# मैं AI एजेंटों को टोकन बर्बाद करने से कैसे रोकूँ?

> AI एजेंटों के लिए व्यावहारिक सुरक्षा उपाय: रुकने की शर्तें, स्टेप और टोकन की सीमाएँ, लूप पहचानना, कॉन्टेक्स्ट छोटा करना और आसान स्टेप के लिए छोटे मॉडल।

Source: https://greenai.guide/hi/कैसे/मैं-ai-एजेंटों-को-टोकन-बर्बाद-करने-से-कैसे-रोकूँ/  
Updated: 2026-11-19

## संक्षेप में

हर एजेंट को एक जाँचने लायक लक्ष्य दें जो रन खत्म कर दे, स्टेप, टोकन, समय और खर्च पर पक्की सीमाएँ दें, और लूप पहचानने की व्यवस्था रखें जो खुद को दोहराने पर उसे रोक दे। हर स्टेप के साथ जाने वाले कॉन्टेक्स्ट को छोटा करें, जो फ़ैसले कोई नियम कर सकता है उनके लिए सादा कोड इस्तेमाल करें, और आसान उप-काम छोटे मॉडलों को भेजें। एजेंट किसी चैट से कई गुना ज़्यादा टोकन इस्तेमाल कर सकते हैं, इसलिए ये सीमाएँ जल्दी फ़ायदा देती हैं।

## Steps

1. सफलता की एक जाँच तय करें जो लक्ष्य पूरा होते ही रन खत्म कर दे।
2. स्टेप, टोकन, समय और खर्च पर पक्की सीमाएँ रखें, और किसी सीमा तक पहुँचने पर लॉग करें।
3. दोहराए गए कदम या लगभग एक जैसे संदेश पहचानें और रन रोक दें।
4. पुराने इतिहास का सारांश बनाएँ या उसे हटा दें, ताकि हर कॉल कम पढ़े।
5. नियम-आधारित फ़ैसलों के लिए सादा कोड और आसान उप-कामों के लिए छोटे मॉडल इस्तेमाल करें।
6. हर पूरे हुए काम पर टोकन लॉग करें, जिसमें दोबारा कोशिशें और नाकाम रन भी हों।

**हर एजेंट के प्रोडक्शन में पहुँचने से पहले उस पर सीमाएँ और रुकने की शर्त लगाएँ।** एजेंट बार-बार मॉडल को कॉल करते हैं, और हर कॉल
आम तौर पर काम का लगातार बढ़ता इतिहास साथ ले जाती है।

## यह क्यों मायने रखता है? {#why-does-it-matter}

Anthropic के अनुसार उसके एजेंट आम तौर पर किसी चैट से लगभग चार गुना टोकन इस्तेमाल करते थे, और मल्टी-एजेंट सिस्टम लगभग पंद्रह गुना।
Cemri और सहयोगियों ने सात मल्टी-एजेंट फ़्रेमवर्क के 1,600 से ज़्यादा ट्रेस का विश्लेषण किया और नाकामी के 14 अलग-अलग तरीके पाए,
काम की खराब परिभाषा से लेकर एजेंटों के अपना काम न जाँचने तक। इनमें से हर एक, नतीजा पाए बिना टोकन खर्च करने का एक तरीका है।

## कौन-से सुरक्षा उपाय काम करते हैं? {#which-guardrails-work}

- **रुकने की शर्त।** एजेंट ऑर्केस्ट्रेशन पर Green Software Foundation का पैटर्न सलाह देता है कि तय संख्या में दोहराव चलाने के बजाय,
  लक्ष्य पूरे होते ही एजेंट लूप रोक दिए जाएँ।
- **पक्की सीमाएँ।** ज़्यादातर फ़्रेमवर्क इन्हें सपोर्ट करते हैं; उदाहरण के लिए OpenAI Agents SDK में `max_turns` सेटिंग है जो सीमा
  पार होने पर रन रोक देती है। सीमाएँ सुरक्षित ढंग से नाकाम हों: रुकें और रिपोर्ट करें, चुपचाप दोबारा कोशिश न करें।
- **लूप पहचानना।** दोहराए गए टूल कॉल या एजेंटों के बीच लगभग एक जैसे संदेशों को चिह्नित करें।
- **कॉन्टेक्स्ट छोटा करना।** पूरे दस्तावेज़ और लॉग नहीं, सारांश आगे ले जाएँ। देखें
  [पूरी बातचीत बार-बार भेजना कैसे बंद करें](/hi/कैसे/मैं-अपने-चैटबॉट-को-हर-बार-पूरी-बातचीत-दोबारा-भेजने-से-कैसे-रोकूँ/)।
- **कैशिंग।** एक ही सवाल दो बार न पूछें: देखें [कैशिंग कैसे इस्तेमाल करें](/hi/कैसे/caching-से-मैं-llm-कॉल-की-ऊर्जा-कैसे-घटाऊँ/)।

## सबसे बड़ा फ़र्क़ किससे पड़ता है? {#what-makes-the-biggest-difference}

**वह सबसे सरल डिज़ाइन इस्तेमाल करना जो काम कर जाए।** एक तय स्क्रिप्ट, या टूल के साथ अच्छे प्रॉम्प्ट वाली एक मॉडल कॉल, अक्सर काम
कर देती है। उसके बाद स्टेप सीमा वाला एक एजेंट जोड़ें, और कई एजेंट सिर्फ़ व्यापक, मूल्यवान और सचमुच समानांतर कामों के लिए। गणितज्ञों,
कंप्यूटर वैज्ञानिकों और उद्योग के लोगों के 2026 के एक UK ग्रीन AI सैंडपिट (गहन चर्चा कार्यशाला) ने एजेंटों के झुंडों का खुद को लूप
में फँसा लेना बर्बादी का एक असली और कम अध्ययन किया गया स्रोत बताया।

सबूत के लिए पढ़ें [एजेंटिक AI और टोकन की बर्बादी](/hi/लेख/एजेंटिक-ai-और-टोकन-की-बर्बादी/)।

## स्रोत

- [How we built our multi-agent research system](https://www.anthropic.com/engineering/multi-agent-research-system), Anthropic (2025)
- [Why do multi-agent LLM systems fail?](https://arxiv.org/abs/2503.13657), Cemri et al. (2025)
- [Running agents (max_turns)](https://openai.github.io/openai-agents-python/running_agents/), OpenAI Agents SDK documentation (2025)
- [Optimize agent orchestration to reduce unnecessary model calls](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/optimize-agent-orchestration-reduce-model-calls.md), Green Software Foundation, Green Software Patterns (2025)
