ورسل کے سی ای او گیلرمو راچ: ماڈلز کو ایجنٹس سے الگ کرنے کی جنگ

روزانہ 60 لاکھ ڈیپلائمنٹس۔ ان میں سے نصف کوڈنگ ایجنٹس کے ذریعے متحرک۔ ورسل کے بنیادی ڈھانچے میں ہر 24 گھنٹے میں ایک ٹریلین ٹوکنز بہہ رہے ہیں۔ جب گیلرمو راچ پروڈکشن میں AI کے بارے میں بات کرتے ہیں، تو وہ نظریہ نہیں دے رہے — وہ براہ راست ڈیٹا سے پڑھ رہے ہیں۔ ورسل کی ShipNYC کانفرنس کے بعد حالیہ TechCrunch انٹرویو میں، راچ نے ایک تیز دلیل پیش کی جو AI بنیادی ڈھانچے کی سمت کے بالکل مرکز تک پہنچتی ہے: ماڈلز اور ایجنٹس کو الگ کرنے کی ضرورت ہے، اور جو ڈیولپرز یہ سب سے پہلے سمجھتے ہیں وہی وہ نظام بنائیں گے جو واقعی پروڈکشن میں قائم رہتے ہیں۔

یہ بات صرف ورسل کے اپنے روڈ میپ سے بہت آگے تک اہم ہے۔ ایشیا کے ڈیولپرز کے لیے — تیزی سے شپ کرنا، اخراجات پر قریبی نظر رکھنا، اور بڑھتی ہوئی تعداد میں AI-native مصنوعات بنانا جو Silicon Valley سے مختلف رفتار سے کام کرتے ہیں — راچ کا نقطہ نظر ایجنٹ آرکیٹیکچر کے بارے میں سوچنے کے لیے ایک عملی لینس فراہم کرتا ہے۔

کیا ہوا

ورسل کے سی ای او گیلرمو راچ ماڈلز کو ایجنٹس سے الگ کرنے کی جنگ صرف ایک دل کش سرخی نہیں ہے۔ یہ ایک حقیقی آرکیٹیکچرل تناؤ کو بیان کرتا ہے جو راچ کے مطابق واضح ہو گیا جب ورسل نے پروٹوٹائپنگ کے مرحلے سے آگے بڑھ کر اپنی تنظیم کے اندر ایجنٹس کو بڑے پیمانے پر چلانا شروع کیا۔

TechCrunch انٹرویو کے مطابق، گزشتہ سال پروٹوٹائپنگ کے بارے میں تھا — "ایجنٹس کو آزاد کریں، ہر کوئی بنا سکتا ہے۔" ورسل نے پورے کمپنی میں سیکڑوں ایجنٹس نامیاتی طور پر تعینات کیے اور تیزی سے سیکھا۔ سخت سبق تب آئے جب وہ ایجنٹس پروڈکشن میں پہنچے۔ راچ کی مرکزی بصیرت: جب آپ پروڈکشن کے لیے بہتری کرتے ہیں، تو آپ فوری طور پر قیمت سے کارکردگی کو دیکھنا شروع کرتے ہیں۔ یہ ایک سوال کو مجبور کرتا ہے جو زیادہ تر ٹیمز پروٹوٹائپ مرحلے میں چھوڑ دیتے ہیں — کیا ماڈل اور ایجنٹ منطق واقعی ایک ساتھ بندل ہونی چاہیے؟

انہیں الگ کرنے کی دلیل سیدھی ہے۔ ایک ایجنٹ ایک لوپ ہے: یہ سیاق و سباق کو سمجھتا ہے، کسی عمل کا فیصلہ کرتا ہے، اسے انجام دیتا ہے، اور دوہراتا ہے۔ ماڈل صرف اس لوپ کے اندر استدلال کا جزو ہے۔ جب وہ سختی سے منسلک ہوں — جب آپ کا ایجنٹ بنیادی طور پر ایک مخصوص ماڈل کے API کے ارد گرد ایک wrapper ہو — آپ ماڈلز کو تبدیل کرنے کی صلاحیت کھو دیتے ہیں جیسے منظر نامہ بدلتا ہے، ہر کام کی قسم کے لیے اخراجات کو بہتر بنانا، یا سادہ ذیلی کاموں کے لیے سستے، تیز ماڈلز تک رسائی حاصل کرنا بغیر اپنی ایجنٹ منطق کو دوبارہ لکھے۔

ورسل کا AI gateway، جو اب روزانہ 1 ٹریلین سے زیادہ ٹوکنز پروسیس کرتا ہے، اس مسئلے کا جزوی جواب ہے۔ یہ ایجنٹس اور ماڈلز کے درمیان بیٹھتا ہے، ماڈل لیئر کو abstract کرتا ہے تاکہ ایجنٹ منطق portable رہے۔ راچ کی پوزیشن یہ ہے کہ ورسل جیسی platform کمپنیاں اب بڑی لیبز کے ساتھ براہ راست تناؤ میں ہیں، بالکل اس لیے کہ لیبز کے پاس ماڈلز اور ایجنٹس کو bundled رکھنے کی ساختی حوصلہ افزائی ہے — lock-in ٹوکن revenue کے لیے اچھا ہے۔ Platform کمپنیوں کے پاس مخالف حوصلہ افزائی ہے: portability اور composability ڈیولپرز کو platform پر رکھتے ہیں چاہے کون سا ماڈل اگلے benchmark cycle میں جیتے۔

یہ ایک حقیقی اہم ساختی جنگ ہے، اور یہ بنیادی ڈھانچے کے فیصلوں میں کھیل رہی ہے جو ڈیولپرز ابھی بنا رہے ہیں۔

ایشیا کے لیے یہ کیوں اہم ہے

ایشیا کے AI ڈیولپر ایکو سسٹم کا اس ماڈل بمقابلہ ایجنٹ تناؤ کے ساتھ ایک مخصوص تعلق ہے جو مغربی تبصرہ اکثر یاد کرتا ہے۔ جنوب مشرقی ایشیا، جنوبی کوریا، جاپان، اور ہندوستان کے ڈیولپرز صرف OpenAI یا Anthropic پر تعمیر نہیں کر رہے۔ یہاں ماڈل کا منظر نامہ واقعی pluralistic ہے — Alibaba کی Qwen سیریز، DeepSeek، Baidu کا ERNIE، اور علاقائی زبانوں کے لیے fine-tuned کھلے وزن والے ماڈلز کا بڑھتا ہوا stack سب پروڈکشن workloads کے لیے مقابلہ کرتے ہیں۔ یہ کمزوری نہیں ہے۔ یہ واقعی ایک ساختی فائدہ ہے اگر آپ کا ایجنٹ آرکیٹیکچر پہلے دن سے ماڈل portability کے لیے بنایا گیا ہو۔

قیمت کی حساسیت ایک اور عامل ہے۔ جکارتہ یا ہو چی منہ سٹی میں ایک startup جو AI-native مصنوع بنا رہا ہے وہ San Francisco میں Series B کمپنی کے جیسے margin assumptions کے ساتھ کام نہیں کر رہا۔ جب راچ "price/performance" کے بارے میں بات کرتے ہیں جیسے پروڈکشن میں غالب فکر، یہ ایشیا میں مختلف طریقے سے گونجتا ہے — یہ ایک اچھا ہونا optimization نہیں ہے، یہ اکثر ایک قابل عمل کاروبار اور ایک ایسے کاروبار کے درمیان فرق ہے جو inference اخراجات پر جل جاتا ہے اس سے پہلے کہ یہ product-market fit تلاش کرے۔

latency کی بھی ایک جہت ہے۔ ایجنٹ کالز کو US-based ماڈل endpoint کے ذریعے routing کرنا ایشیا میں end users کے لیے حقیقی latency متعارف کراتا ہے۔ ایک آرکیٹیکچر جو ایجنٹ orchestration کو ماڈل selection سے صاف طریقے سے الگ کرتا ہے یہ بہت آسان بناتا ہے regionally deployed ماڈلز تک routing کرنا — چاہے یہ Alibaba Cloud پر Qwen deployment ہو، local provider پر DeepSeek endpoint ہو، یا آپ کے اپنے بنیادی ڈھانچے پر چل رہا open-weight ماڈل ہو۔ راچ کا framework، ایشیائی سیاق و سباق میں لاگو کیا گیا، صرف قیمت کے بارے میں نہیں ہے — یہ ایسے نظام بنانے کے بارے میں ہے جو واقعی ان صارفین کے لیے اچھی کارکردگی دیتے ہیں جن کی آپ خدمت کر رہے ہیں۔

MonstarX پر تعمیر کرنے والے بانیوں کے لیے، ایشیا کا AI-native dev platform، یہ آرکیٹیکچرل اصول براہ راست اس سے منسلک ہے کہ آپ کو آج اپنے ایجنٹ stack کے بارے میں کیسے سوچنا چاہیے۔ وہ ٹیمز جو اپنی ایجنٹ منطق میں ماڈل dependencies کو hard-code کرتے ہیں وہ تکنیکی قرض جمع کر رہے ہیں جو تکلیف دہ ہوگا جب ایک بہتر، سستا، یا تیز ماڈل دستیاب ہو — اور ایشیا کے ماڈل landscape میں، یہ زیادہ تر لوگوں کی توقع سے کم cycle میں ہوتا ہے۔

ڈیولپرز کے لیے اس کا مطلب

راچ کی دلیل کا عملی مطلب یہ ہے کہ ایجنٹ آرکیٹیکچر کسی بھی دوسری distributed system کی طرح ڈیزائن discipline کے قابل ہے۔ یہاں اس کے بارے میں ٹھوس طریقے سے سوچنے کا طریقہ ہے۔

ماڈلز کو بنیادی ڈھانچے کے طور پر سلوک کریں، شناخت نہیں۔ آپ کے ایجنٹ کی قیمت اس کی orchestration منطق میں ہے، اس کی memory management میں، اس کے tool use میں، اور اس کے کاموں کو decompose کرنے کی صلاحیت میں۔ ان میں سے کوئی بھی اس سے entangled نہیں ہونا چاہیے کہ آپ کون سا ماڈل کال کر رہے ہیں۔ اپنے ایجنٹ loop اور اپنی ماڈل کالز کے درمیان ایک صاف interface define کریں — یہاں تک کہ اگر آپ آج صرف ایک ماڈل استعمال کر رہے ہیں۔

اس کا ایک minimal ورژن آپ کی ماڈل کالز کو ایک single function کے پیچھے abstract کرنے جیسا لگتا ہے:

async function callModel(prompt, options = {}) {
  const { model = process.env.DEFAULT_MODEL, temperature = 0.2 } = options;
  return await modelGateway.complete({ prompt, model, temperature });
}

یہ single abstraction layer کا مطلب ہے GPT-4o سے Qwen-Max سے DeepSeek-V3 میں تبدیل کرنا ایک config تبدیلی ہے، refactor نہیں۔ یہ واضح لگتا ہے، لیکن اب لکھے جا رہے ایجنٹ codebases کی اکثریت یہ نہیں کرتی — وہ OpenAI SDK کو براہ راست کہتے ہیں، ہر جگہ، ماڈل کے نام کے ساتھ hardcoded۔

شروع سے multi-model routing کے لیے ڈیزائن کریں۔ آپ کے ایجنٹ میں ہر subtask کو ایک جیسے ماڈل کی ضرورت نہیں ہے۔ ایک document summarization step ایک چھوٹے، تیز ماڈل پر سستے میں چل سکتا ہے۔ ایک پیچیدہ reasoning step کو ایک frontier ماڈل کی ضرورت ہو سکتی ہے۔ اگر آپ کی ایجنٹ منطق ماڈل layer سے decoupled ہے، تو آپ کام کی قسم کے لحاظ سے routing کر سکتے ہیں بغیر کچھ بھی دوبارہ لکھے۔ یہ وہ جگہ ہے جہاں Vercel کا AI gateway play سمجھ میں آتا ہے — یہ بنیادی ڈھانچہ ہے بالکل اس قسم کی routing کے لیے scale میں۔

ہر ایجنٹ step میں token اخراجات کو monitor کریں، نہ کہ صرف ہر session میں۔ جب آپ ماڈلز کو ایجنٹس سے الگ کرتے ہیں، تو آپ کو observability ملتی ہے جو آپ کے پاس پہلے نہیں تھی۔ آپ دیکھ سکتے ہیں کہ آپ کے ایجنٹ loop میں کون سے steps سب سے زیادہ tokens استعمال کر رہے ہیں، کون سی ماڈل کالز ان کی قیمت کے نسبت کم معیار کے outputs دے رہی ہیں، اور جہاں آپ ایک سستے ماڈل کو substitute کر سکتے ہیں بغیر حتمی نتیجے کو خراب کیے۔ یہ "price/performance" optimization ہے جو راچ بیان کر رہے ہیں — یہ صرف تب ممکن ہوتا ہے جب ساختی الگ تھلگ موجود ہو۔

failure modes کے بارے میں مختلف طریقے سے سوچیں۔ ایک سختی سے coupled ماڈل-ایجنٹ نظام مکمل طور پر ناکام ہو جاتا ہے جب ماڈل API down ہو یا آپ کو rate-limit کرے۔ ایک decoupled نظام ایک متبادل ماڈل میں واپس جا سکتا ہے، gracefully degrade کر سکتا ہے، یا کام کو queue کر سکتا ہے۔ پروڈکشن نظام کے لیے جو حقیقی