ai-agents-for-beginners
(এই পাঠের ভিডিও দেখতে উপরের ছবি ক্লিক করুন)
AI এজেন্ট এবং এজেন্ট ব্যবহারের ক্ষেত্রে পরিচিতি
স্বাগতম শুরু জন্য AI এজেন্ট কোর্সে! এই কোর্সটি আপনাকে ভিত্তিমূলক জ্ঞান এবং কাজ করার কোড দিবে যাতে আপনি প্রথম থেকে AI এজেন্ট তৈরি করতে পারেন।
Azure AI Discord Community-তে আসুন শুভেচ্ছা জানান — এটি শেখা ও AI নির্মাতাদের ভরে যা প্রশ্নের উত্তর দিতে আগ্রহী।
তৈরি হওয়ার আগে আসুন নিশ্চিত হই যে আসলে কি একটি AI Agent হয় এবং কখন এটি ব্যবহৃত বোধগম্য।
পরিচিতি
এই পাঠে আলোচনা থাকবে:
- AI এজেন্ট কি, এবং এর বিভিন্ন প্রকারভেদ কি কি
- কোন ধরণের কাজের জন্য AI এজেন্ট সবচেয়ে উপযুক্ত
- একটি Agentic সমাধান ডিজাইনের জন্য আপনি যে মূল উপাদানগুলি ব্যবহার করবেন
শেখার লক্ষ্য
এই পাঠের শেষে, আপনি সক্ষম হবেন:
- বুঝতে পারবেন AI এজেন্ট কি এবং এটি একটি সাধারণ AI সমাধান থেকে কিভাবে আলাদা
- কখন AI এজেন্ট ব্যবহার করবেন (এবং কখন করবেন না)
- বাস্তব সমস্যা জন্য একটি মৌলিক Agentic সমাধান ডিজাইন কল্পনা করতে পারবেন
AI এজেন্ট এবং এজেন্টের প্রকারভেদের সংজ্ঞা
AI এজেন্ট কি?
এটি বোঝার একটি সহজ উপায়:
AI এজেন্ট হলো এমন সিস্টেম যেগুলো বড় ভাষা মডেলগুলোকে (LLMs) আসলে কিছু কাজ করতে দেয় — যন্ত্র এবং জ্ঞান দিয়ে যাতে তারা শুধু মাত্র প্রম্পটের উত্তর না দিয়ে পৃথিবীতে কাজ করতে পারে।
একটু ব্যাখ্যা করা যাক:
- সিস্টেম — একটি AI এজেন্ট শুধু একক কিছু নয়। এটি একসাথে কাজ করা অনেক অংশের সমষ্টি। মূলত, প্রত্যেক এজেন্টের তিনটি অংশ থাকে:
- পরিবেশ — যেখানে এজেন্ট কাজ করে। একটি ট্রাভেল বুকিং এজেন্টের জন্য এটি বুকিং প্ল্যাটফর্ম।
- সেন্সর — কিভাবে এজেন্ট তার পরিবেশের বর্তমান অবস্থা পড়ে। আমাদের ট্রাভেল এজেন্ট হতে পারে হোটেল উপলব্ধতা বা ফ্লাইটের দাম পরীক্ষা করে।
- অ্যাকচুয়েটর — কিভাবে এজেন্ট কাজ করে। ট্রাভেল এজেন্ট একটি রুম বুক করতে পারে, নিশ্চিতকরণ পাঠাতে পারে, অথবা রিজার্ভেশন বাতিল করতে পারে।
-
বড় ভাষা মডেল — এজেন্ট ছিল LLMs এর আগে, কিন্তু LLMs আধুনিক এজেন্টকে এত শক্তিশালী করে তোলে। তারা প্রাকৃতিক ভাষা বুঝতে পারে, প্রসঙ্গের উপর যুক্তি করতে পারে এবং অস্পষ্ট ব্যবহারকারী অনুরোধকে সুনির্দিষ্ট কার্যপরিকল্পনায় রূপান্তর করতে পারে।
-
কাজ সম্পাদন — এজেন্ট সিস্টেম ছাড়া, একটি LLM শুধু টেক্সট তৈরি করে। এজেন্ট সিস্টেমের ভিতরে, LLM আসলে ধাপগুলো সম্পাদন করতে পারে — ডাটাবেসে অনুসন্ধান করা, API কল করা, মেসেজ পাঠানো।
-
যন্ত্রের অ্যাক্সেস — এজেন্ট কি যন্ত্র ব্যবহার করতে পারে তা নির্ভর করে (1) পরিবেশ যেখানে এটি চলছে এবং (2) ডেভেলপার কি দিয়েছে তার উপর। একটি ট্রাভেল এজেন্ট হয়তো ফ্লাইট খুঁজে পেতে পারে কিন্তু গ্রাহক রেকর্ড সম্পাদনা করতে পারে না — সবই ঠিক আপনার ওয়্যারিং এর ওপর নির্ভর করে।
-
মেমোরি + জ্ঞান — এজেন্টদের শর্ট-টার্ম মেমোরি (বর্তমান কথোপকথন) এবং লং-টার্ম মেমোরি (গ্রাহক ডাটাবেস, পূর্বের ইন্টারঅ্যাকশন) থাকতে পারে। ট্রাভেল এজেন্ট “মনে রাখতে পারে” আপনি উইন্ডো সিট পছন্দ করেন।
AI এজেন্টের বিভিন্ন প্রকার
সব এজেন্ট একই রকম নয়। একটি ট্রাভেল বুকিং এজেন্ট উদাহরণ নিয়ে প্রধান প্রকারগুলো হল:
| এজেন্ট প্রকার | এটি কি করে | ট্রাভেল এজেন্ট উদাহরণ |
|---|---|---|
| সহজ রিফ্লেক্স এজেন্ট | কঠোর নিয়ম অনুসরণ করে — মেমোরি নেই, পরিকল্পনা নেই। | একটা অভিযোগের ইমেইল দেখে → গ্রাহক সেবায় পাঠায়। শুধু এতটুকুই। |
| মডেল-ভিত্তিক রিফ্লেক্স এজেন্ট | পৃথিবীর একটি অভ্যন্তরীণ মডেল রাখে এবং পরিবর্তনের সাথে আপডেট করে। | পূর্ববর্তী ফ্লাইটের দাম ট্র্যাক করে এবং হঠাৎ বেশি দামযুক্ত রুটগুলো চিহ্নিত করে। |
| লক্ষ্য-ভিত্তিক এজেন্ট | একটি লক্ষ্য থাকে এবং ধাপে ধাপে পরিকল্পনা করে তা অর্জন করে। | একটি পুরো ট্রিপ বুক করে (ফ্লাইট, গাড়ি, হোটেল) আপনার বর্তমান অবস্থান থেকে গন্তব্যে যাওয়ার জন্য। |
| উপযোগিতা-ভিত্তিক এজেন্ট | কেবল একটি সমাধান নয় — সর্বোত্তম সমাধান খুঁজে বের করে যেমন খরচ বনাম সুবিধার বিবেচনায়। | খরচ বনাম সুবিধা সমন্বয় করে এমন ট্রিপ খুঁজে যা আপনার পছন্দ অনুযায়ী সর্বোচ্চ স্কোর পায়। |
| শিক্ষণশীল এজেন্ট | প্রতিক্রিয়া থেকে শিখে সময়ের সাথে উন্নতি করে। | পোস্ট-ট্রিপ সার্ভের ফলাফলের উপর ভিত্তি করে ভবিষ্যতের বুকিং পরামর্শ পরিবর্তন করে। |
| বহুস্তরীয় এজেন্ট | একটি উচ্চ-স্তরীয় এজেন্ট কাজ ভাগ করে নিন্মতম স্তরের এজেন্টদের কাজ দেয়। | “ট্রিপ বাতিল” অনুরোধকে ছোট অংশে বিভক্ত করে: ফ্লাইট বাতিল, হোটেল বাতিল, গাড়ি ভাড়া বাতিল—প্রতিটি একটি সাব-এজেন্ট পরিচালনা করে। |
| বহু-এজেন্ট সিস্টেম (MAS) | একাধিক স্বাধীন এজেন্ট একসাথে (অথবা প্রতিযোগিতায়) কাজ করে। | সহায়ক: আলাদা এজেন্ট হোটেল, ফ্লাইট, এবং বিনোদন দেখাশোনা করে। প্রতিযোগিতামূলক: একাধিক এজেন্ট সর্বোৎকৃষ্ট মূল্যে হোটেল রুম পূরণের জন্য প্রতিযোগিতা করে। |
কখন AI এজেন্ট ব্যবহার করবেন
শুধু কারণ আপনি AI এজেন্ট ব্যবহার করতে পারেন মানে আপনি সবসময় করবেন এটা নয়। এখানে সেই পরিস্থিতিগুলো যেখানে এজেন্টরা সবচেয়ে ভালো কাজ করে:
- উন্মুক্ত সমস্যা — যেখানে সমস্যা সমাধানের ধাপ পূর্ব-প্রোগ্রাম করা যায় না। আপনাকে LLM কে পথ নির্ধারণ করতে হবে গতিশীলভাবে।
- বহু-ধাপ প্রক্রিয়া — এমন কাজ যা কয়েকটি ধাপে, যন্ত্র ব্যবহার করে করা লাগে, শুধু একক অনুসন্ধান বা টেক্সট তৈরি নয়।
- সময়ক্রমে উন্নতি — যখন আপনি চান সিস্টেম ব্যবহারকারীর প্রতিক্রিয়া বা পরিবেশগত সংকেতের মাধ্যমে স্মার্ট হয়।
আমরা কোর্সের পরবর্তীতে বিল্ডিং ট্রাস্টওার্থি AI এজেন্টস পাঠে এ বিষয়ে আরও গভীরভাবে আলোচনা করব যখন এবং কখন না ব্যবহার করবেন।
Agentic সমাধানের বুনিয়াদি
এজেন্ট উন্নয়ন
জখন আপনি এজেন্ট তৈরি করবেন, প্রথম কাজ হলো এটি কি করতে পারে তা সংজ্ঞায়িত করা — এর যন্ত্র, কাজ, এবং আচরণ।
এই কোর্সে, আমরা Azure AI Agent Service কে প্রধান প্ল্যাটফর্ম হিসেবে ব্যবহার করি। এটি সমর্থন করে:
- OpenAI, Mistral, এবং Meta (Llama) সহ বিভিন্ন প্রোভাইডারের মডেল
- Tripadvisor এর মত প্রোভাইডারের লাইসেন্সকৃত ডেটা
- স্ট্যান্ডার্ডাইজড OpenAPI 3.0 টুল সংজ্ঞা
Agentic প্যাটার্নস
আপনি LLM এর সাথে প্রম্পটের মাধ্যমে যোগাযোগ করেন। এজেন্টের ক্ষেত্রে আপনি সব প্রম্পট প্রতি নিয়তভাবে তৈরি করতে পারেন না — এজেন্টকে অনেক ধাপ ধরে কাজ করতে হয়। এখানেই Agentic প্যাটার্নস আসে। এগুলো হলো LLMs গুলোকে আরও স্কেলযোগ্য ও নির্ভরযোগ্যভাবে পরিচালনার জন্য পুনঃব্যবহারযোগ্য কৌশল।
এই কোর্স সবচেয়ে সাধারণ ও উপকারী agentic প্যাটার্নস গুলোকে কেন্দ্র করে গঠন করা হয়েছে।
Agentic ফ্রেমওয়ার্কস
Agentic ফ্রেমওয়ার্কস ডেভেলপারদের তৈরি করা টেম্পলেট, টুল এবং অবকাঠামো দেয় যা এজেন্ট বানানো সহজ করে তোলে। এর মধ্যে আছে:
- টুল ও ক্ষমতা সংযোগ করা
- এজেন্ট কী করছে তা পর্যবেক্ষণ (এবং ভুল হলে ডিবাগ করা)
- একাধিক এজেন্টের মধ্যে সহযোগিতা
এই কোর্সে, আমরা প্রোডাকশন-রেডি এজেন্ট তৈরির জন্য Microsoft Agent Framework (MAF)-এ ফোকাস করছি।
কোড স্যাম্পল
কার্যকরভাবে দেখতে প্রস্তুত? এই পাঠের কোড স্যাম্পলগুলো হল:
- 🐍 পাইথন: Agent Framework
- 🔷 .NET: Agent Framework
প্রশ্ন আছে?
Microsoft Foundry Discord-এ যোগ দিন অন্যান্য শেখুয়ারদের সাথে যোগাযোগ করতে, অফিস আওয়ারে অংশ নিতে এবং কমিউনিটির মাধ্যমে আপনার AI এজেন্ট সংক্রান্ত প্রশ্নের উত্তর নিতে।
পূর্ববর্তী পাঠ
পরবর্তী পাঠ
অস্বীকৃতি: এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।