AI এজেন্ট কী? এজেন্ট কীভাবে কাজ করে, টুল ও ঝুঁকি

AI এজেন্ট হলো এমন একটি সফটওয়্যার ব্যবস্থা, যা নির্দিষ্ট লক্ষ্য অর্জনের জন্য কিছুটা স্বাধীনভাবে কাজ করে। এটি ধাপগুলো পরিকল্পনা করে, ওয়েব সার্চ, কোড চালানো বা ব্রাউজারের মতো টুল ব্যবহার করে, ফলাফল যাচাই করে এবং কাজ শেষ না হওয়া পর্যন্ত এগিয়ে যায়। একটি চ্যাটবট আপনার প্রশ্নের উত্তর দেয় এবং পরের পদক্ষেপ আপনার ওপর ছেড়ে দেয়। অন্যদিকে এজেন্ট সেই পরের পদক্ষেপটি নিজেই নেওয়ার চেষ্টা করে।

এই নির্দেশিকায় এজেন্ট কীভাবে কাজ করে, চ্যাটবটের সঙ্গে এর সীমারেখা কোথায়, কোন কোন প্রোডাক্ট রয়েছে এবং কী ভুল হতে পারে, তা ব্যাখ্যা করা হয়েছে। এই ক্ষেত্রটি দ্রুত বদলাচ্ছে, তাই প্রোডাক্টের নাম, মূল্য ও লভ্যতা প্রতিটি প্রদানকারীর নিজস্ব ওয়েবসাইটে যাচাই করে নেওয়া উচিত।

সহজভাবে বললে AI এজেন্ট কী?

ধারণাটি আজকের চ্যাটবটের চেয়ে পুরনো। রাসেল ও নরভিগের ক্লাসিক AI পাঠ্যবইয়ে এজেন্ট বলতে বোঝানো হয়েছে এমন কিছু, যা নিজের পরিবেশ অনুভব করে এবং সেখানে কাজ করে। আধুনিক AI এজেন্ট এই ধারণাকে কেন্দ্রে একটি বড় ভাষা মডেল (LLM) রেখে বাস্তবায়ন করে।

একটি সাধারণ ব্যবস্থায় মডেলটি পরিকল্পনাকারীর ভূমিকা পালন করে। সে কাজটিকে ধাপে ভাগ করে, একটি টুল বেছে নেয়, টুলের ফলাফল পড়ে এবং পরবর্তী পদক্ষেপ ঠিক করে, কাজ শেষ না হওয়া পর্যন্ত এই চক্র চলতে থাকে। এই চক্রের চারপাশে মেমোরি ও স্টেট থাকে, যাতে এজেন্ট আগে কী করেছে তার হিসাব রাখতে পারে।

AI এজেন্ট কীভাবে চ্যাটবট থেকে আলাদা?

সংক্ষেপে, পার্থক্যটি কাজের ক্ষমতায়। চ্যাটবট একবারে একটি প্রম্পটে সাড়া দেয়, আর উত্তর দিয়ে কী করা হবে তা মানুষ ঠিক করে। এজেন্ট একাধিক ধাপের কাজ হাতে নেয়, যেমন কোনো সাইট খোঁজা, ফর্ম পূরণ করা, কোড চালানো বা ফাইল সম্পাদনা করা, এবং সেই ধাপগুলো নিজেই সম্পন্ন করে।

বাস্তবে এই সীমারেখা অনেকটাই অস্পষ্ট। "এজেন্ট" ও "এজেন্টিক" শব্দ দুটি এখন এমন বিপণন শব্দে পরিণত হয়েছে, যার কোনো সর্বসম্মত সংজ্ঞা নেই। Gartner সাধারণ চ্যাটবটকে এজেন্ট হিসেবে নতুন করে উপস্থাপনকারী বিক্রেতাদের জন্য "agent-washing" শব্দটি ব্যবহার করে। একটি সহজ পরীক্ষা হতে পারে: শুধু লেখা তৈরির বাইরে প্রোডাক্টটি আসলে নিজে থেকে কী করতে পারে?

AI এজেন্ট কীভাবে টুল ব্যবহার করে?

এজেন্ট টুল কলিং, যাকে ফাংশন কলিংও বলা হয়, এর মাধ্যমে বাইরের জগতের সঙ্গে যোগাযোগ করে। মডেল জানায় যে সে একটি API ব্যবহার করতে, সার্চ চালাতে, কোড এক্সিকিউট করতে, ব্রাউজার খুলতে বা কম্পিউটারের ইন্টারফেস চালাতে চায়; এরপর আশপাশের সফটওয়্যার অনুরোধটি বাস্তবায়ন করে এবং ফলাফল মডেলের কাছে ফেরত পাঠায়।

এই সংযোগগুলোকে বহনযোগ্য করতে নতুন মানদণ্ড তৈরি হচ্ছে। Anthropic ২০২৪ সালের নভেম্বরে Model Context Protocol (MCP) চালু করে, যা মডেলগুলোকে টুল ও ডেটা সোর্সের সঙ্গে যুক্ত হওয়ার একটি সাধারণ পদ্ধতি দেয়। পরে OpenAI, Google ও Microsoft এটি গ্রহণ করে। Google ২০২৫ সালে এজেন্টদের একে অপরের সঙ্গে যোগাযোগের জন্য Agent2Agent (A2A) প্রোটোকলও ঘোষণা করেছে; বর্তমানে A2A কীভাবে পরিচালিত হচ্ছে, তা যাচাই করে দেখা ভালো।

AI এজেন্ট কতটা স্বয়ংক্রিয়?

স্বয়ংক্রিয়তা একটি ধারাবাহিকতা। এক প্রান্তে এজেন্ট প্রতিটি ধাপের জন্য মানুষের অনুমোদন চায়। অন্য প্রান্তে সে কোনো তদারকি ছাড়াই পুরো কাজটি চালায়। বেশিরভাগ বাস্তব প্রয়োগ এর মাঝামাঝি কোথাও থাকে, যেখানে সংবেদনশীল কাজের জন্য নির্দিষ্ট যাচাই-বিন্দু রাখা হয়।

Anthropic একটি কার্যকর পার্থক্য উল্লেখ করেছে। "ওয়ার্কফ্লো" আগে থেকে লেখা নির্দিষ্ট কোড-পথ অনুসরণ করে, অন্যদিকে "এজেন্ট" মডেলকে নিজের ধাপ ও টুল বেছে নেওয়ার স্বাধীনতা দেয়। ওয়ার্কফ্লো আগে থেকে অনুমান ও পরীক্ষা করা সহজ, এজেন্ট বেশি নমনীয় কিন্তু নিয়ন্ত্রণ করা কঠিন। অনেক দল একটি ওয়ার্কফ্লো দিয়ে শুরু করে এবং শুধু যেখানে সুবিধা হয় সেখানেই এজেন্ট-সদৃশ স্বাধীনতা যোগ করে।

কোন কোন AI এজেন্ট প্রোডাক্ট রয়েছে?

এখন বেশিরভাগ প্রধান AI কোম্পানি এজেন্ট বাজারে এনেছে। OpenAI ২০২৫ সালের জানুয়ারিতে ওয়েব ব্রাউজিং এজেন্ট Operator চালু করে এবং ২০২৫ সালের জুলাইয়ে এটি "ChatGPT agent"-এর সঙ্গে যুক্ত করে। এছাড়া কোডিং এজেন্ট Codex এবং ডেভেলপারদের জন্য Agents SDK-ও তাদের রয়েছে।

Anthropic ২০২৪ সালের অক্টোবরে "computer use" প্রকাশ করে, যা Claude-কে ডেস্কটপ ইন্টারফেস চালানোর সুযোগ দেয়, এবং Claude Code ও Claude Agent SDK-ও তাদের আছে। Google-এর রয়েছে Project Mariner, Gemini-তে এজেন্ট ফিচার এবং কোডিং এজেন্ট Jules। এন্টারপ্রাইজ ক্ষেত্রে আছে Microsoft Copilot Studio-এর এজেন্ট ও Salesforce Agentforce, এবং অন্য প্রায়ই উল্লেখ করা উদাহরণগুলোর মধ্যে রয়েছে Manus ও Perplexity-র Comet ব্রাউজার।

একটি সতর্কতা: নাম, মূল্য ও দেশভেদে লভ্যতা প্রায়ই বদলায়। যেমন ChatGPT agent প্রথমে শুধু পেইড প্ল্যানে সীমাবদ্ধ ছিল, তবে বর্তমান শর্তাবলি পুরোনো নিবন্ধের ওপর নির্ভর না করে সরাসরি OpenAI-এর কাছ থেকে যাচাই করা উচিত।

AI এজেন্টের ঝুঁকি কী কী?

সবচেয়ে পরিচিত হুমকি হলো প্রম্পট ইনজেকশন, যেখানে কোনো ওয়েব পেজ, ইমেইল বা ফাইলে লুকানো ক্ষতিকর নির্দেশ এজেন্টকে নিয়ন্ত্রণ করে নেয়। OWASP LLM অ্যাপ্লিকেশনের জন্য তাদের Top 10 তালিকায় এটিকে শীর্ষে রেখেছে এবং এজেন্টিক AI নিয়ে আলাদা নির্দেশিকাও প্রকাশ করেছে।

অন্যান্য ঝুঁকির মধ্যে রয়েছে এমন কাজ যা ফেরানো যায় না, যেমন পেমেন্ট, মুছে ফেলা বা পাঠানো বার্তা; ডেটা ভুল জায়গায় ফাঁস হওয়া; প্রয়োজনের চেয়ে বেশি অনুমতি পাওয়া এজেন্ট; ছোট ভুল ও হ্যালুসিনেশন অনেক ধাপ জুড়ে বড় হয়ে ওঠা; অপ্রত্যাশিত খরচ; এবং কিছু ভুল হলে দায় কার, তা অস্পষ্ট থাকা।

ব্যবসায়িক মহলের প্রত্যাশাও সতর্ক। ২০২৫ সালের জুনে Gartner পূর্বাভাস দেয় যে ২০২৭ সালের শেষে এজেন্টিক AI প্রকল্পের ৪০%-এর বেশি বাতিল হয়ে যাবে। বিচক্ষণ পদ্ধতি হলো ন্যূনতম অনুমতি দেওয়া, গুরুত্বপূর্ণ ধাপের জন্য মানুষের অনুমোদন বাধ্যতামূলক করা এবং আস্থা তৈরি না হওয়া পর্যন্ত এজেন্টকে সংবেদনশীল অ্যাকাউন্ট থেকে দূরে রাখা।

নিয়ন্ত্রণ এখনও ধরতে চেষ্টা করছে। EU AI Act-এর বাধ্যবাধকতা ২০২৫ থেকে ২০২৭ সালের মধ্যে ধাপে ধাপে কার্যকর হচ্ছে, যদিও এর সময়সূচির কিছু অংশ বিতর্কিত বা বিলম্বিত হয়েছে, এবং NIST-এর AI Risk Management Framework যুক্তরাষ্ট্রের প্রধান রেফারেন্স। তুরস্কে AI আইনের খসড়া নিয়ে আলোচনা হয়েছে, তবে এর বর্তমান অবস্থা সরকারি সূত্র থেকে যাচাই করা উচিত।