আগের chapter-এ বললাম tool আছে। এই chapter-এ দেখবেন ওটা আসলে কীভাবে ঘটে, কারণ এটা জানলে আপনি error পড়তে পারবেন।
ভেতরে যা হয়
একটা tool call তিনটে ধাপে হয়।
এক, AI-কে শুরুতেই একটা তালিকা দেওয়া হয়: কী কী tool আছে, প্রতিটার নাম কী, প্রতিটা কী কী argument চায়। এই তালিকাটা তার প্রশ্নের সাথে একসাথে যায়।
দুই, AI উত্তর দেওয়ার বদলে একটা অনুরোধ ফেরত পাঠায়: "আমি gtm_list_tags চালাতে চাই, এই তিনটে argument দিয়ে।" সে নিজে কিছু চালায় না, সে শুধু চাইতে পারে।
তিন, আপনার client ওই অনুরোধটা পড়ে, সত্যিই tool চালায়, আর ফল AI-র কাছে ফেরত দেয়। AI তখন ওই ফল পড়ে উত্তর লেখে।
এই তৃতীয় ধাপটা খেয়াল করুন। AI নিজে hand দিয়ে কিছু করে না। আপনার client করে। মানে অনুমতির নিয়ন্ত্রণ client-এর হাতে, AI-র হাতে নয়। এই একটা কথা Part 3-এর governance-এর পুরো ভিত্তি।
Multi-step মানে কী
একটা কাজে প্রায়ই একটার পর একটা tool লাগে, কারণ পরেরটার argument আগেরটার উত্তর থেকে আসে।
GTM-এর বাস্তব উদাহরণ। আপনি জিজ্ঞেস করলেন "test container-এ কোন কোন GA4 event tag আছে"। AI-কে চারটে ধাপে যেতে হবে।
প্রথমে account-এর তালিকা, কারণ container-এর API path-এ account ID লাগে। তারপর ওই account-এর container-এর তালিকা, কারণ tag-এর path-এ numeric container ID লাগে, আর আপনি যেটা জানেন সেটা GTM-KS3HC8BP ধরনের public ID, যেটা API নেয় না। তারপর ওই container-এর workspace-এর তালিকা, কারণ tag workspace-এর ভেতরে থাকে। তারপর শেষে tag-এর তালিকা।
চারটে call, একটার উত্তর পরেরটার input। এটাই multi-step workflow, আর এটা AI নিজে সাজায়।
এই একটা জিনিস আমার সবচেয়ে বেশি সময় বাঁচায়। হাতে করতে গেলে আমাকে চারবার আলাদা জায়গায় ID খুঁজতে হবে। AI-কে একবার বললে সে চারটে ধাপ নিজে মিলিয়ে নেয়।
যেখানে এটা আটকে যায়
Multi-step-এর মাঝখানে একটা ধাপ ভাঙলে AI প্রায়ই পরেরটা অনুমান করে চালিয়ে দেয়।
আসল ঘটনা। একটা container-এর workspace-এর তালিকা আনতে গিয়ে 403 এসেছে। AI সেটা পড়েছে, তারপর workspace_id হিসেবে 1 বসিয়ে পরের call চালিয়েছে, কারণ GTM-এর default workspace-এর ID প্রায়ই ছোট সংখ্যা হয়। সেবার কাজ করে গেছে। কিন্তু ওটা অনুমান ছিল, আর অন্য container-এ একই অনুমান ভুল ID-তে গিয়ে 404 দিত।
তাই আপনি tool-এর output দেখতে চাইবেন, শুধু শেষ উত্তরটা নয়। প্রায় সব AI client-এ tool call আর তার ফল পর্দায় দেখানোর একটা ব্যবস্থা থাকে, কখনো একটা tool call-এ click করলে খোলে, কখনো একটা verbose বা debug setting-এ।
ছবি: AI client-এ একটা tool call খোলা অবস্থায়, উপরে tool-এর নাম আর argument, নিচে ফেরত আসা JSON
ধাপ
- নিজের AI client-এ tool call দেখার জায়গাটা খুঁজে বের করুন। Tool call-এ click করে দেখুন, বা client-এর নথিতে verbose output-এর setting দেখুন।
- একটা পরিচিত tool চালান, যেমন সময় বা file পড়ার tool, আর দেখুন argument আর ফল দুটোই দেখা যাচ্ছে কিনা।
- একটা খাতায় লিখে রাখুন কীভাবে ওই জায়গাটা খোলা যায়। এই বইয়ের বাকি অংশে আপনি বারবার ওখানে যাবেন।
যা করবেন না
- Tool call-এর ফল না দেখে AI-র সারসংক্ষেপে ভরসা করবেন না। সারসংক্ষেপ লেখার সময়ই ভুল ঢোকে, আর কাঁচা output-এ ওই ভুল থাকে না।
- একটা কাজ দিয়ে অন্য tab-এ চলে যাবেন না, যতক্ষণ না আপনি জানেন সে কোন কোন tool চালাবে। Multi-step workflow-এ একটা ভুল ধাপ পরের তিনটে ধাপকে ভুল পথে নিয়ে যায়, আর শেষ উত্তরটা দেখে বোঝা যায় না কোথায় শুরু হয়েছিল।
প্রমাণ
আপনি আপনার client-এ একটা tool call-এর argument আর ফেরত আসা কাঁচা output দুটোই পর্দায় খুলে দেখেছেন, আর জানেন ওই জায়গায় আবার কীভাবে যাবেন।
পুরো বইটার তালিকা দেখতে চান, বা অন্য chapter-এ যেতে চান?
বইয়ের সব chapter