​নিচে এর ভেতরের কারিগরি প্রক্রিয়াটি সহজভাবে ব্যাখ্যা করা হলো:

    ​১. মূল চালিকাশক্তি: লার্জ ল্যাঙ্গুয়েজ মডেল (LLM) কী করছে?

​        এআই এজেন্টের "মস্তিষ্ক" হলো LLM (যেমন: GPT-4, Gemini, Claude)। একটি সাধারণ চ্যাটবট কেবল আপনার দেওয়া টেক্সট প্রসেস করে তার মেমোরি থেকে         সম্ভাব্য সেরা শব্দগুলো সাজিয়ে উত্তর তৈরি করে। একে বলা হয় "Pattern Recognition"। ​কিন্তু এজেন্টের ক্ষেত্রে LLM-কে শুধু কথা বলার জন্য নয়, বরং যুক্তি খণ্ডন         (Reasoning) এবং পরিকল্পনা (Planning) করার জন্য ব্যবহার করা হয়।

    ​২. চ্যাটবট থেকে এজেন্ট: রূপান্তরের ৪টি ধাপ

​        একটি সাধারণ LLM যখন নিচের ৪টি সিস্টেমের সাথে যুক্ত হয়, তখনই সে একটি পূর্ণাঙ্গ "এআই এজেন্টে" পরিণত হয়:

[ ব্যবহারকারীর লক্ষ্য ]

│

▼

┌────────────────────────────────┐

│ এআই এজেন্ট (LLM) │

│ ┌───────────┐ ┌───────────┐ │

│ │ পরিকল্পনা │ │ স্মৃতিশক্তি │ │

│ └─────┬─────┘ └─────┬─────┘ │

└────────┼──────────────┼────────┘

│ │

▼ ▼

┌───────────────┐ ┌───────────────┐

│ বাহ্যিক টুলস │ │ বাস্তবায়ন │

└───────────────┘ └───────────────┘

​    আপনি যখন এজেন্টকে কোনো জটিল কাজ দেন, সে সরাসরি উত্তর না খুঁজে প্রথমে কাজটি বিশ্লেষণ করে। এখানে ReAct (Reason + Act) ফ্রেমওয়ার্ক কাজ করে।

        ​Thought (চিন্তা): এজেন্ট প্রথমে চিন্তা করে, "এই কাজটি করতে আমার কী কী করা দরকার?"

​        Action (পদক্ষেপ): সে প্রথম পদক্ষেপটি নেয় (যেমন: গুগলে সার্চ করা)।

​        Observation (পর্যবেক্ষণ): সার্চের ফলাফল দেখে সে সিদ্ধান্ত নেয় পরবর্তী পদক্ষেপ কী হবে।

​        Short-term Memory (স্বল্পমেয়াদী স্মৃতি): চ্যাট চলাকালীন আপনি আগে কী বলেছেন তা মনে রাখা (In-context learning)।

        ​Long-term Memory (দীর্ঘমেয়াদী স্মৃতি): এর জন্য Vector Database ব্যবহার করা হয়। এজেন্ট তার অতীতের কাজের অভিজ্ঞতা, আপনার ব্যক্তিগত পছন্দ এবং                 বিশাল তথ্যভাণ্ডার এই ডাটাবেজে জমা রাখে, যাতে প্রয়োজনে বছরের পর বছর পরের কোনো কাজেও তা ব্যবহার করতে পারে।

​    এটিই সবচেয়ে বড় পরিবর্তন। LLM-এর নিজস্ব কোনো হাত-পা বা ইন্টারনেটে নিজে ব্রাউজ করার ক্ষমতা থাকে না। কিন্তু এজেন্টের সাথে বিভিন্ন API (Application     Programming Interface) যুক্ত থাকে। LLM যখন বুঝতে পারে তার একটি হিসাব করা দরকার, সে নিজে না করে একটি 'ক্যালকুলেটর টুল' কল করে। যখন ইমেইল     পাঠাতে হবে, সে 'Gmail API' ব্যবহার করে মেইল পাঠিয়ে দেয়।

​    একটি কাজ করার পর এজেন্ট নিজেই নিজের কাজ পরীক্ষা করে দেখে। যেমন, কোড লেখার পর সে নিজেই রান করে দেখে কোনো এরর (Error) আসছে কিনা। এরর     আসলে সে নিজেই আবার কোডটি ঠিক করে। একে বলা হয় "Self-Correction Loop"।

​আপনি যখন এজেন্টকে বলেন, "আমার কোম্পানির জন্য এই সপ্তাহের খরচের একটা হিসাব করে মেইল করো।" > LLM (মস্তিষ্ক) নির্দেশটি বোঝে ➔ মেমোরি থেকে আগের সপ্তাহের ডেটা ফরম্যাট খোঁজে ➔ টুলস ব্যবহার করে ডাটাবেজ থেকে খরচের হিসাব আনে ➔ কোড রান করে হিসাবের সত্যতা যাচাই করে ➔ সবশেষে Gmail API ব্যবহার করে মেইলটি পাঠিয়ে দেয়।