Open in
Claude Code, Codex किंवा Cursor सह तयार करा
ThunderPhone Agent Skills इंस्टॉल करा, ThunderPhone MCP सर्व्हर कनेक्ट करा आणि कोडिंग एजंटला अद्ययावत उत्पादन दस्तऐवजीकरण द्या.
ThunderPhone कोडिंग एजंटसाठी तीन स्तर प्रदान करते:
| स्तर | एजंटला काय मिळते |
|---|---|
| Agent Skills | एजंट, prompt, क्रमांक, कॉल, साधने, वेबहुक, ज्ञान, चाचणी, बंद चक्रात एजंट सुधारणे, मोहिमा, विजेट, रिअलटाइम फ्रेमवर्क आणि स्थलांतरे यांसाठी केंद्रित प्रक्रिया. |
| MCP | प्रमाणीकरण केलेली साधने एजंट, क्रमांक, कॉल, चाचणी, ज्ञान, साधने/वेबहुक, मोहिमा, आवाज, आयात आणि दस्तऐवज उपलब्ध होत जातात तसे समाविष्ट करतात; थेट कॅटलॉगसाठी tools/list कॉल करा. |
| कच्चे दस्तऐवजीकरण | उत्पादनाच्या वर्तनासाठी आणि API तपशीलांसाठी सध्याचे Markdown स्रोत. |
कौशल्ये काम कसे करायचे ते स्पष्ट करतात. MCP कोडिंग एजंटला तुमची संस्था तपासू देते आणि तिच्यावर कृती करू देते. लोड केलेल्या कौशल्याबाहेरील प्रश्नांसाठी मूळ दस्तऐवज स्रोत सामग्री देतात.
प्रकल्पात स्थापित करा
हा ब्लॉक कौशल्ये स्थापित करतो, की सध्याच्या शेलसाठी उपलब्ध करतो, आणि Claude Code मध्ये प्रकल्प-व्याप्त MCP सर्व्हर जोडतो. प्लेसहोल्डरच्या जागी तुमच्या गुपित व्यवस्थापकातून वास्तविक मूल्य वाचा; की रेपॉझिटरी किंवा चॅटमध्ये पेस्ट करू नका.
npx skills add thunderphone/skills
export THUNDERPHONE_API_KEY='replace-with-value-from-your-secret-manager'
claude mcp add --transport http --scope project \
--header 'Authorization: Bearer ${THUNDERPHONE_API_KEY}' \
thunderphone https://api.thunderphone.com/v1/mcpCodex साठी, अंतिम कमांड याने बदला:
codex mcp add thunderphone \
--url https://api.thunderphone.com/v1/mcp \
--bearer-token-env-var THUNDERPHONE_API_KEYCursor .cursor/mcp.json मधून प्रकल्प कॉन्फिगरेशन वाचतो:
{
"mcpServers": {
"thunderphone": {
"type": "http",
"url": "https://api.thunderphone.com/v1/mcp",
"headers": {
"Authorization": "Bearer ${env:THUNDERPHONE_API_KEY}"
}
}
}
}VS Code .vscode/mcp.json मधील servers की अंतर्गत तोच सर्व्हर वापरते:
{
"servers": {
"thunderphone": {
"type": "http",
"url": "https://api.thunderphone.com/v1/mcp",
"headers": {
"Authorization": "Bearer ${env:THUNDERPHONE_API_KEY}"
}
}
}
}उदाहरण सत्र: द्विभाषिक दंत-चिकित्सा रिसेप्शनिस्ट
- कोडिंग एजंटला
create-agent,thunderphone-prompt-builder,build-tool-integration,add-knowledge, आणिtest-agentलोड करण्यास सांगा. त्याला प्रथम नियोजन करण्यास आणि अद्याप संसाधने तयार न करण्यास सांगा. - त्याला सत्यापित प्रॅक्टिस तथ्ये, समर्थित कार्ये, एस्कलेशन नियम आणि दोन आवश्यक लोकेल द्या. व्हॉइस किंवा लोकेल तयार करून सांगण्याऐवजी त्याला थेट व्हॉइस कॅटलॉग आणि समर्थित भाषा तपासण्यास सांगा.
- सामान्य तत्त्वे आणि तथ्यांवरून तयार केलेला एक उत्पादन prompt मागा. एजंटने कॉलरच्या समर्थित भाषेत स्विच करावे, बोलणे संक्षिप्त ठेवावे, एका वेळी एकच प्रश्न विचारावा आणि कॉलर-प्रतिसाद स्क्रिप्ट टाळाव्यात.
- त्याला मर्यादित शेड्युलिंग टूल परिभाषित करण्यास आणि रिसेप्शनिस्टला आवश्यक असलेलेच ज्ञान जोडण्यास सांगा. तैनातीपूर्वी टूलचे यश, उपलब्धता नसणे, अवैध इनपुट, टाइमआउट आणि मानवी हस्तांतरण तपासा.
- दोन्ही भाषा, व्यत्यय, दुरुस्त्या, गहाळ माहिती, ज्ञानविषयक प्रश्न, शेड्युलिंग अपयश आणि एस्कलेशनसाठी परिस्थिती तयार करा. त्या चालवा, ट्रान्स्क्रिप्ट आणि टूल पुरावे तपासा, सर्वात लहान सामान्य नियम दुरुस्त करा, आणि तोच संच पुन्हा चालवा.
- अचूक मसुदा आणि चाचणी पुरावे पुनरावलोकन करा, नंतर तैनाती आणि नंबर जोडण्यास स्पष्टपणे अधिकृत करा. प्रत्यक्ष ट्रॅफिकवर जाण्यापूर्वी प्रत्येक भाषेत नियंत्रित ऑडिओ कॉल करा.
बंद लूपमध्ये एजंट सुधारा
एजंट कॉल घेऊ लागल्यावर, कोडिंग एजंटला iterate-on-agent लोड करण्यास सांगा.
हे कौशल्य ThunderPhone त्याच्या स्वतःच्या एजंटसाठी वापरत असलेलाच लूप चालवते, त्यामुळे प्रत्येक
बदल शिप करण्यापूर्वी मोजला जातो:
- एजंट, त्याची prompt आवर्तने आणि prompt शैली मार्गदर्शक वाचा. Prompt आवर्तने REST आणि MCP द्वारे उपलब्ध आहेत, त्यामुळे कोडिंग एजंट अलीकडील prompt बदल थेट तपासू शकतो.
- चाचणी संच तयार करा.
import_conversationsअलीकडील कॉल किंवाcall_idsद्वारे निवडलेले कॉल चाचणी संभाषणांमध्ये आणि त्यांच्या सर्वात कठीण क्षणांचे उत्तर-कुंजींसह उदाहरणांमध्ये रूपांतरित करते. काही आयात केलेल्या संभाषणांसाठी उदाहरण निर्मिती अयशस्वी झाल्यास, कोणतेही कॉल आयात न करता त्या एजंट संभाषणांसाठी पुन्हा उदाहरणे तयार करण्यासाठीredo_failed: trueसहimport_conversationsचालवा.generate_conversationsनवीन एजंटसाठी ती तयार करते, ज्यात prompt च्या कमकुवत ठिकाणांवर केंद्रित कठीण कॉलर समाविष्ट असतात (ते नेहमी dev स्प्लिटमध्ये जातात). प्रत्येक संभाषण ट्यूनिंगसाठी dev स्प्लिटमध्ये किंवा एकदाच मोजण्यासाठी test स्प्लिटमध्ये असते. ज्या कॉलचा कॉलर test स्प्लिटमध्ये आहे तो वेगळा ठेवला जातो: API की किंवा OAuth टोकनसाठी, REST आणि MCP दोन्हीद्वारे, तो फक्त त्याचा आयडी, सुरुवातीची वेळ आणिheld_out: trueसह परत येतो, त्यावर लेखन नाकारले जाते (held_out_call), आणि त्यातून उन्नत केलेली test परिस्थितीही नाकारली जाते; ट्यूनिंग करताना तो वगळा. - dev स्प्लिटवर
run_replaysसह बेसलाइन घ्या. Bolt v2 सह, रेकॉर्ड केलेला ऑडिओ असलेला टर्न, लाइव्ह कॉल जसा चालवेल तसा पुन्हा चालवला जातो. - मसुदा संपादित करा.
review_promptशैली मार्गदर्शकानुसार prompt तपासते आणि शोधा-आणि-बदला संपादने सुचवते;update_agentतीprompt_editsसह मसुद्यावर लागू करते;previous_promptसह दुसरे पुनरावलोकन काय बदलले ते तपासते.refactor_promptखूप जास्त पॅचेस जमा झालेला prompt पुन्हा लिहिते आणि त्याने बदललेल्या कोणत्याही वर्तनाचा अहवाल देते. एखादे संपादन वर्तन जोडते किंवा काढून टाकते तेव्हा,refresh_conversationsचाचणी संभाषणे नवीन prompt नुसार अद्ययावत करते आणि नियम परत आल्यास आधीच्या आवृत्त्या पुनर्स्थापित करते. - बेसलाइनच्या तुलनेत
run_replaysसह पडताळणी करा, आणि कॉलरला जसे ऐकू येईल तसे अपयश वाचा.compare_configsत्याच dev उदाहरणांवर वेगळी ऐकण्याची श्रेणी, आवाज, endpointing किंवा बुद्धिमत्ता श्रेणी वापरून पाहते; तुलना केवळ dev साठी असतात. - test स्प्लिटवर एकदाच मोजा. चाचणी रन एक संपूर्ण चाचणी
समूह पुन्हा चालवते आणि त्याचा पहिला निकाल तो खर्च करतो, त्यामुळे कोणत्याही
prompt साठी प्रत्येक पुढील चाचणी रनला आयात केलेल्या कॉलमधून किंवा तयार केलेल्या
संभाषणांमधून ताजा चाचणी डेटा लागतो. प्रत्येक उदाहरणाचे इंजिन रनपूर्वी त्याच्या
डेटावरून सेट केले जाते (रेकॉर्ड केलेला ऑडिओ तंतोतंत पुन्हा चालवला जातो, केवळ मजकूर असलेली उदाहरणे मजकूर म्हणून).
एकूण प्रत्येक इंजिननुसार येतात आणि काहीही मजकूराकडे परत जात नाही: Bolt v2 व्यतिरिक्तच्या कॉन्फिगरेशनमध्ये
रेकॉर्ड केलेला ऑडिओ असलेला समूह नाकारला जातो
(
test_needs_exact_replay) आणि न वापरलेलाच राहतो, त्यामुळे ते कॉन्फिगरेशन dev वर मोजा. कोडिंग एजंटना फक्त एकूण मिळतात, तसेच dev रनवरील साध्या भाषेतील तुलना-वाचन मिळते, त्यामुळे ते test स्प्लिटवर ट्यून करू शकत नाहीत. run_simulationरेकॉर्डिंग ऐका, किंवा talk link उघडा आणि मसुद्याशी स्वतः बोला.- तुम्ही सांगाल तेव्हा तैनात करा.
क्रेडिट खर्च करणारी प्रत्येक गोष्ट आधी कोट घेते: अंदाजासाठी dry_run: true पाठवा,
नंतर त्याच्या quote_id आणि कठोर मर्यादा असलेल्या max_cost_cents सह रन करा. एक
कोट एका रनसाठी पैसे देतो: संभाषण जॉब्स, रिप्ले रन आणि मॉडेलला कॉल करणारी prompt पुनरावलोकने
आणि रिफॅक्टर सुरू होताच ते सर्व तो कायमस्वरूपी वापरतात. तुमच्या API की, OAuth अॅप किंवा MCP ने सुरू केलेले सशुल्क रनही तुमच्या संस्थेने सक्षम केलेल्या त्याच टूलकिट भत्त्यामध्ये मोजले जातात,
आणि नाकारलेला किंवा सुरुवातीलाच अयशस्वी झालेला रन कोट वापरण्यायोग्य ठेवतो; तो
वापरल्यानंतर, अयशस्वी रन नवीन ड्राय रनसह पुन्हा करा. प्रत्येक विनंती
पाठवण्यापूर्वी तिचा कमाल संभाव्य खर्च राखून ठेवते, आणि रनला
त्याचा प्रत्यक्ष खर्च आकारला जातो, म्हणून अंदाजातील अतिरिक्त जागा ठेवा. अचूक रिप्ले सामान्य टर्नसाठी
प्रत्येक सुरू असलेल्या रिप्लेसाठी सुमारे 85 सेंट ते $1.25 राखून ठेवतो
(एक सामान्य टर्न आणि एक प्रोडक्शन री-रन), प्रत्यक्षात काही सेंट खर्चाच्या तुलनेत: रिप्ले रनसाठी
पुरेशी मोकळीक असलेली मर्यादा द्या. बजेट संपूनही चालू असलेला टर्न वेगळा मोजला जातो आणि कोणताही टेस्ट कोहोर्ट खर्च करत नाही. एक एजंट
एका वेळी एक संभाषण जॉब किंवा रिप्ले रन चालवतो. OAuth सह, prompt
टूल्सना agents:write स्कोप आवश्यक असतो. कॉलचे रेकॉर्डिंग बंद केले
किंवा कॉल हटवला, तर त्यातून घेतलेली टेस्ट संभाषणे आणि उदाहरणेही
काढून टाकली जातात. टेस्ट संभाषण,
रिप्ले आणि prompt पुनरावलोकन टूल्स एजंट पुनरावृत्ती
टूलकिटचा भाग आहेत, जे बीटामध्ये असताना प्रत्येक संस्थेसाठी सक्षम केले जाते (टॉक लिंक्स
प्रत्येक संस्थेसाठी सुरू असतात); ते सुरू करण्यासाठी
सहाय्य ला विचारा.
टाइप केलेल्या REST विनंत्यांसाठी Python किंवा TypeScript SDK वापरा.
एखाद्या बिल्डला निर्धारक पेलोड, आवृत्तीबद्ध फिक्स्चर, मोठ्या प्रमाणावर ऑर्केस्ट्रेशन किंवा सध्याच्या MCP
टूल सूचीमध्ये नसलेली क्रिया आवश्यक असल्यास MCP ऐवजी REST वापरा. API https://api.thunderphone.com/v1 येथे सुरू होते; API परिचय आणि
MCP मार्गदर्शक पहा.