AI agent என்றால் என்ன? எளிய தமிழ் விளக்கம்

AI agent என்பது பதில் உரை மட்டும் தராமல், இலக்கை அடைய செயல்களை எடுக்கக்கூடிய AI மாடல். நீங்கள் ஒரு பணியைக் கொடுக்கிறீர்கள், அது ஒரு சுழற்சியில் வேலை செய்கிறது: அடுத்து என்ன செய்வது என்று முடிவெடுக்கிறது, ஒரு கருவியைப் பயன்படுத்துகிறது (கோப்பைத் திருத்துதல், இணையத்தில் தேடுதல், கட்டளை இயக்குதல், ஓர் app-ஐ அழைத்தல்), முடிவைப் பார்க்கிறது, மீண்டும் முடிவெடுக்கிறது — பணி முடியும் வரை அல்லது உங்கள் உள்ளீடு தேவைப்படும் வரை. இதன் "மூளை" பொதுவாக ஒரு பெரிய மொழி மாடல்; கருவிகள்தான் அது செயல்களைச் செய்ய உதவுகின்றன.

AI கொண்டு உருவாக்கும்போது இது ஏன் முக்கியம்

இன்றைய AI app builder-கள் agent-கள். நீங்கள் ஓர் அம்சத்தைக் கேட்கும்போது, அது குறியீட்டை மட்டும் எழுதி உங்களிடம் கொடுப்பதில்லை. உங்கள் ஏற்கனவே உள்ள கோப்புகளைப் படிக்கிறது, மாற்றங்களைச் செய்கிறது, packages நிறுவுகிறது, app-ஐத் தொடங்குகிறது, பிழைச் செய்திகளைப் படித்து சரிசெய்கிறது — பெரும்பாலும் நீங்கள் ஒவ்வொரு படியையும் பார்க்காமல் பல படிகளில்.

அதனால்தான் அவை வேலை செய்யும் மென்பொருளை உருவாக்க முடிகின்றன, வெறும் துணுக்குகளை அல்ல. அதோடு உங்கள் பங்கும் மாறுகிறது. இனி நீங்கள் குறியீட்டை நகலெடுத்து ஒட்டுபவர் அல்ல; சில சமயம் கேள்விகளைத் தவறாகப் புரிந்துகொள்ளும், நம்பிக்கையுடன் தவறான வழியில் செல்லும் மிக வேகமான, திறமையான உதவியாளரை நிர்வகிப்பவர். Agent-கள் எப்படி வேலை செய்கின்றன என்று தெரிந்தால், சரியான இலக்குகளைக் கொடுக்கலாம், அது சுற்றிச் சுற்றி வருவதை கண்டறியலாம், எங்கே நீங்களே ஒப்புதல் தர வேண்டும் என்று முடிவு செய்யலாம்.

ஒரு அன்றாட உவமை

ஒரு வழிகாட்டியிடம் வழி கேட்பதையும், ஒரு கூரியரை அமர்த்துவதையும் ஒப்பிடுங்கள்.

வழி கேட்பது ஒரு chatbot: நீங்கள் கேட்கிறீர்கள், அவர்கள் சொல்கிறார்கள், நீங்கள் நடக்கிறீர்கள். சாலை மூடப்பட்டிருந்தால், திரும்பி வந்து மீண்டும் கேட்கிறீர்கள்.

கூரியர் ஒரு agent. “இந்தப் பார்சலை இந்த முகவரிக்கு மாலை 5 மணிக்குள் கொண்டு சேருங்கள்” என்கிறீர்கள். அவர்கள் வழியைத் தேர்ந்தெடுக்கிறார்கள், சாலை மூடலைக் கவனித்து மாற்று வழியில் செல்கிறார்கள், கட்டிடத்தின் பக்கவாட்டு நுழைவைக் கண்டுபிடிக்கிறார்கள், “வரவேற்பறையில் கையொப்பத்துடன் ஒப்படைக்கப்பட்டது” என்று திரும்பத் தெரிவிக்கிறார்கள். இலக்கையும் வரம்புகளையும் நீங்கள் நிர்ணயிக்கிறீர்கள் — “டாக்ஸிக்கு $20-க்கு மேல் செலவழிக்காதே” — அவர்கள் படிகளைக் கையாளுகிறார்கள்.

கூரியர்கள் அவர்களுக்குக் கொடுக்கப்படும் விளக்கம் மற்றும் வரம்புகளைப் போலத்தான் திறமையாக இருப்பார்கள். Agent-களும் அப்படியே.

Agent எப்படி வேலை செய்கிறது

பெரும்பாலான agent-கள் ஒரே அடிப்படைச் சுழற்சியைப் பின்பற்றுகின்றன:

இலக்கு. நீங்கள் என்ன வேண்டும் என்று விவரிக்கிறீர்கள்: “என் மின்னஞ்சலுக்கு சமர்ப்பிப்புகளை அனுப்பும் ஒரு தொடர்பு படிவத்தைச் சேர்.”
திட்டமிடுதல். மாடல் அடுத்த படியை முடிவு செய்கிறது: “முதலில் தளம் எப்படி அமைக்கப்பட்டுள்ளது என்று பார்.”
செயல். ஒரு கருவியை அழைக்கிறது: கோப்புகளைப் பட்டியலிடுதல், முகப்புப் பக்கத்தைப் படித்தல்.
கவனித்தல். கருவியின் முடிவைப் படிக்கிறது.
மீண்டும். கண்டதின் அடிப்படையில் அடுத்த படியைத் தேர்ந்தெடுக்கிறது: படிவத்தை உருவாக்கு, சர்வர் குறியீட்டைச் சேர், app-ஐ இயக்கு, பிழைகளைச் சரிபார்.
முடித்தல் அல்லது கேட்டல். இலக்கு நிறைவேறியதும் அறிக்கை தரும். தடைபட்டாலோ உறுதியில்லாவிட்டாலோ உங்களிடம் கேட்கும்.

அந்தச் சுழற்சியைச் சுற்றி இன்னும் சில பகுதிகள் உள்ளன:

பகுதி	என்ன செய்கிறது
மாடல்	பகுத்தறியும் மற்றும் என்ன செய்வது என்று முடிவெடுக்கும் LLM.
கருவிகள்	agent செய்யக்கூடிய செயல்கள்: கோப்புகளைப் படித்தல்/எழுதுதல், கட்டளைகளை இயக்குதல், தேடுதல், API-களை அழைத்தல்.
அறிவுறுத்தல்கள்	அதன் பங்கு, நடை மற்றும் வரம்புகள் பற்றிய நிலையான விதிகள் (system prompt).
நினைவு	படிகளுக்கு அல்லது அமர்வுகளுக்கு இடையே எடுத்துச் செல்லப்படும் குறிப்புகள், உதாரணமாக உங்கள் விருப்பங்கள்.
அனுமதிகள்	எந்தக் கருவிகளை அது சுதந்திரமாகப் பயன்படுத்தலாம், எவற்றுக்கு உங்கள் ஒப்புதல் தேவை.
துணை agent-கள்	ஒரு முதன்மை agent வேலையின் பகுதிகளைக் கொடுக்கும் உதவி agent-கள்.

கருவிகளே முக்கியமான கருத்து. ஒரு மாடல் தனியாக உரையை மட்டுமே உருவாக்க முடியும். கருவிகள் அந்த உரையை செயல்களாக மாற்றுகின்றன — மேலும் MCP போன்ற தரநிலைகள் புதிய கருவிகளை agent-உடன் இணைப்பதை எளிதாக்குகின்றன.

நடைமுறை உதாரணம்: உடைந்த பதிவுப் படிவத்தைச் சரிசெய்தல்

உங்கள் வெளியிடப்பட்ட தளத்தின் காத்திருப்புப் பட்டியல் படிவம் மின்னஞ்சல்களைச் சேமிப்பதை நிறுத்திவிட்டது என்று வைத்துக்கொள்ளுங்கள். AI builder-இடம் சொல்கிறீர்கள்: “காத்திருப்புப் படிவம் எதையும் சேமிக்கவில்லை. சரிசெய்.”

ஒரு வழக்கமான agent ஓட்டம் இப்படி இருக்கலாம்:

படிவக் கூறையும் சமர்ப்பிப்புகளைக் கையாளும் சர்வர் குறியீட்டையும் படிக்கிறது.
App-ஐ இயக்கி ஒரு சோதனை மின்னஞ்சலைச் சமர்ப்பிக்கிறது.
பிழையைப் படிக்கிறது: email_address என்ற நெடுவரிசை database-இல் இல்லை என்று சர்வர் சொல்கிறது.
Database அமைப்பைப் பார்க்கிறது: நெடுவரிசையின் உண்மையான பெயர் email. ஒரு சமீபத்திய மாற்றம் ஓரிடத்தில் மட்டும் பெயரை மாற்றியிருக்கிறது.
சரியான நெடுவரிசைப் பெயரைப் பயன்படுத்த சர்வர் குறியீட்டைத் திருத்துகிறது.
மீண்டும் சோதிக்கிறது: ஒரு சோதனை மின்னஞ்சலைச் சமர்ப்பித்து, புதிய வரிசை தோன்றுவதை உறுதி செய்கிறது.
அறிக்கை தருகிறது: “நேற்றைய மாற்றத்துக்குப் பிறகு இல்லாத ஒரு நெடுவரிசைக்கு படிவம் எழுதிக்கொண்டிருந்தது. சர்வர் குறியீட்டைப் புதுப்பித்தேன்; ஒரு சோதனைப் பதிவு சேமிக்கப்படுவதை உறுதி செய்தேன்.”

நீங்கள் ஒரே ஒரு அறிவுறுத்தல் கொடுத்தீர்கள்; agent இரண்டு சோதனைகள் உட்பட ஏழு படிகளை எடுத்தது. அதுதான் சக்தி. அதன் மறுபக்க ஆபத்து: agent தானாக database நெடுவரிசையின் பெயரை மாற்ற முடிவு செய்திருந்தால், வேறு ஏதாவதை உடைத்திருக்கலாம்; அதன் சுருக்கத்தைப் படிக்காவிட்டால் நீங்கள் கவனிக்காமலும் போயிருக்கலாம்.

முக்கிய சொற்களின் விளக்கம்

சொல்	பொருள்
Agent	ஒரு பணியை முடிக்க கருவிகளை ஒரு சுழற்சியில் பயன்படுத்தும் AI மாடல்.
Tool	agent எடுக்கக்கூடிய ஒரு குறிப்பிட்ட செயல், உதாரணமாக “கோப்பு எழுது” அல்லது “மின்னஞ்சல் அனுப்பு”.
Tool call	ஒரு கருவியின் ஒரு பயன்பாடு, உள்ளீடுகளுடன், ஒரு முடிவைத் தருவது.
Agentic	ஒரு முறை பதில் சொல்வதற்குப் பதிலாக பல படிகளில் செயல்படும் AI-ஐ விவரிப்பது.
Autonomy	உங்களிடம் கேட்பதற்கு முன் agent எவ்வளவு செய்கிறது என்பது.
Human in the loop	முக்கியமான படிகளில் ஒரு மனிதரின் ஒப்புதலைக் கோருவது.
Sub-agent	ஒரு பணியின் பகுதிக்காக முதன்மை agent தொடங்கும் உதவி agent.
Guardrails	agent தீங்கான அல்லது விரும்பாத செயல்களைச் செய்வதைத் தடுக்கும் விதிகளும் வரம்புகளும்.
MCP	Model Context Protocol; agent-களை கருவிகளுடன் இணைப்பதற்கான திறந்த தரநிலை. MCP என்றால் என்ன பாருங்கள்.

பொதுவான தவறுகளும் தவறான எண்ணங்களும்

“Agent-கள் முழுவதும் சுதந்திரமானவை.” இன்றைய agent-கள் தெளிவான இலக்குகளுடன் கூடிய வரையறுக்கப்பட்ட பணிகளில் சிறப்பாக வேலை செய்கின்றன. தெளிவற்ற, திறந்த இலக்குகள் (“என் தொழிலை வளர்” போன்றவை) வீண் வேலைகளையே தருகின்றன.
“முடிந்தது என்றது, அப்படியானால் முடிந்தது.” Agent-கள் சில சமயம் பகுதி வேலைக்குப் பிறகும் வெற்றி என அறிவிக்கின்றன. குறிப்பாக பணம், தரவு அல்லது பயனர்களைத் தொடும் எதையும் நீங்களே சரிபாருங்கள். AI உருவாக்கிய குறியீட்டை எப்படி மதிப்பாய்வு செய்வது பாருங்கள்.
அதிக அனுமதிகள் கொடுப்பது. மின்னஞ்சல் அனுப்பவும், தரவை நீக்கவும், பணம் செலவழிக்கவும் முடிந்த agent-க்கு இறுக்கமான வரம்புகளும், ஆபத்தான செயல்களுக்கு உங்கள் ஒப்புதலும் தேவை.
சுழல விடுவது. agent ஒரே திருத்தத்தை திரும்பத் திரும்ப முயன்றால், அதை நிறுத்தி, அதற்கு கூடுதல் தகவல் அல்லது வேறு அணுகுமுறையைக் கொடுங்கள்.
அது படிக்கும் உள்ளடக்கத்தை நம்புவது. இணையப் பக்கங்கள் அல்லது மின்னஞ்சல்களைப் படிக்கும் agent-களை, அவற்றை நிர்வகிக்கும் வகையில் எழுதப்பட்ட உரை ஏமாற்றலாம் (prompt injection). நம்பகமற்ற உள்ளடக்கத்தைப் படித்த பின் agent என்ன செய்ய முடியும் என்பதில் கவனமாக இருங்கள்.
மிகப் பெரிய ஒற்றைக் கோரிக்கைகள். பெரிய பணிகளை நீங்கள் சரிபார்க்கக்கூடிய நிலைகளாகப் பிரிக்கும்போது அவை நம்பகமாக இருக்கும்.

உங்கள் AI builder-இடம் என்ன கேட்பது

“முதலில் திட்டமிடு. எதையும் மாற்றுவதற்கு முன் படிகளைச் சொல்.”
“முன்பதிவுப் படிவம் தொடர்பான கோப்புகளை மட்டும் மாற்று.”
“மாற்றத்துக்குப் பிறகு அதைச் சோதித்து, எப்படிச் சோதித்தாய் என்று சரியாகச் சொல்.”
“database அமைப்பை மாற்ற வேண்டுமானால், முதலில் என்னிடம் கேள்.”
“என்ன மாற்றினாய், எதில் உறுதியில்லை என்பதைச் சுருக்கமாகச் சொல்.”
“அதே திருத்தம் இரண்டு முறை தோல்வியடைந்தால், நிறுத்தி கேள்.”

தெளிவான அறிவுறுத்தல்களை எழுதுவது பற்றி அறிய, prompt engineering என்றால் என்ன பாருங்கள்.

Mythex-இல் AI agent-கள்

Mythex ஒரு agent-ஐச் சுற்றியே கட்டப்பட்டுள்ளது. உங்கள் திட்டத்தின் தனிப்பட்ட cloud sandbox-இல் அது கோப்புகளை உருவாக்கலாம், திருத்தலாம், packages நிறுவலாம், terminal கட்டளைகளை இயக்கலாம், பிழைகளைப் பரிசோதித்து மீண்டும் முயலலாம், இணைக்கப்பட்ட apps-இன் கருவிகளையும் பயன்படுத்தலாம். கடினமான வேலைகளுக்கு அது துணை agent-களை தொடங்கலாம்; அவற்றின் வேலையை நீங்கள் திறந்து பார்க்கலாம். Plan பயன்முறையில் அது கோப்புகளைத் திருத்தாமல் ஓர் அணுகுமுறையை முன்மொழியும்; Ask பயன்முறையில் கோப்புகளை மாற்றாமல் பதில் சொல்லும்; ஒரு மாற்றம் தவறாகப் போனால் திரும்பப் பெற checkpoints உதவும். மறுபக்கமும் உண்டு: Claude, Cursor அல்லது Codex போன்ற agent-கள் அதன் MCP server வழியாக Mythex-இல் உருவாக்கலாம்.

கேள்விகள்

எளிமையாகச் சொன்னால் AI agent என்றால் என்ன?

AI agent என்பது பதில் எழுதுவது மட்டுமல்லாமல் செயல்களையும் செய்யக்கூடிய AI மாடல். அதற்கு ஓர் இலக்கும், கோப்புகளைத் திருத்துதல், இணையத்தில் தேடுதல் அல்லது ஓர் app-ஐ அழைத்தல் போன்ற கருவிகளின் தொகுப்பும் தரப்படுகிறது. பணி முடியும் வரை முடிவெடுத்தல், செயல்படுதல், முடிவுகளைச் சரிபார்த்தல் என்ற சுழற்சியில் அது வேலை செய்கிறது.

chatbot-க்கும் AI agent-க்கும் என்ன வித்தியாசம்?

Chatbot உங்கள் செய்திக்கு உரையில் பதில் சொல்லிவிட்டு அடுத்த செய்திக்காகக் காத்திருக்கும். Agent தானாகவே பல படிகளை எடுக்க முடியும்; கருவிகளைப் பயன்படுத்தி உலகில் உள்ள விஷயங்களை மாற்றலாம், என்ன நடந்தது என்று சரிபார்த்து சரிசெய்யலாம், பின்னர்தான் உங்களுக்குத் தெரிவிக்கும்.

AI agent-களைப் பயன்படுத்துவது பாதுகாப்பானதா?

வரம்புகளுடன் பயன்படுத்தினால் பாதுகாப்பானது. தேவையான கருவிகளையும் அனுமதிகளையும் மட்டும் கொடுங்கள்; செய்திகள் அனுப்புதல் அல்லது பணம் செலவழித்தல் போன்ற ஆபத்தான செயல்களுக்கு உங்கள் ஒப்புதலைக் கேளுங்கள், காப்பு பிரதிகள் அல்லது checkpoints வைத்திருங்கள், அது செய்ததை மதிப்பாய்வு செய்யுங்கள்.

AI app builder ஒரு AI agent-ஆ?

இன்றைய பெரும்பாலான AI app builder-கள் ஒரு agent-ஐச் சுற்றியே கட்டப்பட்டுள்ளன: அது உங்கள் கோரிக்கையைப் படிக்கிறது, குறியீட்டைத் திருத்துகிறது, கட்டளைகளை இயக்குகிறது, பிழைகளைப் பார்த்து சரிசெய்கிறது — ஒரு சுழற்சியில். வெறுமனே குறியீட்டைப் பரிந்துரைத்து நீங்கள் ஒட்டிக்கொள்ளச் சொல்வதில்லை.