क्या AI एजेंट इन टूल्स को इस्तेमाल कर सकता है?

छोटा जवाब

हाँ। यहाँ का हर टूल एक मामूली वेब पेज है: एक फ़ाइल चुनने की जगह, नाम लिखे हुए कुछ कंट्रोल, एक डाउनलोड बटन। न कोई खाता है जिसमें लॉगिन करना पड़े, न कोई कैप्चा जिसे सुलझाना पड़े, न कोई ऐसा कदम जिसके लिए खास इंसान चाहिए। ब्राउज़र वाला AI एजेंट इन पेजों को वैसे ही चलाता है जैसे वह किसी और पेज को चलाता है — और यह साइट लोगों के लिए जो कुछ पहले से करती है, उसमें से कई चीज़ें एजेंटों के भी मुफ़्त में काम आ जाती हैं; आखिरी हिस्से में उनकी सूची है।

पर “क्या वह बटन दबा सकता है” छोटा सवाल है। जो सवाल एक पेज माँगता है वह यह: इस साइट का वादा — आपकी फ़ाइल आपकी मशीन से कभी बाहर नहीं जाती — उस घड़ी क्या होता है जब बटन दबाने वाली मशीन आप नहीं हैं? जवाब यह है कि वह वादा सौंपे जाने से या तो पूरा का पूरा बच निकलता है, या बिलकुल नहीं बचता — और यह सिर्फ़ एक बात पर टिका है: एजेंट का ब्राउज़र चल कहाँ रहा है।

एजेंट दो तरह के, फ़र्क एक

टूल चलाने वाले एजेंट दो रूपों में आते हैं, और इन दोनों का फ़र्क इस पेज की बाकी हर बात से ज़्यादा वज़न रखता है।

लोकल एजेंट आपकी मशीन पर चलता है: आपके कंप्यूटर पर इंस्टॉल किया हुआ असिस्टेंट, या वह जो उसी ब्राउज़र को चला रहा है जिसे आप देख रहे हैं। ऐसा एजेंट जब यहाँ कोई टूल खोलकर उसे आपकी फ़ाइल थमाता है, तो काम वहीं होता है जहाँ इन पेजों के साथ हमेशा होता है — एक ब्राउज़र में, आपके अपने हार्डवेयर पर। फ़ाइल आपकी डिस्क से पढ़ी जाती है, आपके ब्राउज़र की मेमोरी में प्रोसेस होती है, और वापस आपकी डिस्क पर लिखी जाती है। बाइटों के रास्ते में सौंपने से कुछ नहीं बदला। सेटिंग AI ने चुनीं; फ़ाइल फिर भी कहीं नहीं गई।

क्लाउड एजेंट ब्राउज़र अपने वेंडर के कंप्यूटर पर चलाता है। आप चैट में फ़ाइल जोड़ते हैं, एजेंट कहीं और किसी वर्चुअल मशीन में काम करता है, और वह इन टूल्स के साथ जो भी करता है, वहीं होता है। टूल अब भी ठीक अपने वादे पर चलते हैं — फ़ाइल उस ब्राउज़र से आगे नहीं जाती जिसमें वह है — पर वह ब्राउज़र आपका नहीं है, और अपलोड तो उसी पल हो चुका था जब आपने फ़ाइल जोड़ी थी, किसी भी टूल के खुलने से पहले। जो अपलोड पहले हो चुका, उसे कोई पेज अनकिया नहीं कर सकता।

तो जो सवाल यह साइट बार-बार पूछती है — क्या इस काम को मेरी फ़ाइल के बाहर जाने की ज़रूरत है भी? — वह एजेंट के काम करने पर गायब नहीं होता। वह बस एक कदम पहले खिसक आता है: एजेंट चुनने पर। ब्राउज़र में ही पूरा बसा टूल चलाता हुआ लोकल एजेंट वह दुर्लभ जोड़ है जिसमें काम सौंपने की कोई प्राइवेसी-कीमत नहीं: काम AI करता है, और फ़ाइल घर पर रहती है।

एजेंट को काम कैसे सौंपें

एजेंट उसी ब्रीफ़ पर सबसे अच्छा चलते हैं जो किसी सहकर्मी को चाहिए होता: टूल, फ़ाइल, और यह कि पूरा हुआ काम दिखता कैसा है। कुछ तरीके जो काम करते हैं:

• सिर्फ़ टूल नहीं, नतीजा बताइए। “abox.tools/compress-image/ खोलो और इस फ़ोटो को 200 KB के नीचे ले आओ” एजेंट को वही संख्या दे देता है जो पेज माँगेगा। इमेज कंप्रेसर लक्ष्य-आकार नाम लेकर स्वीकार करता है — ठीक उसी किस्म की हिदायत जिसे एजेंट वफ़ादारी से निभा सकता है।
• उसे नक्शा दिखाइए। यह साइट llms.txt छापती है: हर टूल और हर गाइड, हरेक के साथ एक पंक्ति का ब्योरा, सादे टेक्स्ट में, एक ही बार में। इसे पढ़ने वाला एजेंट बिना कुछ खंगाले जान लेता है कि यहाँ क्या-क्या है। और हर पेज का एक जुड़वाँ उसके अपने पते पर है, आखिर में index.md लगाकर: बिना इंटरफ़ेस के, Markdown के रूप में वही पेज, उस एजेंट के लिए जिसे यह जानना है कि किसी टूल का पेज क्या कहता है, न कि वह कैसा दिखता है।
• जिस पेज पर है, उसे वही पढ़ने दीजिए। हर टूल अपने सवाल-जवाब पेज में ही रखता है, और हर टूल की गाइड एक लिंक की दूरी पर है। किसी सेटिंग पर अटकते दिखते एजेंट से कहा जा सकता है कि पहले गाइड पढ़े — वही सलाह जो इंसान को मिलती।
• कड़ियाँ चलती हैं। जो काम इस साइट की वर्कफ़्लो गाइडें लोगों को समझाती हैं — स्कैन करके PDF में जोड़ना; EXIF हटाकर फिर आकार बदलना — वही काम हैं जिनमें एजेंट सबसे अच्छे हैं, क्योंकि हर कदम का नतीजा अगले कदम की सामग्री है और बीच में कहीं परख की ज़रूरत नहीं।

क्या न सौंपें

एजेंट यहाँ का हर टूल चला सकता है। दो जगहें ऐसी हैं जहाँ चलाना पूरा काम नहीं है, और बाकी हिस्सा आपके पास रहना चाहिए।

यह तय करना कि क्या नहीं दिखना चाहिए। काली पट्टी वाले टूल जो आप ढकते हैं उसे मिटा देते हैं — पर क्या ढकना है, यह चुनना ही तो काम है, और जिस एजेंट से एक पंक्ति छूट गई, उसने ऐसी फ़ाइल बना दी जो पूरी दिखती है और है नहीं। चाहें तो पट्टी लगाने का टूल एजेंट से चलवाइए; नतीजे को कहीं भी भेजने से पहले खुद देखिए — वही नियम जो उन टूल्स की गाइडें इंसानी चलाने वाले को देती हैं।

पढ़े हुए को खोलना। इस साइट का QR रीडर जो पढ़ता है उसे खोलने से मना कर देता है, क्योंकि पढ़ना और पीछे चल देना दो अलग काम हैं। यही अलगाव एजेंट पर भी लागू करने लायक है: फ़ाइल में कोई कोड, लिंक या पता पढ़ने वाला एजेंट उसकी खबर दे, उस पर जाए नहीं। और जो एजेंट आपका अपना ब्राउज़र चला रहा है, उसके हाथ में वह सब है जिसमें वह ब्राउज़र लॉगिन है — एक वजह उसे भी उसी जाँचती नज़र से देखने की जिससे आप किसी भी टूल को देखते हैं; अगला हिस्सा इसी बारे में है।

वादे की जाँच एजेंट भी कर सकता है

अपलोड वाली गाइड जो चार जाँचें सिखाती है — तार खींच दो, नेटवर्क टैब देखो, Content-Security-Policy पढ़ो, कोड पढ़ो — वे सब एजेंट कर सकता है, बल्कि उसके लिए इंसान से आसान हैं: CSP हेडर पढ़ना या परोसे गए कोड में fetch की पुकारें ढूँढ़ना मशीनी काम है। अगर आप टूल्स पर भरोसा करने से पहले उन्हें एजेंट से जँचवाते हैं, तो यह साइट उसी तरह जँचे जाने की उम्मीद रखती है — और जिस ऑफ़लाइन बर्ताव पर वे जाँचें टिकी हैं, उसका अपना पेज है।

यह साइट एजेंट के लिए जो करती है, जान-बूझकर और सबके लिए करती है: हर कंट्रोल पर नाम लिखा है, क्योंकि स्क्रीन रीडर को नाम चाहिए और एजेंट वही नाम पढ़ता है; पेजों पर न खाते हैं, न पॉपअप, न सहमति की दीवारें जिनसे बचकर चलना पड़े; सोर्स कोड सार्वजनिक है और बिना किसी बिल्ड-स्टेप के परोसा जाता है, इसलिए एजेंट जिस कोड की जाँच करता है वही कोड चलता भी है; और llms.txt पूरा बक्सा एक ही बार में है। इनमें से कुछ भी मशीनों के लिए नहीं जोड़ा गया था। जो पेज स्क्रीन रीडर वाले इंसान के लिए पढ़ने लायक है, वह बाकी सबके लिए भी पढ़ने लायक निकलता है।

एक ईमानदार हद: यह पेज उन एजेंटों के बारे में है जो ये टूल चलाते हैं, खुद एजेंटों के बारे में नहीं। एजेंट का वेंडर क्या देखता है — आपकी हिदायतें, आपके स्क्रीनशॉट, कभी-कभी आपकी फ़ाइलें — यह अलग सवाल है, और जिस आदत पर गाइडों का यह पूरा समूह बार-बार आ टिकता है, वही नज़रिया इस पर भी ठीक बैठता है: पूछिए कि आपकी मशीन से सचमुच क्या निकलना ज़रूरी है, और किस हालत में।