Tool overview
AI एजेंट बिल्डर क्या है?
AI एजेंट बिल्डर एक टूल है जो आपको एजेंट कॉन्फ़िग बनाएँ — टूल स्कीमा, MCP, प्रॉम्प्ट और टोकन बजट में मदद करता है।
AI एजेंट बिल्डर क्यों उपयोग करें?
जब आपको एजेंट कॉन्फ़िग बनाएँ — टूल स्कीमा, MCP, प्रॉम्प्ट और टोकन बजट की ज़रूरत हो तो यह पठनीयता और गति बढ़ाता है — पूरी तरह ब्राउज़र में, बिना सर्वर अपलोड के।
मुख्य विशेषताएँ
तत्काल सिंटैक्स हाइलाइटिंग, त्रुटि पकड़ना, क्लाइंट-साइड गोपनीयता और एक-क्लिक कॉपी। एजेंट कॉन्फ़िग बनाएँ — टूल स्कीमा, MCP, प्रॉम्प्ट और टोकन बजट
उपयोग कैसे करें
ऊपर दिए टूल से सटीक परिणाम पाने के लिए इन चरणों का पालन करें।
- वर्कफ़्लो मोड चुनें: पूर्ण एजेंट, केवल फ़ंक्शन कॉलिंग, MCP सेटअप, या संरचित प्रतिक्रिया — या स्टार्टर टेम्पलेट लोड करें।
- स्पष्ट नाम, विवरण और प्रतिनिधि उदाहरण JSON आर्गुमेंट के साथ टूल परिभाषित करें (या MCP-only / संरचित मोड में टूल छोड़ें)।
- अनुमानित JSON Schema की समीक्षा करें और OpenAI संरचित आउटपुट या strict tool calling के लिए strict मोड सक्षम करें।
- Cursor या Claude Desktop के लिए mcpServers JSON सत्यापित करें: command/args, http(s) URL, और केवल-string env मान ठीक करें।
- सिस्टम निर्देश लिखें जो बताएँ कि प्रत्येक टूल कब कॉल करें, क्या कभी न गढ़ें, और कोई सुरक्षा पुष्टियाँ।
- Token budget खोलें, cl100k_base या o200k_base चुनें, और पुष्टि करें कि prompt + tools + MCP अभी भी आपके मॉडल में फिट हैं।
- OpenAI tools JSON, response_format, MCP कॉन्फ़िग, markdown सारांश, या हैंडऑफ़ के लिए पूर्ण बंडल निर्यात करें।
- हर schema, path, या prompt बदलाव के बाद पुनः सत्यापित करें; सीक्रेट को स्थानीय क्लाइंट तक पहुँचने तक प्लेसहोल्डर रखें।
AI एजेंट बिल्डर — पूर्ण गाइड और उपयोग मामले
प्रामाणिक वॉकथ्रू: वर्कफ़्लो मोड, वास्तविक एजेंट उपयोग मामले, schema और MCP सुधार, टोकन बजट, निर्यात और सुरक्षा — ऊपर के मार्गदर्शित बिल्डर से संरेखित।
AI एजेंट बिल्डर गाइड — यहाँ से शुरू करें
यह पृष्ठ DevUtilities के AI एजेंट बिल्डर से LLM एजेंट बनाने की प्रामाणिक गाइड है। पढ़ते समय ऊपर के गाइडेड वर्कफ़्लो का उपयोग करें, या नीचे किसी विषय पर जाएँ। Schemas, MCP JSON, प्रॉम्प्ट और टोकन गिनती आपके ब्राउज़र में रहती हैं — अनुमान के लिए कुछ अपलोड नहीं होता।
AI एजेंट बिल्डर क्या करता है
AI एजेंट बिल्डर उत्पादन-तैयार एजेंट कॉन्फ़िग जोड़ने के लिए एक क्लाइंट-साइड वर्कशॉप है: OpenAI function calling के लिए JSON Schema टूल, Cursor और Claude Desktop के लिए mcpServers सत्यापन, system prompts, संयुक्त टोकन बजट, और टीम हैंडऑफ़ के लिए निर्यात योग्य आर्टिफ़ैक्ट।
आपको क्या मिलता है
- चार वर्कफ़्लो मोड: पूर्ण एजेंट, केवल function calling, MCP सेटअप, संरचित प्रतिक्रिया
- स्टार्टर टेम्पलेट: Filesystem MCP, OpenAI function calling, संरचित क्लासिफ़ायर
- उदाहरण-JSON → JSON Schema अनुमान वैकल्पिक सख्त additionalProperties: false के साथ
- JSON-pointer त्रुटियों और चेतावनियों के साथ स्थानीय MCP lint
- प्रॉम्प्ट, minified tools और MCP JSON पर संयुक्त टोकन बजट
- निर्यात: OpenAI tools JSON, response_format, MCP कॉन्फ़िग, markdown सारांश, पूर्ण बंडल
इस बिल्डर का उपयोग तब करें जब
- आपको OpenAI tools JSON चाहिए और JSON Schema हाथ से नहीं लिखना चाहते
- आप Cursor या Claude Desktop MCP सर्वर जोड़ रहे हैं और पेस्ट से पहले lint चाहते हैं
- आपको साबित करना है कि एजेंट का prompt + tools अभी भी कॉन्टेक्स्ट विंडो में फिट है
- आप एक स्थायी सत्र चाहते हैं जो schema → MCP → prompt → export जोड़ता है
स्टैंडअलोन टूल तब चुनें जब
- केवल गहरी एन्कोडिंग तुलना या लागत गणित चाहिए → LLM Token Counter
- प्रॉम्प्ट के बिना केवल एक बार MCP lint चाहिए → MCP Validator
- नमूने से केवल स्कीमा अनुमान चाहिए → Structured Output Generator
वर्कफ़्लो मोड — सही पथ चुनें
टूल परिभाषित करने से पहले मोड चुनें। मोड अप्रासंगिक चरण छिपाते हैं ताकि खाली पैनल से न लड़ना पड़े।
वर्कफ़्लो मोड
| मोड | शामिल | सर्वोत्तम के लिए |
|---|---|---|
| पूर्ण एजेंट | Tools + schema + MCP + prompt + टोकन बजट + export | एंड-टू-एंड एजेंट जो टूल कॉल करते हैं और स्थानीय MCP सर्वर उपयोग करते हैं |
| Function calling | Tools + schema + prompt + बजट (MCP छोड़ता है) | डेस्कटॉप MCP क्लाइंट के बिना OpenAI / केवल-API एजेंट |
| MCP सेटअप | MCP सत्यापन + prompt + export (टूल स्कीमा छिपाता है) | Cursor / Claude Desktop filesystem या रिमोट MCP वायरिंग |
| संरचित प्रतिक्रिया | एकल आउटपुट JSON Schema + prompt + export | क्लासिफ़ायर और एक्सट्रैक्टर जो एक JSON ऑब्जेक्ट लौटाते हैं |
चरण-दर-चरण: बनाएँ, सत्यापित करें, बजट, निर्यात
पूर्ण एजेंट के लिए पहली बार वॉकथ्रू। टेम्पलेट शॉर्टकट इनमें से कई चरण छोड़ देते हैं।
- पूर्ण एजेंट चुनें (या OpenAI function calling टेम्पलेट लोड करें)।
- टूल परिभाषित करें पर प्रत्येक टूल को स्पष्ट नाम, विवरण और प्रतिनिधि उदाहरण JSON आर्गुमेंट के साथ जोड़ें।
- अनुमानित JSON Schema की समीक्षा करें — OpenAI structured outputs / strict tool calling के लिए सख्त मोड सक्षम करें।
- यदि एजेंट Cursor या Claude Desktop में चलेगा तो mcpServers JSON पेस्ट या संपादित करें; आगे बढ़ने से पहले हर त्रुटि ठीक करें।
- system instructions लिखें जो मॉडल को बताएँ कब कौन सा टूल कॉल करना है और क्या कभी न गढ़ना।
- टोकन बजट खोलें, cl100k_base या o200k_base चुनें, और पुष्टि करें कि संयुक्त कुल आपके मॉडल में फिट है।
- API के लिए OpenAI tools JSON, डेस्कटॉप क्लाइंट के लिए MCP कॉन्फ़िग, और टीम के लिए markdown सारांश निर्यात करें।
- वैकल्पिक रूप से पूर्ण बंडल JSON निर्यात करें ताकि कोई अन्य इंजीनियर बाद में वही सत्र स्थिति पुनः लोड कर सके।
उपयोग मामला: OpenAI function calling सपोर्ट एजेंट
समस्या: आपको OpenAI function calling से मौसम और ऑर्डर देखने वाला कस्टमर-सपोर्ट एजेंट चाहिए, लेकिन हाथ से लिखा JSON Schema सख्त सत्यापन में बार-बार विफल हो रहा है।
यह टूल इसे कैसे हल करता है
- Function calling मोड चुनें या OpenAI function calling टेम्पलेट (मौसम + ऑर्डर लुकअप) लोड करें।
- उदाहरण JSON संपादित करें ताकि उत्पादन में ज़रूरी हर फ़ील्ड कम से कम एक बार आए — गायब कुंजियाँ required गुण नहीं बनेंगी।
- सख्त मोड सक्षम करें ताकि हर ऑब्जेक्ट additionalProperties: false उत्सर्जित करे।
- system prompt कसें: ऑर्डर ID पुष्टि करें, टूल परिणाम कभी न गढ़ें, जवाब संक्षिप्त रखें।
- यदि GPT-4o पर डिप्लॉय करते हैं तो o200k_base के तहत टोकन बजट जाँचें।
- OpenAI tools JSON निर्यात करें और अपने Chat Completions या Responses API क्लाइंट में पेस्ट करें।
परिणाम: सख्त, API-तैयार tools ऐरे और स्कीमा से मेल खाता प्रॉम्प्ट — अलग स्कीमा एडिटर के बिना।
उपयोग मामला: Cursor / Claude Desktop filesystem MCP
समस्या: Cursor या Claude Desktop आपका mcp.json अस्वीकार करता है, या filesystem सर्वर गलत डायरेक्टरी से शुरू होकर डिस्क का बहुत अधिक हिस्सा देख सकता है।
यह टूल इसे कैसे हल करता है
- MCP सेटअप मोड चुनें या Filesystem MCP टेम्पलेट लोड करें।
- /path/to/allowed/dir को उस एकमात्र डायरेक्टरी के निरपेक्ष पथ से बदलें जिसे एजेंट छू सकता है।
- सत्यापन चलाएँ — गायब command/args, अमान्य URL, और गैर-string env मान ठीक करें।
- ब्राउज़र में lint करते समय प्लेसहोल्डर env मान (उत्पादन सीक्रेट नहीं) उपयोग करें।
- सत्यापित mcpServers JSON को अपने Cursor या Claude Desktop कॉन्फ़िग में निर्यात करें।
- विनाशकारी फ़ाइल संचालन से पहले पुष्टि माँगने वाले system instructions जोड़ें।
परिणाम: lint किया गया MCP क्लाइंट कॉन्फ़िग और डेस्कटॉप ऐप पुनः आरंभ करने से पहले सर्वर क्षमताओं से मेल खाता प्रॉम्प्ट।
उपयोग मामला: संरचित सेंटीमेंट क्लासिफ़ायर
समस्या: मॉडल को भावना, विश्वास, विषय और छोटा सारांश JSON में लौटाना है — मुक्त-रूप उत्तर आपके डाउनस्ट्रीम पार्सर को तोड़ देते हैं।
यह टूल इसे कैसे हल करता है
- संरचित प्रतिक्रिया मोड चुनें या संरचित क्लासिफ़ायर टेम्पलेट लोड करें।
- उदाहरण JSON को उस सटीक आकार से मिलाएँ जो आपकी पाइपलाइन अपेक्षा करती है।
- सख्त मोड सक्षम करें ताकि अघोषित कुंजियाँ सत्यापन पर अस्वीकृत हों।
- JSON ऑब्जेक्ट के बाहर गद्य मना करने वाला system prompt लिखें।
- OpenAI structured outputs के लिए response_format json_schema निर्यात करें।
- पुष्टि करें कि टोकन बजट में वर्गीकृत किए जाने वाले इनपुट दस्तावेज़ के लिए जगह बची है।
परिणाम: मेल खाती निर्देशों के साथ structured-output API में डालने योग्य एकल आउटपुट स्कीमा।
उपयोग मामला: डिप्लॉय से पहले एजेंट टोकन ओवरफ़्लो पकड़ें
समस्या: तीन टूल और लंबा MCP कॉन्फ़िग जोड़ने के बाद, चैट इतिहास शामिल होने पर एजेंट का संयुक्त प्रॉम्प्ट GPT-4o के व्यावहारिक बजट में नहीं फिट होता।
यह टूल इसे कैसे हल करता है
- टोकन बजट चरण खोलें और prompt + minified tools + MCP JSON का संयुक्त कुल नोट करें।
- टूल विवरण छोटा करें और required स्कीमा फुला देने वाले अप्रयुक्त उदाहरण फ़ील्ड हटाएँ।
- हमेशा-चालू system prompt से विस्तृत नीति पाठ को ऑन-डिमांड पुनर्प्राप्ति में ले जाएँ।
- यदि केवल गहरी एन्कोडिंग गणित चाहिए, तो जोड़ा गया पेलोड LLM Token Counter में कॉपी करें।
- केवल तब पुनः निर्यात करें जब बजट इतिहास और completions के लिए आरामदायक मार्जिन दिखाए।
परिणाम: आप ओवरफ़्लो बिल्डर में पकड़ते हैं — उत्पादन की पहली 400 त्रुटि के बाद नहीं।
उदाहरण JSON से टूल स्कीमा अनुमान
उदाहरण JSON सख्त JSON होना चाहिए। केवल उदाहरण में मौजूद कुंजियाँ required गुण बनती हैं। नेस्टेड ऑब्जेक्ट और ऐरे नमूना मानों से प्रकार अनुमानित करते हैं।
व्यावहारिक नियम
- हर फ़ील्ड शामिल करें जो मॉडल भेज सके — छोड़ना मतलब “required नहीं”, “default वाला वैकल्पिक” नहीं।
- यथार्थवादी enum को string नमूने के रूप में उपयोग करें, फिर स्पष्ट enum ऐरे चाहिए तो स्कीमा हाथ से संपादित करें।
- सख्त मोड सक्षम करें ताकि हर ऑब्जेक्ट पर additionalProperties: false आए — OpenAI structured outputs और strict tool calling के लिए अनुशंसित।
- खाली ऐरे कमज़ोर item प्रकार अनुमानित करते हैं — कम से कम एक प्रतिनिधि तत्व जोड़ें।
Cursor और Claude के लिए MCP क्लाइंट सत्यापन
Stdio सर्वर को command और आमतौर पर args चाहिए। रिमोट सर्वर को मान्य http या https url चाहिए। Env मान string होने चाहिए। त्रुटियाँ निर्यात विश्वास रोकती हैं; चेतावनियाँ मैन्युअल पास के लायक हैं।
सामान्य क्लाइंट एनवेलप
- शीर्ष-स्तरीय कुंजी Cursor और Claude Desktop परंपराओं के अनुसार "mcpServers" होनी चाहिए
- Filesystem सर्वर को निरपेक्ष allow-list पथ उपयोग करने चाहिए
- ब्राउज़र में संपादन करते समय env प्लेसहोल्डर प्राथमिकता दें; वास्तविक सीक्रेट केवल स्थानीय मशीन पर इंजेक्ट करें
संयुक्त टोकन बजट संयोजन
टोकन गिनती system prompt, minified टूल स्कीमा और MCP JSON जोड़ती है। GPT-4 / Claude सन्निकटन के लिए cl100k_base या GPT-4o के लिए o200k_base चुनें। गिनती स्थानीय tiktoken तालिकाओं का उपयोग करती है — कोई API कॉल नहीं।
- संख्या को फ़्लोर मानें: चैट इतिहास और टूल परिणाम रनटाइम पर और जोड़ते हैं
- हर स्कीमा या प्रॉम्प्ट संपादन के बाद पुनः जाँचें
- जब कस्टम पेलोड पर बाउंडरी मैप या मासिक लागत कार्ड चाहिए तो LLM Token Counter उपयोग करें
निर्यात आर्टिफ़ैक्ट और कब किसे उपयोग करें
निर्यात आर्टिफ़ैक्ट
| निर्यात | सामग्री | इसके लिए उपयोग करें |
|---|---|---|
| OpenAI tools JSON | name, description, parameters schema वाला tools ऐरे | Chat Completions / Responses function calling |
| संरचित प्रतिक्रिया | response_format json_schema | टूल के बिना सख्त JSON उत्तर |
| MCP कॉन्फ़िग | सत्यापित mcpServers ऑब्जेक्ट | Cursor या Claude Desktop क्लाइंट फ़ाइलें |
| Markdown सारांश | tools, MCP, prompt, बजट का मानव-पठनीय अवलोकन | PR विवरण और रनबुक |
| पूर्ण बंडल | मेटाडेटा, सत्यापन स्थिति और सत्र पेलोड | टीम हैंडऑफ़ और सत्र पुनर्स्थापना |
ठीक करें: OpenAI सख्त स्कीमा अस्वीकृति
लक्षण: OpenAI tools पेलोड अस्वीकार करता है, या मॉडल वे आर्गुमेंट पास नहीं कर पाता जो आपके ऐप को वास्तव में चाहिए।
यह क्यों होता है
सख्त स्कीमा अघोषित कुंजियाँ अस्वीकार करती हैं। यदि उदाहरण JSON ने फ़ील्ड छोड़ा, वह कभी गुण नहीं बना। यदि सख्त मोड बंद है, OpenAI structured-output सीमाएँ अभी भी खुले ऑब्जेक्ट अस्वीकार कर सकती हैं।
निदान
अनुमानित स्कीमा properties की तुलना उन आर्गुमेंट से करें जो आपका ऐप भेजता है। OpenAI structured outputs लक्ष्य करते समय सख्त मोड सक्षम होने की जाँच करें।
सुधार
- गायब कुंजियाँ उदाहरण JSON में जोड़ें और स्कीमा पुनः उत्पन्न करें।
- सख्त मोड सक्षम करें ताकि नेस्टेड ऑब्जेक्ट पर additionalProperties: false सुसंगत हो।
- OpenAI की structured output सीमाओं के अनुसार असमर्थित रचनाएँ (गहरे नेस्टेड oneOf, विदेशी प्रकार) छोटा करें।
- tools JSON पुनः निर्यात करें और ज्ञात-सही आर्गुमेंट पेलोड से पुनः परीक्षण करें।
ठीक करें: MCP ट्रांसपोर्ट और एनवेलप त्रुटियाँ
लक्षण: command/url पर सत्यापन त्रुटियाँ, क्लाइंट सर्वर स्पॉन नहीं कर पाता, या रिमोट ट्रांसपोर्ट कभी कनेक्ट नहीं होता।
यह क्यों होता है
बिना command के stdio, बिना http(s) URL के रिमोट, संख्यात्मक env मान, या गलत शीर्ष-स्तरीय कुंजियाँ क्लाइंट पार्सर तोड़ती हैं।
निदान
प्रत्येक lint त्रुटि का JSON pointer पढ़ें। पुष्टि करें कि एनवेलप mcpServers उपयोग करता है और प्रत्येक सर्वर या तो stdio (command) या रिमोट (url) है, टूटा हाइब्रिड नहीं।
सुधार
- stdio सर्वर के लिए command और args जोड़ें; सभी env मान string के रूप में उद्धृत करें।
- रिमोट MCP ट्रांसपोर्ट के लिए http:// या https:// URL उपयोग करें।
- शीर्ष-स्तरीय कुंजी नाम mcpServers पर ठीक करें।
- त्रुटियाँ समाप्त होने तक पुनः सत्यापित करें; शिपिंग से पहले चेतावनियाँ प्राथमिकता दें।
ठीक करें: MCP env से सीक्रेट लीक
लक्षण: निर्यात JSON, git diff, या बिल्डर स्क्रीनशॉट में API कुंजियाँ दिखाई देती हैं।
यह क्यों होता है
MCP env ब्लॉक सादा JSON हैं। ब्राउज़र टूल में — भले स्थानीय — उत्पादन सीक्रेट पेस्ट करने से क्लिपबोर्ड, स्क्रीन शेयर और आकस्मिक कमिट से लीक जोखिम बढ़ता है।
निदान
निर्यात और MCP पैनल में sk-, Bearer, या विक्रेता कुंजी पैटर्न खोजें। जाँचें कि कमिट किए गए कॉन्फ़िग में केवल प्लेसहोल्डर हों।
सुधार
- बिल्डर में सीक्रेट को ${ENV_VAR} शैली प्लेसहोल्डर से बदलें।
- वास्तविक मान केवल स्थानीय डेस्कटॉप क्लाइंट या डिप्लॉयमेंट सीक्रेट स्टोर में इंजेक्ट करें।
- चैट, टिकट या साझा स्क्रीन में पेस्ट की गई कोई भी कुंजी रोटेट करें।
- mcp.json और एजेंट बंडल फ़ाइलों के लिए pre-commit सीक्रेट स्कैन जोड़ें।
यह वर्कस्पेस आपका कॉन्फ़िग अपलोड नहीं करता — लेकिन क्लिपबोर्ड और git अभी भी लीक कर सकते हैं।
सुरक्षा चेकलिस्ट
- MCP env ब्लॉक में API कुंजियाँ कभी कमिट न करें — पर्यावरण चर प्लेसहोल्डर उपयोग करें
- Filesystem MCP सर्वर के लिए निरपेक्ष, न्यूनतम-विशेषाधिकार पथ उपयोग करें
- उत्पादन प्रॉम्प्ट में बड़े few-shot उदाहरण जोड़ने से पहले टोकन बजट की समीक्षा करें
- सख्त स्कीमा प्राथमिकता दें ताकि टूल अप्रत्याशित कुंजियाँ स्वीकार न करें
- यदि निर्यात बंडल में आंतरिक टूल नाम या इन्फ्रा होस्ट हों तो उन्हें संवेदनशील मानें
एजेंट बिल्डर सर्वोत्तम अभ्यास
- टेम्पलेट से शुरू करें, फिर अनावश्यक टूल हटाएँ — छोटे स्कीमा सस्ते और सुरक्षित हैं
- system-prompt निर्देशों से मेल खाते स्पष्ट क्रियाओं से टूल नाम दें (lookup_order, get_weather)
- एक स्रोत सत्य रखें: विचलित स्कीमा प्रतियाँ बनाए रखने के बजाय इस बिल्डर से निर्यात करें
- हर पथ या command बदलाव के बाद MCP पुनः सत्यापित करें
- markdown निर्यात में टोकन बजट दस्तावेज़ करें ताकि समीक्षक PR में लागत प्रभाव देखें
- गहरी एन्कोडिंग diff के लिए LLM Token Counter; जोड़े गए एजेंट के लिए यह बिल्डर उपयोग करें
अक्सर पूछे जाने वाले प्रश्न
सामान्य डिबगिंग समस्याओं और डेटा गोपनीयता से जुड़े विस्तृत उत्तर।
आधिकारिक दस्तावेज़ और संदर्भ
इस उपयोगिता के लिए प्रामाणिक विनिर्देश और प्लेटफ़ॉर्म दस्तावेज़।