OpenAI Agents SDK एजेंट को WhatsApp पर चलाएँ

WhatsApp का मैसेज एजेंट की एक रन कैसे बनता है?

आपके अपने ऐप के उस रूट से, जिसे Meta कॉल करता है। नंबर का वेबहुक डेस्टिनेशन उसी पर सेट करें और पाथ में एक लंबा, random सीक्रेट रखें। रूट Meta के पुष्टि वाले GET का जवाब hub.challenge को सादे टेक्स्ट में लौटाकर देता है, हर POST स्वीकार करता है, तुरंत 200 लौटाता है और काम को कतार में डाल देता है। वजह यह है कि Meta धीमे जवाब को दोबारा भेजता है और एजेंट दो बार चल जाएगा।

फिर एक वर्कर पेलोड से भेजने वाले का नंबर और टेक्स्ट पढ़ता है और Runner.run को कॉल करता है। ऐसा सेशन दें जिसकी आईडी भेजने वाले का नंबर हो: SDK बातचीत को उसी आईडी के तहत रखता है, इसलिए उसी ग्राहक का अगला मैसेज वहीं से आगे बढ़ता है जहाँ पिछला रुका था, और दो ग्राहकों का इतिहास कभी आपस में नहीं मिलता। शुरुआत के लिए SQLiteSession काफ़ी है; कई वर्कर हों तो SDK में Redis और SQLAlchemy सेशन भी मिलते हैं।

यहाँ URL में रखा सीक्रेट ही प्रमाणीकरण है। Meta डिलीवरी पर Tech Provider के ऐप सीक्रेट से हस्ताक्षर करता है, इसलिए सिग्नेचर हेडर की जाँच ग्राहक नहीं कर सकता।

import os, httpx
from agents import Agent, Runner, SQLiteSession

agent = Agent(name="Front desk", instructions="Answer briefly and politely.")
URL = f"https://graph.facebook.com/v25.0/{os.environ['PHONE_NUMBER_ID']}/messages"

async def handle(sender: str, text: str) -> None:
    session = SQLiteSession(sender, "whatsapp.db")
    result = await Runner.run(agent, text, session=session)
    async with httpx.AsyncClient() as http:
        await http.post(
            URL,
            headers={"Authorization": f"Bearer {os.environ['WA_TOKEN']}"},
            json={"messaging_product": "whatsapp", "to": sender,
                  "type": "text", "text": {"body": result.final_output}},
        )

जवाब एजेंट के बजाय आपका कोड क्यों भेजे?

क्योंकि जो एक नियम कभी नहीं टूटना चाहिए वह समय का नियम है, और उसे प्रॉम्प्ट से बेहतर कोड लागू करता है। ग्राहक के लिखते ही Meta 24 घंटे की कस्टमर सर्विस विंडो खोल देता है। उसके अंदर फ़्री टेक्स्ट जाता है। उसके बाहर सिर्फ़ मंज़ूर किया हुआ टेम्पलेट जाता है, और फ़्री टेक्स्ट पर गड़बड़ी 131047 लौटती है।

जो वर्कर अभी आए मैसेज का जवाब देता है वह हमेशा विंडो के अंदर होता है, इसलिए result.final_output को टेक्स्ट में भेजना अपने आप सुरक्षित है। बाद में होने वाले काम, जैसे अगली सुबह का फ़ॉलो-अप या रिमाइंडर, अलग रास्ते से जाने चाहिए जो टेम्पलेट भेजे, फ़्री टेक्स्ट कभी नहीं।

एजेंट के पास टूल फिर भी हो सकते हैं। चीज़ें खोजने के लिए उसे फ़ंक्शन टूल दें, जैसे ऑर्डर या बुकिंग देखना, और WhatsApp पर भेजना वर्कर में रखें। इससे एक्सेस टोकन भी उस हर चीज़ से दूर रहता है जिसे मॉडल मनमाने आर्ग्युमेंट के साथ कॉल कर सकता है।

क्या एजेंट EasyCoexistence MCP सर्वर इस्तेमाल कर सकता है?

कर सकता है, MCPServerStreamableHttp के ज़रिए, पर सेटअप एक हेडर से ज़्यादा है। SDK या तो Authorization हेडर लेता है या params["auth"] में httpx.Auth। EasyCoexistence MCP सर्वर ब्राउज़र में लॉग इन के बाद अपने OAuth टोकन जारी करता है, डायनैमिक क्लाइंट रजिस्ट्रेशन और PKCE के साथ, इसलिए कोई स्थिर कुंजी होती ही नहीं। MCP Python SDK में OAuthClientProvider आता है, जो PKCE और टोकन रिफ़्रेश के साथ वही प्रक्रिया चलाने वाला HTTP auth हैंडलर है, और params["auth"] में वही जाता है।

यह तब काम का है जब एजेंट खुद तय करे: किसी नंबर की हेल्थ जाँचना, टेम्पलेट का स्टेटस पढ़ना, या टूल के विवरण के नियमों से send_message और send_template में चुनना। जो एजेंट सिर्फ़ जवाब देता है, उसके लिए ऊपर वाला वर्कर छोटा है और उसमें बिगड़ने की जगह कम है।

दोनों हालात में वेबहुक रहता है। MCP में अनुरोध और जवाब का तरीका है, और ग्राहक का मैसेज एजेंट तक सिर्फ़ उसी रूट से पहुँच सकता है जिसे Meta कॉल करता है।

आम गड़बड़ियाँ

• Meta को 200 लौटाने से पहले एजेंट चलाना। धीमे जवाब को दोबारा भेजा जाता है और ग्राहक को दो जवाब मिलते हैं।
• सभी ग्राहकों के लिए एक ही सेशन रखना। कुंजी भेजने वाले का नंबर रखें, वरना इतिहास आपस में मिल जाते हैं।
• देर से होने वाले फ़ॉलो-अप को फ़्री टेक्स्ट भेजने देना। 24 घंटे बाद वह गड़बड़ी 131047 के साथ विफल होता है; टेम्पलेट भेजें।

अक्सर पूछे जाने वाले सवाल

पढ़ना जारी रखें