Home › Lectures › Deep Learning & AI

🦾 এজেন্টিক এআই · Agentic AI

নিজে পরিকল্পনা করে টুল ব্যবহার করা স্বয়ংক্রিয় AI সিস্টেম।

Autonomous AI systems that plan and use tools.

📅 ৪. ডিপ লার্নিং ও এআই⏳ ~4 সপ্তাহ📘 10 টপিক🧩 30 সাব-টপিক🎬 0 ভিডিও💻 রানযোগ্য কোড

🎯 যা শিখবেন / Outcomes

Design tool-using, memory-backed, multi-agent systems safely

🧰 টুলস / Tools

LangGraph, CrewAI, MCP

🏁 প্রজেক্ট / Capstone

Research agent that searches, analyses and reports

📌 পূর্বশর্ত / Prerequisites

✨ Generative AI & LLMs

📅

সাপ্তাহিক পরিকল্পনা · Weekly plan

~২ ঘণ্টা/দিন ধরে

Week 1

What is an AI Agent
Tool Use Function Calling
ReAct Reasoning and Acting

Week 2

Agent Memory
Planning & Task Decomposition
Multi-Agent Systems

Week 3

LangGraph
Model Context Protocol MCP
Agent Evaluation & Guardrails

Week 4

Building a Data Analyst Agent

1

What is an AI Agent

LLMs that plan, use tools and finish tasks.
Beginner
📘 বাংলা: LLM যখন পরিকল্পনা করে, টুল ব্যবহার করে ও নিজে কাজ সম্পন্ন করে।
🌐 English: LLMs that plan, use tools and finish tasks.

💡 চ্যাটবট উত্তর দেয়; এজেন্ট লক্ষ্য পূরণে নিজে ধাপ ঠিক করে কাজ করে।

  1. 1
    উপাদান: LLM (মস্তিষ্ক), টুল (হাত), মেমোরি, পরিকল্পনা, পরিবেশ
  2. 2
    লুপ: পর্যবেক্ষণ → চিন্তা → কাজ → ফল → আবার
  3. 3
    স্বায়ত্তশাসনের স্তর: শুধু পরামর্শ → অনুমোদনসহ কাজ → সম্পূর্ণ স্বয়ংক্রিয়
  4. 4
    কোথায় কাজে লাগে: বহু-ধাপ, অনিশ্চিত পথের কাজ (গবেষণা, ডেটা বিশ্লেষণ, কোডিং)
চ্যাটবট বনাম এজেন্ট
উপাদানLLM, টুল, মেমোরি, পরিকল্পনা
স্বায়ত্তশাসনের স্তর
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
2

Tool Use Function Calling

Let an LLM call APIs and functions.
Beginner
📘 বাংলা: LLM দিয়ে API/ফাংশন কল করানো।
🌐 English: Let an LLM call APIs and functions.

💡 LLM-কে বাস্তব জগতের সাথে যুক্ত করার মূল কৌশল।

  1. 1
    প্রতিটি টুলের নাম, বর্ণনা ও ইনপুট স্কিমা (JSON Schema) লিখুন
  2. 2
    মডেল প্রয়োজনে tool_use ব্লকে টুল ও আর্গুমেন্ট ফেরত দেয়
  3. 3
    আপনার কোড টুল চালিয়ে ফল tool_result হিসেবে ফেরত পাঠায়
  4. 4
    মডেল ফল দেখে উত্তর দেয় বা আরেকটি টুল কল করে
টুল স্কিমা (JSON)
মডেল টুল বাছাই ও আর্গুমেন্ট তৈরি
ফলাফল ফেরত দিয়ে লুপ চালানো
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
3

ReAct Reasoning and Acting

Thought → action → observation loop.
Beginner
📘 বাংলা: চিন্তা → কাজ → পর্যবেক্ষণ চক্র।
🌐 English: Thought → action → observation loop.

💡 যুক্তি ও কাজ পালাক্রমে—এজেন্টের সবচেয়ে প্রচলিত প্যাটার্ন।

  1. 1
    Thought: বর্তমান অবস্থা নিয়ে যুক্তি
  2. 2
    Action: একটি টুল কল
  3. 3
    Observation: টুলের ফল
  4. 4
    লক্ষ্য পূরণ বা সর্বোচ্চ ধাপ সীমা পর্যন্ত পুনরাবৃত্তি; প্রতিটি ধাপ লগ করুন
Thought → Action → Observation
থামার শর্ত
ট্রেস লগ দিয়ে ডিবাগ
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
4

Agent Memory

Short- and long-term memory for agents.
Beginner
📘 বাংলা: স্বল্প ও দীর্ঘমেয়াদি স্মৃতি, ভেক্টর মেমোরি।
🌐 English: Short- and long-term memory for agents.

💡 দীর্ঘ কাজ ও ব্যক্তিগতকৃত অভিজ্ঞতার জন্য এজেন্টকে মনে রাখতে হয়।

  1. 1
    শর্ট-টার্ম: বর্তমান কথোপকথন/কনটেক্সট উইন্ডো
  2. 2
    সারাংশ মেমোরি: পুরোনো অংশ সংক্ষেপ করে রাখা
  3. 3
    লং-টার্ম: গুরুত্বপূর্ণ তথ্য ভেক্টর স্টোর বা ডাটাবেসে; প্রয়োজনে রিট্রিভ
  4. 4
    কী মনে রাখবে, কখন ভুলবে—নীতি ও গোপনীয়তা নির্ধারণ
শর্ট-টার্মকথোপকথনের ইতিহাস
লং-টার্মভেক্টর স্টোর
সারাংশ মেমোরি
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
5

Planning & Task Decomposition

Break big goals into steps.
Intermediate
📘 বাংলা: বড় কাজ ছোট ধাপে ভাগ।
🌐 English: Break big goals into steps.

💡 জটিল লক্ষ্য একবারে হয় না—ভাগ করে পরিকল্পিতভাবে সম্পন্ন।

  1. 1
    লক্ষ্যকে সাব-টাস্ক তালিকায় ভাগ (plan)
  2. 2
    প্রতিটি সাব-টাস্ক একে একে সম্পাদন (execute), ফল সংরক্ষণ
  3. 3
    প্রতিটি ধাপের পর রিফ্লেকশন: ঠিক হয়েছে? পরিকল্পনা বদলাতে হবে?
  4. 4
    চূড়ান্ত ফল একত্র ও যাচাই
Plan-and-execute
সাব-টাস্ক ট্রি
রিফ্লেকশন ও সেলফ-কারেকশন
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
6

Multi-Agent Systems

Agents collaborating (CrewAI, AutoGen).
Intermediate
📘 বাংলা: একাধিক এজেন্টের সহযোগিতা (CrewAI, AutoGen)।
🌐 English: Agents collaborating (CrewAI, AutoGen).

💡 ভিন্ন দক্ষতার একাধিক এজেন্ট একসাথে জটিল কাজ ভালো করে।

  1. 1
    ভূমিকা ভাগ: গবেষক, বিশ্লেষক, লেখক, সমালোচক
  2. 2
    সমন্বয় প্যাটার্ন: সুপারভাইজার (একজন ভাগ করে দেয়), পাইপলাইন (ক্রমানুসারে), বিতর্ক
  3. 3
    যোগাযোগ: শেয়ার্ড স্টেট বা বার্তা
  4. 4
    ফ্রেমওয়ার্ক: CrewAI, AutoGen, LangGraph; খরচ ও জটিলতা বিবেচনা
ভূমিকাভিত্তিক এজেন্টগবেষক, লেখক, সমালোচক
সুপারভাইজার প্যাটার্ন
CrewAI ও AutoGen
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
7

LangGraph

Stateful agent workflows as graphs.
Intermediate
📘 বাংলা: স্টেটফুল এজেন্ট ওয়ার্কফ্লো গ্রাফ।
🌐 English: Stateful agent workflows as graphs.

💡 নিয়ন্ত্রণযোগ্য, পুনরুদ্ধারযোগ্য এজেন্ট ওয়ার্কফ্লো তৈরির ফ্রেমওয়ার্ক।

  1. 1
    State: ওয়ার্কফ্লোর শেয়ার্ড ডেটা (TypedDict)
  2. 2
    Node: একটি ফাংশন/এজেন্ট ধাপ; Edge: পরের ধাপ
  3. 3
    Conditional edge: ফল অনুযায়ী ভিন্ন পথে যাওয়া (লুপসহ)
  4. 4
    Checkpointer দিয়ে থেমে মানুষের অনুমোদন (human-in-the-loop) ও পুনরায় শুরু
নোড, এজ ও স্টেট
শর্তসাপেক্ষ রাউটিং
Human-in-the-loop চেকপয়েন্ট
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
8

Model Context Protocol MCP

Standard to connect agents to tools and data.
Advanced
📘 বাংলা: এজেন্টকে বাহ্যিক টুল ও ডেটার সাথে যুক্ত করার মানদণ্ড।
🌐 English: Standard to connect agents to tools and data.

💡 এজেন্টকে যেকোনো টুল ও ডেটা উৎসের সাথে একটি মানসম্মত উপায়ে যুক্ত করা।

  1. 1
    MCP সার্ভার: টুল, রিসোর্স ও প্রম্পট প্রকাশ করে (যেমন ডাটাবেস, ফাইল, API)
  2. 2
    MCP ক্লায়েন্ট: Claude Desktop, IDE বা নিজের অ্যাপ সার্ভারের সাথে সংযুক্ত হয়
  3. 3
    একবার সার্ভার বানালে অনেক ক্লায়েন্টে ব্যবহারযোগ্য
  4. 4
    নিরাপত্তা: ন্যূনতম অনুমতি, ব্যবহারকারীর অনুমোদন, ইনপুট যাচাই
MCP সার্ভারটুল ও রিসোর্স প্রকাশ
MCP ক্লায়েন্টClaude, IDE
নিরাপদ অনুমতি ও স্ট্যান্ডার্ড ইন্টারফেস
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
9

Agent Evaluation & Guardrails

Accuracy, safety and limits of agents.
Advanced
📘 বাংলা: এজেন্টের নির্ভুলতা, নিরাপত্তা ও সীমা।
🌐 English: Accuracy, safety and limits of agents.

💡 এজেন্ট ভুল করলে বাস্তব ক্ষতি হতে পারে—পরিমাপ ও সুরক্ষা অপরিহার্য।

  1. 1
    টেস্ট সেট তৈরি: বাস্তব কাজ ও প্রত্যাশিত ফল
  2. 2
    মাপুন: সাফল্যের হার, ধাপ সংখ্যা, খরচ, সময়, টুল ভুল
  3. 3
    গার্ডরেইল: ইনপুট/আউটপুট যাচাই, অনুমোদিত টুল তালিকা, ঝুঁকিপূর্ণ কাজে মানুষের অনুমোদন
  4. 4
    প্রম্পট ইনজেকশন প্রতিরোধ: বাইরের কনটেন্টকে নির্দেশ নয়, ডেটা হিসেবে বিবেচনা
টাস্ক সাকসেস রেট ও ট্রেজেক্টরি মূল্যায়ন
গার্ডরেইলইনপুট/আউটপুট যাচাই
প্রম্পট ইনজেকশন প্রতিরোধ
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
10

Building a Data Analyst Agent

Agent that analyses CSV/SQL data.
Advanced
📘 বাংলা: CSV/SQL বিশ্লেষণকারী এজেন্ট প্রজেক্ট।
🌐 English: Agent that analyses CSV/SQL data.

💡 শিখুন হাতে-কলমে—এটি একটি পূর্ণাঙ্গ পোর্টফোলিও প্রজেক্ট।

  1. 1
    টুল তৈরি: run_sql(query), make_chart(data, type), describe_table(name)
  2. 2
    সিস্টেম প্রম্পট: ভূমিকা, স্কিমা, নিয়ম (শুধু SELECT)
  3. 3
    লুপ: প্রশ্ন → SQL → চালানো → ফল বিশ্লেষণ → চার্ট → সারাংশ
  4. 4
    Streamlit ইন্টারফেস, লগিং ও ১০টি প্রশ্নে মূল্যায়ন
টুলSQL চালানো, চার্ট আঁকা
পাইপলাইনপ্রশ্ন → কুয়েরি → বিশ্লেষণ → রিপোর্ট
ডিপ্লয়Streamlit ইন্টারফেস
📖 বিস্তারিত নোট, ভিডিও ও কুইজ →
💻

হাতে-কলমে কোড · Hands-on code

Run চাপুন — পাইথন আপনার ব্রাউজারেই চলবে (Ctrl+Enter)
# ReAct-style agent with real tools (rule-based planner stands in for an LLM)
import statistics
data={"Dhaka":[31,33,35,36],"Sylhet":[28,29,30,31]}
tools={"mean":lambda c:statistics.mean(data[c]),"max":lambda c:max(data[c])}
plan=[("mean","Dhaka"),("mean","Sylhet"),("max","Dhaka")]; memory={}
for tool,arg in plan:
    obs=tools[tool](arg); memory[f"{tool}({arg})"]=obs
    print(f"Thought: need {tool} of {arg} -> Action: {tool}('{arg}') -> Observation: {obs}")
hot=max(data,key=lambda c:memory[f"mean({c})"]); print("Final answer: hotter city =",hot,memory)
📝

অনুশীলন · Practice tasks

  1. একটি ক্যালকুলেটর+সার্চ টুলসহ এজেন্ট ডিজাইন
  2. LangGraph দিয়ে ৩-নোডের ওয়ার্কফ্লো
  3. এজেন্টের জন্য গার্ডরেইল তালিকা লিখুন
  4. ক্যাপস্টোন: Research agent that searches, analyses and reports
❓

কুইজ · Quick quiz

1. ReAct লুপের সঠিক ক্রম?

2. MCP কী?

🎬

ভিডিও লাইব্রেরি · Videos

সাইটের ভেতরে ফ্লোটিং প্লেয়ারে চলবে
এই শাখার ভিডিও এখনো সংরক্ষিত হয়নি। যেকোনো টপিক পেজ খুললে ভিডিও স্বয়ংক্রিয়ভাবে খুঁজে MySQL-এ সংরক্ষিত হবে (API key থাকলে)।

📺 Reference channels

🇧🇩 Bangla AI agent ↗
🌐 DeepLearningAI ↗LangChain ↗
🔗

সংযুক্ত বিষয় · Connected

🕸️ নেটওয়ার্কে দেখুন💻 ল্যাবে খুলুন
← আগের শাখা✨ Generative AI & LLMsপরের শাখা →🗺️ GIS Fundamentals
🎬 Video