# AI व्हॉइस एजंट


# AI व्हॉइस एजंट

**एजंट** हा एकमेव AI व्हॉइस व्यक्तिमत्त्व आहे जो तुमच्या संस्थेसाठी फोन कॉल करतो आणि उत्तरे देतो. त्याचे स्वतःचे भाषा-मॉडेल, व्हॉइस, अभिवादन, वर्तन आणि tools असतात — कॉल कसा वाटतो आणि एजंट काय करू शकतो हे ठरवणारी प्रत्येक गोष्ट. तुम्ही **/agent/setup** येथील एजंट बिल्डरमध्ये एजंट तयार करता आणि सुधारता, नंतर त्यांची चाचणी घेऊन प्रकाशित करता. हे पान एजंट संकल्पना समजावून सांगते आणि प्रत्येक बिल्डर टॅबला त्याच्या दस्तऐवजीकरणाशी जोडते.

## एजंट म्हणजे काय

प्रत्येक एजंट खालील गोष्टी एकत्र बांधतो:

- संभाषण चालवणारे **व्हॉइस पाइपलाइन आणि भाषा-मॉडेल**;
- बोलणारा **व्हॉइस** आणि ऐकणारा transcriber;
- त्याचे व्यक्तिमत्त्व आणि कॉल कसा सुरू व बंद करतो हे आकार देणारे **सिस्टम प्रॉम्प्ट, अभिवादन आणि महत्त्वाचे संदेश**;
- गती नियंत्रित करणारे **इंजिन वर्तन** — व्यत्यय, शांतता आणि बोलण्याची पाळी;
- इनबाउंड व आउटबाउंड वापरासाठी **कॉलिंग सेटिंग्ज**;
- ऐच्छिक **knowledge** आणि **tools** जेणेकरून तो तुमच्या कागदपत्रांवरून उत्तर देऊ शकेल आणि खऱ्या क्रिया करू शकेल; आणि
- अनुपालनासाठी व मेसेजिंग अॅप्सवर लोकांपर्यंत पोहोचण्यासाठी **guardrails आणि channels**.

एजंट प्रकल्पांच्या आत राहतात, [विहंगावलोकन](../introduction#तीन-स्तरीय-मॉडेल) मधील **Organization → Projects → Agents** रचनेचे अनुसरण करत. एकदा एजंट प्रकाशित झाला की तुम्ही campaigns आणि इनबाउंड क्रमांक त्याकडे निर्देशित करू शकता.

## बिल्डर टॅब मॉडेल

![एजंट बिल्डर आणि त्याचे टॅब](/img/screenshots/portal/agent-tab.png)
*एजंट बिल्डर. वरच्या बाजूचे टॅब (Agent, Model, Voice, Behavior, Calling, Tools, Calendar, Workflow, Function Logs, Guardrails, Channels) प्रत्येक एजंटचा एक भाग कॉन्फिगर करतात.*

**/agent/setup** येथील बिल्डर कॉन्फिगरेशनला अकरा टॅबमध्ये संघटित करतो. तुम्ही डावीकडून उजवीकडे त्यातून पुढे जाता, जाताना जतन करता. मुख्य टॅबपैकी प्रत्येकाचे स्वतःचे दस्तऐवजीकरण पान असते:

- **Agent** — नाव, वर्णन, वापर-प्रसंग आणि सुरुवातीचे टेम्पलेट, तसेच **सिस्टम प्रॉम्प्ट**, **अभिवादन** आणि **end / fallback / busy / voicemail** संदेश, आणि **Published** व **Active** टॉगल. इथेच प्रत्येक नवीन एजंट सुरू होतो; पहा [तुमचा पहिला एजंट तयार करा](./create-agent).
- **[LLM](./llm)** — व्हॉइस पाइपलाइन मोड, LLM प्रदाता आणि मॉडेल, temperature, token मर्यादा, प्रगत पॅरामीटर्स, fallback मॉडेल, आणि **RAG / knowledge-base** जोडणी (पहा [Knowledge & RAG](./knowledge-rag)).
- **[Audio (व्हॉइस व ऑडिओ)](./voice-audio)** — बहु-प्रदाता speech-to-text आणि text-to-speech (प्रदाता, मॉडेल, व्हॉइस, आणि प्रदाता-विशिष्ट सुधारणा).
- **[Engine (संभाषण वर्तन)](./engine-behavior)** — barge-in आणि व्यत्यय हाताळणी, voice-activity-detection पॅडिंग, प्रतिसाद विलंब, शांतता हाताळणी आणि filler शब्द.
- **[Calling](./calling-telephony)** — इनबाउंड/आउटबाउंड, कमाल कालावधी, ऑटो-हँगअप, नेमलेले क्रमांक आणि webhooks.
- **[Tools](./tools-mcp)** — एजंटची functions बांधा, MCP servers जोडा, आणि **Workflow Builder** उघडा.
- **Calendar** — OAuth द्वारे Google किंवा Outlook जोडा जेणेकरून एजंट उपलब्धतेसह काम करू शकेल.
- **[Workflow](./workflow-builder)** — एक दृश्य कॉल-फ्लो बिल्डर (खाली समाविष्ट), Tools टॅबमधून सुरू केला जातो.
- **Function Logs** — प्रति-function मेट्रिक्स: कॉल संख्या, latency आणि या एजंटद्वारे वापरल्या जाणाऱ्या functions साठीच्या त्रुटी.
- **[Guardrails](./guardrails)** — अनुपालन आणि डेटा-संकलन नियंत्रणे (खाली समाविष्ट).
- **[Channels](../channels)** — मेसेजिंग अॅप्सवर लोकांपर्यंत पोहोचा: WhatsApp, Telegram, Facebook Messenger आणि एम्बेड करण्यायोग्य वेब विजेट.

### Workflow Builder

**Workflow** टॅब एक दृश्य कॉल-फ्लो बिल्डर उघडतो (Tools टॅबवरील **Open Workflow Builder** बटणाने सुरू होतो). तो तुम्हाला निर्धारणात्मक, node-आधारित कॉल फ्लो डिझाइन करू देतो — प्रश्न, अटी, tool कॉल, webhooks आणि transfers — अशा एजंटांसाठी ज्यांना खुल्या संभाषणाऐवजी स्क्रिप्टेड मार्ग हवा असतो.

### Function Logs

**Function Logs** टॅब एजंटची बांधलेली functions खऱ्या कॉलदरम्यान कशी कामगिरी करत आहेत हे दाखवतो: प्रत्येक function किती वेळा कॉल केले जाते, त्याची latency, आणि कोणत्याही त्रुटी. कॉल गुणवत्तेला हानी पोहोचवण्यापूर्वी संथ किंवा अयशस्वी tool ओळखण्यासाठी तो वापरा.

### Guardrails

**Guardrails** टॅब एजंटला सुरक्षित आणि अनुपालनशील ठेवतो. तो खालील गोष्टी नियंत्रित करतो:

- **Content guardrails** — एजंट टाळतो आणि ज्यापासून दूर वळवतो अशा **प्रतिबंधित विषयांची** यादी.
- **PII handling** — transcripts मध्ये वैयक्तिकरीत्या ओळखता येण्याजोगी माहिती कशी हाताळली जाते (**mask**, **redact** किंवा **allow**), तसेच प्रति-प्रकार **transcript PII redaction** निवडक (SSN, credit card, email, phone, address, date of birth, bank account).
- **Compliance mode** — **Standard**, **Strict**, **HIPAA** किंवा **PCI-DSS**; कठोर मोड अतिरिक्त सुरक्षा उपाय आणि लॉगिंग सक्षम करतात.
- **Data collection** — एजंट टिपण्याचा प्रयत्न करतो ती **collected fields** आणि त्याला मिळवायलाच हवीत ती **required fields** (गहाळ असल्यास कॉलरला विचारतो).
- **Post-call analysis** — opt-in **auto-summarize**, **sentiment analysis** आणि **intent detection**.

:::note[Channels म्हणजे मेसेजिंग अॅप्स, ईमेल नव्हे]

**Channels** टॅब मेसेजिंग अॅप्ससाठी आहे — WhatsApp, Telegram, Facebook Messenger आणि एक वेब विजेट. ईमेल पाठपुरावा हा channel नाही: तो [Tools](./tools-mcp) टॅबवरील **send_email** function आहे.

:::

:::tip

सुरुवात करण्यासाठी तुम्हाला प्रत्येक टॅब भरण्याची गरज नाही. पहिल्या चाचणीसाठी नाव, मॉडेल, व्हॉइस आणि अभिवादन पुरेसे आहे. मूलभूत गोष्टी योग्य वाटू लागल्यावर knowledge आणि tools जोडा.

:::

## प्रकाशित करण्यापूर्वी चाचणी घ्या

बिल्डर दोन चाचणी पृष्ठभागांसोबत जोडलेला आहे जेणेकरून एजंट खऱ्या कॉलला स्पर्श करण्यापूर्वी तुम्ही त्याची चाचणी घेऊ शकता:

- **/agent/interface** येथे **Voice test** — एजंटशी बोला आणि त्याचा प्रतिसाद ऐका.
- **/agent/chat** येथे **Chat test** — तर्क व प्रॉम्प्ट पटकन तपासण्यासाठी मजकूर वळसे देवाणघेवाण करा.

रिकाम्या एजंटपासून प्रकाशित एजंटपर्यंतचा संपूर्ण मार्ग [तुमचा पहिला एजंट तयार करा](./create-agent) मध्ये आहे.

## पुढील पावले

- [तुमचा पहिला एजंट तयार करा](./create-agent)
- [भाषा-मॉडेल कॉन्फिगर करा](./llm)
- [व्हॉइस आणि ऑडिओ सेट करा](./voice-audio)
- [संभाषण वर्तन आकार द्या](./engine-behavior)