AG-UI: वह एजेंट जो एक इंटरफ़ेस स्ट्रीम करता है, न कि एक ट्रांसक्रिप्ट

एजेंट्स जो चैट बॉक्स पर रुक जाते हैं

आज उत्पादन में अधिकांश “AI एजेंट” सिस्टम प्रॉम्प्ट वाले चैट इंटरफेस हैं। इंटरफेस एक टेक्स्ट स्ट्रीम है। उपयोगकर्ता टोकन देखता है। एजेंट वापस टोकन देखता है। उस दुनिया में और कुछ भी मौजूद नहीं है: कोई स्थिति नहीं, कोई संरचना नहीं, और यह भी नहीं पता कि आप किसी प्रक्रिया में कहाँ हैं।

लेकिन वास्तविक काम बातचीत नहीं है। यह UI, अनुमोदन और टूल के साथ एक प्रक्रिया है। एक वेल्थ ऑनबोर्डिंग फ्लो ‘मुझे अपने बारे में बताओ’ नहीं है। यह पहचान सत्यापन है, फिर जोखिम मूल्यांकन, फिर DMN रूटिंग, फिर सलाहकार समीक्षा, फिर खाता खोलना। प्रत्येक चरण की अपनी स्थिति होती है, एक आउटपुट उत्पन्न करता है, और एक निर्णय के साथ समाप्त होता है। इसे चैट ट्रांसक्रिप्ट में बदलने से ठीक वही संरचना खत्म हो जाती है जो काम को ऑडिट करने योग्य बनाती है।

AG-UI इस कमी को पूरा करने के लिए बनाया गया एक प्रोटोकॉल है। टेक्स्ट स्ट्रीम करने के बजाय, बैकएंड टाइप किए गए UI इवेंट्स को फ्रंटएंड पर स्ट्रीम करता है: जनरेटिव कार्ड, टूल कॉल स्टेट्स, ह्यूमन-इन-द-लूप कार्य। एजेंट एक जीवंत इंटरफेस प्रस्तुत करता है, न कि एक ट्रांसक्रिप्ट। Agents, Orchestrated का एपिसोड 2 तब होता है जब आप उस प्रोटोकॉल को चैट फ्रेमवर्क के बजाय एक प्रोसेस इंजन पर इंगित करते हैं।

मैंने क्या बनाया: AURUM Private Bank

यह डेमो एक काल्पनिक निजी बैंक ऑनबोर्डिंग कंसीयर्ज, AURUM Private Bank का है। एक ग्राहक आवेदन करता है। एजेंट पहचान सत्यापन से लेकर खाता खोलने तक पूरे फ्लो को ऑर्केस्ट्रेट करता है, जबकि ऑपरेटर Camunda Operate में उसी रन को एक लाइव प्रोसेस इंस्टेंस के रूप में देखता है।

तीन परतें, और हर एक अपनी जगह बनाती है।

अनुभव। ग्राहक चैटबॉट को टाइप करते हुए नहीं देखता। जैसे-जैसे प्रक्रिया आगे बढ़ती है, कार्ड एक-एक करके इंटरफेस में स्ट्रीम होते हैं: पहचान सत्यापित, जोखिम मूल्यांकन, पोर्टफोलियो अनुशंसित, सलाहकार समीक्षा चिह्नित। प्रत्येक कार्ड React फ्रंटएंड द्वारा प्रस्तुत एक टाइप किया गया AG-UI इवेंट है। यह एक जीवंत UI के रूप में पढ़ा जाता है, न कि एक ट्रांसक्रिप्ट के रूप में, क्योंकि यह वही है। फ्रंटएंड में कोई व्यावसायिक तर्क नहीं है; यह वही प्रस्तुत करता है जो बैकएंड उत्सर्जित करता है।

बैकएंड। यह फ्लो Camunda 8.9 पर निष्पादित होने वाली एक BPMN प्रक्रिया है, और आप टोकन को चलते हुए देख सकते हैं: इंटेक, फिर आइडेंटिटी, फिर रिस्क, फिर DMN रूटिंग, फिर एडवाइजर रिव्यू, फिर AI एजेंट, फिर खाता खोला गया। एडवाइजर रिव्यू चरण एक USER_TASK है, और यह वह विवरण है जिसकी मुझे सबसे ज्यादा परवाह है। जब टोकन इस तक पहुँचता है, तो प्रक्रिया रुक जाती है और एक इंसान का इंतजार करती है। कोई पोलिंग हैक नहीं, कोई वेबहुक ट्रैम्पोलिन नहीं। इंजन की मूल प्रतीक्षा स्थिति। रन का हर चरण Camunda Operate में जैसे ही होता है, वैसे ही दिखाई देता है।

एजेंट। रीजनिंग लेयर मल्टी-मॉडल है। Amazon Bedrock और Gemini पर Claude मॉडल ग्राहक के डेटा पर तर्क करते हैं, 13 टूल में से एक को फायर करते हैं, और काम करते समय मूल रूप से AG-UI इवेंट उत्सर्जित करते हैं। एक ही प्रक्रिया के विभिन्न हिस्सों के पीछे अलग-अलग मॉडल होते हैं, और प्रोसेस इंजन उन्हें ईमानदार रखता है: एक मॉडल प्रस्ताव कर सकता है, लेकिन टोकन तभी आगे बढ़ता है जब चरण पूरा हो जाता है।

एक महत्वपूर्ण कार्यान्वयन नोट: इस बिल्ड में कोई CopilotKit और कोई ChatKit नहीं है। AG-UI को Camunda 8 बैकएंड के खिलाफ सीधे AG-UI EventSource प्रोटोकॉल का उपयोग करके लागू किया गया है, जो एक Node.js बैकएंड-फॉर-फ्रंटएंड से React ऐप तक सादा SSE है। प्रोटोकॉल इतना सरल है कि सीधे जाना एक फ्रेमवर्क अपनाने की तुलना में कम कोड था, और यह साबित करता है कि पैटर्न किसी विशेष फ्रंटएंड किट से जुड़ा नहीं है।

प्रोसेस इंजन ही क्यों महत्वपूर्ण है

मुख्य अंतर्दृष्टि, और इस एपिसोड के अस्तित्व का कारण: जब एक प्रोसेस इंजन ऑर्केस्ट्रेटर होता है, तो एजेंटिक UX को ऐसी विशेषताएँ मिलती हैं जो चैट-नेटिव आर्किटेक्चर में नहीं हो सकतीं। ‘अभी तक नहीं है’ नहीं। संरचनात्मक रूप से नहीं हो सकतीं, क्योंकि चैट आर्किटेक्चर मॉडल के संदर्भ विंडो में स्थिति रखते हैं।

विश्वसनीय। यदि एजेंट फ्लो के बीच में क्रैश हो जाता है, तो BPMN प्रक्रिया वहीं से फिर से शुरू होती है जहाँ टोकन रुका था। स्थिति Camunda में रहती है, LLM के संदर्भ विंडो में नहीं। एक छूटा हुआ कनेक्शन या एक विफल मॉडल कॉल एक पुनः प्रयास है, न कि एक खोया हुआ ऑनबोर्डिंग।

रोका जा सकने वाला। एक User Task फ्लो को रोक सकता है और एक मानवीय निर्णय का इंतजार कर सकता है, एक मिनट या एक सप्ताह के लिए। एजेंट घूमता नहीं है, पोल नहीं करता है, संदर्भ विंडो को खुला नहीं रखता है। प्रक्रिया शून्य लागत पर प्रतीक्षा करती है, और जब सलाहकार कार्य करता है तो फिर से शुरू होती है।

ऑडिट करने योग्य। हर स्थिति संक्रमण, हर टूल कॉल, हर निर्णय Camunda Operate में लॉग किया जाता है। ऑडिट ट्रेल कस्टम लॉगिंग कोड की एक भी पंक्ति के बिना मौजूद है। जब कोई पूछता है ‘इस ग्राहक को सलाहकार समीक्षा के लिए क्यों रूट किया गया’, तो इसका उत्तर एक प्रोसेस इंस्टेंस है जिसे आप खोल सकते हैं, न कि एक लॉग क्वेरी जिसे आप उम्मीद करते हैं कि इंस्ट्रूमेंट किया गया था।

यहाँ पैटर्न ऑर्केस्ट्रेशन-फर्स्ट है, और यह इंजन-अज्ञेयवादी है। Camunda वह है जिसके साथ मैं शिप करता हूँ, लेकिन यह तर्क Temporal या किसी भी ऐसे इंजन के लिए मान्य है जिसमें टिकाऊ स्थिति और मूल प्रतीक्षा स्थितियाँ हों। जिससे आप बच नहीं सकते वह है LLM को ऑर्केस्ट्रेटर बनाना।

यही वह थीसिस है जो संक्षेप में बताती है: एक प्रक्रिया, तीन मॉडल, शून्य ग्लू कोड। BPMN प्रक्रिया एकमात्र समन्वय परत है। मॉडल इसमें प्लग होते हैं। इसे कोई भी विशेष चीज़ एक साथ नहीं रखती है।

जो LinkedIn पोस्ट में नहीं आया

ईमानदार नोट्स, क्योंकि पॉलिश किया गया डेमो वीडियो वास्तविक निर्णयों को छुपाता है।

बैंक काल्पनिक है और ग्राहक डेटा सिंथेटिक है। पहचान और जोखिम चरण ऐसे टूल को कॉल करते हैं जो विश्वसनीय परिणाम देते हैं, न कि वास्तविक KYC प्रदाताओं को। जो वास्तविक है वह आर्किटेक्चर है: एक लाइव Camunda 8.9 क्लस्टर, AI Agent Connector v6, Bedrock और Gemini को वास्तविक मॉडल कॉल, और एक वास्तविक USER_TASK जो वास्तव में प्रक्रिया को तब तक ब्लॉक करता है जब तक कि एक इंसान इसे डेमो के अनुमोदन डेस्क में पूरा नहीं कर देता।

CopilotKit का उपयोग करने के बजाय AG-UI पर सीधे जाने में मुझे इवेंट प्रोटोकॉल पढ़ने और BFF में SSE ब्रिज बनाने में एक दिन लगा। यह इसके लायक था, लेकिन मैं इसकी सिफारिश तभी करूंगा जब आप प्रोटोकॉल को समझना चाहते हों; यदि आप केवल UI चाहते हैं, तो फ्रेमवर्क ठीक हैं।

13 टूल वह संख्या है जिसकी डेमो को आवश्यकता थी, न कि एक बेंचमार्क। मल्टी-मॉडल रूटिंग ने काम किया, लेकिन मैंने डिज़ाइन समय पर प्रति चरण मॉडल चुना। इस बिल्ड में कुछ भी रनटाइम पर मॉडल को गतिशील रूप से नहीं चुनता है, और मैं किसी भी चीज़ को ग्राहक के सामने ऐसा करने देने से पहले एक मूल्यांकन हार्नेस स्थापित करना चाहूंगा।

और ‘शून्य ग्लू कोड’ का दावा सटीकता का हकदार है: शून्य ऑर्केस्ट्रेशन ग्लू। अभी भी एक BFF है जो इंजन इवेंट्स को AG-UI इवेंट्स में अनुवादित करता है। जो अनुपस्थित है वह कोई भी कस्टम कोड है जो यह तय करता है कि आगे क्या होता है। वह निर्णय BPMN में रहता है, जहाँ एक ऑडिटर इसे पढ़ सकता है।

शिप लॉग

• इंजन: Camunda 8.9 (SaaS क्लस्टर), AI Agent Connector v6
• मॉडल: Amazon Bedrock पर Claude, Gemini
• टूल: 13, एजेंट लेयर द्वारा फायर किए गए
• प्रोटोकॉल: SSE (EventSource) पर AG-UI, सीधे लागू किया गया, कोई CopilotKit या ChatKit नहीं
• फ्रंटएंड: React, टाइप किए गए AG-UI इवेंट्स को जनरेटिव कार्ड के रूप में प्रस्तुत करता है
• बैकएंड: Node.js BFF जो Camunda को AG-UI से जोड़ता है
• ह्यूमन गेट: BPMN USER_TASK (Advisor Review), Camunda Operate में लाइव दिखाई देता है
• रेपो: letmereviewyourcode/camunda-agui-wealth-demo