Gemini API-তে পরিচালিত এজেন্ট সম্প্রসারণ: ব্যাকগ্রাউন্ড টাস্ক, রিমোট MCP এবং আরও অনেক কিছু

Google সম্প্রতি উৎপাদন AI এজেন্ট তৈরি করা ডেভেলপারদের জন্য একটি গুরুত্বপূর্ণ পদক্ষেপ নিয়েছে। ২০২৬ সালের ৭ জুলাই, Google DeepMind টিম Gemini API-তে পরিচালিত এজেন্টের জন্য নতুন ক্ষমতার একটি প্যাকেজ ঘোষণা করেছে — ব্যাকগ্রাউন্ড এক্সিকিউশন, রিমোট MCP সার্ভার ইন্টিগ্রেশন, কাস্টম ফাংশন কলিং এবং শংসাপত্র রিফ্রেশ। Gemini API-তে পরিচালিত এজেন্ট সম্প্রসারণ ব্যাকগ্রাউন্ড টাস্ক এবং রিমোট MCP সাপোর্টের সাথে শুধুমাত্র একটি ফিচার আপডেট নয়; এটি একটি সংকেত যে শিল্প স্বায়ত্তশাসিত AI এজেন্টের জন্য "উৎপাদন-প্রস্তুত" আসলে কী অর্থ তা নিয়ে গুরুত্ব সহকারে চিন্তা করছে।

যদি আপনি অস্থির দীর্ঘমেয়াদী এজেন্ট কাজ, ভঙ্গুর টুল ইন্টিগ্রেশন বা সেশন জুড়ে শংসাপত্র পরিচালনার ক্রমাগত ওভারহেড দ্বারা হতাশ হয়েছেন — এই ঘোষণা আপনার সম্পূর্ণ মনোযোগের যোগ্য।

কী ঘটেছে

Gemini API-তে Google-এর পরিচালিত এজেন্ট ডেভেলপারদের একটি একক এন্ডপয়েন্ট কল করতে এবং ভারী কাজ — যুক্তি, কোড এক্সিকিউশন, প্যাকেজ ইনস্টলেশন, ফাইল ম্যানেজমেন্ট এবং ওয়েব ব্রাউজিং — একটি বিচ্ছিন্ন ক্লাউড স্যান্ডবক্সে অফলোড করতে দেয়। আপনি রানটাইম পরিচালনা করেন না। আপনি এক্সিকিউশন পরিবেশের তত্ত্বাবধান করেন না। আপনি শুধু বর্ণনা করেন আপনি কী করতে চান এবং Gemini বাকিটা পরিচালনা করে।

২০২৬ সালের জুলাই আপডেট সেই ভিত্তির উপরে চারটি নির্দিষ্ট ক্ষমতা যোগ করে:

• ব্যাকগ্রাউন্ড এক্সিকিউশন: আপনার ইন্টারঅ্যাকশন কলে background: true পাস করুন এবং API অবিলম্বে একটি ID ফেরত দেয়। আপনার ক্লায়েন্টকে HTTP সংযোগ খোলা রাখতে হবে না। পরিবর্তে, এটি স্ট্যাটাসের জন্য পোল করতে পারে, অগ্রগতি আপডেট স্ট্রিম করতে পারে বা পরে পুনরায় সংযোগ করতে পারে যখন এজেন্ট সার্ভার-সাইডে কাজ শেষ করে। এটি সরাসরি খোলা সংযোগের উপর দীর্ঘমেয়াদী কাজের ভঙ্গুরতার সমস্যা সমাধান করে।
• রিমোট MCP সার্ভার ইন্টিগ্রেশন: এজেন্ট এখন রিমোট মডেল কন্টেক্সট প্রোটোকল (MCP) সার্ভারের সাথে সংযোগ করতে পারে, যার অর্থ তারা প্রতিটি ইন্টিগ্রেশনের জন্য কাস্টম গ্লু কোড তৈরি না করে বাহ্যিক টুল এবং ডেটা উৎসে পৌঁছাতে পারে।
• কাস্টম ফাংশন কলিং: ডেভেলপাররা তাদের নিজস্ব ফাংশন সংজ্ঞায়িত করতে এবং এজেন্টের কাছে প্রকাশ করতে পারে, একটি ওয়ার্কফ্লোর মধ্যে এজেন্ট কী পদক্ষেপ নিতে পারে তার উপর নির্ভুল নিয়ন্ত্রণ প্রদান করে।
• ইন্টারঅ্যাকশন জুড়ে শংসাপত্র রিফ্রেশ: এজেন্ট এখন সেশনের মাঝপথে শংসাপত্র রিফ্রেশ করতে পারে, যা যেকোনো ওয়ার্কফ্লোর জন্য গুরুত্বপূর্ণ যা প্রমাণীকরণ সীমানা জুড়ে বিস্তৃত — একটি মাল্টি-স্টেপ ডেটা পাইপলাইনের সময় OAuth টোকেন মেয়াদ উত্তীর্ণ হওয়ার কথা চিন্তা করুন।

ঘোষণায় SDK উদাহরণগুলি @google/genai JavaScript প্যাকেজ ব্যবহার করে, Python এবং cURL সমতুল্য Antigravity এজেন্ট ডকুমেন্টেশনে উপলব্ধ। শুরু করা একটি একক ইনস্টল: npm install @google/genai।

এখানে উল্লেখযোগ্য বিষয় হল কোনো একক ফিচার নয় — এটি প্যাটার্ন। এই সংযোজনগুলির প্রতিটি উৎপাদন এজেন্ট স্থাপনায় একটি পরিচিত ব্যর্থতার মোড সরাসরি সমাধান করে। Google স্পষ্টতই ডেভেলপার প্রতিক্রিয়া শুনছে বরং ব্যবহারের ক্ষেত্রে অনুসন্ধান করে এমন ক্ষমতা শিপিং করছে না।

এশিয়ার জন্য এটি কেন গুরুত্বপূর্ণ

এশিয়ার ডেভেলপার ইকোসিস্টেম এমন একটি গতিতে AI এজেন্ট তৈরি করছে যা প্রায়শই উপলব্ধ টুলগুলির অবকাঠামো পরিপক্কতাকে ছাড়িয়ে যায়। দক্ষিণ-পূর্ব এশিয়া, দক্ষিণ কোরিয়া, জাপান এবং ভারতে, দলগুলি লজিস্টিক সমন্বয় এবং আর্থিক নথি প্রক্রিয়াকরণ থেকে একাধিক ভাষায় গ্রাহক সহায়তা অটোমেশন পর্যন্ত সবকিছুর জন্য এজেন্ট স্থাপন করছে। প্রায় প্রতিটি উৎপাদন স্থাপনায় সাধারণ থ্রেড? কঠিন সমস্যাগুলি AI যুক্তি নয় — এগুলি প্লাম্বিং।

এই প্রসঙ্গে ব্যাকগ্রাউন্ড এক্সিকিউশন অত্যন্ত গুরুত্বপূর্ণ। এশিয়ান বাজারে অনেক উচ্চ-মূল্যের ওয়ার্কফ্লো স্বাভাবিকভাবেই দীর্ঘমেয়াদী। সিঙ্গাপুরে নিয়ন্ত্রক ফাইলিং প্রক্রিয়াকরণকারী একটি সম্মতি এজেন্ট, ভিয়েতনাম এবং চীনের মধ্যে ক্রস-বর্ডার চালান সমন্বয়কারী একটি সরবরাহ শৃঙ্খল এজেন্ট বা শত শত থাই-ভাষার চুক্তির মাধ্যমে কাজ করা একটি নথি বিশ্লেষণ এজেন্ট — এর কোনোটিই সেকেন্ডে সম্পূর্ণ হয় না। মিনিটের জন্য একটি HTTP সংযোগ খোলা রাখা শুধুমাত্র ভঙ্গুর নয়; মোবাইল-প্রথম বাজারে পরিবর্তনশীল সংযোগের সাথে, এটি প্রায়শই অসম্ভব।

রিমোট MCP ইন্টিগ্রেশন এশিয়া প্রযুক্তি ল্যান্ডস্কেপের জন্য সমানভাবে উল্লেখযোগ্য। অঞ্চল জুড়ে এন্টারপ্রাইজ সিস্টেমগুলি বিভক্ত — লিগেসি ERP প্ল্যাটফর্ম, আঞ্চলিক SaaS টুল, স্থানীয় পেমেন্ট গেটওয়ে এবং সরকারী API-এর একটি মিশ্রণ যা সর্বদা পশ্চিমী API সম্মেলন অনুসরণ করে না। এজেন্টগুলিকে রিমোট MCP সার্ভারের সাথে সংযোগ করার ক্ষমতা মানে দলগুলি একবার পাতলা অ্যাডাপ্টার স্তর তৈরি করতে পারে এবং এজেন্ট ওয়ার্কফ্লো জুড়ে পুনরায় ব্যবহার করতে পারে, প্রতিটি নতুন এজেন্টের জন্য স্ক্র্যাচ থেকে ইন্টিগ্রেশন পুনর্নির্মাণ করার পরিবর্তে।

শংসাপত্র রিফ্রেশ একটি পাদটীকার মতো শোনায় কিন্তু এটি আসলে অনেক বাস্তব-বিশ্বের স্থাপনার জন্য একটি ব্লকার। ইন্দোনেশিয়া, থাইল্যান্ড এবং ফিলিপাইনের মতো বাজারে সরকার এবং আর্থিক API প্রায়শই স্বল্পস্থায়ী টোকেন ব্যবহার করে। একটি এজেন্ট যা কাজের মাঝপথে তার নিজস্ব শংসাপত্র রিফ্রেশ করতে পারে না তা মানব হস্তক্ষেপ ছাড়া নির্দিষ্ট ওয়ার্কফ্লো সম্পূর্ণ করতে পারে না — যা সম্পূর্ণভাবে অটোমেশনের উদ্দেশ্যকে পরাজিত করে।

MonstarX-এ নির্মাণকারী প্রতিষ্ঠাতাদের জন্য, এশিয়ার AI-নেটিভ ডেভেলপ প্ল্যাটফর্ম, এই Gemini API আপডেটগুলি গুরুতর এজেন্ট পণ্য তৈরিতে অবকাঠামো ট্যাক্স কমায়। প্রাথমিকগুলি উন্নত হচ্ছে। প্রশ্নটি "আমরা এটি কাজ করাতে পারি?" থেকে "কী তৈরি করার যোগ্য?" এ স্থানান্তরিত হয়।

ডেভেলপারদের জন্য এটি কী অর্থ

আসুন আপনি এখন আসলে কী ভিন্নভাবে তৈরি করতে পারেন তা নিয়ে সুনির্দিষ্ট হই।

কাস্টম অবকাঠামো ছাড়াই অ্যাসিঙ্ক এজেন্ট পাইপলাইন। ব্যাকগ্রাউন্ড এক্সিকিউশনের আগে, একটি দীর্ঘ এজেন্ট কাজ নির্ভরযোগ্যভাবে চালানো মানে আপনার নিজস্ব কাজের সারি তৈরি করা — Redis, BullMQ বা একটি ক্লাউড টাস্ক সেবা — শুধুমাত্র অ্যাসিঙ্ক এক্সিকিউশন স্তর পরিচালনা করতে। এখন আপনি API থেকে এটি বিনামূল্যে পান। আপনার আর্কিটেকচার সহজ হয়ে যায়। একটি ওয়ার্কফ্লো যা আগে একটি সারি কর্মী, একটি স্ট্যাটাস ডাটাবেস এবং একটি ওয়েবহুক হ্যান্ডলার প্রয়োজন ছিল এখন একটি একক API কল পোলিং সহ হতে পারে।

এখানে অনুশীলনে প্যাটার্ন:

// কাজ শুরু করুন — একটি ইন্টারঅ্যাকশন ID সহ অবিলম্বে ফেরত দেয়
const interaction = await client.interactions.create({
  model: "gemini-2.0-flash",
  prompt: "Q2 আর্থিক প্রতিবেদন বিশ্লেষণ করুন এবং অসামান্যতা চিহ্নিত করুন",
  background: true
});

// পোল করুন বা পরে পুনরায় সংযোগ করুন
const result = await client.interactions.get(interaction.id);

এটি একটি দীর্ঘমেয়াদী এজেন্ট কাজের জন্য সম্পূর্ণ অ্যাসিঙ্ক অবকাঠামো। কোনো সারি নেই। কোনো কর্মী প্রক্রিয়া নেই। কোনো স্ট্যাটাস টেবিল নেই।

রিমোট MCP এর মাধ্যমে টুল ইকোসিস্টেম। MCP প্রোটোকল AI এজেন্টের কাছে টুল প্রকাশ করার একটি মান উপায় হিসাবে গতি অর্জন করছে। রিমোট MCP সাপোর্ট মানে আপনি এখন যেকোনো MCP-সামঞ্জস্যপূর্ণ সার্ভারে একটি Gemini এজেন্ট সংযোগ করতে পারেন — অভ্যন্তরীণ টুল, তৃতীয় পক্ষের API, বিশেষায়িত ডেটা উৎস — প্রতিটির জন্য কাস্টম ফাংশন র্যাপার লেখা ছাড়াই। যদি আপনার দল ইতিমধ্যে অন্যান্য টুলিং এর জন্য MCP সার্ভার তৈরিতে বিনিয়োগ করেছে, সেই বিনিয়োগ এখন সরাসরি Gemini এজেন্টে বহন করে।

কাস্টম ফাংশনের সাথে সংমিশ্রণযোগ্য এজেন্ট ওয়ার্কফ্লো। কাস্টম ফাংশন কলিং আপনাকে নিয়ন্ত্রণ স্তর দেয় যা খাঁটি প্রম্পট-ভিত্তিক এজেন্টের অভাব রয়েছে। আপনি ফাংশন, তাদের স্বাক্ষর এবং তাদের আচরণ সংজ্ঞায়িত করেন। এজেন্ট সিদ্ধান্ত নেয় কখন তাদের কল করতে হবে। এটি সেই প্যাটার্ন যা এজেন্টগুলিকে উৎপাদনে স্থাপনের জন্য যথেষ্ট বিশ্বাসযোগ্য করে তোলে — আপনি মডেলকে আপনার সিস্টেমে খোলা-শেষ অ্যাক্সেস দিচ্ছেন না, আপনি এটিকে পূর্বাভাসযোগ্য ইন্টারফেসের সাথে সুসংজ্ঞায়িত টুলের একটি সেট দিচ্ছেন।

শংসাপত্র ব্যবস্থাপনা যা দীর্ঘ সেশন ভাঙে না। যেকোনো এজেন্টের জন্য যা প্রমাণীকৃত API স্পর্শ করে, শংসাপত্র রিফ্রেশ এখন একটি প্রথম-শ্রেণীর উদ্বেগ বরং একটি পরবর্তীকথা নয়। এমন এজেন্ট তৈরি করুন যা ঘন্টা জুড়ে কাজ করে একটি মানুষকে কাজের মাঝপথে পুনরায় প্রমাণীকরণ করতে না চেয়ে। এটি বিশেষভাবে রাত্রিকালীন ব্যাচ প্রক্রিয়াকরণ ওয়ার্কফ্লোর জন্য প্রাসঙ্গিক — সেই ধরনের পটভূমি কাজ যা সবচেয়ে মূল্যবান ঠিক