एजेंटिक लूप: AI एजेंट कैसे समझते, सोचते और काम करते हैं
एजेंटिक लूप वह दोहराया जाने वाला समझना-सोचना-काम करना चक्र है जो एक AI एजेंट को कार्य की शुरुआत से अंतिम उत्तर तक ले जाता है। प्रत्येक पुनरावृत्ति में, एजेंट संदर्भ (अवलोकन, टूल परिणाम, मेमोरी) पढ़ता है, अगले चरणों का अनुमान लगाने के लिए LLM को कॉल करता है, एक टूल निष्पादित करता है या एक प्रतिक्रिया लौटाता है, फिर दोहराता है। पुनरावृत्ति सीमाएं, समाप्ति शर्तें और त्रुटि प्रबंधन यह निर्धारित करते हैं कि उत्पादन एजेंट विश्वसनीय है या एक जोखिम। OpenLegion मेश परत पर कठोर सीमाएं लागू करता है, अनियंत्रित लूप को निर्धारक विफलताओं में बदलता है।
एजेंटिक लूप क्या है?
एजेंटिक लूप एक पुनरावृत्त निष्पादन मॉडल है जिसमें एक AI एजेंट बारी-बारी से अपने वातावरण का अवलोकन करता है, एक भाषा मॉडल का उपयोग करके अगली कार्रवाई का अनुमान लगाता है, और उस कार्रवाई को निष्पादित करता है, समाप्ति शर्त पूरी होने तक दोहराता है: कार्य पूर्णता, अधिकतम पुनरावृत्ति, या बजट समाप्ति।
हर AI एजेंट, चाहे कोई भी फ्रेमवर्क हो, इस लूप का कोई न कोई संस्करण चलाता है। सरल कार्य 2-3 पुनरावृत्तियों में पूरे होते हैं। जटिल कार्य 15-30 पुनरावृत्तियों में चल सकते हैं।
प्रत्येक पुनरावृत्ति में लूप के तीन इनपुट और एक आउटपुट होते हैं:
| इनपुट/आउटपुट | सामग्री | पुनरावृत्तियों में संचित? |
|---|---|---|
| सिस्टम प्रॉम्प्ट | एजेंट भूमिका, निर्देश, टूल परिभाषाएं | नहीं — प्रत्येक रन के लिए निश्चित |
| वार्तालाप इतिहास | सभी पिछले मोड़: उपयोगकर्ता संदेश, सहायक विचार, टूल कॉल, टूल परिणाम | हां — प्रत्येक पुनरावृत्ति में बढ़ता है |
| वर्तमान अवलोकन | पिछली कार्रवाई का टूल परिणाम | हां — प्रत्येक पुनरावृत्ति में जोड़ा जाता है |
| आउटपुट | अगली कार्रवाई: टूल कॉल, स्पष्टीकरण अनुरोध, या अंतिम प्रतिक्रिया | नहीं — प्रति पुनरावृत्ति एक आउटपुट |
संदर्भ संचय लूप का प्राथमिक लागत चालक है। एजेंट-प्रति-एजेंट व्यय सीमाओं के साथ एजेंटिक लूप लागत नियंत्रित करने का तरीका देखें।
तीन चरणों का विवरण
समझना — संदर्भ पढ़ना
समझने का चरण एजेंटिक लूप की प्राथमिक प्रॉम्प्ट इंजेक्शन हमले की सतह है। CVE-2024-5184 (Synopsys CyRC, जून 2024) यह बिल्कुल दर्शाता है: टूल प्रतिक्रिया सामग्री के माध्यम से दिया गया प्रॉम्प्ट इंजेक्शन हमला जो एजेंट की अगली लूप पुनरावृत्ति को हाईजैक करता है। इंजेक्शन वेक्टर और बचाव के लिए एजेंटिक लूप में टूल प्रतिक्रियाओं को लक्षित करने वाले प्रॉम्प्ट इंजेक्शन हमले देखें।
सोचना — LLM तर्क चरण
सोचने के चरण का मानक मॉडल ReAct पैटर्न (Yao et al., 2022, arXiv:2210.03629) है: Reasoning + Acting एक ही LLM आउटपुट में परस्पर जुड़े हुए। ReAct पेपर ने दिखाया कि स्पष्ट तर्क को क्रियाओं के साथ जोड़ने से HotpotQA, FEVER और ALFWorld सहित बेंचमार्क पर एजेंट कार्य सटीकता में काफी सुधार होता है।
सोचने के चरण की लागत: GPT-4o पर $2.50/M इनपुट टोकन पर, प्रति पुनरावृत्ति 2,000 टोकन जोड़े जाने वाले 20-पुनरावृत्ति रन में केवल अंतिम पुनरावृत्ति के संदर्भ विंडो के लिए इनपुट टोकन में लगभग $1.05 की लागत आती है। पुनरावृत्ति संख्या कम करने की रणनीतियों के लिए AI एजेंट नियोजन देखें।
काम करना — टूल निष्पादन या अंतिम प्रतिक्रिया
टूल निष्पादन के लिए टूल एग्जीक्यूटर को टूल नाम और पैरामीटर की पुष्टि करनी होती है, पृथक संदर्भ में निष्पादित करना होता है, और अपरिवर्तित परिणाम लौटाना होता है। प्रत्येक लूप पुनरावृत्ति में एजेंट टूल कैसे निष्पादित करते हैं देखें।
लूप समाप्ति — एजेंट कब रुकते हैं
प्राकृतिक समाप्ति
जब LLM का सोचने का चरण टूल कॉल के बजाय अंतिम प्रतिक्रिया आउटपुट करता है तो प्राकृतिक समाप्ति होती है।
max_turns प्रवर्तन
डिफ़ॉल्ट मान:
- OpenAI Agents SDK:
max_turns = 10(अप्रैल 2026) - LangGraph:
recursion_limit = 25 - LangChain AgentExecutor:
max_iterations = 15, डिफ़ॉल्ट रूप से कोई समय सीमा नहीं - AutoGen: प्रति एजेंट
max_consecutive_auto_reply = 10
उत्पादन के लिए max_turns कॉन्फ़िगर करना: 100 प्रतिनिधि कार्यों पर पुनरावृत्ति गणना के 95वें प्रतिशतक को मापें; max_turns को P95 + 20% बफर पर सेट करें।
बजट-आधारित समाप्ति
OpenLegion का प्रवर्तन मॉडल:
daily_budget(डिफ़ॉल्ट $50/दिन) औरmonthly_budget(डिफ़ॉल्ट $200/माह)INSTRUCTIONS.mdमें प्रति एजेंट कॉन्फ़िगर किए जाते हैं- मेश राउटर प्रत्येक एजेंट ID के लिए संचित खर्च को रीयल-टाइम में ट्रैक करता है
- जब लूप पुनरावृत्ति शेष दैनिक बजट से अधिक हो जाए, तो LLM प्रदाता तक पहुंचने से पहले मेश परत पर अनुरोध अस्वीकार कर दिया जाता है
त्रुटि-आधारित समाप्ति
तीन रणनीतियां: त्रुटि पर समाप्त करें, बैकऑफ के साथ पुनः प्रयास, या फॉलबैक और जारी रखें।
अनंत लूप एंटी-पैटर्न
LangChain की 2025 एजेंट स्थिति रिपोर्ट में पाया गया कि 23% एजेंट विफलताएं अनंत टूल कॉल लूप के कारण थीं — सबसे बड़ी एकल विफलता श्रेणी।
टूल कॉल तूफान
तब होता है जब एजेंट का सोचने का चरण बिना कार्य पूर्णता की ओर प्रगति किए बार-बार एक ही टूल को कॉल करता है। सामान्य ट्रिगर: अस्पष्ट कार्य विनिर्देश, टूल परिणाम सत्यापन की कमी, चक्रीय तर्क।
संदर्भ विषाक्तता
तब होती है जब टूल परिणाम वार्तालाप इतिहास में ऐसी सामग्री लाता है जो बाद की पुनरावृत्तियों में LLM के तर्क को विकृत करता है। रोकथाम: टूल परिणाम प्रीप्रोसेसिंग।
टूल प्रतिक्रिया के माध्यम से प्रॉम्प्ट इंजेक्शन
सबसे सुरक्षा-महत्वपूर्ण अनंत लूप ट्रिगर: CVE-2024-5184 (Synopsys CyRC, जून 2024)। बचाव: प्रत्येक टूल परिणाम को अविश्वसनीय इनपुट मानें। एजेंटिक लूप में टूल प्रतिक्रियाओं को लक्षित करने वाले प्रॉम्प्ट इंजेक्शन हमले देखें।
OpenLegion का दृष्टिकोण: लूप नियंत्रण के लिए गहराई में सुरक्षा
लूप नियंत्रण एक सुरक्षा संपत्ति है, न केवल एक परिचालन संपत्ति। समस्या को परिभाषित करने वाली तीन ठोस संख्याएं:
23% एजेंट विफलताएं अनंत टूल कॉल लूप से जुड़ी (LangChain 2025)। समाधान उच्च max_turns सीमा नहीं है। यह मापने योग्य समाप्ति शर्तें, स्पष्ट प्रगति जांच और सर्किट-ब्रेकर लॉजिक है।
OpenAI Agents SDK डिफ़ॉल्ट max_turns = 10; LangGraph recursion_limit = 25. ये शुरुआती बिंदु डिफ़ॉल्ट हैं, उत्पादन मूल्य नहीं।
CVE-2024-5184 एक लूप नियंत्रण भेद्यता है, न केवल एक सुरक्षा भेद्यता।
| लूप नियंत्रण तंत्र | OpenLegion | LangChain AgentExecutor | LangGraph | OpenAI Agents SDK |
|---|---|---|---|---|
| पुनरावृत्ति सीमा | INSTRUCTIONS.md में max_turns, मेश पर लागू | max_iterations=15 (डिफ़ॉल्ट) | recursion_limit=25 | max_turns=10 (डिफ़ॉल्ट) |
| बजट-आधारित समाप्ति | प्रति एजेंट daily_budget + monthly_budget, मेश परत पर लागू | अंतर्निर्मित नहीं | अंतर्निर्मित नहीं | अंतर्निर्मित नहीं |
| त्रुटि समाप्ति | ऑर्केस्ट्रेटर को लौटाई गई संरचित त्रुटि | AgentExecutorError उठाता है | GraphRecursionError उठाता है | MaxTurnsExceeded उठाता है |
| इंजेक्शन बचाव | वॉल्ट-प्रॉक्सीड टूल कॉल; सिस्टम प्रॉम्प्ट प्राधिकरण | handle_parsing_errors कॉन्फ़िगर करने योग्य | अंतर्निर्मित नहीं | अंतर्निर्मित नहीं |
| लूप ऑडिट ट्रेल | agent_id, मॉडल, टूल कॉल, लागत के साथ प्रत्येक पुनरावृत्ति लॉग | LangSmith (वैकल्पिक) | LangSmith (वैकल्पिक) | OpenAI डैशबोर्ड |
कई एजेंट लूप को उत्पादन प्रणालियों में संयोजित करने वाले पैटर्न के लिए, एजेंटिक वर्कफ्लो कई लूप को उत्पादन पाइपलाइन में कैसे संयोजित करते हैं और लूप ऑर्केस्ट्रेशन और एजेंट समन्वय के लिए एजेंटिक AI डिज़ाइन पैटर्न देखें।
अक्सर पूछे जाने वाले प्रश्न
एजेंटिक लूप क्या है?
एजेंटिक लूप वह दोहराया जाने वाला समझना-सोचना-काम करना चक्र है जो हर AI एजेंट एक कार्य निष्पादित करने के लिए चलाता है। प्रत्येक पुनरावृत्ति में, एजेंट अपना वर्तमान संदर्भ पढ़ता है, भाषा मॉडल को अगली कार्रवाई तय करने के लिए कॉल करता है, उस कार्रवाई को निष्पादित करता है, और फिर समाप्ति शर्त पूरी होने तक दोहराता है।
एजेंटिक लूप कितनी पुनरावृत्तियां चलाता है?
सरल कार्य आमतौर पर 2-5 पुनरावृत्तियों में पूरे होते हैं। जटिल कार्य 10-30 या अधिक पुनरावृत्तियां चलाते हैं। अपने विशिष्ट कार्य वितरण पर अपने विशिष्ट एजेंट के अनुभवजन्य P95 पुनरावृत्ति गणना के आधार पर max_turns सेट करें, और 20% बफर जोड़ें।
अनंत एजेंटिक लूप का कारण क्या है?
तीन प्राथमिक अनंत लूप कारण: टूल कॉल तूफान, संदर्भ विषाक्तता, और टूल प्रतिक्रिया सामग्री के माध्यम से प्रॉम्प्ट इंजेक्शन (CVE-2024-5184)। LangChain की 2025 रिपोर्ट में पाया गया कि 23% एजेंट विफलताएं अनंत टूल कॉल लूप के कारण थीं।
एजेंटिक लूप में ReAct पैटर्न क्या है?
ReAct (Reasoning + Acting) Yao et al. द्वारा 2022 में पेश किया गया मानक एजेंटिक लूप मॉडल है (arXiv:2210.03629)। पैटर्न प्रत्येक लूप पुनरावृत्ति को तीन-भाग LLM आउटपुट के रूप में संरचित करता है: विचार, क्रिया और अवलोकन। ReAct पेपर ने दिखाया कि स्पष्ट तर्क को क्रियाओं के साथ जोड़ने से एजेंट कार्य सटीकता बेहतर होती है।
प्रॉम्प्ट इंजेक्शन एजेंटिक लूप को कैसे प्रभावित करता है?
टूल प्रतिक्रिया सामग्री के माध्यम से प्रॉम्प्ट इंजेक्शन — CVE-2024-5184 द्वारा प्रदर्शित — एजेंटिक लूप के समझने के चरण का फायदा उठाता है। जब कोई टूल बाहरी सामग्री पुनर्प्राप्त करता है, तो वह सामग्री टूल परिणाम के रूप में वार्तालाप इतिहास में प्रवेश करती है। बचाव के लिए टूल परिणाम सामग्री पर सिस्टम प्रॉम्प्ट अधिकार लागू करने वाले स्पष्ट निर्देश पदानुक्रम की आवश्यकता है।
OpenLegion अनियंत्रित एजेंटिक लूप को कैसे रोकता है?
OpenLegion दो प्रवर्तन परतों के साथ गहराई में बचाव लागू करता है। INSTRUCTIONS.md में कॉन्फ़िगर की गई प्रति-एजेंट पुनरावृत्ति सीमाएं एप्लिकेशन परत पर लागू की जाती हैं। प्रति-एजेंट daily_budget और monthly_budget प्रत्येक LLM कॉल से पहले मेश राउटर परत पर लागू की जाती हैं। जब लूप पुनरावृत्ति शेष बजट से अधिक हो जाए, तो अनुरोध नेटवर्क परत पर अस्वीकार कर दिया जाता है।
एजेंटिक लूप और वर्कफ्लो के बीच क्या अंतर है?
एजेंटिक लूप प्रति-एजेंट पुनरावृत्ति चक्र है। वर्कफ्लो एक मल्टी-एजेंट पाइपलाइन है जहां कई एजेंट, प्रत्येक अपने लूप चला रहे हैं, स्पष्ट हैंडऑफ लॉजिक, ऑर्केस्ट्रेशन और एजेंट के बीच डेटा प्रवाह के साथ एक बड़ी प्रणाली में संयुक्त होते हैं।
OpenLegion के साथ शुरू करें
एजेंटिक लूप वह जगह है जहां एजेंट की विश्वसनीयता जीती या खोई जाती है। फ्रेमवर्क डिफ़ॉल्ट — max_turns=10, recursion_limit=25 — शुरुआती बिंदु हैं, उत्पादन कॉन्फ़िगरेशन नहीं।
OpenLegion मेश परत पर बजट सीमाएं और पुनरावृत्ति सीमाएं लागू करता है — एजेंट के LLM तर्क से बाहर, प्रॉम्प्ट इंजेक्शन से ओवरराइड नहीं किया जा सकता।
OpenLegion पर निर्माण शुरू करें — कठोर लूप सीमाएं और प्रति-एजेंट बजट प्रवर्तन अंतर्निहित।
कई एजेंट लूप को उत्पादन प्रणालियों में संयोजित करने वाले पैटर्न के लिए, एजेंटिक वर्कफ्लो कई लूप को उत्पादन पाइपलाइन में कैसे संयोजित करते हैं देखें।