Andrew Ng का OpenWorker: ओपन-सोर्स AI एजेंट जो चैट नहीं, बल्कि पूरा काम देता है

आर्किटेक्चर: चार-लेयर वाला लोकल स्टैक

OpenWorker पूरी तरह से आपके अपने कंप्यूटर पर चलता है और इसके लिए क्लाउड पर किसी इंफरेंस सर्वर की आवश्यकता नहीं है। इसकी आर्किटेक्चर चार परतों से मिलकर बनी है :

• डेस्कटॉप शेल: यह Tauri 2 नेटिव विंडो है जो React 18 यूज़र इंटरफ़ेस को रैप करता है। यह शेल Python सर्वर प्रक्रिया की निगरानी भी करता है।
• लोकल एजेंट सर्वर: Python 3.10+ पर FastAPI और Uvicorn का उपयोग करके बनाया गया यह सर्वर आपकी मशीन पर 127.0.0.1:8765 पर बाइंड होता है। प्रति टास्क मॉडल-टूल इटरेशन की एक डिफ़ॉल्ट सीमा 12 है।
• कैपेबिलिटी और कनेक्टर लेयर: यह परत फ़ाइल सिस्टम, git, ripgrep-आधारित सर्च, शेल, और टू-डू लिस्ट के लिए स्थानीय टूल प्रदान करती है। इसमें होस्टेड इंटीग्रेशन और Model Context Protocol (MCP) के लिए सपोर्ट भी शामिल है।
• मॉडल राउटर: मुख्य मॉडल इंटरफ़ेस aisuite पर बनाया गया है, जो Andrew Ng की अपनी प्रदाता-अज्ञेय (provider-agnostic) LLM लाइब्रेरी है। यह OpenWorker को नेटिव, OpenAI-संगत, रिसेलर और लोकल मॉडल प्रदाताओं के लिए एक समान इंटरफ़ेस प्रदान करने की अनुमति देता है । रिपॉजिटरी में coworker/ के अंतर्गत 119 Python फ़ाइलें (लगभग 32,400 लाइनें), surfaces/gui/ के अंतर्गत 149 TypeScript/TSX फ़ाइलें और 78 बैकएंड टेस्ट मॉड्यूल शामिल हैं ।

सपोर्टेड मॉडल्स: 30 क्यूरेटेड मॉडल, अपनी API चाबी खुद लाएँ

OpenWorker आपको किसी एक प्रदाता तक सीमित नहीं रखता। यह विभिन्न श्रेणियों में 30 क्यूरेटेड मॉडल्स को सपोर्ट करता है, और इन सभी के लिए आपको अपनी खुद की API कुंजी (BYOK - Bring Your Own Key) लानी होगी । सपोर्टेड मॉडल्स में शामिल हैं:

• नेटिव प्रदाता: OpenAI GPT-5.6 Sol, Terra, Luna, GPT-5.5; Anthropic Claude Fable 5, Opus 4.8, Sonnet 4.6, Haiku 4.5; Google Gemini 3.6 Flash, 3.1 Pro, 2.5 Pro, 2.5 Flash.
• OpenAI-संगत विक्रेता: GLM-5.2, DeepSeek V4, Kimi K2.6, MiniMax M2.5, Qwen3 Max, Grok 4.3, Mistral Large.
• होस्टेड ओपन-वेट मॉडल: Together AI और Fireworks जैसे पार्टनर्स के ज़रिए उपलब्ध।
• पूरी तरह से लोकल मॉडल: Ollama के माध्यम से एक्सेसिबल, जिसके लिए किसी API कुंजी की आवश्यकता नहीं है।

अनुमति और सुरक्षा प्रणाली

OpenWorker की एक खास विशेषता इसका सुरक्षा के प्रति दृष्टिकोण है। एजेंट द्वारा किए जाने वाले हर टूल कॉल को चार जोखिम स्तरों में वर्गीकृत किया जाता है :

1. read — स्थानीय डेटा देखना (कोई साइड इफ़ेक्ट नहीं)
2. write_local — आपकी मशीन पर फ़ाइलें बनाना या संशोधित करना (पथ-स्कोप्ड)
3. exec — शेल कमांड चलाना
4. external — मशीन से बाहर डेटा भेजना (जैसे, Slack, ईमेल या कैलेंडर पर)

इन स्तरों को फिर पाँच अनुमति मोड के माध्यम से नियंत्रित किया जाता है :

1. discuss — केवल-पढ़ने के लिए चर्चा
2. plan — केवल-पढ़ने के लिए योजना
3. interactive (डिफ़ॉल्ट) — राइट, कमांड और बाहरी कार्रवाइयों से पहले उपयोगकर्ता से पूछता है
4. auto — पथ-स्कोप्ड रहते हुए सब कुछ अनुमति देता है
5. custom — उपयोगकर्ता द्वारा निर्दिष्ट टूल के सेट को ऑटो-अप्रूव करता है

प्रॉम्प्ट-इंजेक्शन से बचाव

प्रॉम्प्ट इंजेक्शन हमलों से बचाने के लिए, OpenWorker में एक अंतर्निहित "ops persona" शामिल है जो मॉडल को निर्देश देता है कि वह टूल्स, लॉग्स, फ़ाइलों और इनकमिंग मैसेज से आने वाली सामग्री को निर्देशों के बजाय अविश्वसनीय डेटा के रूप में माने। यह सुरक्षा सीधे शिप किए गए persona कॉन्फ़िगरेशन में लिखी गई है ।

गोपनीयता-प्रथम डिज़ाइन

OpenWorker को मजबूत गोपनीयता सिद्धांतों के साथ डिज़ाइन किया गया है :

• मॉडल कॉल्स सीधे उपयोगकर्ता की मशीन से चुने गए प्रदाता को रूट होते हैं — कोई मध्यस्थ रिले सर्वर नहीं है।
• बातचीत, कनेक्टर टोकन और API कुंजियाँ स्थानीय रहती हैं। सीक्रेट स्टोर इस तरह से डिज़ाइन किया गया है कि सीक्रेट कभी भी मॉडल कॉन्टेक्स्ट, प्रॉम्प्ट या ट्रेसेस में प्रवेश नहीं करते।
• एकमात्र वैकल्पिक क्लाउड कंपोनेंट एक OAuth ब्रोकर (Auth0 Authorization Code with PKCE का उपयोग करके) है, जो वन-क्लिक कनेक्टर हैंडशेक के लिए है। कनेक्टर टोकन सीधे मशीन को सौंपे जाते हैं और कभी भी क्लाउड में स्टोर नहीं होते।
• ऐप पूरी तरह से ऑफलाइन काम करता है जब API कुंजियाँ और क्रेडेंशियल मैन्युअल रूप से पेस्ट किए जाते हैं।

प्लेटफ़ॉर्म सपोर्ट और वर्तमान स्थिति

OpenWorker वर्तमान में Mac पर चलता है, और Windows सपोर्ट "जल्द ही आ रहा है" । यह प्रोजेक्ट ओपन बीटा में है और इसे पूरी तरह से उपयोग करने योग्य बताया गया है, जिसमें सेल्फ-अपडेट करने की क्षमता है ।

चैटबॉट प्रतिमान का अंत

OpenWorker को स्पष्ट रूप से चैटबॉट मॉडल से एक बदलाव के रूप में पेश किया गया है। इसमें बातचीत को प्रॉम्प्ट करने के बजाय, एक उपयोगकर्ता एक वांछित परिणाम (जैसे, "triaged inbox," "पॉलिश्ड डॉक्यूमेंट," "तीसरी तिमाही के आंकड़ों के साथ Slack रिप्लाई," "अपडेटेड कैलेंडर एंट्री") निर्दिष्ट करता है। एजेंट फिर उस लक्ष्य को चरणों में तोड़ता है, स्थानीय फ़ाइलों और कनेक्टेड एप्लिकेशन पर काम करता है, और कोई भी महत्वपूर्ण कार्रवाई करने से पहले मानवीय अनुमोदन के लिए रुक जाता है । यह MCP के साथ 25 से अधिक इंटीग्रेशन को सपोर्ट करता है, जिसमें Telegram, GitHub, Slack, Jira, Notion, Linear, HubSpot, Outlook, Gmail और Google Calendar जैसे टूल शामिल हैं ।