# AI വോയ്സ് ഏജന്റുകൾ


# AI വോയ്സ് ഏജന്റുകൾ

ഒരു **ഏജന്റ്** എന്നത് നിങ്ങളുടെ ഓർഗനൈസേഷനു വേണ്ടി ഫോൺ കോളുകൾ ചെയ്യുകയും സ്വീകരിക്കുകയും ചെയ്യുന്ന ഒറ്റ AI വോയ്സ് വ്യക്തിത്വമാണ്. ഇതിന് സ്വന്തമായി ഭാഷാ മോഡൽ, വോയ്സ്, ഗ്രീറ്റിംഗ്, പെരുമാറ്റം, tools എന്നിവയുണ്ട് — ഒരു കോൾ എങ്ങനെ കേൾക്കപ്പെടുമെന്നും ഏജന്റിന് എന്ത് ചെയ്യാമെന്നും തീരുമാനിക്കുന്ന എല്ലാം. **/agent/setup**-ലെ ഏജന്റ് ബിൽഡറിൽ നിങ്ങൾ ഏജന്റുകൾ നിർമ്മിക്കുകയും ട്യൂൺ ചെയ്യുകയും ചെയ്യുന്നു, പിന്നെ അവ ടെസ്റ്റ് ചെയ്ത് പ്രസിദ്ധീകരിക്കുന്നു. ഈ പേജ് ഏജന്റ് എന്ന ആശയം വിശദീകരിക്കുകയും ഓരോ ബിൽഡർ ടാബും അതിന്റെ ഡോക്യുമെന്റേഷനുമായി ബന്ധിപ്പിക്കുകയും ചെയ്യുന്നു.

## ഒരു ഏജന്റ് എന്നാൽ എന്താണ്

ഓരോ ഏജന്റും ഇവ ഒരുമിച്ച് ചേർക്കുന്നു:

- സംഭാഷണത്തെ നയിക്കുന്ന ഒരു **ഭാഷാ മോഡൽ**;
- സംസാരിക്കുന്ന ഒരു **വോയ്സ്**, കേൾക്കുന്ന ഒരു ട്രാൻസ്ക്രൈബർ;
- അതിന്റെ വ്യക്തിത്വവും വേഗവും രൂപപ്പെടുത്തുന്ന ഒരു **സിസ്റ്റം പ്രോംപ്റ്റ്, ഗ്രീറ്റിംഗ്, പെരുമാറ്റം**;
- ഇൻബൗണ്ട്, ഔട്ട്ബൗണ്ട് ഉപയോഗത്തിനുള്ള **കോളിംഗ് ക്രമീകരണങ്ങൾ**; കൂടാതെ
- നിങ്ങളുടെ ഡോക്യുമെന്റുകളിൽ നിന്ന് ഉത്തരം നൽകാനും യഥാർത്ഥ പ്രവർത്തനങ്ങൾ ചെയ്യാനും ഓപ്ഷണലായ **knowledge**, **tools** എന്നിവ.

ഏജന്റുകൾ പ്രോജക്റ്റുകൾക്കുള്ളിൽ ജീവിക്കുന്നു, [അവലോകന](../introduction#മൂന്ന്-തല-മാതൃക)ത്തിലെ **Organization → Projects → Agents** ഘടന പിന്തുടരുന്നു. ഒരു ഏജന്റ് പ്രസിദ്ധീകരിച്ചുകഴിഞ്ഞാൽ നിങ്ങൾക്ക് campaigns-ഉം ഇൻബൗണ്ട് നമ്പറുകളും അതിലേക്ക് ചൂണ്ടിക്കാട്ടാം.

## ബിൽഡർ ടാബ് മോഡൽ

![ഏജന്റ് ബിൽഡറും അതിന്റെ ടാബുകളും](/img/screenshots/portal/agent-tab.png)
*ഏജന്റ് ബിൽഡർ. മുകളിലുള്ള ടാബുകൾ (Agent, Model, Voice, Behavior, Calling, Tools, Calendar, Workflow, Function Logs, Guardrails, Channels) ഓരോന്നും ഏജന്റിന്റെ ഓരോ ഭാഗം കോൺഫിഗർ ചെയ്യുന്നു.*

**/agent/setup**-ലെ ബിൽഡർ ക്രമീകരണത്തെ ടാബുകളായി ക്രമീകരിക്കുന്നു. നിങ്ങൾ മുകളിൽ നിന്ന് താഴേക്ക് അവയിലൂടെ നീങ്ങുന്നു, പോകുമ്പോൾ സേവ് ചെയ്യുന്നു. ചുവടെയുള്ള ഓരോ ടാബിനും അതിന്റേതായ ഡോക്യുമെന്റേഷൻ പേജുണ്ട്:

- **Agent** — പേര്, വിവരണം, ഉപയോഗ സന്ദർഭം, ആരംഭ ടെംപ്ലേറ്റ്. ഓരോ പുതിയ ഏജന്റും ആരംഭിക്കുന്നത് ഇവിടെയാണ്; [നിങ്ങളുടെ ആദ്യ ഏജന്റ് സൃഷ്ടിക്കുക](./create-agent) കാണുക.
- **[LLM](./llm)** — വോയ്സ് പൈപ്പ്‌ലൈൻ മോഡ്, LLM പ്രൊവൈഡറും മോഡലും, temperature, ടോക്കൺ പരിധികൾ, വിപുലമായ പാരാമീറ്ററുകൾ, ഒരു fallback മോഡൽ, **RAG / knowledge-base** ലിങ്കേജ്.
- **[Audio (വോയ്സും ഓഡിയോയും)](./voice-audio)** — മൾട്ടി-പ്രൊവൈഡർ speech-to-text, text-to-speech (പ്രൊവൈഡർ, മോഡൽ, വോയ്സ്, പ്രൊവൈഡർ-നിർദ്ദിഷ്ട ട്യൂണിംഗ്).
- **[Engine (സംഭാഷണ പെരുമാറ്റം)](./engine-behavior)** — സിസ്റ്റം പ്രോംപ്റ്റ്, ഗ്രീറ്റിംഗ്, end/fallback/voicemail സന്ദേശങ്ങൾ, barge-in സെൻസിറ്റിവിറ്റി, നിശ്ശബ്ദതയും timeout കൈകാര്യം ചെയ്യലും, filler വാക്കുകൾ.
- **[Calling](./calling-telephony)** — ഇൻബൗണ്ട്/ഔട്ട്ബൗണ്ട്, പരമാവധി ദൈർഘ്യം, auto-hangup, cold/warm കോൾ ട്രാൻസ്ഫർ.
- **[Knowledge](./knowledge-rag)** — ഒരു knowledge base ലിങ്ക് ചെയ്യുക, RAG സാമ്യതയും top-k-ഉം ട്യൂൺ ചെയ്യുക.
- **[Tools](./tools-mcp)** — ഏജന്റിന്റെ functions ബൈൻഡ് ചെയ്യുക, MCP servers ബന്ധിപ്പിക്കുക, **Workflow Builder** തുറക്കുക.

ചില ഏജന്റുകൾ ഈ ടാബുകളും ഉപയോഗിക്കുന്നു:

- **[ചാനലുകൾ](../channels)** — മെസേജിംഗ് ആപ്പുകളിൽ ആളുകളിലേക്ക് എത്തുക: WhatsApp, Telegram, Facebook Messenger, എംബെഡ് ചെയ്യാവുന്ന ഒരു വെബ് വിജറ്റ്.
- **Calendar** — ഏജന്റിന് ലഭ്യതയുമായി പ്രവർത്തിക്കാൻ OAuth വഴി Google അല്ലെങ്കിൽ Outlook ബന്ധിപ്പിക്കുക.
- **[Workflow Builder](./workflow-builder)** — Tools ടാബിൽ നിന്ന് ലോഞ്ച് ചെയ്യുന്ന ഒരു വിഷ്വൽ കോൾ-ഫ്ലോ ബിൽഡർ.
- **[ഗാർഡ്റെയിലുകളും കംപ്ലയൻസും](./guardrails)** — കംപ്ലയൻസ്, ഡാറ്റ-ശേഖരണ നിയന്ത്രണങ്ങൾ (താഴെ വിശദീകരിച്ചിരിക്കുന്നു).
- **Analytics** — ഈ പ്രത്യേക ഏജന്റിന്റെ പ്രകടനം.

### വർക്ക്ഫ്ലോ ബിൽഡർ

**Workflow** ടാബ് ഒരു വിഷ്വൽ കോൾ-ഫ്ലോ ബിൽഡർ തുറക്കുന്നു (Tools ടാബിലെ **Open Workflow Builder** ബട്ടൺ ഉപയോഗിച്ച് ലോഞ്ച് ചെയ്യുന്നു). തുറന്ന സംഭാഷണത്തിന് പകരം ഒരു സ്ക്രിപ്റ്റ് ചെയ്ത പാത ആവശ്യമുള്ള ഏജന്റുകൾക്കായി നിർണ്ണായക, നോഡ്-അധിഷ്ഠിത കോൾ ഫ്ലോകൾ — ചോദ്യങ്ങൾ, വ്യവസ്ഥകൾ, ടൂൾ കോളുകൾ, വെബ്ഹുക്കുകൾ, ട്രാൻസ്ഫറുകൾ — രൂപകൽപ്പന ചെയ്യാൻ ഇത് നിങ്ങളെ അനുവദിക്കുന്നു.

### ഫംഗ്ഷൻ ലോഗുകൾ

**Function Logs** ടാബ് യഥാർത്ഥ കോളുകൾക്കിടെ ഏജന്റിന്റെ ബൈൻഡ് ചെയ്ത ഫംഗ്ഷനുകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് കാണിക്കുന്നു: ഓരോ ഫംഗ്ഷനും എത്ര തവണ വിളിക്കപ്പെടുന്നു, അതിന്റെ latency, ഏതെങ്കിലും പിശകുകൾ എന്നിവ. ഒരു മന്ദഗതിയിലുള്ള അല്ലെങ്കിൽ പരാജയപ്പെടുന്ന ടൂൾ കോൾ ഗുണനിലവാരത്തെ ബാധിക്കുന്നതിന് മുമ്പ് കണ്ടെത്താൻ ഇത് ഉപയോഗിക്കുക.

### ഗാർഡ്റെയിലുകൾ

**Guardrails** ടാബ് ഏജന്റിനെ സുരക്ഷിതവും അനുസരണയുള്ളതുമായി നിലനിർത്തുന്നു. ഇത് നിയന്ത്രിക്കുന്നത്:

- **Content guardrails** — ഏജന്റ് ഒഴിവാക്കുകയും അതിൽ നിന്ന് വഴിതിരിച്ചുവിടുകയും ചെയ്യുന്ന **നിരോധിത വിഷയങ്ങളുടെ** ഒരു പട്ടിക.
- **PII handling** — ട്രാൻസ്ക്രിപ്റ്റുകളിൽ വ്യക്തിഗതമായി തിരിച്ചറിയാവുന്ന വിവരങ്ങൾ എങ്ങനെ കൈകാര്യം ചെയ്യപ്പെടുന്നു (**mask**, **redact** അല്ലെങ്കിൽ **allow**), കൂടാതെ ഓരോ തരത്തിലുമുള്ള **transcript PII redaction** പിക്കർ (SSN, ക്രെഡിറ്റ് കാർഡ്, ഇമെയിൽ, ഫോൺ, വിലാസം, ജനന തീയതി, ബാങ്ക് അക്കൗണ്ട്).
- **Compliance mode** — **Standard**, **Strict**, **HIPAA** അല്ലെങ്കിൽ **PCI-DSS**; കർശനമായ മോഡുകൾ അധിക സുരക്ഷാ നടപടികളും ലോഗിംഗും പ്രവർത്തനക്ഷമമാക്കുന്നു.
- **Data collection** — ഏജന്റ് ക്യാപ്ചർ ചെയ്യാൻ ശ്രമിക്കുന്ന **collected fields**-ഉം അത് നേടേണ്ട **required fields**-ഉം (നഷ്ടപ്പെട്ടാൽ വിളിക്കുന്നയാളോട് ചോദിക്കുന്നു).
- **Post-call analysis** — ഓപ്റ്റ്-ഇൻ **auto-summarize**, **sentiment analysis**, **intent detection** എന്നിവ.

:::note[Channels എന്നത് മെസേജിംഗ് ആപ്പുകളാണ്, ഇമെയിലല്ല]

**Channels** ടാബ് മെസേജിംഗ് ആപ്പുകൾക്കുള്ളതാണ് — WhatsApp, Telegram, Facebook Messenger, ഒരു വെബ് വിജറ്റ്. ഇമെയിൽ ഫോളോ-അപ്പ് ഒരു ചാനലല്ല: അത് [ടൂളുകളും MCP-ഉം](./tools-mcp) ടാബിലെ **send_email** ഫംഗ്ഷനാണ്.

:::

:::tip

ആരംഭിക്കാൻ നിങ്ങൾ എല്ലാ ടാബുകളും പൂരിപ്പിക്കേണ്ടതില്ല. ഒരു പേര്, ഒരു മോഡൽ, ഒരു വോയ്സ്, ഒരു ഗ്രീറ്റിംഗ് എന്നിവ ആദ്യ ടെസ്റ്റിന് മതിയാകും. അടിസ്ഥാന കാര്യങ്ങൾ ശരിയായി കേൾക്കാൻ തുടങ്ങിയാൽ knowledge-ഉം tools-ഉം ചേർക്കുക.

:::

## പ്രസിദ്ധീകരിക്കുന്നതിന് മുമ്പ് ടെസ്റ്റ് ചെയ്യുക

യഥാർത്ഥ കോളുകൾ സ്പർശിക്കുന്നതിന് മുമ്പ് ഒരു ഏജന്റ് പരീക്ഷിക്കാൻ ബിൽഡർ രണ്ട് ടെസ്റ്റ് സർഫേസുകളുമായി ജോടിയാക്കുന്നു:

- **/agent/interface**-ലെ **വോയ്സ് ടെസ്റ്റ്** — ഏജന്റിനോട് സംസാരിക്കുകയും അത് പ്രതികരിക്കുന്നത് കേൾക്കുകയും ചെയ്യുക.
- **/agent/chat**-ലെ **ചാറ്റ് ടെസ്റ്റ്** — ലോജിക്കും പ്രോംപ്റ്റുകളും വേഗത്തിൽ പരിശോധിക്കാൻ ടെക്സ്റ്റ് ടേണുകൾ കൈമാറുക.

ഒഴിഞ്ഞ ഏജന്റിൽ നിന്ന് പ്രസിദ്ധീകരിച്ച ഒന്നിലേക്കുള്ള പൂർണ്ണ പാത [നിങ്ങളുടെ ആദ്യ ഏജന്റ് സൃഷ്ടിക്കുക](./create-agent)-ൽ ഉണ്ട്.

## അടുത്ത ഘട്ടങ്ങൾ

- [നിങ്ങളുടെ ആദ്യ ഏജന്റ് സൃഷ്ടിക്കുക](./create-agent)
- [ഭാഷാ മോഡൽ ക്രമീകരിക്കുക](./llm)
- [വോയ്സും ഓഡിയോയും സജ്ജമാക്കുക](./voice-audio)
- [സംഭാഷണ പെരുമാറ്റം രൂപപ്പെടുത്തുക](./engine-behavior)