> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/ai-platforms-and-agents/autogpt.md). # AutoGPT Autonomous Agent ## अवलोकन [AutoGPT](https://github.com/Significant-Gravitas/AutoGPT) पायनियरिंग ओपन-सोर्स स्वतःसंचालित एआई एजेंट प्लेटफ़ॉर्म है, जिसमें **175K+ GitHub स्टार्स** — GitHub पर सबसे अधिक स्टार प्राप्त रिपॉज़िटरीज़ में से एक। मूल रूप से 2023 में वायरल हुआ एक Python CLI टूल, AutoGPT अब एक पूर्ण-विशेषताओं वाला प्लेटफ़ॉर्म बन गया है जिसमें वेब फ्रंटएंड, विज़ुअल वर्कफ़्लो बिल्डर, मल्टी-एजेंट ऑर्केस्ट्रेशन, और एक स्व-सुधारक एजेंट बेंचमार्क सूट शामिल है। वर्तमान AutoGPT प्लेटफ़ॉर्म में शामिल हैं: * **फ़्रंटएंड** — Next.js विज़ुअल एजेंट बिल्डर (पोर्ट 3000) * **बैकएंड / API** — FastAPI सेवा जो एजेंट निष्पादन को संभालती है (पोर्ट 8000) * **एजेंट एक्जीक्यूटर** — स्वतन्त्र कार्य लूप चलाने वाले Python वर्कर्स * **Postgres** — एजेंट स्थिति और रन के लिए परसिस्टेंट स्टोरेज * **Redis** — जॉब क्यू और पब/सब * **Minio** — एजेंट आर्टिफैक्ट के लिए S3-अनुरूप ऑब्जेक्ट स्टोरेज पर **Clore.ai**, AutoGPT पूरी तरह से CPU पर चलता है (यह LLM कॉल्स को क्लाउड APIs को सौंपता है), जिससे यह पर किफायती बनता है **$0.05–0.20/घंटा**. आप वैकल्पिक रूप से इसके OpenAI-अनुरूप प्रदाता समर्थन के माध्यम से स्थानीय मॉडल एकीकृत कर सकते हैं। **मुख्य क्षमताएँ:** * 🤖 **स्वायत्त एजेंट** — एजेंट कार्यों को उप-लक्ष्यों में विभाजित करते हैं और उन्हें क्रमिक रूप से निष्पादित करते हैं * 🌐 **वेब ब्राउज़िंग** — एजेंट वेब पर खोज कर सकते हैं, पृष्ठ स्क्रैप कर सकते हैं, और जानकारी संश्लेषित कर सकते हैं * 💻 **कोड निष्पादन** — कोडिंग एजेंट्स के लिए सैंडबॉक्स्ड Python निष्पादन वातावरण * 📁 **फ़ाइल संचालन** — कार्य निष्पादन के हिस्से के रूप में फ़ाइलें पढ़ना, लिखना और प्रबंधित करना * 🔗 **मल्टी-एजेंट** — विशिष्ट उप-एजेंट बनाना और उन्हें पदानुक्रमिक रूप से ऑर्केस्ट्रेट करना * 🧠 **दीर्घकालिक मेमोरी** — सत्रों के पार परसिस्ट की गई वेक्टर-समर्थित मेमोरी * 📈 **एजेंट बेंचमार्किंग** — एजेंट प्रदर्शन का मूल्यांकन करने के लिए इनबिल्ट AgentBenchmark सूट *** ## आवश्यकताएँ AutoGPT की कंप्यूट आवश्यकताएँ इस बात पर निर्भर करती हैं कि आप क्लाउड LLM APIs (डिफ़ॉल्ट) या स्थानीय मॉडल का उपयोग करते हैं। प्लेटफ़ॉर्म स्वयं हल्का है। | कॉन्फ़िगरेशन | GPU | VRAM | सिस्टम RAM | डिस्क | Clore.ai मूल्य | | ------------------------- | ------------------- | ----- | ---------- | ------ | ------------------ | | **न्यूनतम** (क्लाउड APIs) | कोई नहीं / केवल CPU | — | 4 GB | 20 GB | \~$0.05/घंटा (CPU) | | **मानक** | कोई नहीं / केवल CPU | — | 8 GB | 40 GB | \~$0.08/घंटा | | **अनुशंसित** | कोई नहीं / केवल CPU | — | 16 GB | 60 GB | \~$0.12/घंटा | | **+ लोकल LLM (Ollama)** | RTX 3090 | 24 GB | 16 GB | 80 GB | \~$0.20/घंटा | | **+ बड़ा लोकल LLM** | A100 40 GB | 40 GB | 32 GB | 100 GB | \~$0.80/घंटा | > **नोट:** AutoGPT डिफ़ॉल्ट रूप से API-आधारित LLMs का उपयोग करता है (OpenAI GPT-4, Anthropic Claude, आदि)। केवल तभी GPU उपयोगी होता है जब आप Ollama या किसी अन्य OpenAI-अनुरूप सर्वर के माध्यम से स्थानीय मॉडल एंडपॉइंट कॉन्फ़िगर करें। ### API कीज़ आवश्यक आपको कम से कम इनमें से एक की आवश्यकता होगी: * **OpenAI API की** (सर्वोत्तम एजेंट प्रदर्शन के लिए GPT-4o की सिफारिश की जाती है) * **Anthropic API की** (Claude 3.5 Sonnet एजेंट्स के लिए उत्कृष्ट है) * **Google AI की** (Gemini मॉडल समर्थित) *** ## त्वरित प्रारम्भ ### 1. एक Clore.ai सर्वर किराए पर लें लॉग इन करें [clore.ai](https://clore.ai) और एक सर्वर लॉन्च करें साथ: * **2+ CPU कोर, 8 GB RAM** न्यूनतम * खुले हुए पोर्ट **8000** (बैकएंड API) और **3000** (फ़्रंटएंड) * SSH एक्सेस सक्षम * **20+ GB डिस्क स्थान** ### 2. सर्वर से कनेक्ट करें ```bash ssh root@ -p # पैकेज अपडेट करें apt-get update && apt-get upgrade -y # Docker और Compose सत्यापित करें docker --version docker compose version # v2.x होना चाहिए ``` ### 3. AutoGPT क्लोन और कॉन्फ़िगर करें ```bash # रिपॉज़िटरी क्लोन करें git clone https://github.com/Significant-Gravitas/AutoGPT.git cd AutoGPT/autogpt_platform # पर्यावरण टेम्पलेट कॉपी करें cp .env.example .env # पर्यावरण फ़ाइल संपादित करें nano .env ``` ### 4. आवश्यक पर्यावरण चर सेट करें ```bash # .env में न्यूनतम आवश्यक: # ── LLM प्रदाता (कम से कम एक चुनें) ──────────────────────────────────────── OPENAI_API_KEY=sk-... # ANTHROPIC_API_KEY=sk-ant-... # ── गुप्त कुंजियाँ (इन्हें बदलें) ────────────────────────────────────────────── APP_SECRET_KEY=$(openssl rand -hex 32) JWT_SECRET_KEY=$(openssl rand -hex 32) # ── डेटाबेस ───────────────────────────────────────────────────────────────── DATABASE_URL=postgresql://postgres:password@db:5432/autogpt # ── बैकएंड URL (इसे अपने Clore सर्वर IP पर सेट करें) ──────────────────────────────── NEXT_PUBLIC_AGPT_SERVER_URL=http://:8000/api ``` ### 5. बिल्ड और लॉन्च करें ```bash # इमेज बिल्ड करें और सभी सेवाएँ स्टार्ट करें (पहली बार रन में 5-10 मिनट लगते हैं) docker compose up -d --build # बिल्ड और स्टार्टअप प्रगति देखें docker compose logs -f # स्टार्टअप के बाद, सत्यापित करें कि सभी कंटेनर चल रहे हैं docker compose ps ``` ### 6. सेवाओं की हेल्थ सत्यापित करें ```bash # प्रत्येक सेवा की जाँच करें docker compose ps # अपेक्षित चल रही सेवाएँ: # autogpt_platform-db-1 Up (healthy) # autogpt_platform-redis-1 Up # autogpt_platform-minio-1 Up # autogpt_platform-backend-1 Up # autogpt_platform-frontend-1 Up # autogpt_platform-executor-1 Up # बैकएंड API का परीक्षण करें curl http://localhost:8000/api/health # अपेक्षित: {"status": "ok"} ``` ### 7. AutoGPT तक पहुँचें अपने ब्राउज़र को खोलें: * **फ़्रंटएंड:** `http://:3000` * **बैकएंड API:** `http://:8000` * **API डॉक्स (Swagger):** `http://:8000/docs` फ़्रंटएंड पर एक अकाउंट बनाएँ, Settings में अपने LLM प्रदाता को कॉन्फ़िगर करें, और एजेंट बनाना शुरू करें। *** ## कॉन्फ़िगरेशन ### पूर्ण `.env` संदर्भ ```bash # ── एप्लिकेशन ────────────────────────────────────────────────────────────── ENVIRONMENT=production APP_SECRET_KEY= JWT_SECRET_KEY= ALLOWED_ORIGINS=http://:3000 # ── LLM प्रदाता ──────────────────────────────────────────────────────────── OPENAI_API_KEY=sk-... ANTHROPIC_API_KEY=sk-ant-... GROQ_API_KEY=gsk_... # ── OpenAI-अनुरूप (ओल्लामा/vLLM के माध्यम से स्थानीय मॉडलों के लिए) ──────────────────── OPENAI_API_BASE=http://localhost:11434/v1 # Ollama का OpenAI-अनुरूप एंडपॉइंट OPENAI_API_KEY=ollama # Ollama के लिए डमी कुंजी # ── डेटाबेस ───────────────────────────────────────────────────────────────── DATABASE_URL=postgresql://postgres:password@db:5432/autogpt POSTGRES_USER=postgres POSTGRES_PASSWORD=password # प्रोडक्शन में बदलें! POSTGRES_DB=autogpt # ── Redis (जॉब क्यू) ──────────────────────────────────────────────────────── REDIS_URL=redis://redis:6379/0 # ── Minio (ऑब्जेक्ट स्टोरेज) ────────────────────────────────────────────────── MINIO_ROOT_USER=minioadmin MINIO_ROOT_PASSWORD=minioadmin # प्रोडक्शन में बदलें! MINIO_URL=http://minio:9000 # ── फ़्रंटएंड ───────────────────────────────────────────────────────────────── NEXT_PUBLIC_AGPT_SERVER_URL=http://:8000/api NEXTAUTH_SECRET= NEXTAUTH_URL=http://:3000 ``` ### एजेंट क्षमताओं का अनुकूलन ```bash # वेब ब्राउज़िंग क्षमता सक्षम करें WEB_BROWSER_ENABLED=true SELENIUM_CHROME_DRIVER_URL=http://selenium:4444/wd/hub # वेब ब्राउज़िंग के लिए docker-compose में Selenium जोड़ें: # सेवाएँ: # selenium: # image: selenium/standalone-chrome:latest # shm_size: 2gb # ports: # - "4444:4444" # फ़ाइल सिस्टम एक्सेस (एजेंट वर्कस्पेस) WORKSPACE_PATH=/workspace RESTRICT_TO_WORKSPACE=true ``` ### एजेंट एक्जीक्यूटर स्केलिंग का प्रबंधन ```bash # समानांतर एजेंट रन के लिए एक्जीक्यूटर वर्कर्स स्केल करें docker compose up -d --scale executor=4 # एक्जीक्यूटर लॉग्स मॉनिटर करें docker compose logs -f executor ``` *** ## GPU त्वरक AutoGPT डिफ़ॉल्ट रूप से सभी LLM इन्फरेंस को बाहरी प्रदाताओं को सौंप देता है। लोकल GPU-त्वरित मॉडलों का उपयोग करने के लिए: ### उसी सर्वर पर Ollama से कनेक्ट करें ```bash # Clore सर्वर पर Ollama इंस्टॉल करें curl -fsSL https://ollama.com/install.sh | sh # एक सक्षम मॉडल पुल करें (Llama 3 70B को A100 चाहिए, 8B RTX 3090 पर काम करता है) ollama pull llama3:8b # सर्वोत्तम एजेंट प्रदर्शन के लिए: ollama pull llama3.1:70b # A100 40GB+ की आवश्यकता # Ollama को Docker कंटेनरों के लिए सुलभ बनाएं OLLAMA_HOST=0.0.0.0 ollama serve & # OpenAI-अनुरूप एंडपॉइंट का परीक्षण करें curl http://localhost:11434/v1/models ``` में `.env`, AutoGPT को Ollama की ओर निर्देशित करें: ```bash OPENAI_API_BASE=http://host.docker.internal:11434/v1 OPENAI_API_KEY=ollama OPENAI_DEFAULT_MODEL=llama3.1:70b ``` > **प्रदर्शन नोट:** स्वायत्त एजेंट कई क्रमिक LLM कॉल करते हैं। RTX 3090 पर लोकल मॉडल (\~30 टोक/सेक) काम करते हैं, लेकिन A100 80GB तेज़ इटरेशन सक्षम करता है। देखें [GPU तुलना](/guides/guides_v2-hi/getting-started/gpu-comparison.md). ### एजेंट्स के लिए लोकल मॉडल सिफारिशें | मॉडल | एजेंट गुणवत्ता | VRAM | Clore GPU | | --------------------- | -------------- | ----- | --------- | | Llama 3 8B | उचित | 8 GB | RTX 3080 | | Llama 3.1 8B Instruct | अच्छा | 8 GB | RTX 3080 | | Llama 3.1 70B | उत्कृष्ट | 40 GB | A100 40GB | | Mixtral 8x7B | अच्छा | 24 GB | RTX 3090 | | Qwen 2.5 72B | उत्कृष्ट | 40 GB | A100 40GB | *** ## टिप्स और सर्वोत्तम प्रथाएँ ### Clore.ai पर लागत प्रबंधन ```bash # AutoGPT की सबसे बड़ी लागत अक्सर कंप्यूट नहीं बल्कि LLM API कॉल्स होती है # एजेंट कॉन्फ़िगरेशन में टोकन बजट सीमाएँ सेट करें: # MAX_TOKENS_PER_RUN=100000 # MAX_COST_PER_RUN=1.00 # USD # Clore इंस्टेंस को रोकने से पहले एजेंट स्थिति का बैकअप लें docker exec autogpt_platform-db-1 \ pg_dump -U postgres autogpt | gzip > autogpt-backup-$(date +%Y%m%d).sql.gz # लोकल मशीन पर कॉपी करें scp -P root@:autogpt-backup-*.sql.gz ./ ``` ### AutoGPT अपडेट कर रहे हैं ```bash cd AutoGPT # नवीनतम परिवर्तन पुल करें git pull origin master cd autogpt_platform # नए कोड के साथ फिर से बिल्ड करें docker compose down docker compose up -d --build # यदि आवश्यक हो तो DB माइग्रेशन चलाएँ docker compose exec backend alembic upgrade head ``` ### एजेंट रन की निगरानी ```bash # एजेंट गतिविधि के लिए बैकएंड लॉग देखें docker compose logs -f backend executor # एजेंट रन के दौरान सिस्टम संसाधनों की निगरानी करें htop # या docker stats # API के माध्यम से एजेंट रन इतिहास देखें curl http://localhost:8000/api/v1/runs | python3 -m json.tool ``` ### सुरक्षा सख्तीकरण ```bash # पोर्ट्स 8000/3000 को बिना प्रमाणीकरण के सीधे इंटरनेट पर कभी न एक्सपोज़ करें # HTTPS के साथ रिवर्स प्रॉक्सी के रूप में Nginx या Caddy का उपयोग करें: # Caddyfile: # autogpt.yourdomain.com { # reverse_proxy localhost:3000 # } # api.autogpt.yourdomain.com { # reverse_proxy localhost:8000 # } # एजेंट फ़ाइल सिस्टम एक्सेस को सीमित करें RESTRICT_TO_WORKSPACE=true WORKSPACE_PATH=/agent-workspace # प्रारंभिक सेटअप के बाद उपयोगकर्ता पंजीकरण अक्षम करें ALLOW_SIGNUP=false ``` ### बिल्ड समयों का अनुकूलन ```bash # पहली बिल्ड धीमी होती है (~10 मिनट); बाद की बिल्ड्स कैश का उपयोग करती हैं # तेज़ बिल्ड के लिए BuildKit का उपयोग करें: DOCKER_BUILDKIT=1 docker compose up -d --build # बिल्ड तेज़ करने के लिए बेस इमेज पहले से पुल करें docker pull python:3.11-slim docker pull node:20-alpine ``` *** ## समस्याओं का निवारण ### बिल्ड आउट-ऑफ-मेमोरी त्रुटि के साथ विफल होता है ```bash # Docker बिल्ड को पर्याप्त मेमोरी की आवश्यकता होती है (4GB+) # यदि आवश्यक हो तो स्वैप स्पेस जोड़ें: fallocate -l 8G /swapfile chmod 600 /swapfile mkswap /swapfile swapon /swapfile # स्थायी बनाएं echo '/swapfile none swap sw 0 0' >> /etc/fstab ``` ### बैकएंड 500 लौटाता है / "Database not ready" ```bash # DB स्वास्थ्य जाँचें docker compose ps db docker compose logs db # DB माइग्रेशन मैन्युअल रूप से चलाएँ docker compose exec backend alembic upgrade head # यदि माइग्रेशन विफल होते हैं, तो .env में DATABASE_URL की जाँच करें docker compose exec backend printenv DATABASE_URL ``` ### फ़्रंटएंड दिखाता है "Failed to connect to backend" ```bash # सत्यापित करें कि NEXT_PUBLIC_AGPT_SERVER_URL सही तरीके से सेट है grep NEXT_PUBLIC_AGPT_SERVER_URL .env # यह पब्लिक IP होना चाहिए, localhost नहीं (ब्राउज़र यह अनुरोध बनाता है) NEXT_PUBLIC_AGPT_SERVER_URL=http://:8000/api # इस env var को बदलने के बाद फ्रंटएंड को फिर से बिल्ड करें docker compose up -d --build frontend ``` ### एजेंट एक्जीक्यूटर क्रैश होता है / OOMKilled हो जाता है ```bash # मेमोरी उपयोग जाँचें docker stats autogpt_platform-executor-1 # एक्जीक्यूटर मेमोरी सीमित करें और रीस्टार्ट पॉलिसी जोड़ें # docker-compose.yaml में: # executor: # mem_limit: 2g # restart: unless-stopped # या समवर्ती एजेंट रन घटाएं MAX_CONCURRENT_RUNS=2 ``` ### Redis कनेक्शन अस्वीकृत ```bash # जाँचें कि Redis चल रहा है docker compose ps redis docker compose logs redis # बैकएंड से कनेक्टिविटी का परीक्षण करें docker compose exec backend redis-cli -h redis ping # अपेक्षित: PONG # यदि Redis में auth की आवश्यकता है, तो सेट करें: REDIS_URL=redis://:password@redis:6379/0 ``` ### एजेंट लूप में फंस गया ```bash # AutoGPT एजेंट कभी-कभी अनंत लूप में प्रवेश कर सकते हैं # अधिकतम साइकिल लिमिट सेट करें: MAX_AGENT_CYCLES=50 # या API के माध्यम से चल रहे एजेंट को रोकें: curl -X POST http://localhost:8000/api/v1/runs//stop ``` *** ## अधिक पढ़ने के लिए * [AutoGPT आधिकारिक दस्तावेज़ीकरण](https://docs.agpt.co) * [AutoGPT GitHub रिपॉज़िटरी](https://github.com/Significant-Gravitas/AutoGPT) * [AutoGPT प्लेटफ़ॉर्म सेटअप गाइड](https://docs.agpt.co/platform/getting-started) * [Clore.ai पर Ollama चलाना](/guides/guides_v2-hi/language-models/ollama.md) * [Clore.ai पर vLLM चलाना](/guides/guides_v2-hi/language-models/vllm.md) * [Clore.ai GPU तुलना](/guides/guides_v2-hi/getting-started/gpu-comparison.md) * [AutoGPT Discord समुदाय](https://discord.gg/autogpt) --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-hi/ai-platforms-and-agents/autogpt.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.