> 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/autogpt.md). # AutoGPT स्वायत्त एजेंट Clore.ai पर AutoGPT डिप्लॉय करें — वेब ब्राउज़िंग, कोड निष्पादन, और लंबी-क्षितिज टास्क ऑटोमेशन के साथ मूल स्वायत्त AI एजेंट प्लेटफ़ॉर्म चलाएँ। ## अवलोकन [AutoGPT](https://github.com/Significant-Gravitas/AutoGPT) एक अग्रणी ओपन-सोर्स स्वायत्त AI एजेंट प्लेटफ़ॉर्म है, जिसमें **175K+ GitHub सितारे** — GitHub पर सबसे अधिक स्टार्ड रिपॉज़िटरीज़ में से एक। मूल रूप से 2023 में वायरल हुआ एक Python CLI टूल, AutoGPT अब एक पूर्ण-विशेषताओं वाले प्लेटफ़ॉर्म में विकसित हो चुका है, जिसमें वेब फ्रंटएंड, विज़ुअल वर्कफ़्लो बिल्डर, बहु-एजेंट ऑर्केस्ट्रेशन, और एक स्व-सुधारशील एजेंट बेंचमार्क सूट शामिल है। वर्तमान AutoGPT Platform में शामिल हैं: * **फ्रंटएंड** — Next.js विज़ुअल एजेंट बिल्डर (पोर्ट 3000) * **बैकएंड / API** — एजेंट निष्पादन को संभालने वाली FastAPI सेवा (पोर्ट 8000) * **एजेंट निष्पादक** — स्वायत्त कार्य लूप चलाने वाले Python वर्कर्स * **Postgres** — एजेंट की स्थिति और रन के लिए स्थायी संग्रहण * **Redis** — जॉब क्यू और pub/sub * **Minio** — एजेंट आर्टिफ़ैक्ट्स के लिए S3-संगत ऑब्जेक्ट स्टोरेज पर **Clore.ai**में, AutoGPT पूरी तरह CPU पर चलता है (यह LLM कॉल्स को क्लाउड APIs को सौंपता है), जिससे यह **$0.05–0.20/hr**पर किफ़ायती हो जाता है। आप वैकल्पिक रूप से इसके OpenAI-संगत प्रदाता समर्थन के माध्यम से स्थानीय मॉडलों को 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 खोज सकते हैं, पृष्ठों को स्क्रैप कर सकते हैं, और जानकारी को संश्लेषित कर सकते हैं * 💻 **कोड निष्पादन** — कोडिंग एजेंटों के लिए सैंडबॉक्स्ड Python निष्पादन वातावरण * 📁 **फ़ाइल संचालन** — कार्य निष्पादन के हिस्से के रूप में फ़ाइलें पढ़ना, लिखना, और प्रबंधित करना * 🔗 **बहु-एजेंट** — विशेषीकृत उप-एजेंट बनाना और उन्हें पदानुक्रमित रूप से ऑर्केस्ट्रेट करना * 🧠 **दीर्घकालिक स्मृति** — वेक्टर-समर्थित मेमोरी जो सत्रों के बीच संरक्षित रहती है * 📈 **एजेंट बेंचमार्किंग** — एजेंट प्रदर्शन का मूल्यांकन करने के लिए अंतर्निहित AgentBenchmark सूट *** ## आवश्यकताएँ AutoGPT की कंप्यूट आवश्यकताएँ इस पर निर्भर करती हैं कि आप क्लाउड LLM APIs (डिफ़ॉल्ट) या स्थानीय मॉडल उपयोग करते हैं। प्लेटफ़ॉर्म स्वयं हल्का है। | कॉन्फ़िगरेशन | GPU | VRAM | System RAM | डिस्क | Clore.ai मूल्य | | -------------------------- | -------------- | ----- | ---------- | ------ | ----------------------------------------- | | **न्यूनतम** (क्लाउड APIs) | कोई नहीं / CPU | — | 4 GB | 20 GB | \~$0.05/hr (CPU) | | **मानक** | कोई नहीं / CPU | — | 8 GB | 40 GB | \~$0.08/hr | | **अनुशंसित** | कोई नहीं / CPU | — | 16 GB | 60 GB | \~$0.12/hr | | **+ स्थानीय LLM (Ollama)** | RTX 3090 | 24 GB | 16 GB | 80 GB | $0.07–0.21/hr | | **+ बड़ा स्थानीय LLM** | A100 40 GB | 40 GB | 32 GB | 100 GB | [bare metal](https://clore.ai/bare-metal) | > **ध्यान दें:** AutoGPT डिफ़ॉल्ट रूप से API-आधारित LLMs का उपयोग करता है (OpenAI GPT-4, Anthropic Claude, आदि)। GPU केवल तभी उपयोगी है जब आप Ollama या किसी अन्य OpenAI-संगत सर्वर के माध्यम से एक स्थानीय मॉडल endpoint कॉन्फ़िगर करते हैं। ### API कुंजियाँ आवश्यक आपको इनमें से कम-से-कम एक की आवश्यकता होगी: * **OpenAI API Key** (सर्वोत्तम एजेंट प्रदर्शन के लिए GPT-4o अनुशंसित है) * **Anthropic API Key** (Claude 3.5 Sonnet एजेंटों के लिए उत्कृष्ट है) * **Google AI Key** (Gemini मॉडल समर्थित हैं) *** ## त्वरित शुरुआत ### 1. Clore.ai सर्वर किराए पर लें लॉग इन करें [clore.ai](https://clore.ai) और निम्न के साथ एक सर्वर लॉन्च करें: * **2+ CPU कोर, 8 GB RAM** न्यूनतम * एक्सपोज़्ड पोर्ट्स **8000** (बैकएंड API) और **3000** (फ्रंटएंड) * SSH एक्सेस सक्षम * **20+ GB डिस्क स्पेस** ### 2. सर्वर से कनेक्ट करें ```bash ssh root@ -p # पैकेज अपडेट करें apt-get update && apt-get upgrade -y # Docker और Compose सत्यापित करें docker --version docker compose version # v2.x होना चाहिए ``` ### 3. AutoGPT को क्लोन और कॉन्फ़िगर करें ```bash # रिपॉज़िटरी क्लोन करें git clone https://github.com/Significant-Gravitas/AutoGPT.git cd AutoGPT/autogpt_platform # परिवेश टेम्पलेट कॉपी करें cp .env.example .env # परिवेश फ़ाइल संपादित करें nano .env ``` ### 4. आवश्यक परिवेश चर सेट करें ```bash # .env में न्यूनतम आवश्यक: # ── LLM प्रदाता (कम-से-कम एक चुनें) ──────────────────────────────────────── OPENAI_API_KEY=sk-... # ANTHROPIC_API_KEY=sk-ant-... # ── सीक्रेट कुंजियाँ (इन्हें बदलें) ────────────────────────────────────────────── APP_SECRET_KEY=$(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 करें और लॉन्च करें ```bash # इमेज बिल्ड करें और सभी सेवाएँ शुरू करें (पहली बार 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 के स्वस्थ होने की पुष्टि करें ```bash # प्रत्येक सेवा जाँचें 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 एक्सेस करें अपना ब्राउज़र खोलें: * **फ्रंटएंड:** `http://:3000` * **बैकएंड API:** `http://:8000` * **API दस्तावेज़ (Swagger):** `http://:8000/docs` फ्रंटएंड पर एक खाता बनाएँ, Settings में अपने LLM प्रदाता को कॉन्फ़िगर करें, और एजेंट बनाना शुरू करें। *** ## कॉन्फ़िगरेशन ### पूर्ण `.env` संदर्भ ```bash # ── अनुप्रयोग ────────────────────────────────────────────────────────────── 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-संगत (Ollama/vLLM के माध्यम से स्थानीय मॉडलों के लिए) ──────────────────── OPENAI_API_BASE=http://localhost:11434/v1 # Ollama का OpenAI-संगत endpoint 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 # ── फ्रंटएंड ───────────────────────────────────────────────────────────────── NEXT_PUBLIC_AGPT_SERVER_URL=http://:8000/api NEXTAUTH_SECRET= NEXTAUTH_URL=http://:3000 ``` ### एजेंट क्षमताओं को अनुकूलित करना ```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: # services: # 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 निष्पादक स्केलिंग का प्रबंधन ```bash # समानांतर एजेंट रन के लिए executor वर्कर्स को स्केल करें docker compose up -d --scale executor=4 # executor लॉग्स की निगरानी करें docker compose logs -f executor ``` *** ## GPU त्वरण AutoGPT डिफ़ॉल्ट रूप से सभी LLM inference बाहरी प्रदाताओं को सौंपता है। स्थानीय GPU-त्वरित मॉडल 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 खींचें (Llama 3 70B के लिए 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+ आवश्यक # Ollama को Docker कंटेनरों के लिए सुलभ बनाएं OLLAMA_HOST=0.0.0.0 ollama serve & # OpenAI-संगत endpoint का परीक्षण करें curl http://localhost:11434/v1/models ``` में `.env`, AutoGPT को Ollama की ओर इंगित 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 कॉल्स करते हैं। RTX 3090 (\~30 tok/s) पर स्थानीय मॉडल काम करते हैं, लेकिन A100 80GB तेज़ इटरेशन सक्षम करता है। देखें [जीपीयू तुलना](/guides/guides_v2-hi/getting-started/gpu-comparison.md). ### एजेंटों के लिए स्थानीय मॉडल अनुशंसाएँ | 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 अभ्यास ### Clore.ai पर लागत प्रबंधन ```bash # AutoGPT की सबसे बड़ी लागत अक्सर LLM API कॉल्स होती हैं, कंप्यूट नहीं # एजेंट कॉन्फ़िगरेशन में टोकन बजट सीमाएँ सेट करें: # MAX_TOKENS_PER_RUN=100000 # MAX_COST_PER_RUN=1.00 # USD # Clore instance को रोकने से पहले एजेंट की स्थिति का बैकअप लें docker exec autogpt_platform-db-1 \\ pg_dump -U postgres autogpt | gzip > autogpt-backup-$(date +%Y%m%d).sql.gz # स्थानीय मशीन पर कॉपी करें scp -P root@:autogpt-backup-*.sql.gz ./ ``` ### AutoGPT अपडेट करना ```bash cd AutoGPT # नवीनतम परिवर्तन खींचें git pull origin master cd autogpt_platform # नए कोड के साथ पुनः बिल्ड करें docker compose down docker compose up -d --build # आवश्यकता होने पर DB migrations चलाएँ docker compose exec backend alembic upgrade head ``` ### एजेंट रन की निगरानी ```bash # एजेंट गतिविधि के लिए बैकएंड लॉग्स 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 सुदृढ़ीकरण ```bash # बिना प्रमाणीकरण के पोर्ट 8000/3000 को सीधे इंटरनेट पर कभी न खोलें # HTTPS के साथ reverse proxy 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 प्रतिबंधित करें RESTRICT_TO_WORKSPACE=true WORKSPACE_PATH=/agent-workspace # प्रारंभिक सेटअप के बाद उपयोगकर्ता पंजीकरण अक्षम करें ALLOW_SIGNUP=false ``` ### बिल्ड समय को अनुकूलित करना ```bash # पहला बिल्ड धीमा होता है (~10 मिनट); बाद के बिल्ड कैश का उपयोग करते हैं # तेज़ बिल्ड के लिए BuildKit का उपयोग करें: DOCKER_BUILDKIT=1 docker compose up -d --build # बिल्ड तेज़ करने के लिए बेस इमेजेज़ पहले से खींचें docker pull python:3.11-slim docker pull node:20-alpine ``` *** ## समस्या निवारण ### बिल्ड out-of-memory त्रुटि के साथ विफल होता है ```bash # Docker build को पर्याप्त मेमोरी चाहिए (4GB+) # आवश्यकता होने पर swap space 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 / "डेटाबेस तैयार नहीं है" लौटाता है ```bash # DB स्वास्थ्य जाँचें docker compose ps db docker compose logs db # DB migrations मैन्युअल रूप से चलाएँ docker compose exec backend alembic upgrade head # यदि migrations विफल हों, तो .env में DATABASE_URL जाँचें docker compose exec backend printenv DATABASE_URL ``` ### फ्रंटएंड "बैकएंड से कनेक्ट करने में विफल" दिखाता है ```bash # सत्यापित करें कि NEXT_PUBLIC_AGPT_SERVER_URL सही सेट है grep NEXT_PUBLIC_AGPT_SERVER_URL .env # यह localhost नहीं, सार्वजनिक IP होना चाहिए (ब्राउज़र यह अनुरोध करता है) NEXT_PUBLIC_AGPT_SERVER_URL=http://:8000/api # इस env var को बदलने के बाद फ्रंटएंड पुनः बिल्ड करें docker compose up -d --build frontend ``` ### एजेंट निष्पादक क्रैश हो जाता है / OOM के कारण बंद हो जाता है ```bash # memory usage जांचें docker stats autogpt_platform-executor-1 # executor मेमोरी सीमित करें और restart policy जोड़ें # docker-compose.yaml में: # executor: # mem_limit: 2g # restart: unless-stopped # या समवर्ती एजेंट रनों की संख्या कम करें 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 को auth की आवश्यकता है, तो सेट करें: REDIS_URL=redis://:password@redis:6379/0 ``` ### एजेंट लूप में फँस गया ```bash # AutoGPT एजेंट कभी-कभी अनंत लूप में जा सकते हैं # अधिकतम चक्र सीमा सेट करें: MAX_AGENT_CYCLES=50 # या API के माध्यम से चल रहे एजेंट को बाधित करें: curl -X POST http://localhost:8000/api/v1/runs//stop ``` *** ## अधिक पढ़ें * [AutoGPT आधिकारिक दस्तावेज़ीकरण](https://docs.agpt.co) * [AutoGPT GitHub रिपॉज़िटरी](https://github.com/Significant-Gravitas/AutoGPT) * [AutoGPT Platform 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/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.