डेलर्स के लिए सर्वश्रेष्ठ ai agent management platforms (2026)

अपडेट किया गया 15 नवम्बर 2026 · Zekai संपादकीय टीम द्वारा समीक्षा

सॉफ़्टवेयर डेवलपमेंट एजेंटों को प्रबंधित करने के लिए मॉडल रूटिंग, संदर्भ विंडो नियंत्रण, निष्पादन निगरानी और बुनियादी ढांचे के एकीकरण के लिए समर्पित टूल्स की आवश्यकता होती है। आप आर्टिफिशियल इंटेलिजेंस को टेक्स्ट कंप्लीशन टॉय के बजाय एक कोड निष्पादक के रूप में मानते हैं। टीमें बिना किसी मैन्युअल हस्तक्षेप के मल्टी-स्टेप कोड कार्यों को चलाने, डेटाबेस के साथ इंटरैक्ट करने और जटिल निरंतर एकीकरण प्रक्रियाओं को संभालने के लिए विशेष ऑर्केस्ट्रा पर भरोसा करती हैं। ये प्लेटफॉर्म विश्वसनीय स्वचालित संचालन के निर्माण के लिए कच्चे क्षमता को दैनिक वर्कफ़्लो के साथ जोड़ते हैं।

सही डेवलपर बुनियादी ढांचे को चुनने में निष्पादन नियंत्रण और परिचालन घर्षण को संतुलित करना शामिल है। हल्के कमांड-लाइन इंटरफेस तेजी से टर्मिनल एक्सेस प्रदान करते हैं। उत्पादन सॉफ़्टवेयर तैनाती के लिए निरीक्षण योग्य एजेंट व्यवहार, स्थानीय क्रेडेंशियल सुरक्षा और विभिन्न रिपॉजिटरी में लगातार मॉडल प्रदर्शन की आवश्यकता होती है। यह मार्गदर्शिका आपके वातावरण में स्वचालित सॉफ़्टवेयर एजेंट वर्कफ़्लो के निर्माण, तैनाती और शासन के लिए वर्तमान में उपलब्ध प्रमुख प्लेटफार्मों की समीक्षा करती है।

तालिका को बगल में स्लाइड करें →

ai agent management platforms क्या हैं?

आपकी इंजीनियरिंग टीम ai agent management platforms का उपयोग करके तकनीकी वर्कफ़्लो में स्वायत्त सॉफ़्टवेयर एजेंटों का समन्वय करती है। स्टैंडअलोन भाषा मॉडल केवल स्थिर टेक्स्ट संकेतों का जवाब देते हैं। स्वायत्त एजेंट बुनियादी ढांचा आपको निरंतर निष्पादन के लिए आवश्यक स्थिति प्रबंधन, मेमोरी और टूल एकीकरण देता है। जटिल, बहु-चरणीय कार्यों के लिए कई समर्पित एजेंटों का समन्वय करने के लिए आपको मल्टी-एजेंट प्रबंधन सॉफ़्टवेयर की आवश्यकता होती है। ये क्रियाएं बड़े कोडबेस को अनुक्रमित करती हैं या बहु-फ़ाइल रिफैक्टरिंग कार्यों को निष्पादित करती हैं। मानक इंटरफेस कच्चे मशीन लर्निंग मॉडल को बाहरी डेवलपर टूल्स से जोड़ते हैं, जो बुनियादी भाषा मॉडल को संरचित सॉफ़्टवेयर वर्करों में परिवर्तित करते हैं।

AI एजेंटों के लिए डेवलपर प्लेटफॉर्म वर्कफ़्लो स्वचालन और निष्पादन निगरानी पर ध्यान केंद्रित करते हैं। एक AI वर्कफ़्लो स्वचालन प्लेटफॉर्म इंजीनियरों को प्रोग्रामेटिक रूप से यह परिभाषित करने देता है कि एक एजेंट संस्करण नियंत्रण प्रणालियों, स्थानीय टर्मिनलों, निरंतर एकीकरण पाइपलाइनों और उत्पादन डेटाबेस के साथ कैसे इंटरैक्ट करता है। आप गार्डरेल्स स्थापित करने के लिए आधुनिक एजेंटिक फ्रेमवर्क प्रबंधन का उपयोग करते हैं। ये गार्डरेल्स अनुमत सिस्टम कॉल निर्दिष्ट करते हैं, संदर्भ सीमाओं को लागू करते हैं, और मॉडल अस्पष्ट आउटपुट उत्पन्न करने पर फ़ॉलबैक व्यवहार को परिभाषित करते हैं। यह बुनियादी ढांचा स्वायत्त प्रक्रियाओं को सॉफ़्टवेयर विकास जीवनचक्र के सभी चरणों में निर्धारित, निरीक्षण योग्य और संगठनात्मक इंजीनियरिंग मानकों के अनुरूप रखता है।

स्वचालित एजेंट प्रबंधन कुछ सॉफ़्टवेयर कार्यों पर विफल हो जाता है। आपको कभी भी उच्च जोखिम वाले कार्यों को पूरी तरह से स्वायत्त निष्पादन पर नहीं छोड़ना चाहिए, जैसे कि मुख्य डेटाबेस स्कीमा को संशोधित करना, उत्पादन सुरक्षा नीतियों को बदलना, या सत्यापित क्रिप्टोग्राफिक रूटीन को तैनात करना। एजेंट प्रबंधन प्रणालियाँ दोहराए जाने वाले बॉयलप्लेर निर्माण और स्वचालित परीक्षण में उत्कृष्ट हैं, लेकिन मानव इंजीनियरों को वास्तुशिल्प डिज़ाइन निर्णयों और महत्वपूर्ण कोड समीक्षाओं के लिए अंतिम निगरानी बनाए रखनी होगी। सॉफ़्टवेयर स्थिरता बनाए रखने और उत्पादन वातावरण में अप्रत्याशित सिस्टम विफलता को रोकने के लिए आपको यह जानना होगा कि स्वायत्त निष्पादन कहाँ समाप्त होता है और मानव सत्यापन कहाँ शुरू होता है।

Developer Agent Platforms में देखने योग्य मुख्य विशेषताएं

ai agent management platforms का मूल्यांकन करते समय, सॉफ़्टवेयर इंजीनियरों को रिपॉजिटरी संदर्भ जागरूकता और गहरे पर्यावरण एकीकरण को प्राथमिकता देनी चाहिए। प्रभावी कोडिंग एजेंटों को अलग-थलग स्निपेट्स के बजाय प्रोजेक्ट संरचनाओं तक पूरी पहुंच की आवश्यकता होती है। Cursor जैसे प्लेटफॉर्म व्यापक कोडबेस इंडेक्स बनाए रखते हैं जो एजेंटों को सैकड़ों स्रोत फ़ाइलों में संबंधों को एक साथ संसाधित करने की अनुमति देते हैं। इसी तरह, deepset (Haystack) ओपन-सोर्स पाइपलाइन टूल प्रदान करता है जो डेवलपर्स को मालिकाना कोडबेस के अनुरूप संरचित पुनर्प्राप्ति-संवर्धित पीढ़ी प्रणालियों का निर्माण करने की अनुमति देता है। गहरी संदर्भ जागरूकता के बिना, एजेंट अक्सर ऐसे रिफैक्टरिंग प्लान प्रस्तावित करते हैं जो बाहरी निर्भरताओं को तोड़ते हैं या व्यापक प्रोजेक्ट में मौजूदा वास्तुशिल्प पैटर्न के साथ संघर्ष करते हैं।

आपको मॉडल चयन और एप्लिकेशन एकीकरण में लचीलेपन की आवश्यकता है। इंजीनियरिंग टीमें कार्य की जटिलता और लागत दक्षता के आधार पर विभिन्न फाउंडेशन मॉडल के बीच स्विच करती हैं। Mistral AI IDE और टर्मिनल एकीकरण प्रदान करता है जबकि आपको स्थानीय और क्लाउड वातावरण में फ्रंटियर-ग्रेड मॉडल तैनात करने देता है। Zapier 9,000 से अधिक एप्लिकेशन कनेक्शन प्रदान करता है, जिससे टीमों को संचार उपकरणों, समस्या ट्रैकर्स और डेटाबेस फॉर्म से सीधे एजेंट वर्कफ़्लो को ट्रिगर करने में सक्षम बनाता है। मौजूदा परिचालन वर्कफ़्लो में फिट होने के लिए एक प्रबंधन प्लेटफॉर्म को मॉडल रूटिंग और टूल कॉलिंग क्षमताओं का समर्थन करना चाहिए।

डेटा सुरक्षा और निष्पादन गोपनीयता डेवलपर एजेंट टूल के लिए अंतिम स्तंभ बनाती है। संवेदनशील स्रोत कोड या क्रेडेंशियल्स को तीसरे पक्ष के सर्वर पर प्रसारित करने वाले प्लेटफॉर्म महत्वपूर्ण सुरक्षा जोखिम लाते हैं। DynoTable आपके अपने AWS क्रेडेंशियल्स का उपयोग करके स्थानीय रूप से प्रश्न चलाकर इसे संबोधित करता है, जिससे सभी डेटा आपके स्थानीय वातावरण में निहित रहता है। AutogenAI एंटरप्राइज बोली प्रबंधन के दौरान कॉर्पोरेट बौद्धिक संपदा की रक्षा के लिए FedRAMP High प्राधिकरण प्रदान करता है। मालिकाना कोडबेस या सख्त अनुपालन फ्रेमवर्क के साथ काम करते समय यह जांचना महत्वपूर्ण है कि क्या कोई एजेंट प्लेटफॉर्म स्थानीय-प्रथम निष्पादन, निजी क्लाउड होस्टिंग या संप्रभु तैनाती विकल्पों का समर्थन करता है।

शीर्ष AI Agent Management Platforms की तुलना

Cursor 9.5/10 के Zekai स्कोर के साथ हमारी निर्देशिका का नेतृत्व करता है। आपको मुफ़्त योजना के साथ $8/माह पर एक सशुल्क टियर के साथ एक फ़्रीमियम मॉडल मिलता है। यह गहरे रिपॉजिटरी जागरूकता को बनाए रखते हुए सीधे एडिटर के भीतर जटिल कोडिंग कार्यों को सौंपने में उत्कृष्ट है। Mistral AI एक मुफ़्त योजना के साथ 9.1/10 का Zekai स्कोर प्राप्त करता है, जो मुफ़्त योजना उपलब्ध रखते हुए सशुल्क टियर के लिए $14.99/माह खर्च करता है। यह सेटअप IDE और निरंतर एकीकरण पाइपलाइन के लिए डिज़ाइन किए गए स्वायत्त एजेंट प्रदान करता है। दोनों टूल्स आपको लाइन-बाय-लाइन कोड लिखने से लेकर मल्टी-स्टेप एजेंट कार्यों को निर्देशित करने की अनुमति देते हैं।

मॉडल प्रबंधन और पाइपलाइन शासन के लिए, Hugging Face ने 9.3/10 का Zekai स्कोर अर्जित किया है। एक फ़्रीमियम सेवा के रूप में उपलब्ध ($9/माह सशुल्क टियर, मुफ़्त योजना उपलब्ध), यह ओपन-सोर्स मॉडल, डेटासेट और निष्पादन रिक्त स्थान की मेजबानी के लिए एक आवश्यक पारिस्थितिकी तंत्र के रूप में कार्य करता है। विक्रेता लॉक-इन के बिना कस्टम पुनर्प्राप्ति पाइपलाइनों का निर्माण करने वाली टीमों के लिए, deepset (Haystack) 8.7/10 स्कोर करता है। इसमें एक मुफ़्त योजना और एक सशुल्क टियर उपलब्ध के साथ एक ओपन-सोर्स फ्रेमवर्क है, जो डेवलपर्स को क्लाउड और ऑन-प्रिमाइसेस बुनियादी ढांचे में संप्रभु AI एजेंट पाइपलाइनों, मॉडल रूटिंग और पाइपलाइन निरीक्षण क्षमता पर दानेदार नियंत्रण देता है।

Zapier के पास सशुल्क टियर के लिए $19.99/माह की फ़्रीमियम मूल्य निर्धारण संरचना के साथ 9.1/10 का Zekai स्कोर है और इसके साथ एक मुफ़्त योजना है। यह नो-कोड वर्कफ़्लो स्वचालन के लिए 9,000 से अधिक एप्लिकेशन एंडपॉइंट्स से AI एजेंटों को जोड़ਦਾ है। DynoTable 8.8/10 स्कोर करता है, जो $9/महीने पर एक सशुल्क मॉडल प्रदान करता है और साथ ही एक मुफ़्त हमेशा के लिए केवल-पढ़ने के लिए योजना प्रदान करता है। DynoTable आपको स्थानीय मशीनों पर क्रेडेंशियल्स को सुरक्षित रखते हुए AI एजेंट के माध्यम से DynamoDB के खिलाफ SQL प्रश्न चलाने देता है। ये प्लेटफॉर्म डेटा हैंडलिंग और क्रॉस-एप्लिकेशन कार्यों को सरल बनाते हैं।

AutogenAI विशेष पेशेवर सेवा वर्कफ़्लो के लिए 8.2/10 स्कोर करता है। यह बिक्री के साथ सीधे संपर्क की आवश्यकता वाले कस्टम मूल्य निर्धारण मॉडल पर काम करता है, जिसमें कोई मुफ़्त योजना उपलब्ध नहीं है। AutogenAI प्रस्ताव और बोली निर्माण को तेज करने पर केंद्रित है। यह उच्च सुरक्षा मुद्रा बनाए रखते हुए उद्यम ज्ञान पर कस्टम भाषा इंजन को प्रशिक्षित करके इसे प्राप्त करता है। पारंपरिक कोड निष्पादन पर कम ध्यान केंद्रित करते हुए, यह प्रदर्शित करता है कि एजेंट प्रबंधन बुनियादी ढांचा विशेष तकनीकी दस्तावेज़ निर्माण को कैसे सुव्यवस्थित कर सकता है।

Autonomous Coding Agents को कैसे व्यवस्थित और मॉनिटर करें

स्वायत्त एजेंटों को ऑर्केस्ट्रेट करने के लिए संरचित लूप की आवश्यकता होती है जो प्रगति को ट्रैक करते हैं, आउटपुट को पार्स करते हैं, और लाइव त्रुटियों को ठीक करते हैं। आपको बड़े कार्यों को तोड़ने के लिए मल्टी-एजेंट सॉफ़्टवेयर को कॉन्फ़िगर करना चाहिए। अपने बेसलाइन के रूप में एक API एंडपॉइंट अपडेट लें। एक एजेंट रूटिंग फ़ाइलों का निरीक्षण करता है, मॉडल का मसौदा तैयार करता है, परीक्षण सुइट्स को अपडेट करता है, और स्थानीय परीक्षण धावकों को चलाता है। यदि कोई परीक्षण विफल हो जाता है, तो ऑर्केस्ट्रा परत कंपाइलर आउटपुट को सीधे संदर्भ विंडो में वापस खिलाती है। एजेंट अंतिम पुल अनुरोधों को खोलने से पहले स्वायत्त रूप से समस्या निवारण करता है।

प्रभावी निगरानी के लिए टोकन की खपत, विलंबता और सिस्टम परिवर्तनों में दृश्यता की आवश्यकता होती है। डेवलपर प्लेटफॉर्म प्रत्येक टूल कॉल, टर्मिनल कमांड और फ़ाइल राइट को लॉग करते हैं। यह निरीक्षण क्षमता भगोड़े लूप्स को रोकती है जो निचले Zapier टियर पर एपीआई दर सीमा या कार्य कोटे को समाप्त करते हैं। भारी स्थानीय एकीकरण के दौरान DynoTable जैसे स्थानीय पदचिह्न वाले प्लेटफार्मों को क्लाइंट मशीन संसाधनों की रक्षा के लिए नज़दीकी ट्रैकिंग की आवश्यकता होती है। परिचालन दृश्यता एजेंट कार्यों को प्रबंधनीय और अनुमानित रखती है।

मानव सत्यापन एजेंट ऑर्केस्ट्रेशन वर्कफ़्लो में एक गैर-परक्राम्य चरण बना हुआ है। स्वायत्त एजेंट तेजी से कार्यात्मक कोड उत्पन्न कर सकते हैं, लेकिन उनमें दीर्घकालिक वास्तुशिल्प स्वास्थ्य, सुरक्षा किनारे के मामलों और व्यावसायिक तर्क के इरादे के संबंध में मानवीय अंतर्ज्ञान की कमी होती है। सॉफ़्टवेयर टीमों को स्वचालित समीक्षा द्वार स्थापित करने चाहिए जहाँ एजेंट पुल अनुरोध खोल सकते हैं या डेटाबेस प्रश्न प्रस्तावित कर सकते हैं, लेकिन उत्पादन शाखाओं में विलय करने से पहले मानव इंजीनियरों को स्पष्ट रूप से परिवर्तन की समीक्षा करनी चाहिए और स्वीकृत करना चाहिए। AI एजेंटों को स्वचालित जूनियर डेवलपर्स के रूप में मानना जिन्हें सहकर्मी समीक्षा की आवश्यकता होती है, गैर-deterministic त्रुटियों और सूक्ष्म तर्क खामियों के खिलाफ प्रणालियों की रक्षा करता है।

अपने CI/CD पाइपलाइन में Frontier Models को एकीकृत करना

आप निरंतर एकीकरण और निरंतर तैनाती पाइपलाइनों के अंदर AI एजेंटों को रखकर प्रतिक्रियाशील परीक्षण से सक्रिय कोड विश्लेषण में गुणवत्ता आश्वासन को स्थानांतरित करते हैं। CI/CD रनर के भीतर Mistral AI जैसे टूल्स को तैनात करने से आप पुल अनुरोध समीक्षाओं को स्वचालित कर सकते हैं, नए जोड़े गए कार्यों के लिए यूनिट परीक्षण उत्पन्न कर सकते हैं, और आंतरिक शैली दिशानिर्देशों के खिलाफ स्रोत कोड की जांच कर सकते हैं। एजेंट अलग-थलग पाइपलाइन कंटेनरों के अंदर निष्पादित होते हैं। वे गिट डिफ्स को पार्स करते हैं और सीधे संस्करण नियंत्रण प्लेटफार्मों पर संरचित टिप्पणियां छोड़ते हैं। यह स्वचालित छंटाई वरिष्ठ डेवलपर्स पर समीक्षा के बोझ को कम करती है और सक्रिय सॉफ़्टवेयर इंजीनियरिंग टीमों में रिलीज़ चक्र को तेज करती है।

CI/CD पाइपलाइनों के भीतर मॉडल API लागत और निष्पादन गति का प्रबंधन करने के लिए रणनीतिक बुनियादी ढांचे की योजना की आवश्यकता होती है। हर गिट पुश पर बड़े फाउंडेशन मॉडल चलाना तेजी से महंगा हो जाता है। आप Hugging Face या deepset (Haystack) का उपयोग करके स्व-होस्ट किए गए ओपन-सोर्स मॉडल के साथ वाणिज्यिक क्लाउड API को जोड़ सकते हैं। हल्के ओपन-सोर्स मॉडल स्थानीय पाइपलाइन रनर के भीतर त्वरित लिंटिंग और फ़ॉर्मेटिंग कार्यों को संभालते हैं। बड़े फ्रंटियर मॉडल केवल जटिल सुरक्षा विश्लेषण या अंतिम रिलीज़ उम्मीदवार मूल्यांकन के लिए चलते हैं। यह संकर दृष्टिकोण निर्माण प्रतिक्रिया लूप को तेज रखते हुए बुनियादी ढांचे की लागत का अनुकूलन करता है।

नेटवर्क टाइमआउट, मॉडल API दर सीमा और गैर-deterministic एजेंट प्रतिक्रियाओं को प्रबंधित करने के लिए आपको त्रुटि-हैंडलिंग तंत्र की आवश्यकता है। निरंतर एकीकरण स्क्रिप्ट को स्वचालित फ़ॉलबैक तर्क शामिल करना चाहिए। यह सुनिश्चित करता है कि एक अस्थायी मॉडल API आउटेज कोड तैनाती को ब्लॉक नहीं करता है। आपको सख्त JSON स्कीमा के खिलाफ एजेंट प्रतिक्रियाओं को पार्स करना होगा। डाउनस्ट्रीम बिल्ड टूल तब ठीक से स्वरूपित डेटा प्राप्त करते हैं। रक्षात्मक त्रुटि हैंडलिंग स्थापित करने से स्वचालित एजेंट चरण रिलीज़ वर्कफ़्लो में नाजुक निर्भरता पेश किए बिना बिल्ड पाइपलाइनों को बढ़ाते हैं।

एजेंटों के लिए सुरक्षा, डेटा गोपनीयता और क्रेडेंशियल प्रबंधन

ai agent management platforms को सुरक्षित करने के लिए क्रेडेंशियल्स, स्रोत कोड गोपनीयता और निष्पादन अनुमतियों के कड़े प्रबंधन की आवश्यकता होती है। स्वायत्त एजेंटों को सौंपे गए कार्यों को करने के लिए अक्सर डेटाबेस, API कुंजी और आंतरिक रिपॉजिटरी तक पहुंच की आवश्यकता होती है। DynoTable जैसे प्लेटफॉर्म स्थानीय-प्रथम निष्पादन को अपनाकर गोपनीयता को प्राथमिकता देते हैं, स्थानीय AWS क्रेडेंशियल्स का उपयोग करके सीधे आपके डिवाइस पर SQL प्रश्न चलाते हैं ताकि कच्चा डेटा कभी भी आपके पर्यावरण को न छोड़े। इसके विपरीत, Cursor जैसे क्लाउड-निर्भर एजेंटों को स्पष्ट टीम प्राधिकरण के बिना तीसरे पक्ष के सर्वर पर संवेदनशील मालिकाना कोड प्रेषित होने से रोकने के लिए सावधानीपूर्वक संगठन नीति कॉन्फ़िगरेशन की आवश्यकता होती है।

उद्यमों को संप्रभु तैनाती और कड़े डेटा प्रतिधारण नियंत्रण की आवश्यकता होती है। deepset (Haystack) जैसे ओपन-सोर्स फ्रेमवर्क आपको निजी बादलों या ऑन-प्रिमाइसेस डेटा केंद्रों के भीतर एजेंट पाइपलाइनों की मेजबानी करने देते हैं, जिससे तीसरे पक्ष के डेटा प्रतिधारण को रोका जा सकता है। AutogenAI विशेष वर्कफ़्लो के लिए FedRAMP High प्राधिकरण लाता है, जो सरकारी-ग्रेड सुरक्षा मानकों को पूरा करता है। ये संप्रभु तैनाती प्रोटोकॉल आपके मालिकाना एल्गोरिदम और संवेदनशील उपयोगकर्ता डेटा को अनधिकृत जोखिम से बचाते हैं।

जब एजेंटों को निष्पादन अधिकार प्रदान करते हैं तो दानेदार एक्सेस कंट्रोल और विशेषाधिकार पृथक्करण आवश्यक होते हैं। डेवलपर्स को कम से कम विशेषाधिकार के सिद्धांत को लागू करना चाहिए, एजेंटों को डिफ़ॉल्ट रूप से केवल-पढ़ने के लिए पहुंच प्रदान करना चाहिए और लेखन संचालन के लिए उन्नत अनुमतियों की आवश्यकता होती है। उदाहरण के लिए, DynoTable की मुफ्त योजना जैसे केवल-पढ़ने के लिए टियर आकस्मिक डेटा संशोधन के जोखिम के बिना सुरक्षित डेटा अन्वेषण की अनुमति देते हैं। एजेंट क्षमताओं को सैंडबॉक्स किए गए वातावरण तक सीमित करना और विशेषाधिकार प्राप्त संचालन के लिए बहु-कार्रवाई अनुमोदन की आवश्यकता होना समझौता किए गए या खराब काम करने वाले एजेंटों को उत्पादन बुनियादी ढांचे में विनाशकारी आदेशों को निष्पादित करने से रोकता है।

मल्टी-स्टेप डेवलपमेंट निर्भरता का मिलान करने के लिए [REPOSITORY_LINK] पर हमारे कोडबेस रिपॉजिटरी का मूल्यांकन करें। मॉड्यूल सीमाओं की पहचान करें, [TARGET_MODULE] को रिफैक्टर करने के लिए एक निष्पादन योजना का निर्माण करें, और संभावित परिपत्र निर्भरता या प्रतिगमन जोखिमों को उजागर करें। कोड जनरेशन से पहले चरण-दर-चरण एजेंट निष्पादन मापदंडों और आवश्यक सुरक्षा जांचों का विवरण देने वाला एक संरचित विवरण लौटाएं।

[PROJECT_NAME] के लिए आने वाले पुल अनुरोधों का निरीक्षण करने के लिए [FRAMEWORK_NAME] का उपयोग करके एक स्वचालित CI/CD पाइपलाइन चरण डिज़ाइन करें। गिट डिफ को पार्स करें, [SECURITY_RULES] के खिलाफ सुरक्षा स्थैतिक विश्लेषण चलाएं, और किसी भी विफल दावे के लिए कार्रवाई योग्य इनलाइन टिप्पणी का मसौदा तैयार करें। सुनिश्चित करें कि मॉडल हमारे ऑडिट स्कीमा के अनुसार स्वरूपित निर्धारित JSON आउटपुट करता है।

[TIME_PERIOD] में [TABLE_NAME] से परिचालन मेट्रिक्स को एकत्रित करने के लिए [DATABASE_NAME] के लिए एक स्थानीय डेटाबेस प्रश्न योजना का निर्माण करें। [JOIN_KEY] पर [SECONDARY_TABLE] को जोड़ने के लिए SQL सिंटैक्स का उपयोग करें, यह सुनिश्चित करते हुए कि सभी कम्प्यूटेशनल ओवरहेड हमारे सुरक्षित नेटवर्क परिधि के बाहर कच्चे उत्पादन रिकॉर्ड या क्रेडेंशियल्स को भेजे बिना स्थानीय रहे।