदारी यह अलगाव समझाती है। इससे चार्ट या मूल डेटा की स्वतंत्र शुद्धता साबित नहीं होती।
कार्य की सफलता देखें और वास्तविक अनुरोध की लागत जोड़ें
ADE में सफल HTTP उत्तरों के पीछे विफलता छिपी: अपवाद प्रबंधक एजेंट त्रुटि पकड़ते और निगरानी लौटे उत्तर को सफल गिनती थी। टीम ने विफलता मार्गों में CloudWatch मेट्रिक्स तथा टूल त्रुटि, दर सीमा, मॉडल टाइमआउट और संरचित सत्यापन विफलता के अलार्म जोड़े। ट्रेस सुपरवाइज़र और विशेषज्ञों को जोड़ते हैं। संचार की सफलता को कार्य पूरा होने और अपेक्षित साक्ष्य इस्तेमाल होने से अलग रखना चाहिए। बेहतर दृश्यता उत्तरों की मापी हुई शून्य-त्रुटि दर सिद्ध नहीं करती।
लागत के तीन पूरक आधार हैं: Bedrock एप्लिकेशन इन्फ़रेंस प्रोफ़ाइल बिल वाले कार्यभार बताती है, अनुरोध मेटाडेटा और कॉल लॉग टोकन को एजेंट या सुविधा से जोड़ते हैं, IAM प्रिंसिपल पहचान जोड़ता है। लेखक विज़ुअलाइज़ेशन और संचालन को सबसे अधिक टोकन वाला बताते हैं। बार-बार आने वाला प्रॉम्प्ट प्रीफ़िक्स भी बिना कैश मिला। समर्थित मॉडल में स्थिर निर्देश और टूल परिभाषा कैश करने से इनपुट टोकन लागत कथित तौर पर 20–30% घटी। यह प्रीफ़िक्स पुनः उपयोग है, ElastiCache उत्तर पुनः उपयोग या कुल सिस्टम खर्च की सिद्ध कमी नहीं।
उत्पादन केवल पढ़ने का है और नतीजों की सीमाएँ हैं
मौजूदा नियंत्रण में प्रति-एजेंट न्यूनतम अधिकार, केवल पढ़ने वाले टूल, संरचित सत्यापन और CDE व टेलीमेट्री पर आधारित उत्तर हैं। जाँच एजेंट कार्यप्रवाह बदल नहीं सकता, डोमेन विशेषज्ञ असंबंधित API नहीं बुला सकता। Bedrock Guardrails का मूल्यांकन भविष्य में है। समीक्षाओं के बाद अलार्म, अपरिवर्तनीय संस्करणयुक्त ECR इमेज, पुश पर स्कैन और बेकार इमेज की जीवनचक्र नीतियाँ सुधारी गईं; दृश्यता, बदलने वाले टैग और ट्रेस की कमियाँ थीं। लोड परीक्षण ने क्षमता व कोटा जाँचे और खाली उत्तर देने वाला नेटवर्क दोष उजागर किया। हल किए 35 अवरोध, 35 कमजोरियाँ नहीं हैं।
AWS के निर्धारित अकाउंट प्रबंधक और विशेषज्ञ ने डिज़ाइन व निरंतर संचालन में मदद की। गंभीर अलार्म Incident Detection and Response तक जाते हैं; इंजीनियर पाँच मिनट में जुड़ते हैं, पाँच मिनट में समाधान का वादा नहीं। अलग वातावरण के एजेंटों की खोज और हाइब्रिड संचार अभी खोज का विषय हैं। उपयोग, समय और बचत ग्राहक/विक्रेता के दावे हैं; पूरे नमूने, प्रोटोकॉल, विश्वास अंतराल या तुलनीय लागत आधार नहीं हैं। हमने लेख और दो चित्र पढ़े, लिंक दस्तावेज़ या Bayer सिस्टम नहीं जाँचे। योगदान निष्पादन, साक्ष्य, अधिकार व संचालन का अलगाव है, ऑडिट किए कृषि या व्यवसाय नतीजे नहीं।
यह क्यों अहम है
मामला मौजूदा निष्पादन प्लेटफ़ॉर्म बनाए रखते हुए प्राकृतिक भाषा जोड़ने की ठोस जाँच-सूची देता है। स्थिति, अधिकार, इंटरफ़ेस अनुकूलता और कार्य निगरानी स्पष्ट रखने चाहिए।
सीमाएँ और उपलब्धता
Bayer और AWS अपनी व्यवस्था बताते हैं। शुरुआती सहायता व निदान आँकड़े सटीकता या निष्पादन की गारंटी नहीं; एकीकरण और टोकन बचत के सीमित आधार हैं। स्वतंत्र परीक्षण, मूल्य समीक्षा या नए मॉडल की रिलीज़ सिद्ध नहीं है।
स्रोत और प्रमाण
स्रोत की तारीख: · स्रोत जाँचा गया:
AI की सहायता से लिखे लेखों को दिए गए प्राथमिक स्रोतों से जाँचा जाता है। प्रदाता के दावों का श्रेय स्पष्ट है; सूची में होना समर्थन नहीं है।