ai-agents-for-beginners

AI এজেন্ট ফ্রেমওয়ার্ক অন্বেষণ

(উপরের ছবিতে ক্লিক করে এই পাঠের ভিডিও দেখুন)

AI এজেন্ট ফ্রেমওয়ার্ক অন্বেষণ

AI এজেন্ট ফ্রেমওয়ার্কগুলো এমন সফটওয়্যার প্ল্যাটফর্ম যা AI এজেন্ট তৈরি, ডিপ্লয়মেন্ট এবং ব্যবস্থাপনা সহজ করে দেয়। এই ফ্রেমওয়ার্কগুলো ডেভেলপারদের প্রি-বিল্ট উপাদান, বিমূর্ততা, এবং টুল প্রদান করে যা জটিল AI সিস্টেমের উন্নয়নকে সরল করে তোলে।

এই ফ্রেমওয়ার্কগুলো ডেভেলপারদের তাদের অ্যাপ্লিকেশনগুলোর অনন্য দিকগুলোর উপর ফোকাস করতে সাহায্য করে, সাধারণ AI এজেন্ট উন্নয়নের চ্যালেঞ্জগুলোর জন্য মানক পদ্ধতি প্রদান করে। এগুলো স্কেলেবিলিটি, অ্যাক্সেসিবিলিটি, এবং দক্ষতা বাড়ায় AI সিস্টেম তৈরিতে।

পরিচিতি

এই পাঠে কভার করা হবে:

শেখার লক্ষ্যসমুহ

এই পাঠের লক্ষ্যগুলো হল আপনাকে বোঝানো:

AI এজেন্ট ফ্রেমওয়ার্কগুলো কী এবং এগুলো ডেভেলপারদের কী করতে সক্ষম করে?

পরম্পরাগত AI ফ্রেমওয়ার্কগুলো আপনার অ্যাপ্লিকেশনগুলোর সাথে AI একীভূত করতে এবং নিচের উপায়গুলোতে এগুলোকে আরও ভাল করতে সাহায্য করতে পারে:

সবকিছু চমৎকার শোনাচ্ছে, তাহলে কেন AI Agent Framework দরকার?

AI এজেন্ট ফ্রেমওয়ার্কগুলি কেবল AI ফ্রেমওয়ার্কের চেয়েও কিছু বেশি উপস্থাপন করে। এগুলো ইন্টেলিজেন্ট এজেন্ট তৈরির জন্য ডিজাইন করা হয়েছে যা ব্যবহারকারীর সাথে, অন্যান্য এজেন্টের সাথে এবং পরিবেশের সাথে ইন্টারঅ্যাক্ট করে নির্দিষ্ট লক্ষ্য অর্জন করতে পারে। এই এজেন্টগুলো স্বায়ত্তশাসিত আচরণ প্রদর্শন করতে পারে, সিদ্ধান্ত নিতে পারে, এবং পরিবর্তিত পরিস্থিতিতে অভিযোজিত হতে পারে। চলুন AI এজেন্ট ফ্রেমওয়ার্ক দ্বারা সক্ষম করা কিছু মূল সক্ষমতা দেখি:

সংক্ষেপে, এজেন্টগুলো আপনাকে আরো বেশি করতে দেয়, অটোমেশনকে পরবর্তী স্তরে নেয়, এবং এমন বুদ্ধিমান সিস্টেম তৈরি করতে দেয় যা তাদের পরিবেশ থেকে অভিযোজিত এবং শিখতে পারে।

কীভাবে দ্রুত প্রোটোটাইপ করা, পুনরাবৃত্তি করা, এবং এজেন্টের সক্ষমতাগুলো উন্নত করা যায়?

এটি একটি দ্রুত পরিবর্তনশীল ল্যান্ডস্কেপ, তবে বেশিরভাগ AI এজেন্ট ফ্রেমওয়ার্কে কিছু সাধারণ বিষয় আছে যা আপনাকে দ্রুত প্রোটোটাইপ এবং পুনরাবৃত্তি করতে সাহায্য করে যেমন মডিউলার কম্পোনেন্ট, সহযোগিতামূলক টুল, এবং রিয়েল-টাইম লার্নিং। চলুন এগুলোতে বিস্তারিত দেখি:

মডিউলার কম্পোনেন্ট ব্যবহার করুন

Microsoft Agent Framework-এর মতো SDK গুলো প্রি-বিল্ট কম্পোনেন্ট প্রদান করে যেমন AI কানেক্টর, টুল ডেফিনিশন, এবং এজেন্ট ম্যানেজমেন্ট।

দলগুলো এটি কীভাবে ব্যবহার করতে পারে: দলগুলো এই উপাদানগুলো দ্রুত একত্র করে একটি কার্যকরী প্রোটোটাইপ তৈরি করতে পারে बिना শূন্য থেকে শুরু করার, যা দ্রুত পরীক্ষণ এবং পুনরাবৃত্তির সুযোগ দেয়।

বাস্তবে এটি কীভাবে কাজ করে: আপনি ব্যবহারকারীর ইনপুট থেকে তথ্য বের করতে একটি প্রি-বিল্ট পার্সার ব্যবহার করতে পারেন, ডেটা সংরক্ষণ ও পুনরুদ্ধারের জন্য একটি মেমরি মডিউল ব্যবহার করতে পারেন, এবং ব্যবহারকারীর সাথে ইন্টারঅ্যাকশনের জন্য একটি প্রম্পট জেনারেটর ব্যবহার করতে পারেন, সবকিছুই শূন্য থেকে কম্পোনেন্ট তৈরি না করেই করা যায়।

উদাহরণ কোড. চলুন একটি উদাহরণ দেখি কিভাবে আপনি Microsoft Agent Framework AzureAIProjectAgentProvider ব্যবহার করে মডেলটিকে টুল কলিং সহ ব্যবহারকারীর ইনপুটে সাড়া দিতে পারেন:

# Microsoft Agent Framework পাইথন উদাহরণ

import asyncio
import os
from typing import Annotated

from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential


# ভ্রমণ বুক করার জন্য একটি নমুনা টুল ফাংশন সংজ্ঞায়িত করুন
def book_flight(date: str, location: str) -> str:
    """Book travel given location and date."""
    return f"Travel was booked to {location} on {date}"


async def main():
    provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())
    agent = await provider.create_agent(
        name="travel_agent",
        instructions="Help the user book travel. Use the book_flight tool when ready.",
        tools=[book_flight],
    )

    response = await agent.run("I'd like to go to New York on January 1, 2025")
    print(response)
    # উদাহরণ আউটপুট: আপনার ১ জানুয়ারি, ২০২৫ তারিখের নিউ ইয়র্কের ফ্লাইট সফলভাবে বুক করা হয়েছে। নিরাপদ ভ্রমণ! ✈️🗽


if __name__ == "__main__":
    asyncio.run(main())

এই উদাহরণ থেকে আপনি দেখতে পারবেন কিভাবে একটি প্রি-বিল্ট পার্সার ব্যবহার করে ব্যবহারকারীর ইনপুট থেকে মূল তথ্য যেমন উত্স, গন্তব্য, এবং ফ্লাইট বুকিং অনুরোধের তারিখ বের করা যায়। এই মডিউলার পদ্ধতি আপনাকে উচ্চ-স্তরের লজিকের উপর ফোকাস করতে দেয়।

সহযোগিতামূলক টুলগুলো ব্যবহার করুন

Microsoft Agent Framework-এর মতো ফ্রেমওয়ার্কগুলো একাধিক এজেন্ট তৈরি করতে সুবিধা করে দেয় যা একসাথে কাজ করতে পারে।

দলগুলো এটি কীভাবে ব্যবহার করতে পারে: দলগুলো নির্দিষ্ট ভূমিকা এবং টাস্ক সহ এজেন্ট ডিজাইন করতে পারে, যাতে তারা সহযোগিতামূলক ওয়ার্কফ্লো পরীক্ষা ও পরিমার্জন করতে পারে এবং সামগ্রিক সিস্টেম দক্ষতা উন্নত করতে পারে।

বাস্তবে এটি কীভাবে কাজ করে: আপনি এমন একটি এজেন্ট টিম তৈরি করতে পারেন যেখানে প্রতিটি এজেন্টের একটি বিশেষায়িত ফাংশন থাকে, যেমন ডাটা রিট্রিভাল, বিশ্লেষণ, বা সিদ্ধান্ত গ্রহণ। এই এজেন্টগুলো যোগাযোগ করে ও তথ্য শেয়ার করে একটি সাধারণ লক্ষ্য অর্জন করতে পারে, যেমন একটি ব্যবহারকারীর প্রশ্নের উত্তর দেওয়া বা একটি টাস্ক সম্পন্ন করা।

উদাহরণ কোড (Microsoft Agent Framework):

# মাইক্রোসফট এজেন্ট ফ্রেমওয়ার্ক ব্যবহার করে একাধিক এজেন্ট তৈরি করা যারা একসাথে কাজ করে

import os
from agent_framework.azure import AzureAIProjectAgentProvider
from azure.identity import AzureCliCredential

provider = AzureAIProjectAgentProvider(credential=AzureCliCredential())

# ডেটা উদ্ধার এজেন্ট
agent_retrieve = await provider.create_agent(
    name="dataretrieval",
    instructions="Retrieve relevant data using available tools.",
    tools=[retrieve_tool],
)

# ডেটা বিশ্লেষণ এজেন্ট
agent_analyze = await provider.create_agent(
    name="dataanalysis",
    instructions="Analyze the retrieved data and provide insights.",
    tools=[analyze_tool],
)

# একটি কাজের উপর এজেন্টগুলো ক্রমান্বয়ে চালানো
retrieval_result = await agent_retrieve.run("Retrieve sales data for Q4")
analysis_result = await agent_analyze.run(f"Analyze this data: {retrieval_result}")
print(analysis_result)

আগের কোডে আপনি দেখতে পাবেন কিভাবে আপনি একাধিক এজেন্টকে নিয়ে একটি টাস্ক তৈরি করতে পারেন যা ডেটা বিশ্লেষণে মিলিতভাবে কাজ করে। প্রতিটি এজেন্ট একটি নির্দিষ্ট ফাংশন সম্পাদন করে, এবং টাস্কটি এজেন্টদের সমন্বয়ের মাধ্যমে সম্পন্ন করা হয়। বিশেষায়িত ভূমিকা সহ ডেডিকেটেড এজেন্ট তৈরি করে আপনি টাস্ক দক্ষতা এবং কর্মদক্ষতা বৃদ্ধি করতে পারেন।

রিয়েল-টাইমে শেখা

উন্নত ফ্রেমওয়ার্কগুলো রিয়েল-টাইম কনটেক্সট বোঝার এবং অভিযোজনের ক্ষমতা প্রদান করে।

দলগুলো এটি কীভাবে ব্যবহার করতে পারে: দলগুলো এমন ফিডব্যাক লুপ বাস্তবায়ন করতে পারে যেখানে এজেন্টরা ইন্টারঅ্যাকশনের থেকে শেখে এবং তাদের আচরণ ডাইনামিকভাবে সামঞ্জস্য করে, ফলে সক্ষমতার ধারাবাহিক উন্নতি এবং পরিমার্জন ঘটে।

বাস্তবে এটি কীভাবে কাজ করে: এজেন্টরা ব্যবহারকারীর প্রতিক্রিয়া, পরিবেশগত ডেটা, এবং টাস্ক ফলাফল বিশ্লেষণ করে তাদের নলেজ বেস আপডেট করতে পারে, সিদ্ধান্ত গ্রহণের অ্যালগরিদম সামঞ্জস্য করতে পারে, এবং সময়ের সঙ্গে পারফরম্যান্স উন্নত করতে পারে। এই পুনরাবৃত্তিমূলক শিখন প্রক্রিয়া এজেন্টদের পরিবর্তিত অবস্থার এবং ব্যবহারকারীর পছন্দের সাথে অভিযোজিত হতে সক্ষম করে, ফলে সামগ্রিক সিস্টেম কার্যকারিতা বাড়ে।

Microsoft Agent Framework এবং Azure AI Agent Service-এর মধ্যে পার্থক্যগুলো কী?

এই পদ্ধতিগুলো তুলনা করার অনেক উপায় আছে, কিন্তু চলুন তাদের ডিজাইন, সক্ষমতা, এবং লক্ষ্য ব্যবহারকাণ্ডের দিক থেকে কিছু মূল পার্থক্য দেখি:

Microsoft Agent Framework (MAF)

Microsoft Agent Framework একটি সরলীকৃত SDK প্রদান করে AI এজেন্ট তৈরির জন্য AzureAIProjectAgentProvider ব্যবহার করে। এটি ডেভেলপারদের এমন এজেন্ট তৈরি করতে সক্ষম করে যা Azure OpenAI মডেল ব্যবহার করে বিল্ট-ইন টুল কলিং, কনভারসেশন ম্যানেজমেন্ট, এবং Azure identity-এর মাধ্যমে এন্টারপ্রাইজ-গ্রেড সিকিউরিটি প্রদান করে।

ব্যবহারকাণ্ড: টুল ব্যবহার, বহু-ধাপ ওয়ার্কফ্লো, এবং এন্টারপ্রাইজ ইন্টিগ্রেশন সценারিও নিয়ে প্রোডাকশন-রেডি AI এজেন্ট নির্মাণ করা।

Microsoft Agent Framework-এর কিছু গুরুত্বপূর্ণ মূল ধারণা নীচে দেওয়া হলো:

Azure AI Agent Service

Azure AI Agent Service একটি সাম্প্রতিক সংযোজন, Microsoft Ignite 2024-এ পরিচিত করানো হয়েছে। এটি এজেন্টদের সাথে উন্নয়ন ও ডিপ্লয়মেন্টের জন্য আরও নমনীয় মডেলগুলোর সমর্থন দেয়, যেমন সরাসরি ওপেন-সোর্স LLMs যেমন Llama 3, Mistral, এবং Cohere কল করা।

Azure AI Agent Service শক্তিশালী এন্টারপ্রাইজ সিকিউরিটি মেকানিজম এবং ডেটা স্টোরেজ পদ্ধতি প্রদান করে, যা এটিকে এন্টারপ্রাইজ অ্যাপ্লিকেশনগুলোর জন্য উপযোগী করে তোলে।

এটি Microsoft Agent Framework-র সাথে আউট-অফ-দ্য-বক্স কাজ করে এজেন্ট তৈরি ও ডিপ্লয় করার জন্য।

এই সার্ভিসটি বর্তমানে Public Preview-তে রয়েছে এবং এজেন্ট বানানোর জন্য Python ও C# সমর্থন করে।

Azure AI Agent Service Python SDK ব্যবহার করে, আমরা একটি ব্যবহারকারী-নির্ধারিত টুল সহ একটি এজেন্ট তৈরি করতে পারি:

import asyncio
from azure.identity import DefaultAzureCredential
from azure.ai.projects import AIProjectClient

# টুল ফাংশনগুলি নির্ধারণ করুন
def get_specials() -> str:
    """Provides a list of specials from the menu."""
    return """
    Special Soup: Clam Chowder
    Special Salad: Cobb Salad
    Special Drink: Chai Tea
    """

def get_item_price(menu_item: str) -> str:
    """Provides the price of the requested menu item."""
    return "$9.99"


async def main() -> None:
    credential = DefaultAzureCredential()
    project_client = AIProjectClient.from_connection_string(
        credential=credential,
        conn_str="your-connection-string",
    )

    agent = project_client.agents.create_agent(
        model="gpt-4o-mini",
        name="Host",
        instructions="Answer questions about the menu.",
        tools=[get_specials, get_item_price],
    )

    thread = project_client.agents.create_thread()

    user_inputs = [
        "Hello",
        "What is the special soup?",
        "How much does that cost?",
        "Thank you",
    ]

    for user_input in user_inputs:
        print(f"# User: '{user_input}'")
        message = project_client.agents.create_message(
            thread_id=thread.id,
            role="user",
            content=user_input,
        )
        run = project_client.agents.create_and_process_run(
            thread_id=thread.id, agent_id=agent.id
        )
        messages = project_client.agents.list_messages(thread_id=thread.id)
        print(f"# Agent: {messages.data[0].content[0].text.value}")


if __name__ == "__main__":
    asyncio.run(main())

মূল ধারণাসমূহ

Azure AI Agent Service-এর নিম্নলিখিত মূল ধারণাসমূহ আছে:

ব্যবহারকাণ্ড: Azure AI Agent Service এমন এন্টারপ্রাইজ অ্যাপ্লিকেশনগুলোর জন্য ডিজাইন করা হয়েছে যেগুলো নিরাপদ, স্কেলেবল, এবং নমনীয় AI এজেন্ট ডিপ্লয়মেন্টের প্রয়োজন।

এই পদ্ধতিগুলোর মধ্যে পার্থক্য কী?

এটা মনে হতে পারে যে ওভারল্যাপ আছে, কিন্তু তাদের ডিজাইন, সক্ষমতা, এবং লক্ষ্য ব্যবহারকাণ্ডের দিক থেকে কিছু মূল পার্থক্য আছে:

এখনো নিশ্চিত নন কোনটি বেছে নেবেন?

ব্যবহারকাণ্ডসমূহ

চলুন কিছু সাধারণ ব্যবহারকাণ্ড দেখে আপনাকে সাহায্য করার চেষ্টা করি:

Q: আমি প্রোডাকশন AI এজেন্ট অ্যাপ্লিকেশন নির্মাণ করছি এবং দ্রুত শুরু করতে চাই

A: Microsoft Agent Framework একটি চমৎকার পছন্দ। এটি AzureAIProjectAgentProvider-এর মাধ্যমে একটি সহজ, Pythonic API প্রদান করে যা কয়েক লাইনে টুল এবং নির্দেশাবলী সহ এজেন্ট সংজ্ঞায়িত করতে দেয়।

Q: আমি Azure-এর মতো ইন্টিগ্রেশন, যেমন Search এবং কোড এক্সিকিউশন সহ এন্টারপ্রাইজ-গ্রেড ডিপ্লয়মেন্ট চাই

A: Azure AI Agent Service শ্রেষ্ঠ উপযুক্ত। এটি একটি প্ল্যাটফর্ম সার্ভিস যা বহু মডেল, Azure AI Search, Bing Search এবং Azure Functions-এর জন্য বিল্ট-ইন সক্ষমতা প্রদান করে। Foundry Portal-এ আপনার এজেন্টগুলি তৈরি করা এবং স্কেলে ডিপ্লয় করা সহজ করে তোলে।

Q: আমি এখনও বিভ্রান্ত, কেবল একটি অপশন বলুন

A: প্রথমে Microsoft Agent Framework দিয়ে আপনার এজেন্ট তৈরি শুরু করুন, এবং যখন প্রোডাকশনে ডিপ্লয় ও স্কেল করার প্রয়োজন হবে তখন Azure AI Agent Service ব্যবহার করুন। এই পদ্ধতি আপনাকে এজেন্ট লজিকে দ্রুত পুনরাবৃত্তি করার সুযোগ দেয় এবং এন্টারপ্রাইজ ডিপ্লয়মেন্টের জন্য একটি পরিষ্কার পথ প্রদান করে।

চলুন টেবিলটিতে মূল পার্থক্যগুলো সারসংক্ষেপ করি:

Framework Focus Core Concepts Use Cases
Microsoft Agent Framework টুল কলিং সহ স্ট্রিমলাইন করা এজেন্ট SDK Agents, Tools, Azure Identity AI এজেন্ট নির্মাণ, টুল ব্যবহার, বহু-ধাপ ওয়ার্কফ্লো
Azure AI Agent Service নমনীয় মডেল, এন্টারপ্রাইজ সিকিউরিটি, কোড জেনারেশন, টুল কলিং Modularity, Collaboration, Process Orchestration নিরাপদ, স্কেলযোগ্য, এবং নমনীয় AI এজেন্ট ডিপ্লয়মেন্ট

আমি কি আমার বিদ্যমান Azure ইকোসিস্টেম টুলগুলো সরাসরি ইন্টিগ্রেট করতে পারি, নাকি আলাদা সলিউশন প্রয়োজন?

উত্তর হলো হ্যাঁ — আপনি আপনার বিদ্যমান Azure ইকোসিস্টেম টুলগুলো সরাসরি Azure AI Agent Service-এ একীকরণ করতে পারেন, বিশেষত কারণ এটি অন্যান্য Azure পরিষেবার সাথে নির্বিঘ্নে কাজ করার জন্য তৈরি করা হয়েছে। উদাহরণস্বরূপ আপনি Bing, Azure AI Search, এবং Azure Functions একীভূত করতে পারেন। Microsoft Foundry-র সঙ্গেও গভীর একীকরণ রয়েছে।

The Microsoft Agent Framework also integrates with Azure services through AzureAIProjectAgentProvider and Azure identity, letting you call Azure services directly from your agent tools.

নমুনা কোড

AI Agent Frameworks সম্পর্কে আরও প্রশ্ন আছে?

অন্যান্য শিক্ষার্থীদের সাথে দেখা করতে, অফিস আওয়ার-এ অংশ নিতে এবং আপনার AI Agents সম্পর্কিত প্রশ্নগুলোর উত্তর পেতে Microsoft Foundry Discord-এ যোগ দিন।

রেফারেন্স

পূর্ববর্তী পাঠ

AI এজেন্ট এবং তাদের ব্যবহার-কেসের পরিচিতি

পরবর্তী পাঠ

এজেন্টিক ডিজাইন প্যাটার্নগুলি বোঝা

দায়-অস্বীকার:

এই দলিলটি AI অনুবাদ সেবা Co-op Translator ব্যবহার করে অনুবাদ করা হয়েছে। যদিও আমরা যথার্থতার দিকে যত্নবান, স্বয়ংক্রিয় অনুবাদে ত্রুটি বা ভুল থাকতে পারে তা অনুগ্রহ করে মনে রাখুন। মূল নথি (তার নিজভাষায়) কে কর্তৃত্বশীল উৎস হিসেবে গণ্য করা উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদের পরামর্শ দেওয়া হচ্ছে। এই অনুবাদ ব্যবহারের ফলে সৃষ্ট কোনো ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়ী নই।

This site is open source. Improve this page.