स्वायत्त एजेंट: ये क्या हैं और कैसे काम करते हैं

स्वायत्त एजेंट क्या है

स्वायत्त एजेंट एक AI सिस्टम है जो अपने आप किसी लक्ष्य की दिशा में काम करता है। व्यक्ति बताता है कि उसे क्या परिणाम चाहिए, और एजेंट उसके लिए ज़रूरी चरण तय करके उन्हें पूरा करता है।

मान लीजिए कोई व्यक्ति तीन प्रोजेक्ट मैनेजमेंट टूल में से किसी एक को चुनना चाहता है। एक स्वायत्त एजेंट हर टूल को खोज सकता है, उसका प्राइसिंग पेज खोल सकता है, अंतरों को नोट कर सकता है और एक तैयार तुलना लौटा सकता है। व्यक्ति लक्ष्य तय करता है और परिणाम की समीक्षा करता है, और बीच का सारा काम एजेंट करता है।

आज के कई सॉफ़्टवेयर एजेंट निर्देशों को समझने और आगे क्या करना है यह तय करने के लिए लार्ज लैंग्वेज मॉडल का उपयोग करते हैं। कुछ मॉडल इमेज या ऑडियो भी प्रोसेस करते हैं। वेब पर खोज करने, बटन क्लिक करने या ईमेल भेजने के लिए, एजेंट को ऐसे सॉफ़्टवेयर की ज़रूरत होती है जो मॉडल को टूल से जोड़े और उसके अनुरोधों को निष्पादित करे।

प्रोजेक्ट मैनेजमेंट वाले उदाहरण में, LLM और एजेंट इस तरह काम करेंगे:

1. LLM लक्ष्य को पढ़ता है और पहले टूल की कीमत खोजने के लिए एक अनुरोध लिखता है।
2. एजेंट का सॉफ़्टवेयर खोज चलाता है और परिणामों को टेक्स्ट के रूप में LLM को वापस भेजता है।
3. LLM परिणामों को पढ़ता है, अगला चरण चुनता है (प्राइसिंग पेज खोलना), और एक नया अनुरोध लिखता है।
4. यह चक्र तब तक दोहराया जाता है जब तक LLM यह तय नहीं कर लेता कि तुलना पूरी हो गई है और अंतिम उत्तर नहीं लिख देता।

बड़ा करें

स्वायत्तता के स्तर

एजेंटिक AI सिस्टम (ऐसा AI जो सिर्फ़ सवालों के जवाब देने के लिए नहीं, बल्कि कार्रवाई करने के लिए भी बनाया गया हो) में स्वायत्तता एक डिज़ाइन विकल्प है। एक ही एजेंट को इस तरह सेट किया जा सकता है कि वह हर चरण से पहले पूछे या पूरा कार्य अकेले ही पूरा कर दे।

वॉशिंगटन विश्वविद्यालय के शोधकर्ता एक पाँच-स्तरीय फ़्रेमवर्क प्रस्तावित करते हैं, जो बताता है कि किसी एजेंट में स्वायत्तता की कितनी अलग-अलग डिग्री हो सकती हैं:

स्तर 4 पर, एजेंट अपने आप शोध करके खरीद ऑर्डर का ड्राफ़्ट तैयार कर सकता है, लेकिन उसे सबमिट करने से पहले रुक सकता है। स्तर 5 पर, वह ऑर्डर सबमिट भी कर देगा।

स्वायत्त AI एजेंट बनाम स्वचालन बनाम चैटबॉट

स्वायत्त एजेंट दो तरह से चैटबॉट और वर्कफ़्लो स्वचालन से अलग होते हैं: वे अपने चरण खुद तय करते हैं, और वे दूसरे ऐप और वेबसाइटों में कार्रवाई करते हैं।

चैटबॉट बातचीत में सवालों के जवाब देता है, लेकिन आम तौर पर उसके बाहर कोई कार्रवाई नहीं करता। वर्कफ़्लो स्वचालन कार्रवाई तो करता है, लेकिन सिर्फ़ उन चरणों का पालन करके जो किसी ने पहले से सेट किए हों। इसका एक आम प्रकार रोबोटिक प्रोसेस ऑटोमेशन (RPA) है, यानी ऐसा सॉफ़्टवेयर जो सरल, नियम-आधारित कार्यों को दोहराता है, जैसे एक सिस्टम से दूसरे सिस्टम में डेटा कॉपी करना।

स्वायत्त एजेंट दोनों काम करता है: वह दूसरे सॉफ़्टवेयर में कार्रवाई करता है, और उसे दिए गए टूल, अनुमतियों और निर्देशों के दायरे में रहकर किसी लक्ष्य की दिशा में अपने चरण खुद चुनता है।

देरी से चल रहे ऑर्डर की शिकायत से यह अंतर साफ़ हो जाता है। चैटबॉट शिपिंग नीति की पहले से लिखी व्याख्या के साथ जवाब दे सकता है। वर्कफ़्लो स्वचालन एक मानक “ऑर्डर में देरी” ईमेल भेज सकता है। स्वायत्त एजेंट ऑर्डर की जानकारी देख सकता है, पता लगा सकता है कि वह ट्रांज़िट में खो गया था, रिप्लेसमेंट जारी कर सकता है और ग्राहक को अपडेट दे सकता है।

स्वायत्त एजेंट कैसे काम करते हैं

कोई कार्य पूरा करने के लिए स्वायत्त एजेंट चार क्षमताओं पर निर्भर करता है: अपने चरणों की योजना बनाना, टूल का उपयोग करना, यह याद रखना कि उसने क्या किया है, और अपने परिणामों की खुद जाँच करना। बड़े कार्यों के लिए, कुछ एजेंट काम को एजेंटों की एक टीम में बाँट भी देते हैं।

1. लक्ष्यों को छोटे हिस्सों में बाँटना और योजना बनाना

कोई लक्ष्य आम तौर पर इतना बड़ा होता है कि उसे एक ही चरण में पूरा नहीं किया जा सकता, इसलिए एजेंट का पहला काम उसे छोटे कार्यों में बाँटना होता है। उदाहरण के लिए, अगर उपयोगकर्ता एजेंट से टीम ऑफ़साइट की योजना बनाने को कहता है, तो वह इस लक्ष्य को तारीखें चुनने, बजट के भीतर जगहें ढूँढने, उपलब्धता जाँचने और निमंत्रण का ड्राफ़्ट तैयार करने में बाँट सकता है।

एजेंट किस तरह बनाए गए हैं, इसके आधार पर वे पहले से योजना बना सकते हैं या काम करते-करते योजना बना सकते हैं। पहले से योजना बनाने का मतलब है शुरू करने से पहले हर चरण लिख लेना, जो छोटे और अनुमानित कार्यों के लिए कारगर है। काम करते-करते योजना बनाने का मतलब है अगले एक-दो चरणों की रूपरेखा बनाना, कार्रवाई करना, और जो परिणाम मिले उसके आधार पर योजना में बदलाव करना। अगर ऑफ़साइट के लिए पहली पसंद वाली जगह पहले से बुक हो, तो एजेंट शुरू से शुरू किए बिना अगले विकल्प पर जा सकता है।

बड़ा करें

रेनमिन यूनिवर्सिटी ऑफ़ चाइना के LLM-आधारित स्वायत्त एजेंटों के सर्वेक्षण में पाया गया है कि यह दूसरा तरीका ज़्यादा जटिल कार्यों को बेहतर ढंग से संभालता है, क्योंकि कोई भी परिणाम देखे बिना एकदम सही योजना लिखना मुश्किल होता है। कई एजेंट दोनों तरीकों को मिलाते हैं: पहले पूरी योजना का खाका बनाते हैं और फिर काम करते हुए उसमें बदलाव करते हैं।

2. टूल की मदद से कार्रवाई करना

योजना तैयार होने के बाद, एजेंट एक-एक करके हर कार्य पूरा करता है और हर कार्य के लिए एक टूल चुनता है।

• जगहें ढूँढने के लिए, वह “ऑस्टिन के पास 20 लोगों के लिए ऑफ़साइट जगहें” जैसी क्वेरी के साथ वेब सर्च का उपयोग कर सकता है।
• उपलब्धता जाँचने के लिए, वह ब्राउज़र में हर जगह का बुकिंग पेज खोलकर कैलेंडर पढ़ सकता है।
• निमंत्रण भेजने के लिए, वह API के ज़रिए व्यक्ति के ईमेल से कनेक्ट हो सकता है। API वह कनेक्शन है जिसकी मदद से एक सॉफ़्टवेयर दूसरे सॉफ़्टवेयर से डेटा या कार्रवाइयों का अनुरोध कर पाता है।

हर कार्रवाई के बाद, एजेंट देखता है कि क्या परिणाम मिला और अगला कदम तय करता है। अगर खोज में पाँच जगहें मिलती हैं, तो वह उनकी उपलब्धता जाँचता है। अगर कोई बुकिंग पेज लोड नहीं होता, तो वह उस जगह की फ़ोन लिस्टिंग आज़माता है या अगले विकल्प पर चला जाता है।

एजेंट के पास मौजूद टूल तय करते हैं कि वह कौन-से कार्य अपने आप पूरे कर सकता है। ईमेल एक्सेस के बिना, वह निमंत्रण का ड्राफ़्ट तो बना सकता है, लेकिन उसे भेज नहीं सकता।

3. मेमोरी की मदद से प्रगति ट्रैक करना

काम करते समय, एजेंट को यह ट्रैक करना होता है कि उसने क्या किया है और क्या सीखा है। तीन जगहें जाँचने तक, उसे पता होना चाहिए कि कौन-सी बुक थीं, किनमें जगह थी और हर एक की कीमत क्या है। यह रिकॉर्ड LLM की कॉन्टेक्स्ट विंडो में रहता है, यानी टेक्स्ट की वह मात्रा जिस पर मॉडल एक साथ विचार कर सकता है।

लंबे कार्य उस कॉन्टेक्स्ट विंडो की सीमा से आगे निकल सकते हैं। लॉन्ग-टर्म मेमोरी वाले एजेंट इससे निपटने के लिए जानकारी को मॉडल के बाहर, आम तौर पर किसी डेटाबेस में, सहेजते हैं और सिर्फ़ वही जानकारी वापस लाते हैं जिसकी मौजूदा चरण को ज़रूरत होती है।

लॉन्ग-टर्म मेमोरी एक कार्य से दूसरे कार्य तक भी बनी रहती है। जब अगले साल के ऑफ़साइट की योजना बनाने का समय आएगा, तो एजेंट इस साल की जगहों की सूची और बजट का दोबारा उपयोग कर सकता है, या याद रख सकता है कि टीम एक घंटे की ड्राइव के भीतर की जगहें पसंद करती है।

4. परिणामों की जाँच करना और ज़रूरत पड़ने पर दिशा बदलना

काम करते समय, कई एजेंट इस बात पर नज़र रखते हैं कि कहीं कोई चरण गलत तो नहीं हुआ। अगर कोई बुकिंग फ़ॉर्म त्रुटि दिखाता है या कोई खोज खाली लौटती है, तो एजेंट कोई दूसरा तरीका आज़माता है। जब वह ऐसे निर्णय पर पहुँचता है जो उसे अकेले नहीं लेना चाहिए, जैसे कि बजट से थोड़ी ज़्यादा महँगी जगह स्वीकार्य है या नहीं, तो वह व्यक्ति से पूछता है और जवाब के आधार पर बदलाव करता है।

अपना काम सौंपने से पहले, कई एजेंट अपने परिणामों की समीक्षा करते हैं। LLM अपने तैयार किए गए आउटपुट को दोबारा पढ़ता है, उसकी तुलना लक्ष्य से करता है, और जो कुछ छूट गया हो या गलत हो उसकी सूची बनाता है। एजेंट तब तक बदलाव करता है और दोबारा जाँचता है जब तक परिणाम लक्ष्य के मुताबिक न हो जाए। उदाहरण के लिए, अगर निमंत्रण में जगह का पता नहीं है, तो समीक्षा में यह पकड़ में आ जाता है और एजेंट भेजने से पहले उसे जोड़ देता है।

5. काम को कई एजेंटों में बाँटना

कुछ कार्य तब ज़्यादा तेज़ी से पूरे होते हैं जब कई एजेंट उन्हें आपस में बाँट लेते हैं। एक मुख्य एजेंट काम को बाँटता है और उसके हिस्से सब-एजेंटों को सौंपता है।

Perplexity Computer इसी तरह काम करता है। व्यक्ति बताता है कि उसे कैसा परिणाम चाहिए, और Computer उसे कार्यों और उप-कार्यों में बाँटता है, फिर उन्हें पूरा करने के लिए सब-एजेंट बनाता है। सब-एजेंट वेब पर शोध कर सकते हैं, दस्तावेज़ बना सकते हैं, डेटा प्रोसेस कर सकते हैं, या API के ज़रिए कनेक्ट की गई सेवाओं को कॉल कर सकते हैं।

जब Computer के सामने कोई समस्या आती है, तो वह उसे हल करने के लिए नए सब-एजेंट बनाता है। हर सब-एजेंट अलग AI मॉडल पर भी चल सकता है, ताकि काम का हर हिस्सा उस मॉडल को मिले जो उसके लिए सबसे उपयुक्त हो।

तो, ऑफ़साइट वाले उदाहरण में, एक सब-एजेंट जगहों पर शोध कर सकता है, जबकि दूसरा टीम के कैलेंडर जाँचता है और तीसरा यात्रा के विकल्प देखता है।

बड़ा करें

लोग स्वायत्त एजेंटों का उपयोग कैसे करते हैं

लोग स्वायत्त एजेंटों का उपयोग ज़्यादातर रोज़मर्रा के नॉलेज वर्क के लिए करते हैं: शोध, लेखन, ईमेल और पढ़ाई। Harvard और Perplexity के शोधकर्ताओं के एक अध्ययन में, एजेंटिक क्वेरी में 57% हिस्सा उत्पादकता और सीखने से जुड़े कार्यों का था। नीचे दिए गए उदाहरण दिखाते हैं कि हर तरह के काम के लिए एजेंट क्या करता है।

शोध और विश्लेषण

शोध एजेंटों के लिए बहुत उपयुक्त है, क्योंकि इसमें कई छोटे-छोटे चरण होते हैं। एजेंट खोज सकता है, स्रोत खोल सकता है, उन्हें पढ़ सकता है और उनमें कही गई बातों की तुलना कर सकता है। “रिमोट वर्क और उत्पादकता पर हाल के तीन अध्ययन ढूँढो और बताओ कि हर एक में क्या पाया गया” जैसी क्वेरी लीजिए। एजेंट अध्ययनों की खोज करता है और सबसे प्रासंगिक अध्ययन खोलता है। वह हर अध्ययन के निष्कर्ष पढ़ता है और हर स्रोत के लिंक के साथ एक सारांश लिखता है। अगर कोई अध्ययन पेवॉल के पीछे है, तो एजेंट अगले अध्ययन पर चला जाता है। इस अध्ययन में, शोध का सारांश बनाने और उसका विश्लेषण करने से जुड़ी क्वेरी एजेंटिक क्वेरी का 7% हिस्सा हैं।

दस्तावेज़, ईमेल और कैलेंडर

एजेंट अक्सर उन्हीं टूल में काम करते हैं जिनका लोग पहले से रोज़ उपयोग करते हैं। Harvard और Perplexity के अध्ययन में, Google के दस्तावेज़ टूल और ईमेल दो सबसे आम टूल थे, जो मिलकर एजेंटिक क्वेरी का लगभग एक-चौथाई हिस्सा थे। “इस हफ़्ते के बिना पढ़े ईमेल देखो, क्लाइंट्स की ओर से आए ईमेल फ़्लैग करो, और शेड्यूलिंग अनुरोधों के जवाबों का ड्राफ़्ट तैयार करो” जैसी क्वेरी लीजिए। एजेंट इनबॉक्स खोलता है और संदेशों को छाँटता है। वह खाली समय के लिए कैलेंडर जाँचता है और हर अनुरोध के जवाब का ड्राफ़्ट तैयार करता है। वह ड्राफ़्ट को भेजे बिना सहेज सकता है, ताकि व्यक्ति पहले हर एक की समीक्षा कर सके।

सीखना और कोर्सवर्क

छात्र पढ़ाई के लिए एजेंटों का उपयोग करते हैं। इस अध्ययन में कोर्सवर्क एजेंट के उपयोग की सबसे बड़ी अकेली श्रेणी है, जो एजेंटिक क्वेरी का 13% है। “मेरी कोर्स रीडिंग के चौथे अध्याय पर मुझसे क्विज़ लो” जैसी क्वेरी एजेंट को कोर्स की वेबसाइट पर भेजती है, जहाँ वह अध्याय पढ़ता है, मुख्य बिंदुओं पर सवाल लिखता है और छात्र के जवाब जाँचता है। यही तरीका किसी नए विषय को सीखने वाले हर व्यक्ति के लिए काम करता है, जैसे कोई कर्मचारी जो किसी अनजान उद्योग की जानकारी जल्दी हासिल कर रहा हो।

शॉपिंग और तुलना

एजेंटिक क्वेरी में 10% हिस्सा शॉपिंग का है, जिसमें ज़्यादातर प्रोडक्ट खोजना और उनकी तुलना करना शामिल है। “$400 से कम में अच्छे रिव्यू वाली स्टैंडिंग डेस्क ढूँढो” कहने पर, एजेंट कई रिटेलर पर खोज करता है, कीमत और रेटिंग के हिसाब से फ़िल्टर करता है, सबसे अच्छे विकल्पों की तुलना करता है, और सबसे बढ़िया विकल्प को कार्ट में जोड़ सकता है। कई वेबसाइटों पर विकल्पों की तुलना एजेंट से करवाने से काफ़ी समय बच सकता है, क्योंकि व्यक्ति को अब हर लिस्टिंग खोलकर उनकी आपस में जाँच नहीं करनी पड़ती।

स्वायत्त एजेंटों का उपयोग करने के सात सर्वोत्तम तरीके

1. आसानी से जाँचे जा सकने वाले कार्यों से शुरुआत करना

सबसे अच्छे शुरुआती कार्य वे होते हैं जिनमें गलती आसानी से पकड़ी जा सके और उसे ठीक करना सस्ता हो। शोध सारांश और उत्पाद तुलनाएँ शुरुआत के लिए अच्छे विकल्प हैं। अगर एजेंट अपने स्रोतों के लिंक देता है, तो काम की जाँच में कुछ ही मिनट लगते हैं। जैसे-जैसे भरोसा बढ़ता है, लोग ज़्यादा चरणों वाले लंबे कार्य सौंप सकते हैं।

2. स्पष्ट परिणाम और सीमाएँ तय करना

जब एजेंट को पता होता है कि कार्य क्यों मायने रखता है, तो वह बेहतर निर्णय ले सकता है। एक मज़बूत क्वेरी किसी ठेकेदार को दिए गए ब्रीफ़ जैसी होती है: उद्देश्य, दर्शक, पहले से क्या पता है, और किन विकल्पों को पहले ही खारिज किया जा चुका है। “बोर्ड मेमो के लिए इन तीन वेंडरों की तुलना करें; बोर्ड को सबसे ज़्यादा चिंता कार्यान्वयन जोखिम की है, और हम SOC 2 अनुपालन न रखने वाले किसी भी वेंडर को पहले ही बाहर कर चुके हैं” जैसी क्वेरी एजेंट को वह सब देती है जिसकी उसे खुद निर्णय लेने के लिए ज़रूरत होती है।

3. अनुमोदन चेकपॉइंट जोड़ना

कुछ कार्रवाइयों को वापस नहीं लिया जा सकता, जैसे ईमेल भेजना, खरीदारी करना, फ़ाइलें हटाना या कोई फ़ॉर्म सबमिट करना। जहाँ एजेंट इसकी अनुमति देता हो, वहाँ उसे इन चरणों से पहले रुककर पूछने के लिए सेट करें। क्वेरी खुद भी रुकने का बिंदु तय कर सकती है। “जवाबों के ड्राफ़्ट तैयार करें, लेकिन उन्हें भेजें नहीं” या “सबसे अच्छा विकल्प मेरे कार्ट में जोड़ें, लेकिन चेकआउट न करें” जैसे निर्देश एजेंट को ठीक-ठीक बताते हैं कि उसे कहाँ रुकना है और नियंत्रण वापस सौंपना है।

4. काम से पहले योजना की समीक्षा करना

किसी बड़े कार्य के लिए, एजेंट से कहें कि वह शुरू करने से पहले अपनी योजना की रूपरेखा बताए। योजना की समीक्षा में एक मिनट लगता है, और उसी चरण में किसी गलतफ़हमी को सुधारना, पूरे हो चुके काम में उसे पकड़ने की तुलना में कहीं सस्ता पड़ता है।

5. एक्सेस को उतना ही सीमित रखना जितना कार्य के लिए ज़रूरी हो

एजेंट जिस भी खाते तक पहुँच सकता है, उसमें वह कार्रवाई भी कर सकता है। केवल वही ऐप कनेक्ट करने से जिनकी कार्य को ज़रूरत है, संवेदनशील डेटा पहुँच से बाहर रहता है और गड़बड़ी की गुंजाइश सीमित होती है। वेंडरों पर शोध करने वाले एजेंट को ईमेल एक्सेस की ज़रूरत नहीं होती। जवाबों के ड्राफ़्ट तैयार करने वाले एजेंट को इसकी ज़रूरत होती है, लेकिन हो सकता है कि उसे उन्हें भेजने की अनुमति की ज़रूरत न हो।

6. जाँचों को क्वेरी में ही शामिल करना

एजेंट पहले से ही अपने आउटपुट की समीक्षा करते हैं, इसलिए क्वेरी उन्हें बता सकती है कि किन बातों की जाँच करनी है। यह बताने से कि अच्छा परिणाम कैसा दिखता है (“हर आँकड़े के लिए 2025 या उसके बाद का स्रोत होना चाहिए”), एजेंट अपना काम वापस सौंपने से पहले उस मानक को लागू करता है। उससे पुष्ट तथ्यों को अपने अनुमानों से अलग करने और मान्यताओं को चिह्नित करने के लिए कहने से व्यक्ति की समीक्षा तेज़ और ज़्यादा केंद्रित हो जाती है।

7. जो कारगर हो, उसे दोबारा इस्तेमाल करना

जिस क्वेरी से अच्छा परिणाम मिला हो, वह अगले मिलते-जुलते कार्य के लिए टेम्पलेट बन सकती है। एजेंट को अच्छे आउटपुट का कोई उदाहरण देना, जैसे पिछली तिमाही की रिपोर्ट, अक्सर फ़ॉर्मेट को शब्दों में बताने से ज़्यादा कारगर होता है। बार-बार होने वाले कार्य स्थायी वर्कफ़्लो बन सकते हैं।

स्वायत्त एजेंटों के प्रति Perplexity का दृष्टिकोण

Perplexity दो स्वायत्त एजेंट उपलब्ध कराता है। Comet Assistant ब्राउज़र के भीतर रोज़मर्रा के कार्य संभालता है, और Perplexity Computer ऐसे बड़े प्रोजेक्ट संभालता है जो घंटों या उससे भी ज़्यादा समय तक चल सकते हैं।

Comet Assistant, Perplexity के AI ब्राउज़र Comet में बिल्ट-इन है। यह उन्हीं वेबसाइटों पर काम करता है जो व्यक्ति के पास पहले से खुली हैं, इसलिए यह टूल बदले बिना मीटिंग शेड्यूल कर सकता है, दस्तावेज़ संपादित कर सकता है, ईमेल भेज सकता है और फ़्लाइट बुक कर सकता है।

Computer क्लाउड में चलता है और हर लक्ष्य को सब-एजेंटों में बाँटता है, जैसा कि पहले बताया गया है। यह सैकड़ों सेवाओं से कनेक्ट होता है, और लोग काम के खास हिस्सों के लिए खास AI मॉडल चुन सकते हैं। Computer, Pro और Max सब्सक्राइबर्स के लिए उपलब्ध है।

ब्राउज़र में एजेंट आज़माने के लिए Comet Assistant देखें, या कोई बड़ा प्रोजेक्ट सौंपने के लिए Perplexity Computer देखें।

अक्सर पूछे जाने वाले प्रश्न

क्या स्वायत्त एजेंट और एजेंटिक AI एक ही हैं?

नहीं, लेकिन इन शब्दों के अर्थ आपस में मिलते-जुलते हैं। एजेंटिक AI आमतौर पर AI सिस्टम की उस व्यापक श्रेणी को कहते हैं जो योजना बनाकर और कार्रवाई करके लक्ष्य हासिल करते हैं। स्वायत्त एजेंट इसी श्रेणी का एक खास सिस्टम है, जो हर चरण पर ज़्यादा अनुमोदन लिए बिना अपना काम पूरा करता है।

क्या सभी AI एजेंट स्वायत्त होते हैं?

नहीं। कुछ एजेंट हर चरण तभी पूरा करते हैं जब कोई व्यक्ति उन्हें निर्देश देता है, जबकि कुछ पूरा कार्य खुद ही पूरा कर लेते हैं। पहले बताए गए स्वायत्तता के स्तर पूरी रेंज दिखाते हैं: ऐसे एजेंटों से लेकर जिन्हें व्यक्ति चरण-दर-चरण चलाता है, ऐसे एजेंटों तक जिनकी व्यक्ति केवल निगरानी करता है।

क्या स्वायत्त एजेंट खरीदारी या भुगतान कर सकते हैं?

वेबसाइट, अनुमतियों और सुरक्षा उपायों के आधार पर, कुछ एजेंट खरीदारी में मदद कर सकते हैं। Comet Assistant उत्पादों की तुलना कर सकता है और चेकआउट प्रक्रिया में मदद कर सकता है। Perplexity के Instant Buy से पात्र अमेरिकी उपयोगकर्ता Perplexity के भीतर ही समर्थित उत्पाद खरीद सकते हैं, और चेकआउट विकल्प के रूप में PayPal उपलब्ध है।

क्या स्वायत्त एजेंटों के लिए कोडिंग कौशल ज़रूरी है?

कई रेडीमेड एजेंट बिना कोडिंग के इस्तेमाल किए जा सकते हैं। कुछ प्लेटफ़ॉर्म लोगों को प्राकृतिक भाषा में दिए गए निर्देशों या ग्राफ़िकल इंटरफ़ेस के ज़रिए एजेंट बनाने की सुविधा भी देते हैं। कस्टम इंटीग्रेशन, डीबगिंग और ज़्यादा विशिष्ट व्यवहार के लिए कोडिंग उपयोगी हो सकती है।