Human-in-the-Loop MCP Server: संपूर्ण डेवलपर गाइड

Model Context Protocol (MCP) ने मौलिक रूप से बदल दिया है कि AI एजेंट बाहरी सेवाओं के साथ कैसे इंटरैक्ट करते हैं। कस्टम HTTP क्लाइंट लिखने, JSON प्रतिक्रियाओं को पार्स करने और प्रमाणीकरण प्रवाह को संभालने के बजाय, डेवलपर्स अब क्षमताओं को नेटिव टूल के रूप में प्रदर्शित कर सकते हैं जिन्हें AI एजेंट सीधे कॉल करते हैं। human-in-the-loop वर्कफ़्लो के लिए, यह बदलाव परिवर्तनकारी है। HumanOps MCP server आपके AI एजेंट को सत्यापित मानव ऑपरेटरों को कार्य पोस्ट करने, अनुमानों को मंजूरी देने, परिणाम प्राप्त करने और सत्यापन स्थिति की जांच करने देता है — यह सब नेटिव टूल कॉल के माध्यम से जो एजेंट के टूलकिट में किसी भी अन्य फ़ंक्शन की तरह स्वाभाविक महसूस होते हैं।

यह गाइड आपको वह सब कुछ बताती है जो आपको अपने AI एजेंट में HumanOps MCP server को एकीकृत करने के लिए जानने की आवश्यकता है। हम कवर करते हैं कि MCP क्या है और यह क्यों महत्वपूर्ण है, AI एजेंटों को human-in-the-loop क्षमताओं की आवश्यकता क्यों है, तीन लाइनों में MCP server को कैसे कॉन्फ़िगर करें, आपके एजेंट के लिए उपलब्ध चार मुख्य टूल, सामान्य उपयोग के मामलों के लिए व्यावहारिक कोड उदाहरण, और प्रोडक्शन परिनियोजन के लिए सर्वोत्तम अभ्यास। चाहे आप अपना पहला AI एजेंट बना रहे हों या किसी मौजूदा सिस्टम में भौतिक-दुनिया की क्षमताएं जोड़ रहे हों, यह गाइड आपको एक घंटे से भी कम समय में शून्य से काम करने वाले human-in-the-loop एकीकरण तक ले जाएगी।

तकनीकी विवरणों में गोता लगाने से पहले, यह समझना उचित है कि human-in-the-loop के लिए MCP दृष्टिकोण विकल्पों की तुलना में इतना बेहतर क्यों है। पारंपरिक HITL कार्यान्वयन के लिए एजेंट डेवलपर को एक HTTP क्लाइंट बनाने, प्रमाणीकरण टोकन प्रबंधित करने, नेटवर्क त्रुटियों को संभालने, प्रतिक्रिया स्कीमा को पार्स करने और पोलिंग या वेबहुक श्रोताओं को लागू करने की आवश्यकता होती है। इनमें से प्रत्येक चरण बग के लिए एक अवसर है, और परिणामी कोड एक विशिष्ट API संस्करण से मजबूती से जुड़ा होता है। MCP server दृष्टिकोण इस सारी प्लंबिंग को समाप्त कर देता है। आपका एजेंट बस एक टूल को कॉल करता है, और MCP रनटाइम बाकी सब कुछ संभालता है।

Model Context Protocol (MCP) क्या है?

Model Context Protocol एक ओपन स्टैंडर्ड है जिसे Anthropic द्वारा बनाया गया है जो यह परिभाषित करता है कि AI एजेंट बाहरी टूल और डेटा स्रोतों को कैसे खोजते हैं, उनसे कैसे जुड़ते हैं और उनका उपयोग कैसे करते हैं। इसे AI एजेंटों और उन सेवाओं के बीच एक यूनिवर्सल एडॉप्टर के रूप में सोचें जिनके साथ उन्हें इंटरैक्ट करने की आवश्यकता है। MCP से पहले, प्रत्येक एकीकरण के लिए कस्टम कोड की आवश्यकता होती थी: एक Slack एकीकरण के लिए एक HTTP क्लाइंट की आवश्यकता थी, GitHub एकीकरण के लिए दूसरे की, डेटाबेस कनेक्शन के लिए एक और की। MCP इसे एक एकल प्रोटोकॉल में मानकीकृत करता है जहां सेवाएं अपनी क्षमताओं को टाइप किए गए इनपुट और आउटपुट वाले टूल के रूप में प्रकाशित करती हैं, और एजेंट एक सुसंगत इंटरफ़ेस के माध्यम से उनका उपभोग करते हैं।

एक MCP server एक लाइटवेट प्रोसेस है जो टूल का एक सेट प्रदर्शित करता है। प्रत्येक टूल का एक नाम होता है, एक विवरण जो एजेंट को यह समझने में मदद करता है कि इसका उपयोग कब करना है, और इसके इनपुट और आउटपुट को परिभाषित करने वाला एक स्कीमा होता है। जब किसी AI एजेंट को किसी टूल का उपयोग करने की आवश्यकता होती है, तो वह MCP server को एक अनुरोध भेजता है, जो ऑपरेशन को निष्पादित करता है और परिणाम लौटाता है। एजेंट को कभी भी कार्यान्वयन विवरण जानने की आवश्यकता नहीं होती है — चाहे टूल REST API को कॉल करे, डेटाबेस को क्वेरी करे, या स्थानीय रूप से गणना चलाए, यह पूरी तरह से एब्स्ट्रैक्टेड है।

MCP अब Claude, Cursor, Windsurf, Cline और AI एजेंटों और विकास परिवेशों के बढ़ते इकोसिस्टम द्वारा समर्थित है। इसका मतलब है कि एक एकल MCP server एकीकरण आपकी सेवा को इन सभी प्लेटफार्मों के साथ तत्काल अनुकूलता प्रदान करता है। For HumanOps, इसका मतलब है कि कोई भी MCP-संगत AI एजेंट बिना किसी HTTP क्लाइंट कोड की एक भी लाइन लिखे सत्यापित मानव ऑपरेटरों को वास्तविक दुनिया के कार्य भेज सकता है।

प्रोटोकॉल कई परिवहन तंत्रों का समर्थन करता है, जिसमें स्थानीय प्रक्रियाओं के लिए मानक इनपुट/आउटपुट (stdio), दूरस्थ कनेक्शन के लिए सर्वर-सेंट इवेंट (SSE), और स्टेटलेस इंटरैक्शन के लिए HTTP शामिल हैं। HumanOps MCP server डिफ़ॉल्ट रूप से stdio परिवहन का उपयोग करता है, जिसका अर्थ है कि यह आपके एजेंट के साथ एक स्थानीय प्रक्रिया के रूप में चलता है और मानक स्ट्रीम के माध्यम से संचार करता है। विकास परिवेशों के लिए यह सबसे सरल और सबसे सामान्य कॉन्फ़िगरेशन है।

AI एजेंटों को Human-in-the-Loop की आवश्यकता क्यों है

AI एजेंट डिजिटल क्षेत्रों में उल्लेखनीय रूप से सक्षम हो गए हैं। वे कोड लिख और डीबग कर सकते हैं, जटिल डेटासेट का विश्लेषण कर सकते हैं, रिपोर्ट तैयार कर सकते हैं, ईमेल वर्कफ़्लो प्रबंधित कर सकते हैं और परिष्कृत निर्णय ले सकते हैं। लेकिन कार्यों की एक मौलिक श्रेणी है जिसे मॉडल सुधार की कोई भी मात्रा संबोधित नहीं कर सकती है: ऐसे कार्य जिनमें वास्तविक दुनिया में एक इंसान की शारीरिक रूप से उपस्थिति की आवश्यकता होती है।

रोजमर्रा के व्यावसायिक संचालन में उत्पन्न होने वाले परिदृश्यों पर विचार करें। एक संपत्ति प्रबंधन AI को इसे ऑनलाइन सूचीबद्ध करने के लिए एक रेंटल यूनिट की तस्वीर की आवश्यकता होती है। एक लॉजिस्टिक्स एजेंट को किसी को यह सत्यापित करने की आवश्यकता होती है कि डिलीवरी सही पते पर की गई थी। एक बीमा AI को संपत्ति पर नुकसान का दस्तावेजीकरण करने के लिए एक फील्ड इंस्पेक्टर की आवश्यकता होती है। एक रिटेल ऑपरेशंस एजेंट को किसी को यह जांचने की आवश्यकता होती है कि स्टोर स्थान पर प्रचार सामग्री सही ढंग से प्रदर्शित की गई थी या नहीं। ये कोई खास आवश्यकताएं नहीं हैं। वे काम की एक विशाल श्रेणी का प्रतिनिधित्व करते हैं जहां भौतिक उपस्थिति गैर-परक्राम्य है।

भौतिक कार्यों के अलावा, काम की ऐसी श्रेणियां हैं जहां मानवीय निर्णय अपूरणीय मूल्य जोड़ते हैं। सामग्री मॉडरेशन निर्णय जिनमें सांस्कृतिक संदर्भ की आवश्यकता होती है। ग्राहक बातचीत जिसमें वास्तविक सहानुभूति की मांग होती है। गुणवत्ता मूल्यांकन जो व्यक्तिपरक मानवीय अनुभव पर निर्भर करते हैं। रचनात्मक मूल्यांकन जहां कोई भी एल्गोरिदम मानवीय पसंद को पूरी तरह से प्रतिस्थापित नहीं कर सकता है। इन सभी मामलों में, इष्टतम प्रणाली वह है जहां AI स्केल, लॉजिक और ऑर्केस्ट्रेशन को संभालता है, जबकि मनुष्य निर्णय, उपस्थिति और भौतिक क्षमता प्रदान करते हैं जो AI नहीं कर सकता।

human-in-the-loop MCP server मॉडल इस सहयोग को सहज बनाता है। आपका AI एजेंट इस बारे में तर्क देता है कि क्या करने की आवश्यकता है, कार्य आवश्यकताओं को तैयार करता है, और उपयुक्त MCP टूल को कॉल करता है। एक सत्यापित मानव ऑपरेटर कार्य प्राप्त करता है, इसे वास्तविक दुनिया में पूरा करता है, और प्रमाण प्रस्तुत करता है। AI एजेंट सत्यापित परिणाम प्राप्त करता है और अपना वर्कफ़्लो जारी रखता है। एजेंट के दृष्टिकोण से, एक मानवीय कार्य को कमीशन करना किसी अन्य टूल को कॉल करने से अलग नहीं है — यह उसके टूलकिट में सिर्फ एक और क्षमता है।

HumanOps MCP Server को कॉन्फ़िगर करना

HumanOps MCP server को सेट करने के लिए आपके MCP क्लाइंट की सेटिंग्स फ़ाइल में एक कॉन्फ़िगरेशन ब्लॉक जोड़ने की आवश्यकता होती है। इस फ़ाइल का सटीक स्थान आपके प्लेटफ़ॉर्म पर निर्भर करता है: Claude Desktop के लिए, यह claude_desktop_config.json फ़ाइल है; Cursor के लिए, यह आपके वर्कस्पेस कॉन्फ़िगरेशन में MCP सेटिंग्स है; अन्य MCP क्लाइंट के लिए, MCP server कॉन्फ़िगरेशन पथ के लिए उनके दस्तावेज़ देखें।

कॉन्फ़िगरेशन न्यूनतम है। आपको सर्वर कमांड (npx @humanops/mcp-server) निर्दिष्ट करने और पर्यावरण चर के रूप में अपनी HumanOps API कुंजी प्रदान करने की आवश्यकता है। बस इतना ही। सार्थक कॉन्फ़िगरेशन की तीन लाइनें, और आपके एजेंट के पास HumanOps human-in-the-loop टूल के पूरे सूट तक पहुंच है।

{
  "mcpServers": {
    "humanops": {
      "command": "npx",
      "args": ["@humanops/mcp-server"],
      "env": {
        "HUMANOPS_API_KEY": "your-api-key-here"
      }
    }
  }
}

API कुंजी प्राप्त करने के लिए, humanops.io पर साइन अप करें और डेवलपर कंसोल पर जाएं। प्लेटफ़ॉर्म एक निःशुल्क परीक्षण मोड प्रदान करता है जहां कार्य मॉक ऑपरेटरों के साथ तुरंत हल हो जाते हैं, ताकि आप पैसे खर्च किए बिना या वास्तविक ऑपरेटरों की प्रतीक्षा किए बिना अपने एकीकरण को मान्य कर सकें। जब आप लाइव जाने के लिए तैयार हों, तो बस एक प्रोडक्शन API कुंजी जेनरेट करें और अपना कॉन्फ़िगरेशन अपडेट करें।

एक बार सर्वर कॉन्फ़िगर हो जाने और आपके MCP क्लाइंट को पुनरारंभ करने के बाद, HumanOps टूल आपके एजेंट की उपलब्ध टूल सूची में स्वचालित रूप से दिखाई देंगे। इंस्टॉल करने के लिए कोई SDK नहीं है, प्रबंधित करने के लिए कोई निर्भरता नहीं है, और लिखने के लिए कोई क्लाइंट कोड नहीं है। MCP रनटाइम प्रोसेस लाइफसाइकिल, संचार और त्रुटि रिकवरी को पारदर्शी रूप से संभालता है।

उपलब्ध MCP टूल

post_task

post_task टूल HumanOps मार्केटप्लेस में एक नया कार्य बनाता है। आप क्या किया जाना चाहिए इसका विवरण, वह स्थान जहां कार्य पूरा किया जाना चाहिए (भौतिक कार्यों के लिए), USD में इनाम राशि और एक वैकल्पिक समय सीमा प्रदान करते हैं। टूल एक कार्य ID लौटाता है जिसका उपयोग आप कार्य को उसके जीवनचक्र के माध्यम से ट्रैक करने के लिए करते हैं। जब आपका एजेंट post_task को कॉल करता है, तो इनाम राशि तुरंत एस्क्रो में रख दी जाती है, जिससे गारंटी मिलती है कि काम पूरा करने वाले ऑपरेटर के लिए फंड उपलब्ध हैं।

आपका एजेंट कॉल कर सकता है: post_task विवरण के साथ "123 मेन स्ट्रीट पर स्टोरफ्रंट की तस्वीर लें, जिसमें बिजनेस साइन और प्रवेश द्वार शामिल हो", स्थान "123 Main Street, Austin, TX 78701", इनाम 15.00, और समय सीमा "2026-02-12T18:00:00Z"। टूल कार्य ID और पुष्टि लौटाता है कि $15.00 एस्क्रो में रखे गए हैं।

approve_estimate

जब कोई ऑपरेटर किसी कार्य का दावा करता है, तो वे एक समय अनुमान प्रस्तुत करते हैं जो दर्शाता है कि वे कार्य में कितना समय लगने की उम्मीद करते हैं। approve_estimate टूल आपके एजेंट को इस अनुमान की समीक्षा करने और उसे मंजूरी देने देता है, जिससे ऑपरेटर को काम शुरू करने का अधिकार मिलता है। आपके एजेंट को ऑपरेटर का ट्रस्ट टियर, पूर्णता रेटिंग और अनुमानित समय प्राप्त होता है, जिससे उसे सूचित अनुमोदन निर्णय लेने का संदर्भ मिलता है। स्वचालित वर्कफ़्लो के लिए, कई डेवलपर्स अपने एजेंटों को एक निश्चित ट्रस्ट टियर से ऊपर के ऑपरेटरों के अनुमानों को ऑटो-अनुमोदित करने के लिए कॉन्फ़िगर करते हैं।

get_task_result

get_task_result टूल किसी कार्य की वर्तमान स्थिति और परिणाम प्राप्त करता है। यदि कार्य अभी भी लंबित है या प्रगति पर है, तो यह वर्तमान स्थिति लौटाता है। यदि कार्य पूरा और सत्यापित हो गया है, तो यह प्रमाण डेटा, AI Guardian का सत्यापन स्कोर और ऑपरेटर द्वारा प्रस्तुत कोई भी मेटाडेटा लौटाता है। यह टूल पोलिंग (स्थिति की जांच करने के लिए इसे समय-समय पर कॉल करें) दोनों का समर्थन करता है और इसे इवेंट-संचालित वर्कफ़्लो के लिए वेबहुक सूचनाओं के साथ जोड़ा जा सकता है।

check_verification_status

check_verification_status टूल एक पूर्ण कार्य के लिए AI Guardian सत्यापन स्थिति की क्वेरी करता है। यह कॉन्फिडेंस स्कोर (0 से 100), सत्यापन निर्णय (approved, rejected, या pending_review), और AI Guardian ने क्या जाँच की, इसके बारे में विवरण लौटाता है। यह टूल तब उपयोगी होता है जब आपके एजेंट को प्रमाण की गुणवत्ता या विश्वास स्तर के आधार पर निर्णय लेने की आवश्यकता होती है, जैसे कि यदि स्कोर एक निश्चित सीमा से नीचे है तो पुन: प्रस्तुत करने की आवश्यकता होती है।

वास्तविक दुनिया के उपयोग के मामले

संपत्ति प्रबंधन स्वचालन

एक संपत्ति प्रबंधन AI एजेंट मूव-इन और मूव-आउट निरीक्षणों को स्वचालित करने के लिए MCP server का उपयोग कर सकता है। जब एक लीज समाप्त होती है, तो एजेंट संपत्ति की स्थिति की तस्वीरों का अनुरोध करते हुए एक कार्य पोस्ट करता है: प्रत्येक कमरा, कोई भी नुकसान, बाहरी हिस्सा और आसपास का क्षेत्र। एक सत्यापित ऑपरेटर संपत्ति का दौरा करता है, आवश्यक तस्वीरें लेता है, और उन्हें HumanOps के माध्यम से जमा करता है। AI Guardian सत्यापित करता है कि तस्वीरें सही संपत्ति दिखाती हैं और सभी अनुरोधित क्षेत्रों को कवर करती हैं। एजेंट सत्यापित तस्वीरें प्राप्त करता है और उनका उपयोग निरीक्षण रिपोर्ट तैयार करने, मूव-इन तस्वीरों के साथ तुलना करने और किसी भी जमा कटौती की गणना करने के लिए करता है। निरीक्षण निर्धारित करने से लेकर रिपोर्ट तैयार करने तक का पूरा वर्कफ़्लो स्वचालित है। एकमात्र मानवीय भागीदारी संपत्ति का दौरा करने और तस्वीरें लेने का भौतिक कार्य है।

डिलीवरी सत्यापन

लॉजिस्टिक्स और ई-कॉमर्स AI एजेंट उन क्षेत्रों में डिलीवरी सत्यापित करने के लिए HumanOps का उपयोग कर सकते हैं जहां अकेले GPS ट्रैकिंग अपर्याप्त है। एजेंट फोटो पुष्टि का अनुरोध करते हुए एक कार्य पोस्ट करता है कि एक पैकेज सही पते पर वितरित किया गया था, जिसमें दरवाजे पर पैकेज दिखाया गया है और पता दिखाई दे रहा है। डिलीवरी स्थान के पास एक ऑपरेटर सत्यापन पूरा करता है और प्रमाण प्रस्तुत करता है। यह उच्च-मूल्य वाली डिलीवरी, जटिल प्राप्त करने की प्रक्रियाओं वाले वाणिज्यिक पतों पर डिलीवरी, या उन क्षेत्रों के लिए विशेष रूप से मूल्यवान है जहां डिलीवरी ट्रैकिंग बुनियादी ढांचा सीमित है।

रिटेल अनुपालन ऑडिट

कई स्टोर स्थानों का प्रबंधन करने वाले रिटेल ऑपरेशंस AI एजेंट ब्रांड मानकों, प्रचार प्रदर्शनों, मूल्य निर्धारण सटीकता और स्टोर की स्थिति के अनुपालन को सत्यापित करने के लिए ऑपरेटरों को भेज सकते हैं। पूर्णकालिक मिस्ट्री शॉपर्स को काम पर रखने या स्टोर प्रबंधकों की स्व-रिपोर्टों पर भरोसा करने के बजाय, एजेंट विशिष्ट तिथियों पर विशिष्ट स्थानों पर लक्षित जांच शुरू कर सकता है। सत्यापित फोटो प्रमाण वस्तुनिष्ठ साक्ष्य प्रदान करता है कि अनुपालन मानकों को पूरा किया जा रहा है, और सत्यापन में समस्याओं का खुलासा होने पर एजेंट स्वचालित रूप से मुद्दों को बढ़ा सकता है।

वित्तीय सेवाओं के लिए फील्ड सत्यापन

वित्तीय सेवा AI एजेंट ऋण आवेदनों, बीमा दावों या व्यावसायिक सत्यापन को संसाधित करने वाले ऑपरेटरों को फील्ड सत्यापन करने के लिए भेज सकते हैं। क्या यह व्यवसाय वास्तव में इस पते पर मौजूद है? क्या यह संपत्ति आवेदन में वर्णित स्थिति में है? क्या यह निर्माण परियोजना वित्तपोषण के लिए प्रस्तुत योजनाओं से मेल खाती है? ये ऐसे प्रश्न हैं जिनका उत्तर देने के लिए भौतिक उपस्थिति की आवश्यकता होती है, और HumanOps के माध्यम से प्रदान किया गया सत्यापित प्रमाण AI एजेंट को उसकी निर्णय लेने की प्रक्रिया में फीड करने के लिए वस्तुनिष्ठ साक्ष्य देता है।

प्रोडक्शन के लिए सर्वोत्तम अभ्यास

टेस्ट मोड से शुरुआत करें। HumanOps टेस्ट वातावरण बिल्कुल प्रोडक्शन को दर्शाता है, लेकिन कार्य मॉक ऑपरेटरों और मॉक सत्यापन परिणामों के साथ तुरंत हल हो जाते हैं। प्रोडक्शन पर स्विच करने से पहले अपने पूरे वर्कफ़्लो को एंड-टू-एंड मान्य करने के लिए टेस्ट मोड का उपयोग करें। इसमें त्रुटि प्रबंधन पथों का परीक्षण करना शामिल है: क्या होता है जब कोई कार्य दावा किए बिना समाप्त हो जाता है, जब किसी ऑपरेटर का प्रमाण अस्वीकार कर दिया जाता है, या जब सत्यापन एक सीमावर्ती कॉन्फिडेंस स्कोर उत्पन्न करता है।

उपयुक्त समय सीमा निर्धारित करें। बिना समय सीमा वाले कार्य अनिश्चित काल तक खुले रहते हैं, जिससे ऑपरेटर मार्केटप्लेस में पुराने कार्यों की भीड़ हो सकती है। ऐसी समय सीमा निर्धारित करें जो कार्य की वास्तविक तात्कालिकता को दर्शाती हो। समय के प्रति संवेदनशील कार्यों के लिए, उच्च पुरस्कारों के साथ कम समय सीमा ऑपरेटरों को अधिक तेज़ी से आकर्षित करेगी। नियमित कार्यों के लिए, मध्यम पुरस्कारों के साथ लंबी समय सीमा अधिक लागत प्रभावी होती है।

सूचित निर्णय लेने के लिए approve_estimate से प्राप्त ट्रस्ट टियर जानकारी का उपयोग करें। उच्च ट्रस्ट टियर (T3 और T4) वाले ऑपरेटरों ने सफल पूर्णता के ट्रैक रिकॉर्ड के माध्यम से विश्वसनीयता का प्रदर्शन किया है। उच्च-मूल्य या संवेदनशील कार्यों के लिए, अपने एजेंट को केवल T2 या उससे ऊपर के ऑपरेटरों के अनुमानों को मंजूरी देने के लिए कॉन्फ़िगर करने पर विचार करें। नियमित, कम जोखिम वाले कार्यों के लिए, T1 ऑपरेटर पूरी तरह से उपयुक्त हैं और अक्सर कार्यों का दावा अधिक तेज़ी से करेंगे।

Idempotent कार्य निर्माण लागू करें। यदि आपके एजेंट का वर्कफ़्लो टाइमआउट या नेटवर्क त्रुटि के कारण कार्य निर्माण का पुन: प्रयास कर सकता है, तो डुप्लिकेट कार्यों को रोकने के लिए कार्य विवरण में एक अद्वितीय क्लाइंट-साइड संदर्भ ID शामिल करें। नया बनाने से पहले उसी संदर्भ वाले मौजूदा कार्यों की जांच करें।

समय के साथ AI Guardian सत्यापन स्कोर की निगरानी करें। यदि आप किसी विशेष प्रकार के कार्य के लिए सीमावर्ती स्कोर का पैटर्न देखते हैं, तो यह संकेत दे सकता है कि आपके कार्य विवरण को इस बारे में अधिक विशिष्ट होने की आवश्यकता है कि स्वीकार्य प्रमाण क्या है। स्पष्ट, विस्तृत कार्य विवरण उच्च-गुणवत्ता वाले सबमिशन और उच्च सत्यापन स्कोर की ओर ले जाते हैं।

आज ही शुरुआत करें

HumanOps MCP server अब npm पर @humanops/mcp-server के रूप में उपलब्ध है। आप पांच मिनट से भी कम समय में अपना पहला human-in-the-loop एकीकरण चला सकते हैं। अपनी API कुंजी प्राप्त करने के लिए humanops.io पर साइन अप करें, अपने MCP क्लाइंट में तीन-लाइन कॉन्फ़िगरेशन जोड़ें, और कार्य पोस्ट करना शुरू करें। पूर्ण सेटअप गाइड के लिए डेवलपर दस्तावेज़ देखें।

विस्तृत API दस्तावेज़, कई भाषाओं में कोड उदाहरण और उन्नत कॉन्फ़िगरेशन विकल्पों के लिए, HumanOps डेवलपर दस्तावेज़ पर जाएँ। दस्तावेज़ों में इंटरैक्टिव उदाहरण शामिल हैं जिन्हें आप सीधे टेस्ट मोड में चला सकते हैं, सामान्य एकीकरण पैटर्न के लिए चरण-दर-चरण ट्यूटोरियल, और प्रत्येक API एंडपॉइंट और MCP टूल के लिए संदर्भ दस्तावेज़।

यदि आप AI एजेंट बना रहे हैं जिन्हें भौतिक दुनिया के साथ इंटरैक्ट करने की आवश्यकता है, तो MCP server कॉन्सेप्ट से वर्किंग इंटीग्रेशन तक का सबसे तेज़ रास्ता है। कॉन्फ़िगरेशन की तीन लाइनें। चार शक्तिशाली टूल। आपके AI एजेंट के लिए असीमित वास्तविक दुनिया की क्षमताएं।