এআই এজেন্ট প্রোটোকল এবং আর্কিটেকচার সম্পর্কিত ডেভেলপার গাইড

হোম » পাইথন » এআই এজেন্ট প্রোটোকল এবং আর্কিটেকচার সম্পর্কিত ডেভেলপার গাইড

এআই এজেন্টরা সফটওয়্যারকে নিষ্ক্রিয় সহকারী থেকে সরিয়ে নিয়ে যাচ্ছে স্বায়ত্তশাসিত সহযোগীরা যা তার পরিবেশ উপলব্ধি করতে পারে, জটিল লক্ষ্য সম্পর্কে যুক্তি দিতে পারে এবং আমাদের পক্ষ থেকে পদক্ষেপ নিতে পারে। ডেভেলপারদের জন্য, এই পরিবর্তন সবকিছু পাল্টে দেয়: একটি এলএলএম-কে কেন্দ্র করে স্থির ওয়ার্কফ্লো সাজানোর পরিবর্তে, আপনি এমন সিস্টেম ডিজাইন করেন যেখানে মডেলটি নিজেই নিয়ন্ত্রণ প্রবাহকে চালনা করে, টুলগুলোকে সমন্বয় করে এবং অন্যান্য এজেন্ট ও পরিষেবার সাথে সহযোগিতা করে।

আপনি যদি গুরুত্ব সহকারে গড়ে তুলতে চান, উৎপাদন-গ্রেড এজেন্টিক সিস্টেমউদীয়মান প্রোটোকলগুলো বোঝা এখন আর ঐচ্ছিক বিষয় নয়।এজেন্টদের টুল অ্যাক্সেস করার (MCP), একে অপরের সাথে কথা বলার (A2A) এবং স্বাভাবিক ভাষার মাধ্যমে ওয়েবের সাথে ইন্টারঅ্যাক্ট করার (NLWeb) প্রমিত পদ্ধতিগুলো দ্রুত “এজেন্ট ইকোসিস্টেম”-এর মেরুদণ্ড হয়ে উঠছে। এর পাশাপাশি, এজেন্টদের নিজস্ব মূল উপাদানগুলো—যেমন মডেল, টুল, নির্দেশনা, অর্কেস্ট্রেশন প্যাটার্ন এবং গার্ডরেল—আয়ত্ত করাও আপনার প্রয়োজন।

এআই এজেন্ট আসলে কী এবং এটি একটি সাধারণ এলএলএম থেকে কীভাবে আলাদা?

একটি এআই এজেন্টকে শুধুমাত্র মডেলটি হিসেবে নয়, বরং এলএলএম-কে কেন্দ্র করে নির্মিত একটি সম্পূর্ণ সিস্টেম হিসেবেই সবচেয়ে ভালোভাবে বোঝা যায়।প্রাতিষ্ঠানিকভাবে স্বীকৃত সংজ্ঞা অনুযায়ী (উদাহরণস্বরূপ স্ট্যানফোর্ড CS221-এ), এজেন্ট হলো এমন একটি গণনামূলক সত্তা যা কোনো পরিবেশে অবস্থিত এবং কোনো একটি লক্ষ্যের সাপেক্ষে সাফল্যের সম্ভাবনাকে সর্বোচ্চ করার জন্য সেন্সরের মাধ্যমে পরিবেশটিকে উপলব্ধি করতে ও অ্যাকচুয়েটরের মাধ্যমে তার উপর কাজ করতে সক্ষম।

ব্যবহারিক সফটওয়্যারের পরিভাষায়, আধুনিক এআই এজেন্ট চারটি উপাদানকে একত্রিত করে।: ক বড় ভাষা মডেল যুক্তিবোধ, বাহ্যিক টুল এবং এপিআই ব্যবহারের সুযোগ, সময়ের সাথে সাথে প্রেক্ষাপট মনে রাখার জন্য এক ধরনের স্মৃতিশক্তি এবং একটি সুস্পষ্ট উদ্দেশ্য বা ভূমিকা। শুধু প্রশ্নের উত্তর দেয় এমন একটি সাধারণ চ্যাটবটের থেকে ভিন্ন, একজন এজেন্ট পরিকল্পনা করতে পারে, টুল ব্যবহার করতে পারে, সেগুলোর আউটপুটে প্রতিক্রিয়া জানাতে পারে এবং একটি লক্ষ্যে না পৌঁছানো পর্যন্ত পুনরাবৃত্তিমূলকভাবে একটি কর্মপ্রবাহ পরিচালনা করতে পারে।

বিভ্রান্তির একটি সাধারণ কারণ হলো ‘মডেল’ এবং ‘এজেন্ট’ শব্দ দুটিকে গুলিয়ে ফেলা।GPT-4 বা Llama 3-এর মতো একটি মডেল হলো একটি শক্তিশালী কিন্তু নিষ্ক্রিয় “মস্তিষ্ক”: আপনি কোনো নির্দেশ না পাঠানো পর্যন্ত এটি কিছুই করে না, এবং এটি নিজে থেকে ইমেল পাঠাতে, এপিআই (API) ব্যবহার করতে বা ডেটাবেস আপডেট করতে পারে না। অন্যদিকে, একটি এজেন্ট মডেলটিকে উপলব্ধি, যুক্তি এবং কর্মের একটি চক্রে আবদ্ধ করে। এটি মডেলের পূর্বাভাস ব্যবহার করে সিদ্ধান্ত নেয় যে কোন টুলটি চালু করতে হবে, কখন ব্যবহারকারীর কাছে স্পষ্টীকরণের জন্য জিজ্ঞাসা করতে হবে এবং কখন থামতে হবে।

মূল পার্থক্য হলো কর্মপ্রবাহ কে নিয়ন্ত্রণ করে।ক্লাসিক সফটওয়্যারে, আপনার কোডই কাজের ক্রম নির্ধারণ করে দেয়: যদি A হয়, তবে B, তারপর C। এজেন্টের ক্ষেত্রে, LLM বর্তমান অবস্থার উপর ভিত্তি করে পরবর্তী পদক্ষেপ কী হবে তা স্থির করে। এটি একই উচ্চ-স্তরের অনুরোধ থেকে কোনো অর্ডার খুঁজে বের করা, একটি সাপোর্ট টিকেট খোলা, বা কেসটি অন্য কোনো এজেন্টের কাছে হস্তান্তর করার মতো সিদ্ধান্ত নিতে পারে।

এজেন্টগুলোও পরিশীলতার দিক থেকে ভিন্ন ভিন্ন হয়, সাধারণ প্রতিক্রিয়াশীল সিস্টেম থেকে শুরু করে শিক্ষণীয়, লক্ষ্য-চালিত আর্কিটেকচার পর্যন্ত।রাসেল ও নরভিগের চিরায়ত শ্রেণিবিন্যাসটি এই ক্ষেত্রটি বোঝার জন্য এখনও উপযোগী: এর মাধ্যমে পাওয়া যায় সরল প্রতিক্রিয়াশীল এজেন্ট (যারা কেবল ‘যদি-তবে’ নিয়ম অনুসরণ করে), মডেল-ভিত্তিক প্রতিক্রিয়াশীল এজেন্ট (যাদের অভ্যন্তরীণ অবস্থা ন্যূনতম), লক্ষ্য-ভিত্তিক এজেন্ট (যারা একটি কাঙ্ক্ষিত ফলাফলের জন্য পরিকল্পনা করে), উপযোগিতা-ভিত্তিক এজেন্ট (যারা অনেক সম্ভাব্য ফলাফলের মধ্যে একটি সাংখ্যিক স্কোরকে অপ্টিমাইজ করে) এবং শিখনশীল এজেন্ট (যারা ফিডব্যাকের উপর ভিত্তি করে তাদের পলিসিকে অভিযোজিত করে)।

এআই এজেন্টের যুগে প্রোটোকল কেন গুরুত্বপূর্ণ

এজেন্টরা আরও সক্ষম ও ব্যাপক হয়ে ওঠার সাথে সাথে দ্রুত তিনটি সমস্যা দেখা দেয়: ইন্টিগ্রেশন খরচ, আন্তঃকার্যক্ষমতা এবং নিরাপত্তা।প্রতিটি এপিআই বা পার্টনার সিস্টেমের জন্য তৈরি করা অ্যাড-হক গ্লু কোড স্কেলযোগ্য নয়। মালিকানাধীন, এককালীন ফরম্যাটগুলো বিভিন্ন ভেন্ডরের টুল ও এজেন্টের মধ্যে সহযোগিতাকে বাধাগ্রস্ত করে। এবং প্রতিটি নতুন ইন্টিগ্রেশন আপনার নিরাপত্তার পরিধি বাড়িয়ে তোলে।

এজেন্ট-কেন্দ্রিক প্রোটোকলগুলো ঠিক এই সমস্যাগুলো সমাধান করার লক্ষ্য রাখে। নিম্নলিখিত বিষয়গুলির জন্য উন্মুক্ত মান নির্ধারণের মাধ্যমে: হোস্ট কীভাবে এলএলএম-এর কাছে টুলস এবং কনটেক্সট প্রকাশ করে (মডেল কনটেক্সট প্রোটোকল, বা এমসিপি), এজেন্টরা কীভাবে সাংগঠনিক এবং প্রযুক্তিগত সীমানা পেরিয়ে অন্যান্য এজেন্টের সাথে যোগাযোগ করে (এজেন্ট-টু-এজেন্ট, বা এ২এ), এবং ওয়েবসাইটগুলি কীভাবে মানুষ ও এজেন্ট উভয়ের জন্য স্বাভাবিক ভাষাকে প্রাধান্য দিয়ে তাদের বিষয়বস্তু এবং কার্যকলাপ প্রকাশ করে (ন্যাচারাল ল্যাঙ্গুয়েজ ওয়েব, বা এনএলওয়েব)।

ডেভেলপারদের জন্য, এই প্রোটোকলগুলো এজেন্ট এবং পরিষেবাগুলোর জন্য “সার্বজনীন অ্যাডাপ্টার” এবং “বিজনেস কার্ড” হিসেবে কাজ করে।ডজন ডজন ইন্টিগ্রেশন হার্ডকোড করার পরিবর্তে, আপনি MCP সার্ভার, A2A-কম্প্যাটিবল পিয়ার বা NLWeb সাইটের সাথে একবার ইন্টিগ্রেট করেন এবং প্রোটোকলকে ডিসকভারি, ক্যাপাবিলিটি ও অথেনটিকেশনের দায়িত্ব দেন। এটি কাস্টম ইন্টিগ্রেশন লজিককে ব্যাপকভাবে কমিয়ে দেয় এবং আপনাকে সমস্ত অভ্যন্তরীণ কোড পুনরায় না লিখেই মডেল বা টুল পরিবর্তন করার সুযোগ দেয়।

একই সাথে, প্রোটোকল-স্তরের নিরাপত্তা অপরিহার্য হয়ে ওঠে।প্রোটোকল স্তরে অ্যাক্সেস কন্ট্রোল, প্রমিত প্রমাণীকরণ এবং সুস্পষ্ট সক্ষমতার বিবরণ থাকলে, কে কী, কোথা থেকে এবং কী কী সীমাবদ্ধতার অধীনে করতে পারবে, তা বোঝা অনেক সহজ হয়ে যায়—যা এন্টারপ্রাইজ পরিবেশের জন্য অত্যন্ত গুরুত্বপূর্ণ, যেখানে এজেন্টদের ইনভেন্টরি, পেমেন্ট বা সংবেদনশীল গ্রাহক ডেটা স্পর্শ করার অনুমতি থাকতে পারে।

মডেল কনটেক্সট প্রোটোকল (MCP): টুলস এবং ডেটার জন্য একটি সার্বজনীন অ্যাডাপ্টার

মডেল কনটেক্সট প্রোটোকল একটি উন্মুক্ত মান, যা নির্ধারণ করে যে অ্যাপ্লিকেশনগুলো কীভাবে এলএলএম-ভিত্তিক এজেন্টদের টুলস এবং প্রাসঙ্গিক ডেটা সরবরাহ করতে পারে।ধারণাগতভাবে, এমসিপি আপনার এজেন্ট এবং আপনার বিদ্যমান সিস্টেমগুলোর—যেমন ডেটাবেস, SaaS এপিআই, অভ্যন্তরীণ পরিষেবা—মাঝখানে অবস্থান করে এবং সেগুলোকে একীভূত ও আবিষ্কারযোগ্য একগুচ্ছ সক্ষমতায় রূপান্তরিত করে।

এমসিপি একটি ক্লায়েন্ট-সার্ভার আর্কিটেকচার অনুসরণ করে, যার তিনটি প্রধান ভূমিকা রয়েছে।: হোস্ট (একটি এলএলএম অ্যাপ্লিকেশন, যেমন একটি আইডিই, একটি চ্যাট ক্লায়েন্ট বা একটি এজেন্ট রানটাইম) যা সংযোগ স্থাপন করে, সেই হোস্টের অভ্যন্তরে থাকা ক্লায়েন্ট কম্পোনেন্টগুলো যা এমসিপি সার্ভারগুলোর সাথে ওয়ান-টু-ওয়ান সংযোগ বজায় রাখে, এবং স্বয়ং সার্ভারগুলো, যা নির্দিষ্ট সক্ষমতা প্রদানকারী লাইটওয়েট প্রোগ্রাম।

MCP-এর অভ্যন্তরে, সার্ভারগুলো তিনটি মূল আদিম উপাদানের বিজ্ঞাপন দেয়। এজেন্টরা যেগুলোকে সামঞ্জস্যপূর্ণভাবে ব্যবহার করতে পারে: টুল, রিসোর্স এবং প্রম্পট। টুল হলো স্বতন্ত্র কাজ—যেমন “আবহাওয়া জানা”, “পণ্য কেনা”, “ফ্লাইট খোঁজা”—যেগুলোর নাম, বিবরণ এবং ইনপুট/আউটপুট স্কিমা থাকে। রিসোর্স হলো শুধুমাত্র-পঠ্য ডেটা আইটেম, যেমন ফাইল, ডাটাবেস সারি বা লগ, যা টেক্সট বা বাইনারি হতে পারে। প্রম্পট হলো পূর্বনির্ধারিত টেমপ্লেট যা প্রম্পট ইঞ্জিনিয়ারিং প্যাটার্ন বা বহু-ধাপের প্রবাহকে ধারণ করে।

ডাইনামিক টুল ডিসকভারি হলো এমসিপি-র অন্যতম বড় সাফল্য।কোনো ট্র্যাভেল অ্যাসিস্ট্যান্টের একটি নির্দিষ্ট সিগনেচারসহ “সার্চফ্লাইটস” ফাংশন হার্ডকোড করার পরিবর্তে, এজেন্টটি এয়ারলাইনের এমসিপি সার্ভারের সাথে সংযোগ স্থাপন করে এবং এর সক্ষমতার তালিকা জানতে চায়। সার্ভারটি টুলগুলোর মেশিন-পঠনযোগ্য বিবরণ, তাদের আর্গুমেন্ট এবং প্রত্যাশিত প্রতিক্রিয়া ফেরত দেয়। যখন এয়ারলাইন একটি “আপগ্রেড_বুকিং” টুল যোগ করে, আপনার এজেন্ট কোডে কোনো পরিবর্তন ছাড়াই তা খুঁজে পায়, যতক্ষণ আপনি এমসিপি চুক্তিটি মেনে চলেন।

এমসিপি ইচ্ছাকৃতভাবে মডেল-নিরপেক্ষও বটে।যেহেতু প্রোটোকলটি কোনো একটি নির্দিষ্ট ভেন্ডরের এপিআই-এর উপর ভিত্তি করে নয়, বরং সক্ষমতা এবং প্রেক্ষাপটের উপর ভিত্তি করে তৈরি, তাই একই এমসিপি সার্ভার বিভিন্ন এলএলএম বা এজেন্ট ফ্রেমওয়ার্ক থেকে ব্যবহার করা যায়। এর ফলে, আপনার ইন্টিগ্রেশনগুলো পুনরায় না করেই মডেল অদলবদল বা একাধিক মডেলের কৌশল (যেমন, সাধারণ ফ্লো-এর জন্য একটি ছোট ও সাশ্রয়ী মডেল এবং জটিল রিজনিং-এর জন্য একটি শক্তিশালী মডেল ব্যবহার করা) নিয়ে পরীক্ষা-নিরীক্ষা করার সুযোগ পাওয়া যায়।

আরেকটি সুবিধা হলো মানসম্মত নিরাপত্তা।এমসিপি-তে সামঞ্জস্যপূর্ণ অথেনটিকেশন মেকানিজম অন্তর্ভুক্ত থাকতে পারে, যা প্রতিটি থার্ড-পার্টি এপিআই-এর জন্য বিভিন্ন ধরনের কাস্টমাইজড অথেনটিকেশন ফ্লো সামলানোর চেয়ে অনেক বেশি রক্ষণাবেক্ষণযোগ্য। এন্টারপ্রাইজগুলোর জন্য এর অর্থ হলো, কী এবং পারমিশনের উপর নিয়ন্ত্রণ না হারিয়েই “স্টেজিং-এ একটি ইন্টিগ্রেশন” থেকে “প্রোডাকশনে শত শত এমসিপি সার্ভার” পর্যন্ত আরও মসৃণভাবে স্কেল করা।

একটি বাস্তব উদাহরণ এমসিপি-র ভূমিকা আরও স্পষ্ট করে তোলে।কল্পনা করুন, একজন ব্যবহারকারী একটি এআই ট্র্যাভেল অ্যাসিস্ট্যান্টকে বলছেন, “পোর্টল্যান্ড থেকে হনলুলু যাওয়ার একটি ফ্লাইট খুঁজে বের করে বুক করে দাও”। অ্যাসিস্ট্যান্টটি, একটি এমসিপি ক্লায়েন্ট হিসেবে কাজ করে, এয়ারলাইনের এমসিপি সার্ভারের সাথে সংযোগ স্থাপন করে, “সার্চ_ফ্লাইটস” এবং “বুক_ফ্লাইট”-এর মতো টুলগুলো তালিকাভুক্ত করে, সঠিক প্যারামিটারসহ “সার্চ_ফ্লাইটস” চালু করে, JSON ফলাফল গ্রহণ করে, সেগুলো ব্যবহারকারীর সামনে উপস্থাপন করে এবং তারপর নির্বাচিত বিকল্পের উপর ভিত্তি করে “বুক_ফ্লাইট” চালু করে। অ্যাসিস্ট্যান্টটি কখনোই সরাসরি এয়ারলাইনের অভ্যন্তরীণ এপিআই কল করে না; এটি কেবল এমসিপি ব্যবহার করে কথা বলে।

এজেন্ট-টু-এজেন্ট (A2A): একাধিক এজেন্টের সহযোগিতার জন্য একটি প্রোটোকল

এমসিপি যেখানে এজেন্টদের টুল ও ডেটার সাথে সংযোগ স্থাপনের উপর মনোযোগ দেয়, সেখানে এজেন্ট-টু-এজেন্ট প্রোটোকল হলো এজেন্টদের একে অপরের সাথে সংযোগ স্থাপন করা।যেই মুহূর্তে আপনি একটি একচেটিয়া “সুপার-এজেন্ট” থেকে একটিতে চলে যান বিশেষায়িত এজেন্টদের বাস্তুতন্ত্র (ভ্রমণ, বিলিং, লজিস্টিকস, সাপোর্ট…) তাদের একে অপরকে খুঁজে বের করা, প্রাসঙ্গিক তথ্য বিনিময় করা এবং সাধারণ কাজগুলোতে সহযোগিতা করার জন্য আপনার একটি সহজ উপায় প্রয়োজন।

A2A এই ধরনের বিকেন্দ্রীভূত, আন্তঃ-সংস্থা সমন্বয়কে সমর্থন করার জন্য ডিজাইন করা হয়েছে।এটি বিভিন্ন কোম্পানি, স্ট্যাক এবং হোস্টিং এনভায়রনমেন্টের এজেন্টদেরকে আগে থেকে প্রতিটি ইন্টারঅ্যাকশন পাথ হার্ডওয়্যার না করেই একজন ব্যবহারকারীর অনুরোধে একসাথে কাজ করার সুযোগ দেয়। একজন A2A-উপযোগী “ট্র্যাভেল এজেন্ট” সম্পূর্ণ ভিন্ন ভিন্ন টিম দ্বারা নির্মিত একজন “এয়ারলাইন এজেন্ট”, “হোটেল এজেন্ট” এবং “কার রেন্টাল এজেন্ট”-কে কল করতে পারে।

প্রত্যেক A2A এজেন্ট একটি মেশিন-পঠনযোগ্য এজেন্ট কার্ড প্রদর্শন করে। এটি MCP-এর ক্যাপাবিলিটি লিস্টিং-এর মতোই একটি ভূমিকা পালন করে, তবে টুল লেভেলের পরিবর্তে এজেন্ট লেভেলে। একটি এজেন্ট কার্ডে এজেন্টের নাম, এটি কী পরিচালনা করে তার একটি স্বাভাবিক ভাষার বিবরণ, কখন কল করতে হবে তার ব্যাখ্যাসহ স্কিলের একটি তালিকা, এর বর্তমান এন্ডপয়েন্ট ইউআরএল, ভার্সনের তথ্য এবং এটি স্ট্রিমিং রেসপন্স বা পুশ নোটিফিকেশন সমর্থন করে কিনা তার মতো ফ্ল্যাগ থাকে।

কলার প্রান্তে, একজন এজেন্ট এক্সিকিউটর কনটেক্সট হস্তান্তর এবং ইন্টারঅ্যাকশন পরিচালনার জন্য দায়ী থাকে।যখন কোনো স্থানীয় এজেন্ট একটি উপ-কাজ অর্পণ করার সিদ্ধান্ত নেয়, তখন তার নির্বাহক বর্তমান কথোপকথন, প্রাসঙ্গিক অবস্থা এবং যেকোনো সীমাবদ্ধতা একত্রিত করে A2A-এর মাধ্যমে দূরবর্তী এজেন্টের কাছে পাঠিয়ে দেয়। দূরবর্তী এজেন্ট তার নিজস্ব অভ্যন্তরীণ সরঞ্জাম এবং LLM লুপ চালায়, তারপর আহ্বানকারীকে এর অভ্যন্তরীণ কার্যপ্রণালী না জানিয়েই ফলাফলটি ফেরত পাঠায়।

সম্পন্ন হওয়া রিমোট টাস্কের ফলাফল একটি আর্টিফ্যাক্ট হিসেবে ফেরত দেওয়া হয়।একটি আর্টিফ্যাক্টে সাধারণত টাস্কের আউটপুট, কী করা হয়েছে তার একটি সংক্ষিপ্ত বিবরণ এবং প্রোটোকলের মাধ্যমে প্রবাহিত টেক্সচুয়াল কনটেক্সট একত্রিত থাকে। আর্টিফ্যাক্টটি ডেলিভার হয়ে গেলে, A2A কানেকশনটি বন্ধ হয়ে যেতে পারে, যা প্রতিটি ইন্টারঅ্যাকশনকে সীমিত ও সাশ্রয়ী রাখার পাশাপাশি গভীর সহযোগিতার সুযোগও দেয়।

দীর্ঘ সময় ধরে চলা বা অ্যাসিঙ্ক্রোনাস কাজগুলোর জন্য, A2A প্রায়শই একটি ইভেন্ট কিউ-এর উপর নির্ভর করে।রিমোট এজেন্ট যখন ডেটা প্রসেস করে বা বাহ্যিক সিস্টেমের জন্য অপেক্ষা করে, তখন মিনিটের পর মিনিট ধরে কানেকশন খোলা রাখার পরিবর্তে, ইভেন্ট কিউ মেসেজ আদান-প্রদান এবং আপডেটের কাজটি সামলায়। প্রোডাকশন-গ্রেড মাল্টি-এজেন্ট সিস্টেমের ক্ষেত্রে এটি বিশেষভাবে গুরুত্বপূর্ণ, যেখানে নেটওয়ার্কের স্থিতিস্থাপকতা, রিট্রাই এবং ব্যাকপ্রেশার জরুরি।

A2A-এর সুবিধাগুলো MCP-এর সুবিধার অনুরূপ, তবে তা বাস্তুতন্ত্র স্তরে।এর ফলে আপনি ভিন্নধর্মী এজেন্টদের মধ্যে উন্নত সহযোগিতা, প্রতিটি এজেন্টের জন্য সেরা এলএলএম বা ফাইন-টিউনিং কৌশল বেছে নেওয়ার নমনীয়তা এবং বিল্ট-ইন অথেনটিকেশন সুবিধা পান, যার ফলে এজেন্টদের মধ্যকার কলগুলো সুরক্ষিত ও নিরীক্ষণযোগ্য হয়। একটিমাত্র একক মনোলিথের মধ্যে সমস্ত সক্ষমতাকে ঠাসাঠাসি করে ঢোকানোর চেষ্টার পরিবর্তে, একাধিক ভেন্ডরের সমন্বয়ে “এজেন্টদের দল” গঠন করা বাস্তবসম্মত হয়ে ওঠে।

ন্যাচারাল ল্যাঙ্গুয়েজ ওয়েব (NLWeb): ওয়েবকে এজেন্ট-বান্ধব করে তোলা

ওয়েব তৈরি হয়েছিল ডকুমেন্ট ও এইচটিএমএলকে কেন্দ্র করে, কথোপকথন ও এজেন্টকে কেন্দ্র করে নয়।ব্যবহারকারীরা দীর্ঘদিন ধরে ওয়েবসাইট থেকে তথ্য সংগ্রহের জন্য মেনু এবং সার্চ বক্স ব্যবহার করে আসছেন, অন্যদিকে স্বয়ংক্রিয় অ্যাক্সেস সাধারণত ভঙ্গুর স্ক্র্যাপিং বা কাস্টম এপিআই-এর ওপর নির্ভর করত। এনএলওয়েব একটি ভিন্ন মডেল প্রস্তাব করছে: এমন ওয়েবসাইট যা মানুষ এবং এআই এজেন্ট উভয়ের জন্যই স্বাভাবিকভাবে প্রাকৃতিক ভাষায় কথা বলে।

একটি এনএলওয়েব ডেপ্লয়মেন্ট একটি কেন্দ্রীয় এনএলওয়েব অ্যাপ্লিকেশনকে কেন্দ্র করে গড়ে ওঠে।—এটি মূল সার্ভিস কোড যা স্বাভাবিক ভাষার প্রশ্ন গ্রহণ করে, স্টোরেজ ও মডেলের সাথে সংযোগ স্থাপন করে এবং কাঠামোবদ্ধ উত্তর ফেরত দেয়। আপনি এটিকে আপনার সাইটের “ল্যাঙ্গুয়েজ ইঞ্জিন” হিসেবে ভাবতে পারেন, যা এমবেডিং, ভেক্টর সার্চ এবং এলএলএম রিজনিং পরিচালনা করে।

এনএলওয়েব প্রোটোকল নিজেই এই স্বাভাবিক-ভাষা মিথস্ক্রিয়ার মৌলিক নিয়মগুলো সংজ্ঞায়িত করে।এটি প্রশ্ন পাঠানোর এবং উত্তর ফিরে আসার পদ্ধতিকে প্রমিত করে, যা সাধারণত Schema.org-এর মতো শব্দভান্ডার ব্যবহার করে JSON ফরম্যাটে করা হয়। যেভাবে HTML ডকুমেন্ট শেয়ারিংকে প্রমিত করেছিল, ঠিক সেভাবেই NLWeb-এর লক্ষ্য হলো সাইটের বিষয়বস্তু এবং কার্যকলাপে ভাষা-চালিত প্রবেশাধিকারকে প্রমিত করা, যা একটি “এআই ওয়েব”-এর পথ প্রশস্ত করবে।

প্রতিটি NLWeb ইনস্ট্যান্স একটি MCP সার্ভার হিসেবেও কাজ করে।এর মানে হলো, এটি MCP-এর মাধ্যমে বাহ্যিক AI সিস্টেমের কাছে টুলস (যেমন একটি “ask” মেথড) এবং ডেটা রিসোর্স উন্মুক্ত করতে পারে। একজন এজেন্টের দৃষ্টিকোণ থেকে, আপনার সাইটটি কেবল আরেকটি MCP এন্ডপয়েন্ট হয়ে ওঠে: এটি একটি প্রশ্নসহ “ask” কল করতে পারে, আপনার ক্যাটালগের আসল এন্ট্রিগুলোর সাথে যুক্ত একটি কাঠামোগত প্রতিক্রিয়া পেতে পারে, এবং অস্তিত্বহীন পণ্য বা পৃষ্ঠা নিয়ে অলীক কল্পনা করা এড়াতে পারে।

অভ্যন্তরীণভাবে, এনএলওয়েব এমবেডিং মডেল এবং ভেক্টর ডেটাবেসের ওপর ব্যাপকভাবে নির্ভর করে।যখন আপনি আপনার সাইটের কন্টেন্ট—যেমন পণ্যের তালিকা, হোটেলের বিবরণ, ব্লগ পোস্ট—ইনজেস্ট করেন, তখন NLWeb সেগুলোকে ভেক্টর এমবেডিং-এ রূপান্তরিত করে এবং Qdrant, Milvus, Azure AI Search, Snowflake বা Elasticsearch-এর মতো একটি সামঞ্জস্যপূর্ণ ভেক্টর স্টোরে সংরক্ষণ করে। কোয়েরি করার সময়, এটি সবচেয়ে সাদৃশ্যপূর্ণ আইটেমগুলো খুঁজে বের করে এবং ব্যবহারকারীর প্রশ্নসহ সেগুলোকে একটি LLM-এর কাছে পাঠায়, যা প্রকৃত কন্টেন্টের উপর ভিত্তি করে একটি উত্তর তৈরি করে।

একটি ভ্রমণ বুকিং সাইট হলো এনএলওয়েব (NLWeb)-এর বাস্তব প্রয়োগের একটি চমৎকার উদাহরণ।আপনি ফ্লাইট, হোটেল এবং প্যাকেজের জন্য স্ট্রাকচার্ড ডেটা গ্রহণ করেন (আদর্শগতভাবে Schema.org বা RSS ফিড ব্যবহার করে), এমবেডিং তৈরি করেন এবং সেগুলো সংরক্ষণ করেন। যখন কোনো ব্যবহারকারী একটি চ্যাট বক্সে “আগামী সপ্তাহে হনলুলুতে পুলসহ একটি পরিবার-বান্ধব হোটেল খুঁজে দিন” টাইপ করেন, তখন NLWeb প্রাসঙ্গিক হোটেলগুলোর জন্য ভেক্টর স্টোরকে কোয়েরি করে, LLM-কে “পরিবার-বান্ধব” এবং অন্যান্য সফট কনস্ট্রেইন্টগুলো ব্যাখ্যা করতে দেয়, এবং বাস্তব ইনভেন্টরির ওপর ভিত্তি করে একটি স্বাভাবিক ভাষার উত্তর ফেরত দেয়। একই NLWeb ইনস্ট্যান্স, তার MCP ইন্টারফেসের মাধ্যমে, একজন বহিরাগত ট্র্যাভেল এজেন্টকে, উদাহরণস্বরূপ, সেই হোটেলগুলোর কাছাকাছি ভেগান রেস্তোরাঁ সম্পর্কে জিজ্ঞাসা করতে এবং সামঞ্জস্যপূর্ণ, মেশিন-ব্যবহারযোগ্য JSON ফেরত পেতে দেয়।

যখন একটি এআই এজেন্ট তৈরি করা আদৌ যুক্তিযুক্ত হয়

সব সমস্যার জন্য এজেন্টের প্রয়োজন হয় না; কখনও কখনও একটি সহজ, সুনির্দিষ্ট পরিষেবা বেশি ভালো।এজেন্টরা তখনই কার্যকর হয় যখন কর্মপ্রবাহকে সহজে কিছু কঠোর নিয়মের সমষ্টিতে আবদ্ধ করা যায় না, যখন অসংগঠিত ডেটার উপর ব্যাপক নির্ভরতা থাকে, অথবা যখন ব্যতিক্রম ও বিশেষ পরিস্থিতির সংখ্যা নিয়ম রক্ষণাবেক্ষণকে কষ্টসাধ্য করে তোলে।

তিন ধরনের ব্যবহার ক্ষেত্র এজেন্টদের জন্য বিশেষভাবে উপযুক্ত।জটিল সিদ্ধান্ত গ্রহণ (উদাহরণস্বরূপ, সূক্ষ্ম নীতিমালার অধীনে গ্রাহকের অর্থ ফেরত অনুমোদন করা হবে কিনা সেই সিদ্ধান্ত নেওয়া), রক্ষণাবেক্ষণে কঠিন এমন নিয়মাবলী (যেমন জটিল ভেন্ডর নিরাপত্তা পর্যালোচনা বা কমপ্লায়েন্স চেক), এবং স্বাভাবিক ভাষা-প্রধান কার্যপ্রবাহ (যেমন ক্লেইম প্রসেসিং, গ্রাহকের স্বতঃস্ফূর্ত অনুরোধ, গবেষণামূলক কাজ)।

একটি কার্যকর কৌশল হলো এমন সিস্টেমগুলোর দিকে নজর দেওয়া যেগুলো অন্তহীন প্যাচ এবং বিশেষ-ক্ষেত্রের নিয়মের মাধ্যমে বিকশিত হয়েছে।যদি এমনকি সিনিয়র ইঞ্জিনিয়াররাও আচরণ অনুমান করতে বা অন্য কিছু নষ্ট না করে নতুন পলিসি পরিবর্তন এনকোড করতে হিমশিম খান, তাহলে সম্ভবত অন্তর্নিহিত সমস্যাটি শব্দার্থগত, নিছক যৌক্তিক নয়। এটিই একটি LLM-চালিত এজেন্টের জন্য উপযুক্ত ক্ষেত্র, যা টেক্সট, পলিসি এবং উদাহরণের উপর ভিত্তি করে যুক্তি প্রয়োগ করতে পারে।

এর বিপরীতে, সুস্পষ্ট ইনপুট ও আউটপুটসহ অত্যন্ত সুনির্দিষ্ট কাজগুলোর ক্ষেত্রে ক্লাসিক্যাল কোড সাধারণত সাশ্রয়ী, দ্রুততর এবং অধিক নির্ভরযোগ্য হবে।আপনার কাজ যদি “এই সংখ্যাটিকে অন্য ফরম্যাটে রূপান্তর করা” বা “এই SQL কোয়েরিটি চালিয়ে সারিগুলো ফেরত দেওয়া” হয়, তবে এর উপরে একটি এজেন্ট লুপ যোগ করা সম্ভবত অপ্রয়োজনীয় জটিলতা।

একটি এআই এজেন্টের মূল গঠন উপাদান

প্রচারণা সত্ত্বেও, একটি সুপরিকল্পিত এজেন্টের অভ্যন্তরীণ কাঠামো বেশ সরল।প্রায় সমস্ত আচরণের ধরনই তিনটি স্তম্ভের উপর নির্ভর করে: যুক্তি প্রদানকারী মডেল, বহির্জগতের সাথে সংযোগ স্থাপনকারী উপকরণ এবং আচরণকে সীমাবদ্ধ ও পরিচালিত করার নির্দেশাবলী।

মডেলটি হলো সিদ্ধান্ত গ্রহণকারী ইঞ্জিন।বিভিন্ন এলএলএম (LLM) যুক্তির গুণমান, লেটেন্সি এবং খরচের মধ্যে সমন্বয় সাধন করে। একটি সাধারণ এবং বাস্তবসম্মত কৌশল হলো: একটি গুণমানের ভিত্তি স্থাপন করতে এবং আপনার ক্ষেত্রে "ভালো" বলতে কী বোঝায় তা বোঝার জন্য একটি অত্যন্ত সক্ষম মডেল দিয়ে শুরু করা, তারপর ক্রমান্বয়ে ক্লাসিফিকেশন বা রিট্রিভালের মতো উপ-কাজের জন্য ছোট বা সস্তা মডেল পরীক্ষা করা, যেখানে সর্বোচ্চ স্তরের যুক্তির প্রয়োজন হয় না।

টুলগুলো এজেন্টকে শুধুমাত্র টেক্সটের বাইরেও প্রসারিত করে।এগুলো হলো এমন সব ফাংশন, এপিআই বা সার্ভিস যা এজেন্ট কল করতে পারে: যেমন—ডাটাবেস কোয়েরি করা, ইমেল পাঠানো, ওয়েব সার্চ করা, কম্পিউটার-ব্যবহার মডেলের মাধ্যমে কোনো লিগ্যাসি ইউআই-এর সাথে ইন্টারঅ্যাক্ট করা ইত্যাদি। সু-পরিকল্পিত টুলগুলো ডকুমেন্ট করা থাকে, বিভিন্ন এজেন্টের মধ্যে পুনরায় ব্যবহারযোগ্য হয় এবং আদর্শগতভাবে এমসিপি (MCP)-এর মতো স্ট্যান্ডার্ড প্রোটোকলের মাধ্যমে উন্মুক্ত করা হয়।

নির্দেশনা হলো একজন এজেন্টের সবচেয়ে অবমূল্যায়িত অংশ।শুধু “সহায়ক হওয়া”-র চেয়েও বেশি কিছু প্রয়োজন। উন্নত মানের নির্দেশাবলীতে বর্ণনা করা থাকে কীভাবে কাজগুলোকে ছোট ছোট অংশে ভাগ করতে হবে, তথ্যের অভাব থাকলে কীভাবে আচরণ করতে হবে, কোন পরিস্থিতিতে কোন টুল ব্যবহার করা উচিত, কোনটিকে সাফল্য হিসেবে গণ্য করা হবে এবং কী এড়িয়ে চলতে হবে। অনেক দলই তাদের বিদ্যমান SOP, হেল্প সেন্টার ডকুমেন্ট বা অভ্যন্তরীণ প্লেবুকগুলোকে LLM-বান্ধব, সংখ্যাযুক্ত নির্দেশিকায় রূপান্তরিত করে সফলভাবে নতুনভাবে ব্যবহার করে, যা মডেলটি অনুসরণ করতে পারে।

এলএলএম ব্যবহার করেই স্বয়ংক্রিয়ভাবে নির্দেশাবলী তৈরি বা পরিমার্জন করা ক্রমশ সাধারণ হয়ে উঠছে।উদাহরণস্বরূপ, আপনি একটি হেল্প সেন্টার আর্টিকেলকে একটি মেটা-প্রম্পটে ফিড করতে পারেন, যা মডেলকে সেটিকে এজেন্টের জন্য স্পষ্ট ও সংখ্যাযুক্ত নির্দেশাবলীর একটি সেট হিসাবে পুনর্লিখন করতে বলে, যার মধ্যে এজ কেসগুলির সুস্পষ্ট হ্যান্ডলিংও অন্তর্ভুক্ত থাকে। এটি আপনার ডকুমেন্টেশনের বিবর্তনের সাথে সাথে আচরণকে সামঞ্জস্যপূর্ণ রাখে।

অর্কেস্ট্রেশন প্যাটার্ন: একক-এজেন্ট বনাম বহু-এজেন্ট সিস্টেম

অভ্যন্তরীণভাবে, এজেন্টরা একটি লুপের মধ্যে কাজ করে।বর্তমান অবস্থা পর্যবেক্ষণ করা, কী করতে হবে তা স্থির করা, সেই অনুযায়ী কাজ করা (প্রায়শই কোনো টুলের মাধ্যমে), কনটেক্সট আপডেট করা এবং কোনো স্টপ কন্ডিশন পূরণ না হওয়া পর্যন্ত এই প্রক্রিয়াটি পুনরাবৃত্তি করা (যেমন—লক্ষ্য অর্জিত হলে, কোনো ত্রুটি ঘটলে, ব্যবহারকারীর হস্তক্ষেপ ঘটলে, বা গার্ডরেল ট্রিপ করলে)। এই “এজেন্ট লুপ”-ই একটি এককালীন এলএলএম কলকে একটি চলমান ওয়ার্কফ্লো ইঞ্জিনে পরিণত করে।

সবচেয়ে সরল স্থাপত্য হলো সরঞ্জামসহ একটি একক এজেন্ট।এটি ব্যবহারকারীর বার্তা গ্রহণ করে, সেগুলো নিয়ে যুক্তি-তর্ক করে, কোন টুলগুলোকে কল করতে হবে তা স্থির করে এবং উত্তর ফেরত দেয়। ফ্রেমওয়ার্কগুলো প্রায়শই একটি রানার কম্পোনেন্ট প্রকাশ করে যা মডেলটিকে ততক্ষণ পর্যন্ত কল করতে থাকে যতক্ষণ না কোনো সমাপ্তির মানদণ্ড পূরণ হয়—যেমন “আর কোনো দরকারি টুল কল করা হচ্ছে না” বা “কাঠামোগত আউটপুট তৈরি হয়েছে”। এই প্যাটার্নটি প্রাথমিক সংস্করণ এবং সুনির্দিষ্ট পরিসরের সমস্যার জন্য আদর্শ।

জটিলতা বাড়ার সাথে সাথে দলগুলো প্রায়শই মাল্টি-এজেন্ট টপোলজির দিকে ঝুঁকে পড়ে।এর দুটি প্রধান ধরন আছে। ম্যানেজার প্যাটার্নে, একজন কেন্দ্রীয় “সমন্বয়কারী” এজেন্ট বিশেষায়িত এজেন্টদের উপ-কাজ অর্পণ করে, যাদেরকে টুল হিসেবে ব্যবহার করা হয়—যেমন, বিভিন্ন ভাষায় অনুবাদক, একজন গবেষণা এজেন্ট এবং একজন সমালোচক। ম্যানেজার সার্বিক নিয়ন্ত্রণ বজায় রাখে এবং সবকিছুকে একসূত্রে গাঁথে।

দ্বিতীয় প্যাটার্নটি আরও বিকেন্দ্রীভূত।এখানে, এজেন্টরা যখন বুঝতে পারে যে কোনো অনুরোধ তাদের আওতার বাইরে, তখন তারা কাজটি সহকর্মীদের কাছে হস্তান্তর করে। একজন ট্রায়েজ এজেন্ট গ্রাহকের বার্তাগুলো টেকনিক্যাল সাপোর্ট, সেলস বা অর্ডার ম্যানেজমেন্ট এজেন্টদের কাছে পাঠাতে পারে, যাদের প্রত্যেকের নিজস্ব নির্দেশাবলী এবং সরঞ্জাম রয়েছে। কোনো একক কেন্দ্রীয় পরিকল্পনাকারী ছাড়াই নিয়ন্ত্রণের এই প্রবাহ এজেন্টদের মধ্যে আবর্তিত হয়।

বৃহত্তর পরিসরে উভয় প্যাটার্নই স্বাভাবিকভাবে A2A-এর সাথে মিলিত হতে পারে।একটি প্রোডাক্ট বা মাইক্রোসার্ভিস সীমানার মধ্যে আপনি অর্কেস্ট্রেটর-প্লাস-স্পেশালিস্ট মডেল ব্যবহার করতে পারেন, অন্যদিকে বিভিন্ন কোম্পানি বা ডিপার্টমেন্ট জুড়ে আপনি A2A-এর উপর নির্ভর করেন বাহ্যিকভাবে পরিচালিত এজেন্টদের সাথে যোগাযোগের জন্য, যারা এজেন্ট কার্ডের মাধ্যমে তাদের সক্ষমতা প্রচার করে।

সুরক্ষা ব্যবস্থা: স্বায়ত্তশাসিত এজেন্টদের নিরাপদ ও নির্ভরযোগ্য রাখা

এজেন্টদের স্বায়ত্তশাসন দেওয়ার অর্থ নতুন ঝুঁকি গ্রহণ করাও।তারা সংবেদনশীল তথ্য ফাঁস করতে পারে, অননুমোদিত পরিবর্তন করতে পারে, অথবা এমন কোনো পদক্ষেপ নিতে পারে যার আর্থিক বা সুনামগত প্রভাব রয়েছে। গার্ডরেল হলো সেই সুরক্ষা স্তর যা এজেন্টের কার্যকারিতা নষ্ট না করেই এই ঝুঁকিগুলো পরিচালনা করে।

প্রতিরক্ষামূলক নকশায় সাধারণত একাধিক স্তরের সুরক্ষা বেষ্টনী অন্তর্ভুক্ত থাকে।কিছু ফাংশন ইনপুটের উপর কাজ করে (ক্ষতিকর বা আওতার বাইরের অনুরোধ ব্লক বা পরিমার্জন করে), কিছু ফাংশন মডেলের মধ্যবর্তী সিদ্ধান্তের উপর কাজ করে (কোনো কাজ সম্পাদনের আগে তা অনুমোদিত কিনা তা যাচাই করে), এবং কিছু ফাংশন আউটপুটের উপর কাজ করে (সিস্টেম থেকে প্রতিক্রিয়া পাঠানোর আগে নিরাপত্তা, নিয়ম মেনে চলা বা ডেটা ফাঁসের জন্য ফিল্টার করে)।

অনেক বাস্তবায়নে, গার্ডরেলগুলো এজেন্টের আশাবাদী অগ্রগতির "সমান্তরালভাবে" চলে।এজেন্ট লুপটি সামনে এগোতে থাকে, কিন্তু নির্দিষ্ট কিছু ধাপ—যেমন ডেটা সম্পাদনা করতে পারে এমন কোনো টুল কল—গার্ডরেল চেকের আওতায় থাকে। যদি গার্ডরেল কোনো লঙ্ঘন শনাক্ত করে, তবে এটি কাজটি থামিয়ে দিতে পারে, একটি এক্সেপশন তৈরি করতে পারে, অথবা বিষয়টি কোনো মানব অপারেটরের কাছে পাঠিয়ে দিতে পারে।

কিছু সুরক্ষা ব্যবস্থা নিজেরাই এলএলএম দ্বারা চালিত হয় যা মনোযোগ দেয় সীমাবদ্ধতা এবং ঝুঁকি অথবা এমনকি এজেন্টরাউদাহরণস্বরূপ, আপনি একটি বিশেষ গ্রাহক-বিচ্ছিন্নতা শনাক্তকরণ এজেন্ট রাখতে পারেন, যা গ্রাহকের আগত বার্তাগুলো মূল্যায়ন করে এবং বাতিল হওয়ার উচ্চ ঝুঁকি রয়েছে এমন বার্তাগুলোকে চিহ্নিত করে। এরপর একটি উচ্চ-স্তরের সুরক্ষা ব্যবস্থা এই সংকেতটি ব্যবহার করে গ্রাহক ধরে রাখার কার্যপ্রবাহ চালু করে অথবা কথোপকথনটি শেষ করার আগে বাধ্যতামূলকভাবে মানুষের পর্যালোচনার ব্যবস্থা করে।

কার্যকরী সুরক্ষা বেষ্টনীর মধ্যে কঠোর সীমা এবং জরুরি নির্গমন পথও অন্তর্ভুক্ত থাকে।অসীম লুপ এড়ানোর জন্য সর্বোচ্চ ধাপ সংখ্যা, সংবেদনশীল কাজের জন্য মানুষের অনুমোদন বাধ্যতামূলক করার ঝুঁকি-ভিত্তিক সীমা, এবং মডেলের নির্ভরযোগ্যতা কমে গেলে সুস্পষ্ট বিকল্প ব্যবস্থার মতো বিষয়গুলো বাস্তব পরিবেশে এর নিরাপদ প্রয়োগে অবদান রাখে।

তত্ত্ব থেকে প্রয়োগ: একটি অর্ডার-সাপোর্ট এজেন্টের ধাপে ধাপে নকশা

এই ধারণাগুলোকে বাস্তব রূপ দিতে, একটি অনলাইন শপের অর্ডার-সাপোর্ট সিস্টেমের বিবর্তন বিবেচনা করুন।প্রাথমিক সংস্করণটি সাধারণত একটি রিঅ্যাক্টিভ এন্ডপয়েন্ট মাত্র: একটি অর্ডার আইডি পেলে, এটি ডাটাবেস থেকে তার স্ট্যাটাস নিয়ে আসে এবং তা ফেরত দেয়। এতে কোনো রিজনিং, মেমরি বা ওয়ার্কফ্লো নেই—এটি এখনও একটি এজেন্ট নয়।

প্রথম সক্রিয় পদক্ষেপ হলো মডেলকে কর্মপ্রবাহ নিয়ন্ত্রণ করতে দেওয়া।অর্ডার আইডি আছে বলে ধরে নেওয়ার পরিবর্তে, আপনি সম্পূর্ণ কথোপকথনটি মডেলকে দিয়ে দেন এবং কী করতে হবে তা মডেলের উপর ছেড়ে দেন। যদি ব্যবহারকারী কোনো আইডি না দিয়ে জিজ্ঞাসা করেন “আমার প্যাকেজটি কোথায়?”, তাহলে মডেলটি একটি “ASK_FOR_ORDER_ID” অ্যাকশন বেছে নিতে পারে এবং ব্যবহারকারীর কাছে আরও তথ্য চাইতে পারে।

এরপরে, আপনি এই যুক্তিকে একটি লুপের মধ্যে আবদ্ধ করেন এবং স্টেট যুক্ত করেন।প্রতিটি ব্যবহারকারীর বার্তা বা টুল কলের পরে, এজেন্ট পরিস্থিতিটি পুনরায় মূল্যায়ন করে। এটি কোনো অর্ডার সংগ্রহ করতে, কনটেক্সট আপডেট করতে, উত্তর দেওয়ার জন্য যথেষ্ট তথ্য আছে কিনা তা পরীক্ষা করতে, বা একটি ফলো-আপ প্রশ্ন জিজ্ঞাসা করতে পারে। এই লুপটি তখনই থামে যখন একটি সুস্পষ্ট উত্তর পাঠানো হয় বা সমাপ্তির কোনো শর্তে পৌঁছানো হয়।

স্ট্যাটাস চেকের বাইরে পরিধি বিস্তৃত হওয়ার সাথে সাথে, এজেন্ট অভিপ্রায়ের উপর ভিত্তি করে গতিশীলভাবে টুল নির্বাচন করতে শুরু করে।একটি শিপিং সংক্রান্ত সমস্যা “open_incident”-এ, একটি রিফান্ডের অনুরোধ “initiate_refund”-এ এবং একটি সাধারণ স্ট্যাটাস কোয়েরি “get_order_status”-এ পাঠানো হতে পারে। আপনি if-else ব্রাঞ্চের একটি নির্দিষ্ট ট্রি এনকোড করেন না; এর পরিবর্তে, মডেলটি আপনার দ্বারা সংজ্ঞায়িত বা MCP-এর মাধ্যমে আবিষ্কৃত টুলগুলোর একটি মেনু থেকে অ্যাকশন বেছে নেয়।

এই পর্যায়ে আপনি সংবেদনশীল সরঞ্জামগুলির ক্ষেত্রে সুরক্ষা ব্যবস্থা এবং ঝুঁকি মূল্যায়ন চালু করবেন।শুধুমাত্র পঠনযোগ্য (read-only) অপারেশনগুলো সরাসরি সম্পন্ন করা যেতে পারে, কিন্তু অবস্থা পরিবর্তনকারী যেকোনো কিছু (যেমন রিফান্ড প্রদান, অর্ডার বাতিল করা, ঠিকানা পরিবর্তন) একটি ঝুঁকি-সচেতন সুরক্ষা ব্যবস্থার (risk-aware guardrail) মধ্য দিয়ে যায়। উচ্চ-ঝুঁকিপূর্ণ কাজের জন্য মানুষের অনুমোদন প্রয়োজন; মাঝারি-ঝুঁকিপূর্ণ কাজের জন্য অতিরিক্ত নিশ্চিতকরণের প্রয়োজন হতে পারে; এবং কম-ঝুঁকিপূর্ণ কাজগুলো স্বয়ংক্রিয়ভাবে সম্পন্ন হতে পারে।

অবশেষে, আপনি পরিচালনগত সীমা এবং মানব হস্তান্তরের নিয়মাবলী নির্ধারণ করেন।যদি এজেন্ট সর্বোচ্চ সংখ্যক ব্যর্থ চেষ্টার সম্মুখীন হয়, পরস্পরবিরোধী তথ্যের মুখোমুখি হয়, অথবা তার আওতার বাইরে কোনো উচ্চ-ঝুঁকিপূর্ণ সিদ্ধান্ত নিতে হয়, তবে এটি সমস্ত সংগৃহীত প্রাসঙ্গিক তথ্যসহ একজন মানব সাপোর্ট এজেন্টের কাছে দায়িত্ব হস্তান্তর করে। এই হাইব্রিড পদ্ধতিটি আপনাকে প্রান্তিক পরিস্থিতিগুলোর (edge ​​cases) উপর নিয়ন্ত্রণ বজায় রেখে নিরাপদে স্বায়ত্তশাসন প্রয়োগের সুযোগ দেয়।

উন্নত যুক্তি কাঠামো এবং আধুনিক এজেন্ট টুলিং

এই স্থাপত্যগত মৌলিক বিষয়গুলোর পাশাপাশি, উন্নত যুক্তিনির্মাণ কাঠামোসমূহ এলএলএম-কে ব্ল্যাক-বক্স ওরাকলের চেয়ে বেশি বিচক্ষণ এজেন্টের মতো আচরণ করতে সাহায্য করে।দুটি জনপ্রিয় প্যাটার্ন হলো চেইন-অফ-থট (CoT) এবং রিঅ্যাক্ট (রিজন + অ্যাক্ট)।

চেইন-অফ-থট মডেলটিকে কেবল ধাপে ধাপে চিন্তা করতে বলে।চূড়ান্ত উত্তর দেওয়ার আগে জটিল প্রশ্নগুলোকে মধ্যবর্তী যুক্তিমূলক ধাপে বিভক্ত করে। গবেষণায় দেখা গেছে, এটি বড় মডেলগুলোতে যুক্তিনির্ভর কাজগুলোর কর্মক্ষমতা উল্লেখযোগ্যভাবে উন্নত করতে পারে এবং এটি এজেন্ট লুপের সাথে স্বাভাবিকভাবেই খাপ খায়: প্রতিটি টুল কল যুক্তির একটি বৃহত্তর শৃঙ্খলের সাথে সামঞ্জস্যপূর্ণ হয়।

রিঅ্যাক্ট যুক্তিবাদকে সরঞ্জাম ব্যবহারের সাথে নিবিড়ভাবে যুক্ত করে।এজেন্টটি সুস্পষ্টভাবে চিন্তা, কাজ এবং পর্যবেক্ষণের মধ্যে পর্যায়ক্রমে আসা-যাওয়া করে: এটি কী করতে চায় তা ব্যাখ্যা করে, একটি টুলকে ডাকে, তার আউটপুট পরীক্ষা করে এবং নিজের পরিকল্পনা হালনাগাদ করে। এই প্যাটার্নটি AutoGPT এবং BabyAGI-এর মতো অনেক প্রাথমিক স্বায়ত্তশাসিত এজেন্ট সিস্টেমের ভিত্তি তৈরি করে, যেগুলো ব্যবহারকারীর লক্ষ্যের দিকে গতিশীলভাবে করণীয় কাজের তালিকা তৈরি করে এবং সেগুলোর অগ্রাধিকার পুনর্বিন্যাস করে।

আধুনিক ফ্রেমওয়ার্ক এবং এসডিকে-গুলো এই ধারণাগুলোকে ডেভেলপার-বান্ধব অ্যাবস্ট্রাকশনে রূপান্তরিত করে।LangChain, LangGraph, CrewAI-এর মতো লাইব্রেরি বা ছোট “smolagents” ধরনের টুলকিটগুলো টুল কলিং, গ্রাফ-ভিত্তিক ওয়ার্কফ্লো, মাল্টি-এজেন্ট অর্কেস্ট্রেশন এবং পারসিস্টেন্ট মেমরির জন্য বিল্ডিং ব্লক সরবরাহ করে। এই টুলচেইনগুলোর অনেকগুলোতে আরও নির্দেশিকা অন্তর্ভুক্ত থাকে। ভিএস কোডে কাস্টম এজেন্টক্লাউড ভেন্ডর এবং ওপেনএআই-এর মতো সংস্থাগুলোর নিজস্ব প্ল্যাটফর্মগুলো এজেন্ট, সুরক্ষা ব্যবস্থা এবং মূল্যায়নের জন্য আরও উন্নত কাঠামো যুক্ত করে।

গুরুত্বপূর্ণভাবে, এই ফ্রেমওয়ার্কগুলো MCP, A2A এবং NLWeb-এর মতো প্রোটোকলগুলোর সাথে ক্রমবর্ধমানভাবে সমন্বিত হচ্ছে।স্বতন্ত্র কানেক্টর অন্তর্ভুক্ত করার পরিবর্তে, এজেন্টরা প্রমিত সক্ষমতা স্তরে যুক্ত হতে পারে, এজেন্ট কার্ডের মাধ্যমে বাহ্যিক এজেন্টদের সাথে যোগাযোগ করতে পারে এবং NLWeb-সক্ষম সাইটগুলোকে প্রথম-শ্রেণীর, স্বাভাবিক-ভাষার এপিআই হিসেবে ব্যবহার করতে পারে। প্রোটোকল এবং টুলিংয়ের মধ্যে এই সমন্বয়ই বৃহৎ পরিসরের, আন্তঃকার্যকরী এজেন্ট ইকোসিস্টেমকে সম্ভব করে তোলে।

এই সবকিছু নো-কোড থেকে হাই-কোড সমাধান পর্যন্ত একটি ধারাবাহিকতার উপর অবস্থিত।নো-কোড ক্ষেত্রের ভিজ্যুয়াল প্ল্যাটফর্মগুলো নন-ডেভেলপারদের ড্র্যাগ-এন্ড-ড্রপ ইন্টারফেস এবং স্বাভাবিক ভাষার কনফিগারেশন ব্যবহার করে এজেন্ট ওয়ার্কফ্লো ও টুল তৈরি করতে দেয়। অন্যদিকে, হাই-কোড পরিবেশগুলো ইঞ্জিনিয়ারদের অর্কেস্ট্রেশন, ইভ্যালুয়েশন এবং ডিপ্লয়মেন্টের ওপর সুনির্দিষ্ট নিয়ন্ত্রণ দেয়, যেখানে প্রায়শই AWS, Azure বা অনুরূপ ক্লাউডে কাস্টম ইনফ্রাস্ট্রাকচারের সাথে ফ্রেমওয়ার্কগুলোকে একত্রিত করা হয়।

এই পুরো পরিসরে, যে সংস্থাগুলো সফল হয়, তারা কেবল এজেন্টদের ব্যবহারই করে না, বরং তাদের গঠন করতেও শেখে।প্রোটোকল, প্যাটার্ন এবং গার্ডরেল বোঝা আপনাকে কেবল ‘একটি চ্যাটবট চেষ্টা করে দেখুন’ ধরনের পরীক্ষা-নিরীক্ষার বাইরে গিয়ে শক্তিশালী ও সম্প্রসারণযোগ্য অটোমেশনের দিকে এগিয়ে যেতে সাহায্য করে: অভ্যন্তরীণ অ্যানালিটিক্স এজেন্ট ও ডেভেলপার কো-পাইলট থেকে শুরু করে, রিয়েল-টাইমে ইনভেন্টরি, পেমেন্ট এবং গ্রাহক অভিজ্ঞতা সমন্বয়কারী মাল্টি-এজেন্ট সিস্টেম পর্যন্ত। এজেন্টরা যতই পরিপক্ক হতে থাকে, এই ডিজাইন দক্ষতাগুলো একটি প্রকৃত প্রতিযোগিতামূলক সুবিধা হয়ে ওঠে।