/agents कमांड से एजेंट बनाना

VS Code में Claude Code खोलकर /agents टाइप करें. लेकिन स्क्रीन पर एक सूचना आती है. "कृपया टर्मिनल में आगे बढ़ें." IDE extension की सीमा के कारण कुछ slash commands सिर्फ terminal में चलते हैं. यह कोई बड़ी बात नहीं है. टर्मिनल खोलते ही command चल जाती है और सहायक एजेंट प्रबंधन स्क्रीन दिखती है.

इस स्क्रीन पर आप क्या कर सकते हैं, यह साफ है.

आप वर्तमान project में दर्ज सभी agents देख सकते हैं. project agent और built-in agent अलग दिखते हैं. मौजूदा agent चुनकर उसे संपादित या हटाया जा सकता है. और नया agent बनाया जा सकता है.

"Create new agent" चुनते ही Claude Code बातचीत के तरीके से agent setup समझाता है. यहाँ दो विकल्प मिलते हैं. इसे खुद हाथ से बनाना, या निर्माण Claude को सौंपना.

Claude को सौंपने वाला विकल्प चुनने पर हमें बस यह बताना होता है कि यह agent क्या करेगा और कब बुलाया जाना चाहिए. विवरण जितना ठोस और समावेशी होगा, परिणाम उतना अच्छा होगा.

इसी चरण में तय होता है कि इसे project agent बनाना है या निजी (global) agent. Project agent उस project के .claude/agents/ फ़ोल्डर में सहेजा जाता है और केवल उसी project में उपयोग होता है. निजी agent home directory की global Claude Code सेटिंग में सहेजा जाता है और किसी भी project में चल सकता है.

Temporary Agent नाम का एक विकल्प भी है. यह session-सीमित agent होता है, जो बनते ही गायब हो जाता है. इसका व्यावहारिक उपयोग कम है, इसलिए मैं इसे ज़्यादा नहीं खोलूँगा.

[चित्र 25-1] /agents कमांड चलाने की स्क्रीन: प्रोजेक्ट agent सूची और built-in agent सूची अलग-अलग दिखती हुई terminal screenshot]

एक व्यावहारिक टिप है. agent बनाते समय कभी-कभी "यह फ़ोल्डर पहले से मौजूद है" वाली त्रुटि आती है. ऐसे में मौजूदा agents फ़ोल्डर का नाम अस्थायी रूप से बदलें, फिर agent बनाएं, मौजूदा agents को नए फ़ोल्डर में ले जाएँ, और पुराने फ़ोल्डर को हटा दें. यह ज्ञात bug है, लेकिन सुविधा पर असर नहीं डालता.

YAML मेटाडेटा संरचना

सहायक agent की असली पहचान एक Markdown फ़ाइल है. यह बात समझते ही अवधारणा काफी साफ हो जाती है. जैसे skill एक Markdown फ़ाइल होती है, वैसे ही सहायक agent भी Markdown फ़ाइल है.

फ़ाइल की संरचना दो हिस्सों में बँटी होती है. ऊपर YAML front matter और नीचे मुख्य निर्देश.

YAML front matter में जाने वाले प्रमुख फ़ील्ड देखते हैं.

name: "AI Trend Hunter"


description: "AI ट्रेंड्स को ट्रैक करने और सामग्री के विचार खोजने वाला agent. नवीनतम AI रुझानों की जांच करता है और video planning में इस्तेमाल होने वाले संकेत ढूँढता है."


tools: ["all"]


model: "sonnet"


memory: true


color: "cyan"

name agent का पहचान चिह्न है. main session इसी नाम से सहायक agent को बुलाता है.

description calling condition तय करने वाला key field है. main session उपयोगकर्ता की request मिलने पर दर्ज agents के descriptions पढ़कर तय करता है कि किस agent को काम सौंपना है. Skill की description trigger accuracy तय करती है, यही सिद्धांत यहाँ भी लागू होता है. description धुँधला हो तो गलत agent बुलाया जाता है, description ठोस हो तो सही handoff होता है.

tools इस agent के लिए उपलब्ध tool set तय करता है. "all" से सभी tools खोले जा सकते हैं, या "read-only" जैसी सीमा लगाई जा सकती है. disallowed_tools फ़ील्ड से कुछ tools को स्पष्ट रूप से रोका भी जा सकता है.

model सहायक agent के लिए language model तय करता है. main session से अलग model चुनना इसकी प्रमुख ताकतों में से एक है. तेज़ खोज के लिए Haiku, code generation के लिए Sonnet, और जटिल reasoning के लिए Opus देकर लागत और गुणवत्ता का संतुलन बैठाया जाता है.

memory सक्रिय करने पर सहायक agent अपना कार्य इतिहास agent-memory फ़ोल्डर में लिखता है. इस हिस्से पर हम बाद में अलग से आएँगे.

color terminal में agent चलने पर दिखने वाला रंग है. कई सहायक agents एक साथ चल रहे हों तो पहचान आसान होती है. यह IDE extension में नहीं दिखता, सिर्फ terminal में दिखता है.

इसके अलावा permission_mode, max_turns, auto_compact जैसे और भी supported front matter fields हैं. auto_compact का डिफ़ॉल्ट लगभग 95% है. इसे कम करने पर सहायक agent के भीतर context decay को और सक्रिय रूप से रोका जा सकता है.

[तालिका 24-1] प्रमुख YAML फ्रंट मैटर फ़ील्ड

YAML front matter के नीचे मुख्य भाग आता है. यह वह system prompt है जिसे सहायक agent जागने पर देखता है. main session के "इस agent को इस्तेमाल करना है" तय करने के बाद, agent काम शुरू करते समय यही निर्देश पढ़ता है.

AI ट्रेंड हंटर एजेंट का लाइव निर्माण

अवधारणा को हाथ से पकड़ में आने वाले अभ्यास में बदलते हैं. यहाँ हम "AI Trend Hunter" नाम का सहायक agent शुरू से अंत तक बनाते हैं.

टर्मिनल में /agents चलाकर "Create new agent" चुनें. project agent के रूप में बनाइए और निर्माण Claude को स्वतः सौंप दीजिए.

इस agent को क्या करना है, यह समझाइए. "नवीनतम AI trends को track करने और सामग्री में बदले जा सकने वाले विषय खोजने वाला agent. Perplexity API और X (पुराना Twitter) का इस्तेमाल करके trend signals इकट्ठा करता है, और उन्हें video planning में इस्तेमाल होने लायक रूप में व्यवस्थित करता है." विवरण जितना ठोस होगा, उतना अच्छा है. बाद में इसे कभी भी बदला जा सकता है, इसलिए अभी इसका perfect होना ज़रूरी नहीं.

Claude Code agent बनाना शुरू करता है. यहाँ एक बात ध्यान देने लायक है. Claude Code सिर्फ agent description से Markdown फ़ाइल नहीं बनाता, बल्कि वर्तमान project की संरचना और सामग्री को संदर्भ के रूप में लेकर agent को अनुकूलित भी करता है. अगर आप YouTube channel चलाते हैं और Claude Code तथा automation पर सामग्री बनाते हैं, तो agent के system prompt में वही संदर्भ झलकता है.

निर्माण के दौरान कुछ चुनाव करने होते हैं.

उपकरण चयन: इस agent के लिए उपलब्ध tools चुनते हैं. "all" चुनने पर सभी tools मिलते हैं, और "read-only" तथा "MCP" चुनने पर सिर्फ फ़ाइल पढ़ना और MCP connection server calls ही मिलते हैं. क्या research agent को फ़ाइल बदलने की अनुमति देनी चाहिए? यह सवाल खुद से पूछना ही प्रतिबंध लगाने की शुरुआत है.

मॉडल चयन: Sonnet चुनते हैं. trend research में बहुत सारी जानकारी जल्दी देखनी होती है, इसलिए Opus की गहरी reasoning से ज़्यादा Sonnet की गति यहाँ बेहतर बैठती है.

रंग चयन: terminal में इस agent को पहचानने के लिए एक रंग चुनते हैं.

मेमोरी सेटिंग: "Enable" चुनते हैं. इस सेटिंग का अर्थ अगले हिस्से में विस्तार से देखते हैं.

निर्माण पूरा होने पर .claude/agents/ फ़ोल्डर में एक Markdown फ़ाइल बनती है. फ़ाइल खोलने पर दिखता है कि YAML front matter में नाम, विवरण, tools, model, memory और color सेट हैं, और मुख्य भाग में "आप एक elite AI Trend Hunter हैं" से शुरू होने वाला system prompt लिखा है. इसमें mission, खोज का दायरा, memory का उपयोग, और पुराने context को खोजने की विधि तक शामिल है.

[चित्र 25-2] निर्मित AI Trend Hunter agent की Markdown फ़ाइल संरचना: YAML front matter और system prompt body]

अब इस agent को चलाकर देखते हैं. टर्मिनल में main session से "AI Trend Hunter को चलाओ" कहें, तो main session दर्ज agent की description देखकर AI Trend Hunter को बुलाता है. टर्मिनल में agent काम करता हुआ दिखता है. यह web search करता है, जानकारी इकट्ठी करता है, और विश्लेषण आगे बढ़ाता है.

चलाते समय Ctrl+O दबाएँ, तो agent की thought process खोलकर देख सकते हैं. main session ने इस सहायक agent को कौन सा prompt भेजा, यह भी देखा जा सकता है. Ctrl+B दबाने पर agent background में चला जाता है, और आप main session के साथ बातचीत जारी रखते हुए सहायक agent के पूरा होने का इंतज़ार कर सकते हैं.

काम पूरा होने पर परिणाम मुख्य सत्र में लौट आता है. Hot Signal, Warm Signal, सुझाए गए video ideas, और मुख्य पैटर्नों की रिपोर्ट तैयार होती है.

एक बात जाँचने लायक है. बने हुए agent का description बहुत लंबा हो सकता है. description बहुत लंबा हो तो model के token बर्बाद होते हैं. दूसरी तरफ़ बुलाने की सटीकता बढ़ सकती है, इसलिए संतुलन खोजना पड़ता है.

Agent Builder Skill जैसे tools से audit चलाएँ, तो tool limit न होना, max turn सेट न होना, और description का बहुत भारी हो जाना जैसी समस्याएँ अपने आप पकड़ी जा सकती हैं.

एजेंट मेमोरी

AI Trend Hunter को पहली बार चलाने से पहले agent-memory फ़ोल्डर खोलें, तो AI Trend Hunter के लिए फ़ोल्डर तो होता है, पर उसके अंदर कोई फ़ाइल नहीं होती. memory files एजेंट के पहली बार चलने के बाद अपने आप बनती हैं.

पहली बार चलना पूरा होने पर agent-memory/ai-trend-hunter/ फ़ोल्डर के अंदर memory file बन जाती है. उसमें क्या होगा?

• उपयोगी जानकारी स्रोतों की सूची
• बार-बार दिखने वाले विषय पैटर्न
• असरदार video planning दिशाएँ
• सबसे हालिया scan परिणाम का सार

सहायक agent हर बार बिल्कुल नए context में जागता है. उसके पास chat history नहीं होती, और पिछले session की memory भी नहीं होती. लेकिन memory file हो तो मामला बदल जाता है. जागा हुआ सहायक agent memory file पढ़कर पिछले सीखने के निशान देख सकता है. यह पूरी याद नहीं है, पर "पिछली बार यह source काम आया था", "यह विषय पहले ही कवर किया जा चुका है" जैसी context बनी रहती है.

[चित्र 25-3] एजेंट मेमोरी का काम करने का प्रवाह: पहली run → memory file अपने आप बनना → बाद की run में memory file देखना → काम के बाद memory file अपडेट करना]

इस संरचना की वजह से trend research agent के लिए दो घंटे पहले जो report की थी, उसे फिर से दोहराने की स्थिति टलती है. memory में "recent scan" जानकारी बची रहती है, इसलिए दोहराव कम होता है और नए संकेतों पर ध्यान जाता है.

memory वह mechanism है जिससे सहायक agent session से बाहर भी सीख जमा करता चलता है. अगर आप ऐसा agent बनाना चाहते हैं जो इस्तेमाल के साथ बेहतर होता जाए, तो memory चालू करना शुरुआती बिंदु है.

सहायक एजेंट से मुख्य संदर्भ बचाना

अब सहायक agent के context-preservation effect को संख्याओं से देखते हैं.

AI Trend Hunter agent ने काम पूरा कर लिया. इस agent ने web search, स्रोत विश्लेषण, signal वर्गीकरण, और report लेखन के दौरान लगभग 40,000 टोकन खर्च किए.

अब main session में /context कमांड चलाकर देखते हैं. main session का current context usage 29,000 टोकन है.

इस संख्या का मतलब सोचिए. अगर सहायक agent के बिना वही research main session में सीधे की होती, तो main session के context में 40,000 टोकन से ज़्यादा जुड़ जाते. मौजूदा conversation के साथ जोड़ें, तो एक बार में पढ़े जाने वाली सीमा का बड़ा हिस्सा research परिणामों से भर जाता. उसके बाद दूसरे काम, code review, दस्तावेज़ लेखन, debug, के लिए उपलब्ध context घट जाता.

सहायक agent इस्तेमाल करने पर 40,000 टोकन के काम को अलग context में संभाला जाता है. main session को बस Hot Signal, Warm Signal, और सुझावों जैसे सारांश मिलते हैं. main session का context साफ-सुथरा बचा रहता है.

[चित्र 25-4] context preservation effect की तुलना: सीधे काम करने पर main session 69,000+ टोकन, बनाम सहायक agent को सौंपने पर main session 29,000 टोकन]

यह सहायक agent इस्तेमाल करने के सबसे ठोस कारणों में से एक है. एक बार में पढ़े जा सकने वाली सीमा सीमित संसाधन है, और सहायक agent उसी संसाधन की रक्षा करता है.

Claude Code के बिल्ट-इन सहायक एजेंट

Custom सहायक agent बनाने से पहले, Claude Code में कुछ default सहायक agent पहले से मौजूद हैं. अगर Claude Code इस्तेमाल करते समय terminal में "agent" का निशान दिखा हो, तो आप इन्हीं built-in agents से मिले हैं.

अन्वेषण एजेंट(Explore) code base को search और analyze करता है. यह Haiku model पर चलता है, और सिर्फ read-only permission रखता है. लागत कम और गति तेज़ है, लेकिन यह फ़ाइल बदल या code बना नहीं सकता. code base की संरचना समझने या किसी pattern को खोजने पर यह अपने आप बुलाया जाता है.

योजना एजेंट(Planning) research करता है और योजना बनाता है. यह parent model को ज्यों का त्यों अपनाता है. अगर main session Opus पर चल रहा है, तो Planning agent भी Opus पर चलता है. यह read-only permission रखता है, और Plan Mode में इसे अक्सर बुलाते देख सकते हैं.

सामान्य एजेंट(General) तब बुलाया जाता है जब बहु-चरणीय काम चाहिए. यह भी parent model को अपनाता है, और सभी tools इस्तेमाल कर सकता है. पहले दो agents से अलग, यह फ़ाइल बदल सकता है, command चला सकता है, और code बना सकता है.

[तालिका 24-2] बिल्ट-इन सहायक agents की तुलना

Claude Code के मुख्य developer में से एक ने अपने इस्तेमाल में आने वाले custom सहायक agents की सूची सार्वजनिक की थी. निर्माण सत्यापक(Build Validator), कोड आर्किटेक्ट(Code Architect), कोड सरलीकरण उपकरण(Code Simplifier), ऑन-कॉल गाइड(On-call Guide), और ऐप सत्यापक(Verify App).

जिस व्यक्ति ने Claude Code बनाया, वह अपने ही टूल में इतने अलग-अलग सहायक agents चलाता है. यही बात अपने आप में उनकी practical value साबित करती है.

Claude Code के official documentation में भी सहायक agent के उदाहरण खुले हैं. कोड समीक्षा एजेंट(Code Reviewer), डिबगर(Debugger), डेटा वैज्ञानिक(Data Scientist), और database query सत्यापक(Database Query Validator) जैसी पूरी Markdown संरचना देखी जा सकती है, इसलिए अपना agent बनाते समय यह एक अच्छा संदर्भ है.

हमने सहायक agents बनाने और चलाने की ज़मीनी तकनीक सीख ली. अब एक आख़िरी बात बचती है. सहायक agent main session के निर्देश लेकर स्वतंत्र रूप से काम करता है और परिणाम वापस भेजता है, यानी यह एकतरफ़ा ढांचा है. तो फिर agents आपस में बात करें, एक-दूसरे को काम सौंपें, और साझा लक्ष्य की ओर मिलकर चलें, तो वह रूप कैसा होगा?