منصوبے کے بارے میں

LiveKit Agents ایک اوپن سورس فریم ورک ہے جو سرورز پر چلنے والے ریئل ٹائم، پروگرام ایبل شرکاء بنانے کے لیے استعمال ہوتا ہے۔ اس کی توجہ گفتگو پر مبنی، ملٹی موڈل وائس ایجنٹس پر ہے جو دیکھ، سن اور سمجھ سکتے ہیں، اور یہ Python پیکیج کے طور پر تقسیم کیا جاتا ہے (ایک JS/TS ہم منصب لائبریری، AgentsJS، الگ سے حوالہ دی گئی ہے)۔ README میں بیان کردہ اہم صلاحیتیں: - لچکدار انٹیگریشنز: کسی مخصوص استعمال کے کیس کے لیے STT، LLM، TTS اور Realtime API فراہم کنندگان کو مکس اینڈ میچ کریں۔ - مربوط جاب شیڈولنگ: بلٹ اِن ٹاسک شیڈولنگ اور ڈسٹری بیوشن کے ساتھ ڈسپیچ APIs جو آخری صارفین کو ایجنٹس سے جوڑتی ہیں۔ - WebRTC کلائنٹس: کلائنٹ ایپلیکیشنز LiveKit کے اوپن سورس SDK ایکو سسٹم کے ساتھ بڑے پلیٹ فارمز پر بنائی جا سکتی ہیں۔ - ٹیلی فونی: LiveKit کے ٹیلی فونی اسٹیک کے ساتھ کام کرتا ہے تاکہ ایجنٹس فون کالز کر یا وصول کر سکیں۔ - ڈیٹا کا تبادلہ: RPCs اور دیگر Data APIs ایجنٹس اور کلائنٹس کو ڈیٹا کے تبادلے کی اجازت دیتے ہیں۔ - سیمنٹک ٹرن ڈیٹیکشن: ایک ٹرانسفارمر ماڈل پتہ لگاتا ہے کہ صارف نے بولنا کب ختم کیا، جس کے بارے میں پروجیکٹ کا کہنا ہے کہ یہ رکاوٹوں کو کم کرنے میں مدد کرتا ہے۔ - MCP سپورٹ: MCP سرورز کے ٹولز کو ایک لائن کوڈ کے ساتھ مربوط کیا جا سکتا ہے۔ - بلٹ اِن ٹیسٹ فریم ورک: ایجنٹ کے رویے کی جانچ کے لیے ٹیسٹ اور ججز لکھے جا سکتے ہیں۔ - اوپن سورس: پورا اسٹیک سیلف ہوسٹ کیا جا سکتا ہے، بشمول LiveKit سرور، جسے ایک وسیع پیمانے پر استعمال شدہ WebRTC میڈیا سرور بتایا گیا ہے۔ بنیادی تصورات ہیں Agent (ہدایات کے ساتھ ایک LLM پر مبنی ایپلیکیشن)، AgentSession (آخری صارفین کے ساتھ تعاملات کا انتظام کرنے والا کنٹینر)، entrypoint (ایک انٹرایکٹو سیشن کا نقطہ آغاز، جو ریکویسٹ ہینڈلر کی طرح ہے)، اور AgentServer (مرکزی پروسیس جو جاب شیڈولنگ کو مربوط اور ایجنٹس کو لانچ کرتا ہے)۔ استعمال کی مثالیں ایک سادہ وائس ایجنٹ دکھاتی ہیں جو LiveKit Inference یا براہ راست فراہم کنندہ پلگ انز کے ذریعے VAD، STT، LLM اور TTS کو وائر کرتا ہے، نیز ایک ملٹی ایجنٹ ہینڈ آف مثال جہاں ایک تعارفی ایجنٹ صارف کی تفصیلات جمع کرتا ہے اور کنٹرول ایک کہانی ایجنٹ کو دیتا ہے جو Realtime API ماڈل پر سوئچ کر سکتا ہے۔ ایک ٹیسٹنگ مثال pytest کو AgentSession کے ساتھ استعمال کرتی ہے، ایک صارف ان پٹ چلاتی ہے، اور فنکشن کالز اور اسسٹنٹ پیغامات جیسے ایونٹس پر دعویٰ کرتی ہے، بشمول ارادے کے لیے ایک LLM جج۔ چلانے کے موڈز: `python myagent.py console` بیرونی سرورز کے بغیر مقامی ٹرمینل آڈیو ٹیسٹنگ کے لیے، `dev` ایک ہاٹ ری لوڈنگ ایجنٹ سرور کے لیے جو LiveKit Cloud یا سیلف ہوسٹڈ سرور سے جڑتا ہے، اور `start` پروڈکشن کے لیے تیار آپٹیمائزیشنز کے لیے۔ سرور سے منسلک موڈز کے لیے ماحولیاتی متغیرات LIVEKIT_URL، LIVEKIT_API_KEY اور LIVEKIT_API_SECRET درکار ہیں۔ ریپوزٹری میں ایک examples ڈائریکٹری شامل ہے جو ایک اسٹارٹر وائس ایجنٹ، ایک آؤٹ باؤنڈ کالر، MCP سپورٹ، ایک ملٹی یوزر ٹرانسکرائبر، تھرڈ پارٹی فراہم کنندگان کے ساتھ ویڈیو ایواتارز، اور ایک Gemini Live وژن ڈیمو کا احاطہ کرتی ہے۔ ڈیولپمنٹ میں پیکیج مینجمنٹ کے لیے uv، فارمیٹنگ اور لنٹنگ کے لیے ruff، یونٹ ٹیسٹس کے لیے pytest، اور مقامی دستاویزات کی تیاری کے لیے pdoc استعمال ہوتا ہے۔ فریم ورک Apache-2.0 کے تحت لائسنس یافتہ ہے، جبکہ LiveKit ٹرن ڈیٹیکشن ماڈلز ایک الگ LiveKit Model License استعمال کرتے ہیں۔ شراکتیں issues، pull requests یا کمیونٹی Slack کے ذریعے خوش آمدید ہیں۔