15 मिनट में अपना पहला AI एजेंट कैसे बनाएं

विषय-सूची

जून 2026 में अपडेटेड।

TL;DR: आपको किसी फ्रेमवर्क, कोर्स या पीएचडी की ज़रूरत नहीं है। आपको चाहिए Node.js, Anthropic SDK, और 25 लाइनें TypeScript की। यह ट्यूटोरियल एक असली, काम करने वाला एजेंट बनाता है — एक संरचित कंटेंट सारांशकर्ता जिसे आप उसी सेशन में Cloudflare पर डिप्लॉय कर सकते हैं। एकमात्र पूर्वापेक्षा है एक मुफ़्त API की।

[ऑपरेटर का नज़रिया] AI से ऑटोमेट करना चाहने वाले संस्थापकों से मैं सबसे आम जो बात सुनता हूँ वह है “मुझे पहले और सीखना होगा”। नहीं, ऐसा नहीं है। एजेंट पैटर्न सरल है, और इसे समझने का सबसे तेज़ तरीका है एक बनाना। अगर मैं आज शून्य से शुरू करता तो जो सटीक रास्ता अपनाता, वह यहाँ है।

क्यों ज़्यादातर “AI एजेंट बनाएं” ट्यूटोरियल आपको निराश करते हैं

वे या तो Python का इस्तेमाल करते हैं (ML इंजीनियरों के लिए ठीक, बाकी सबके लिए रुकावट), या असली कोड को LangChain जैसे फ्रेमवर्क के पीछे छिपा देते हैं, या कुछ इतना अमूर्त बना देते हैं कि उसे आपके असली काम से जोड़ा ही न जा सके।

यह ट्यूटोरियल तीन चीज़ें अलग तरह से करता है:

1. केवल TypeScript — अगर आपने कभी JavaScript लिखा है, तो आप इसे फ़ॉलो कर सकते हैं
2. कोई फ्रेमवर्क नहीं — आप कोड की हर वह लाइन देखेंगे जो मॉडल को छूती है
3. एक उपयोगी आउटपुट — आप एक संरचित सारांशकर्ता बनाएंगे जिसे आप वाकई ग्राहक ईमेल, समीक्षाओं या मीटिंग नोट्स पर इस्तेमाल कर सकते हैं

आप क्या बना रहे हैं

एक कंटेंट सारांशकर्ता एजेंट: कोई भी टेक्स्ट ब्लॉक पेस्ट करें, और एक सुसंगत प्रारूप में संरचित सारांश वापस पाएं। एक HTTP अनुरोध अंदर, एक साफ़ सारांश बाहर।

इसे पहले प्रोजेक्ट के रूप में क्यों: यह पैटर्न — सिस्टम प्रॉम्प्ट + उपयोगकर्ता इनपुट → संरचित आउटपुट — हर उस एजेंट की नींव है जिसे मैं चलाता हूँ। सिस्टम प्रॉम्प्ट बदलिए और आपके पास एक प्रश्न-उत्तरकर्ता, एक टोन पुनर्लेखक, एक वर्गीकरणकर्ता, या एक मसौदा जनरेटर होगा। इसे एक बार सीख लीजिए और आपने वह 80% सीख लिया जो प्रोडक्शन एजेंट असल में करते हैं।

पूर्वापेक्षाएँ (2 मिनट)

• Node.js 18+ — node --version से जाँचें। ज़रूरत हो तो nodejs.org से इंस्टॉल करें।
• एक Anthropic API की — Claude पर साइन अप करें, कंसोल से एक की लें। फ्री टियर काम करता है।
• एक टर्मिनल और एक टेक्स्ट एडिटर।

कोई Docker नहीं। कोई वर्चुअल एनवायरनमेंट नहीं। कुछ भी pip install नहीं।

चरण 1: प्रोजेक्ट बनाएं (2 मिनट)

mkdir my-first-agent && cd my-first-agent
npm init -y
npm install @anthropic-ai/sdk
npm install -D tsx typescript

एजेंट को आसानी से चलाने के लिए package.json में एक स्क्रिप्ट जोड़ें:

{
  "scripts": {
    "agent": "tsx agent.ts"
  }
}

चरण 2: एजेंट लिखें (5 मिनट)

agent.ts बनाएं और यह पेस्ट करें:

import Anthropic from "@anthropic-ai/sdk";

const client = new Anthropic({
  apiKey: process.env.ANTHROPIC_API_KEY,
});

const SYSTEM_PROMPT = `You are a precise content summarizer. When given any block of text, return a structured summary in this exact format:

**One-line summary:** <the core point in one sentence>

**Key points:**
- <point 1>
- <point 2>
- <point 3 if applicable>

**Action item (if any):** <one concrete next step, or "None">

Be specific. No filler. Under 150 words total.`;

async function summarize(text: string): Promise<string> {
  const message = await client.messages.create({
    model: "claude-haiku-4-5",
    max_tokens: 512,
    system: SYSTEM_PROMPT,
    messages: [{ role: "user", content: text }],
  });

  const block = message.content[0];
  if (block.type !== "text") throw new Error("Unexpected response type");
  return block.text;
}

const sample = `
  Hey team — following up on the Q2 review meeting.
  We agreed to push the launch to July 15th instead of June 30th
  due to the payment integration delay. Marketing needs the new
  landing page copy by June 20th or we can't start the email campaign.
  Budget for the launch campaign is confirmed at $8,000.
  Please confirm receipt.
`;

const result = await summarize(sample);
console.log(result);

चरण 3: इसे चलाएं (1 मिनट)

ANTHROPIC_API_KEY=sk-ant-... npm run agent

अपेक्षित आउटपुट:

**One-line summary:** Launch pushed to July 15th due to payment delay; landing page copy needed by June 20th to unblock email campaign.

**Key points:**
- Launch date moved from June 30th to July 15th
- Landing page copy deadline: June 20th (blocks email campaign)
- Campaign budget confirmed at $8,000

**Action item (if any):** Confirm receipt and deliver landing page copy by June 20th.

यह एक काम करने वाला AI एजेंट है। असली इनपुट, कस्टम सिस्टम प्रॉम्प्ट, संरचित आउटपुट। पूरी चीज़ 30 लाइनों का कोड है।

चरण 4: इसे अपने उपयोग के लिए अनुकूलित करें

सिस्टम प्रॉम्प्ट ही एकमात्र चीज़ है जो इस एजेंट को आपका बनाती है। यहाँ तीन तुरंत बदलकर इस्तेमाल किए जा सकने वाले विकल्प हैं:

ग्राहक समीक्षा वर्गीकरणकर्ता:

Classify this customer review as POSITIVE, NEGATIVE, or MIXED.
Then extract the main complaint or praise in one sentence.
Format: SENTIMENT: <label>
RESUME: <one sentence>

मीटिंग ट्रांसक्रिप्ट → एक्शन आइटम:

Extract all action items from this meeting transcript.
Format each as: [OWNER if mentioned] [ACTION] by [DEADLINE if mentioned]
If owner or deadline is not stated, leave those fields blank.
Return a numbered list. No preamble.

सोशल के लिए टोन पुनर्लेखक:

Rewrite this text in a direct, confident, first-person tone for LinkedIn.
Remove hedging language ("I think", "maybe", "sort of").
Keep it under 200 words. Return only the rewritten text, no commentary.

इनमें से हर एक वही 30-लाइन वाला एजेंट है, बस एक अलग सिस्टम प्रॉम्प्ट के साथ। आपको हर एक के लिए नए प्रोजेक्ट की ज़रूरत नहीं है — बस SYSTEM_PROMPT अपडेट करें और फिर से चलाएं।

चरण 5: प्रोडक्शन में डिप्लॉय करें

एक लोकल स्क्रिप्ट एक प्रोटोटाइप है। एक प्रोडक्शन एजेंट एक शेड्यूल पर या घटनाओं के जवाब में चलता है। जो रास्ता मैं अपनाता हूँ: Cloudflare Workers।

Workers प्रतिदिन 1 लाख अनुरोधों तक मुफ़्त हैं, सेकंडों में डिप्लॉय होते हैं, और किसी भी इन्फ्रास्ट्रक्चर को मैनेज किए बिना आपको cron ट्रिगर, KV स्टोरेज और क्यू देते हैं।

Wrangler इंस्टॉल करें और एक Worker का ढांचा तैयार करें:

npm install -g wrangler
wrangler init my-agent-worker --template worker-typescript
cd my-agent-worker
npm install @anthropic-ai/sdk

अपनी API की को एक सीक्रेट के रूप में स्टोर करें (कभी कोड में नहीं):

wrangler secret put ANTHROPIC_API_KEY

src/index.ts को इससे बदलें:

import Anthropic from "@anthropic-ai/sdk";

export default {
  async fetch(request: Request, env: Env): Promise<Response> {
    const { text } = await request.json<{ text: string }>();

    const client = new Anthropic({ apiKey: env.ANTHROPIC_API_KEY });
    const message = await client.messages.create({
      model: "claude-haiku-4-5",
      max_tokens: 512,
      system: YOUR_SYSTEM_PROMPT,
      messages: [{ role: "user", content: text }],
    });

    const block = message.content[0];
    if (block.type !== "text") return Response.json({ error: "Bad response" }, { status: 500 });
    return Response.json({ summary: block.text });
  },
};

डिप्लॉय करें:

wrangler deploy

अब आपके पास https://my-agent-worker.<your-subdomain>.workers.dev पर एक लाइव API एंडपॉइंट है। इसे Zapier, एक Google Sheets स्क्रिप्ट, एक मोबाइल ऐप से कॉल करें — कहीं से भी जो एक HTTP अनुरोध भेज सके।

आगे क्या बनाएं

एक बार जब बुनियादी पैटर्न काम करने लगे, तो जटिलता तीन रूपों में आती है:

टूल उपयोग (tool use) — मॉडल को तय करने दें कि बाहरी API कब कॉल करनी है। हमेशा एक ही लॉजिक चलाने के बजाय, मॉडल इनपुट के आधार पर चुनता है कि कौन सा टूल इनवोक करना है। इसी तरह आप ऐसे एजेंट बनाते हैं जो खोज करते हैं, डेटाबेस में लिखते हैं, या नोटिफिकेशन भेजते हैं।

चेनिंग (chaining) — एक एजेंट के आउटपुट को दूसरे एजेंट के इनपुट के रूप में पास करें। एक वर्गीकरणकर्ता एक उत्तरदाता तक रूट करता है; एक सारांशकर्ता एक अनुवादक को फ़ीड करता है। प्रोडक्शन में मैं जो अधिकांश एजेंट चलाता हूँ वे दो या तीन चरणों की चेन हैं, एकल कॉल नहीं।

cron ट्रिगर — wrangler.toml में [triggers] crons = ["0 8 * * *"] जोड़ें और आपका एजेंट एक शेड्यूल पर चलता है। कोई पोलिंग नहीं, कोई हमेशा-चालू सर्वर नहीं। इसी तरह वह कंटेंट पाइपलाइन काम करती है जिसका इस्तेमाल मैं इस साइट को चलाने के लिए करता हूँ।

मैंने तीनों पैटर्न को पूर्ण TypeScript कोड के साथ वह एजेंट स्टैक जिसका इस्तेमाल मैं 30+ प्रोडक्शन एजेंट चलाने के लिए करता हूँ में कवर किया है — वह पोस्ट वहीं से शुरू होती है जहाँ यह खत्म होती है।

ऑपरेटर का निचोड़

“एक एजेंट बनाने के बारे में सोचने” और “एक डिप्लॉय किया हुआ एजेंट होने” के बीच का फ़ासला लगभग 15 मिनट और 30 लाइनों के कोड का है। सिस्टम प्रॉम्प्ट ही उत्पाद है — अपनी ऊर्जा वहाँ लगाएं, फ्रेमवर्क चुनने में नहीं। अगर एजेंट आपका हफ़्ते में एक घंटा बचाता है, तो यह साल में 50 घंटे हुए। पहले सरल संस्करण बनाएं, देखें कि यह अपनी कीमत वसूल करता है या नहीं, और फिर जटिलता तभी जोड़ें जब उपयोग का मामला इसकी माँग करे।