এআই মডেল বনাম এআই এজেন্ট
একটি নতুন ধরনের সফটওয়্যার আর্কিটেকচার
গত কয়েক বছরে AI নিয়ে সবচেয়ে বেশি আলোচনা হয়েছে large language models (LLMs) নিয়ে। ChatGPT, Claude, Gemini—এসব মডেল আমাদের দেখিয়েছে যে একটি AI সিস্টেম মানুষের ভাষা বুঝতে পারে, প্রশ্নের উত্তর দিতে পারে, এমনকি কোডও লিখতে পারে।
কিন্তু এখানেই একটি গুরুত্বপূর্ণ সীমাবদ্ধতা আছে।
একটি AI model সাধারণত একটি single request → single response প্যাটার্নে কাজ করে।
আপনি একটি প্রশ্ন করেন, মডেল একটি উত্তর দেয়—তারপর কাজ শেষ।
কিন্তু বাস্তব জগতের অনেক সমস্যাই এইভাবে সমাধান হয় না।
ধরা যাক একটি কাজ:
“বাংলাদেশে ছোট ব্যবসার জন্য একটি মার্কেটিং প্ল্যান তৈরি করো, প্রতিযোগী বিশ্লেষণ করো, এবং একটি ৩ মাসের কনটেন্ট ক্যালেন্ডার বানাও।”
এই ধরনের কাজের জন্য দরকার:
- তথ্য সংগ্রহ
- বিশ্লেষণ
- পরিকল্পনা
- বিভিন্ন ধাপে সিদ্ধান্ত নেওয়া
এই ধরনের কাজ সাধারণত একটি software system দিয়ে করা হয়।
এখানেই আসে AI Agent ধারণা।
এআই মডেল কী
একটি AI model মূলত একটি prediction engine।
এটি ইনপুট হিসেবে কিছু টেক্সট পায়, তারপর সম্ভাব্য সবচেয়ে যুক্তিযুক্ত পরবর্তী টেক্সট তৈরি করে।
সহজভাবে বলা যায়:
Input → Model → Output
উদাহরণ:
- User: “Explain how email marketing works.”
- Model: একটি ব্যাখ্যা তৈরি করে।
এখানে model-এর কোনো লক্ষ্য নেই।
এটি শুধু একটি উত্তর তৈরি করে।
এটিকে অনেক সময় বলা হয় stateless interaction।
এআই এজেন্ট কী
AI Agent একটি বড় ধারণা।
এটি শুধু একটি model নয়।
এটি একটি software system, যেখানে AI model একটি component হিসেবে কাজ করে।
একটি AI Agent সাধারণত:
- একটি লক্ষ্য পায়
- সমস্যাটি বিশ্লেষণ করে
- প্রয়োজন হলে টুল ব্যবহার করে
- ধাপে ধাপে কাজ সম্পন্ন করে
একটি সরল Agent architecture এমন হতে পারে:
User Goal → Agent → Reasoning → Tools / APIs → Result
এখানে model শুধুমাত্র reasoning component হিসেবে ব্যবহৃত হয়।
ইঞ্জিনিয়ারিং প্রবলেম
AI model ব্যবহারের সময় একটি বড় সমস্যা দেখা যায়।
ধরা যাক আপনি একটি বড় কাজ করতে চান।
যেমন:
- একটি রিপোর্ট তৈরি করা
- একটি workflow বানানো
- একটি সফটওয়্যার ডিজাইন করা
এই কাজগুলো সাধারণত একাধিক ধাপে সম্পন্ন হয়।
কিন্তু একটি language model সাধারণত একবারেই একটি উত্তর দেয়।
অর্থাৎ:
- পরিকল্পনা করে না
- intermediate step সংরক্ষণ করে না
- নতুন তথ্য সংগ্রহ করে না
এই সীমাবদ্ধতা দূর করার জন্য agent architecture ব্যবহার করা হয়।
এআই এজেন্ট সিস্টেম আর্কিটেকচার
একটি AI Agent system সাধারণত কয়েকটি গুরুত্বপূর্ণ component নিয়ে তৈরি হয়।
১. Goal
Agent-এর কাজ শুরু হয় একটি লক্ষ্য দিয়ে।
উদাহরণ:
“Find potential customers for a local coffee shop.”
২. Reasoning Loop
Agent ধাপে ধাপে চিন্তা করে।
Observe → Think → Act → Evaluate
- Observe – সমস্যা বোঝা
- Think – পরবর্তী কাজ নির্ধারণ করা
- Act – tool ব্যবহার করে কাজ করা
- Evaluate – ফলাফল যাচাই করা
৩. Tools
Agent বাস্তব জগতে কাজ করার জন্য tool ব্যবহার করে।
যেমন:
- Web search
- API calls
- Database query
- Code execution
৪. Memory
এজেন্ট আগের ধাপের তথ্য সংরক্ষণ করতে পারে।
এতে দীর্ঘ কাজ পরিচালনা করা সহজ হয়।
একটি বাস্তব উদাহরণ
ধরা যাক একটি AI Agent-কে বলা হলো:
“ঢাকায় নতুন একটি কোওয়ার্কিং স্পেস খোলার জন্য মার্কেট রিসার্চ করো।”
Agent তখন ধাপে ধাপে কাজ করতে পারে।
১. সম্ভাব্য প্রতিযোগী খুঁজে বের করা
২. তাদের প্রাইজিং এবং প্রিভিলেজগুলো বিশ্লেষণ করা
৩. মার্কেটের ফাঁক খুঁজে বের করা
৪. একটি রেকমেন্ডেশন তৈরি করা
এই ধরনের কাজ একটি single model response দিয়ে করা কঠিন।
কিন্তু একটি agent system এটি পরিচালনা করতে পারে।
ডেভেলপার পার্সপেক্টিভ
একজন AI developer যখন agent system তৈরি করে, তখন তার চিন্তা সাধারণত এই ধরনের হয়।
- Model কী করবে?
- Agent কী করবে?
- Tools কোথায় ব্যবহার হবে?
- Memory কোথায় সংরক্ষণ হবে?
এই প্রশ্নগুলোর উত্তর থেকেই একটি agent architecture তৈরি হয়।
বাকি পর্বগুলোতে আমরা ধাপে ধাপে এই architecture-এর বিভিন্ন অংশ দেখব।
এই পর্ব থেকে নিচের বিষয়গুলো ক্লিয়ার হলো:
- AI model এবং AI agent-এর পার্থক্য
- কেন complex কাজের জন্য agent architecture দরকার
- AI agent একটি software system হিসেবে কীভাবে কাজ করে
- Goal, reasoning, tools এবং memory কীভাবে একটি agent system গঠন করে
নিজে চেষ্টা করুন
একটি simple experiment করুন।
ChatGPT বা Claude-কে বলুন:
“Create a marketing plan for a new coffee shop.”
তারপর লক্ষ্য করুন:
- এটি কি ধাপে ধাপে পরিকল্পনা করছে?
- এটি কি নতুন তথ্য খুঁজছে?
- এটি কি intermediate result সংরক্ষণ করছে?
এই পর্যবেক্ষণটি আপনাকে বুঝতে সাহায্য করবে model response এবং agent workflow-এর পার্থক্য।
সামনে আমরা কী দেখব
এখন আমরা জানি AI Agent একটি software system।
কিন্তু একটি Agent কীভাবে চিন্তা করে?
পরবর্তী পর্বে আমরা দেখব Agent Reasoning Loop — অর্থাৎ একটি AI Agent কীভাবে ধাপে ধাপে সিদ্ধান্ত নেয়।
