মাল্টি-ডেটাবেস পারসিস্টেন্স সহ ইন্টেলিজেন্ট ই-কমার্স ক্যাটালগ তৈরি করা

১. ভূমিকা

আধুনিক রিটেল ব্যবসায়, আপনার ডেটা হল একটি বৈচিত্র্যময়, বিস্তৃত ইকোসিস্টেম। আপনার কাছে রক-সলিড ট্রানজ্যাকশন ডেটা (দাম ও ইনভেনটরি), "মেসি" পলিমরফিক ক্যাটালগ (ইলেকট্রনিক্স স্পেসিফিকেশন বনাম পোশাকের সাইজ) এবং পেটাবাইট পরিমাণ আচরণগত লগ আছে। এগুলিকে একটি একক মনোলিথে জোর করে অন্তর্ভুক্ত করলে শুধু প্রযুক্তিগত ঋণই তৈরি হয় না—এটি ব্যবহারকারীর অভিজ্ঞতাকেও নষ্ট করে।

এই কোডল্যাবে, আপনি একটি পলিগ্লট পাওয়ারহাউস আর্কিটেক্ট করবেন যা নিম্নলিখিত বিষয়গুলিকে একত্রিত করে:

• AlloyDB: হাই-স্পিড ধারাবাহিকতা ও ইমেজ এম্বেডিংয়ের জন্য আপনার ট্রানজ্যাকশনাল ব্যাকবোন।
• Google Cloud-এ MongoDB Atlas: আপনার ফ্লেক্সিবল, স্কিমা-অ্যাগনস্টিক ক্যাটালগ লেয়ার।
• ক্লাউড স্টোরেজ: রিয়েল-টাইম ট্রেন্ডের পূর্বাভাস দেওয়ার জন্য আপনার বিশ্লেষণাত্মক মস্তিষ্ক।
• BigQuery: আপনার হাই-রেজোলিউশন ডিজিটাল ওয়্যারহাউস।

"সিক্রেট সস"? আপনি MCP টুলবক্স ফর ডেটাবেস ব্যবহার করে Cloud Run-এ রান করা ডেটা সোর্সকে সিম্যান্টিক ব্রিজ হিসেবে বুদ্ধিমত্তার সাথে অর্কেস্ট্রেট ও ইউনিফাই করবেন, তারপর Agent Development Kit (ADK) ব্যবহার করে মাল্টি-এজেন্ট চ্যাট অ্যাপ ডিপ্লয় করবেন। আপনি শুধু একটি সার্চ বার তৈরি করছেন না; আপনি একটি ইন্টেলিজেন্ট রিটেল ব্রেন তৈরি করছেন যা প্রসঙ্গ বোঝে, সীমাবদ্ধতাকে সম্মান করে এবং কাঁচা ডেটা ও মানুষের উদ্দেশ্যের মধ্যে ব্যবধান দূর করে।

অসম্ভব ব্যবহারকারীর কোয়েরি

স্ট্যান্ডার্ড ই-কমার্স এজেন্ট মাল্টি-ডাইমেনশনাল রিজনিং (নেগেটিভ কনস্ট্রেন্ট, ভিজ্যুয়াল সিমিলারিটি ও রিয়েল-টাইম ইনভেনটরি একত্রিত করা) করতে পারে না। যেমন, আমি সাধারণত কোনও রিটেল সাইটের সাথে এইভাবে কথা বলতে চাই:

"হাই, আমি অনেক উঁচুতে ফটোগ্রাফি ট্রিপের প্ল্যান করছি। আমাকে ‘AeroGlow Pro'-এর মতো স্টাইলের কিছু ওয়াটারপ্রুফ ব্যাকপ্যাক দেখাও, তবে সেগুলিতে যেন কোনও চামড়ার অংশ না থাকে। এছাড়াও, আমাকে জানাও যে সেগুলি আসলে স্টকে আছে কিনা এবং অন্যান্য ফটোগ্রাফাররা রিভিউতে স্ট্র্যাপের স্থায়িত্ব সম্পর্কে অভিযোগ করেছেন কিনা।"

এই কোয়েরিটি কেন "The Agent Killer":

• ভিজ্যুয়াল সিমিলারিটি (AlloyDB + ভেক্টর সার্চ): "AeroGlow Pro-এর মতো স্টাইল" প্রম্পটের জন্য ইমেজ এম্বেডিং তুলনা করতে হবে।
• নেগেটিভ কনস্ট্রেন্ট (MongoDB): "চামড়া ছাড়া" ফিল্টার করার জন্য ফ্লেক্সিবল, নেস্টেড অ্যাট্রিবিউট প্রয়োজন যা সাধারণত স্ট্যান্ডার্ড SQL স্কিমায় থাকে না।
• রিয়েল-টাইম ইনভেনটরি (AlloyDB): "আসলে স্টকে আছে" কিনা তা জানতে লাইভ ট্রানজ্যাকশন চেক করতে হয় (পুরনো সার্চ ইন্ডেক্স নয়)।
• সিম্যান্টিক সিন্থেসিস (BigQuery + মাল্টি-এজেন্ট): "স্ট্র্যাপের স্থায়িত্ব" সংক্রান্ত রিভিউ বিশ্লেষণ করার জন্য এজেন্টকে BigQuery থেকে পাওয়া আনস্ট্রাকচার্ড ফিডব্যাক চটপট সারসংক্ষেপ করতে হয়।

বেশিরভাগ রিটেল বট শুধু ‘ব্যাকপ্যাক' ও ‘লেদার' দেখবে এবং ১০টি লেদার ব্যাকপ্যাক দেখাবে। আমরা কীভাবে এটি বন্ধ করছি?

কারণ আমরা শুধু কীওয়ার্ড ম্যাচ করছি না। আমরা MCP টুলবক্স ব্যবহার করছি যাতে আমাদের এজেন্টরা AlloyDB-তে ট্রানজ্যাকশন সংক্রান্ত সত্য এবং MongoDB-তে ফ্লেক্সিবল অ্যাট্রিবিউট, এই সব সোর্স জুড়ে একই সাথে'কারণ' খুঁজে পেতে পারে। এটি তৈরি করা যাক!

আপনি কী করবেন

• মূল প্রোডাক্ট ডেটার জন্য AlloyDB ক্লাস্টার প্রোভিশন করা
• সেমি-স্ট্রাকচার্ড প্রোডাক্টের বিবরণ স্টোর করতে Google Cloud-এ MongoDB Atlas কনফিগার করুন
• প্রোডাক্টের ছবি দেখানোর জন্য Cloud Storage বাকেট তৈরি করুন
• একই ধরনের ডেটা অ্যাক্সেসের জন্য Cloud Run-এ MCP Toolbox for Databases ডিপ্লয় করা
• অ্যানালিটিক্সের জন্য BigQuery-তে ডেটা পুশ করতে ETL প্রসেস রান করুন
• ন্যাচারাল ল্যাঙ্গুয়েজে AI এজেন্টের সাথে কথোপকথন চালান।

পূর্বশর্ত

• Chrome-এর মতো ওয়েব ব্রাউজার
• বিলিং চালু করা আছে এমন একটি Google Cloud প্রোজেক্ট
• একটি ফ্রি MongoDB Atlas on Google Cloud অ্যাকাউন্ট

২. শুরু করার আগে

Google Cloud প্রোজেক্ট তৈরি করা

1. Google Cloud Console-এ, প্রোজেক্ট বেছে নেওয়ার পৃষ্ঠায়, Google Cloud প্রোজেক্ট বেছে নিন বা তৈরি করুন।
2. আপনার ক্লাউড প্রোজেক্টের জন্য বিলিং চালু করা আছে কিনা তা নিশ্চিত করুন। প্রোজেক্টে বিলিং চালু করা আছে কিনা তা চেক করবেন কীভাবে তা জানুন।

Cloud Shell চালু করুন

Cloud Shell হল Google Cloud-এ চলা একটি কমান্ড-লাইন এনভায়রনমেন্ট যা প্রয়োজনীয় টুল সহ প্রিলোড করা থাকে।

1. Google Cloud কনসোলের সবচেয়ে উপরে Cloud Shell অ্যাক্টিভেট করুন বিকল্পে ক্লিক করুন।
2. Cloud Shell-এ কানেক্ট করার পরে, আপনার যাচাইকরণ চেক করুন:

   gcloud auth list
   

3. আপনার প্রোজেক্ট কনফিগার করা হয়েছে কিনা তা কনফার্ম করুন:

   gcloud config get project
   

4. আপনার প্রোজেক্ট প্রত্যাশা অনুযায়ী সেট করা না থাকলে, এটি সেট করুন:

   export PROJECT_ID=<YOUR_PROJECT_ID>
   gcloud config set project $PROJECT_ID
   

ভেরিয়েবেল সেট করুন

Cloud Shell-এ, আপনার প্রোজেক্ট আইডি এবং প্রোজেক্ট নম্বরের জন্য এনভায়রনমেন্ট ভেরিয়েবল সেট করুন:

export PROJECT_ID=$(gcloud config get-value project)
export PROJECT_NUMBER=$(gcloud projects describe $PROJECT_ID --format="value(projectNumber)")

আপনার Cloud Shell সেশন ডিসকানেক্ট হয়ে গেলে, এইসব export কমান্ড আবার রান করুন (এবং এই কোডল্যাবে পরে আপনি যেসব কমান্ড যোগ করবেন)।

প্রয়োজনীয় API চালু করুন

প্রয়োজনীয় সব API চালু করতে এই কমান্ড রান করুন:

gcloud services enable \
  alloydb.googleapis.com \
  bigquery.googleapis.com \
  storage.googleapis.com \
  run.googleapis.com \
  cloudbuild.googleapis.com \
  artifactregistry.googleapis.com \
  iam.googleapis.com \
  secretmanager.googleapis.com \
  compute.googleapis.com \
  servicenetworking.googleapis.com \
  aiplatform.googleapis.com

৩. ক্লাউড স্টোরেজ সেট-আপ করুন

প্রোডাক্টের ছবির মতো আনস্ট্রাকচার্ড মিডিয়া অ্যাসেটের জন্য ক্লাউড স্টোরেজ একটি বিশাল স্টোর হিসেবে কাজ করে।

1. Google Cloud Console-এ, Cloud Storage-এ নেভিগেট করুন এবং বাকেট তৈরি করুন বিকল্পে ক্লিক করুন।
2. আপনার বাকেটকে বিশ্বব্যাপী অনন্য নাম দিন, যেমন -ecommerce-images।
3. তৈরি করুন বিকল্পে ক্লিক করুন।
4. যাচাইকরণ ছাড়াই ডেমো অ্যাপ্লিকেশনকে ছবি অ্যাক্সেস করার অনুমতি দিতে, এই বাকেটে সর্বজনীন অ্যাক্সেস প্রতিরোধ এনফোর্স করুন বিকল্পটি মুছে দিন এবং কনফার্ম করুন বিকল্পে ক্লিক করুন।
5. অনুমতি ট্যাবে যান।
6. অনুমতি বিকল্পে গিয়ে অ্যাক্সেস দিন বিকল্পে ক্লিক করুন।
7. নতুন প্রিন্সিপাল-এ, allUsers লিখুন।
8. একটি ভূমিকা বেছে নিন বিকল্পে গিয়ে Cloud Storage > Storage Object Viewer বিকল্প বেছে নিন।
9. সেভ করুন বিকল্পে ক্লিক করুন এবং তারপরে আপনি রিসোর্স সর্বজনীন করছেন তা কনফার্ম করতে সর্বজনীন অ্যাক্সেসের অনুমতি দিন বিকল্পে ক্লিক করুন।
10. Cloud Shell-এ, বাকেটের নাম একটি ভেরিয়েবলে সেভ করুন:

    export BUCKET=<your-bucket-name>
    

    -এর জায়গায় আপনার তৈরি করা বাকেটের নাম লিখুন।

প্লেসহোল্ডার ইমেজ আপলোড করুন

সেরা ভিজ্যুয়াল অভিজ্ঞতার জন্য প্রোজেক্ট প্লেসহোল্ডার ইমেজ ব্যবহার করে।

1. আপনার Cloud Shell-এ, রিপোজিটরি ক্লোন করুন:

   git clone https://github.com/AbiramiSukumaran/polyglot-persist-ecommerce.git
   

2. UploadImages ফোল্ডারে নেভিগেট করুন:

   cd polyglot-persist-ecommerce/UploadImages
   

3. আপনার বাকেটে স্যাম্পেল ছবি আপলোড করুন:

   gcloud storage cp *.jpg gs://$BUCKET/
   

৪. AlloyDB সেট-আপ করা

প্রোডাক্ট আইডি, নাম, SKU, দাম ও ইনভেনটরির মতো স্ট্রাকচার্ড, ট্রানজ্যাকশনাল ও গুরুত্বপূর্ণ ডেটার জন্য AlloyDB হল single source of truth। এছাড়াও, AlloyDB, সাজেশন ও ন্যাচারাল ল্যাঙ্গুয়েজ কোয়েরির জন্য সিমিলারিটি সার্চের ক্ষমতা সহ AI এজেন্টকে শক্তিশালী করে।

ওয়েব ইন্টারফেস ব্যবহার করে আপনার ডেভেলপমেন্ট এনভায়রনমেন্টের জন্য ক্লাস্টার, ইনস্ট্যান্স ও নেটওয়ার্ক দ্রুত সেট-আপ করতে, এই কোডল্যাব-এ উল্লেখ করা ধাপগুলি অনুসরণ করুন।

AlloyDB ক্লাস্টার প্রোভিশন করা

1. Google Cloud Console-এ, AlloyDB for PostgreSQL-এ নেভিগেট করুন।
2. ক্লাস্টার তৈরি করুন বিকল্পে ক্লিক করুন।
3. ক্লাস্টার আইডি-এর জন্য, ecommerce-cluster লিখুন।
4. postgres ব্যবহারকারীর জন্য একটি শক্তিশালী পাসওয়ার্ড সেট করুন। শেখার উদ্দেশ্যে, আপনি alloydb ব্যবহার করতে পারেন।
5. ডেটাবেস ভার্সন-এর জন্য ডিফল্ট সেটিং রাখুন।
6. অঞ্চল-এর জন্য, us-central1 (বা আপনার পছন্দের অঞ্চল) বেছে নিন।

প্রাইমারি ইনস্ট্যান্স কনফিগার করুন

1. Instance ID-এর জন্য, ecommerce-cluster-primary লিখুন।
2. জোন অনুযায়ী উপলভ্যতা বিকল্পে, সিঙ্গেল জোন বেছে নিন।
3. মেশিন সিরিজ-এর জন্য N2 এবং মেশিনের ধরন-এর জন্য 4 vCPU, 32 GB বেছে নিন।
4. প্রাইভেট IP কানেক্টিভিটি বিকল্পে, প্রাইভেট পরিষেবা অ্যাক্সেস (PSA) বেছে নিন এবং default নেটওয়ার্ক বেছে নিন। ডিফল্ট নেটওয়ার্ক আগে থেকে সেট করা না থাকলে, একটি তৈরি করতে নেটওয়ার্ক সেট-আপ কনফার্ম করুন বিকল্পে ক্লিক করুন।
5. পাবলিক IP কানেক্টিভিটি বিকল্পে, এই কোডল্যাবে MCP টুলবক্স সঠিকভাবে কানেক্ট করার জন্য পাবলিক IP চালু করুন চেকবক্স বেছে নিন। কনসোল অটোমেটিক password.enforce_complexity ফ্ল্যাগ চালু করে, যা AlloyDB-এর পাবলিক আইপির জন্য প্রয়োজন।
6. অনুমোদিত এক্সটার্নাল নেটওয়ার্ক-এ 0.0.0.0/0 লিখুন। আমি ঝুঁকি সম্পর্কে সচেতন চেকবক্স বেছে নিয়ে সেভ করুন বিকল্পে ক্লিক করুন।
7. ক্লাস্টার তৈরি করুন বিকল্পে ক্লিক করুন।

ক্লাস্টার ও ইনস্ট্যান্স তৈরি হতে ১০ মিনিট পর্যন্ত সময় লাগে।

ডেটাবেস শুরু করুন

1. বাঁদিকের নেভিগেশন মেনু থেকে AlloyDB Studio বিকল্পে ক্লিক করুন।
2. ডেটাবেস ড্রপ-ডাউন থেকে, postgres বেছে নিন।
3. ডেটাবেসে সাইন-ইন করতে বিল্ট-ইন যাচাইকরণ বেছে নিন।
4. ইউজারনেম-এর জন্য, postgres ব্যবহারকারী ব্যবহার করুন।
5. পাসওয়ার্ড-এর জন্য, আগে সেট করা পাসওয়ার্ড লিখুন।
6. যাচাই করুন বিকল্পে ক্লিক করুন।
7. এডিটর ভিউতে, নতুন নামহীন কোয়েরি ট্যাব খুলুন।
8. নিম্নলিখিত DDL কপি করে রান করুন বিকল্পে ক্লিক করুন:

   CREATE TABLE products_core_table (
     product_id UUID PRIMARY KEY,
     name VARCHAR(255) NOT NULL,
     sku VARCHAR(50) UNIQUE NOT NULL,
     price NUMERIC(10, 2) NOT NULL,
     stock INT NOT NULL
   );
   

9. আপনার Cloud Shell-এ, প্রোজেক্ট রুট ফোল্ডারে নেভিগেট করুন:

   cd ~/polyglot-persist-ecommerce
   

10. আপনার Cloud Shell-এ alloydb_insert_queries.sql ফাইলটি খুলুন এবং ইনসার্ট কোয়েরি কপি করুন।

    cat alloydb_insert_queries.sql
    

11. নতুন নামহীন কোয়েরি ট্যাবে, শুধু INSERT স্টেটমেন্ট পেস্ট করুন এবং রান করুন বিকল্পে ক্লিক করুন।
12. নতুন শিরোনামহীন কোয়েরি ট্যাবে, নিম্নলিখিত DDL কপি করুন এবং products_core_table টেবিলে একটি ইন্ডেক্স তৈরি করতে রান করুন বিকল্পে ক্লিক করুন:

    CREATE INDEX idx_products_core_sku ON products_core_table(sku);
    

একই ধরনের প্রোডাক্ট খুঁজে পেতে AI এজেন্টের জন্য ইমেজ এম্বেডিং তৈরি করুন

AI এজেন্ট ইন্টিগ্রেশন একই ধরনের প্রোডাক্ট খুঁজে পেতে ইমেজ এম্বেডিং ব্যবহার করে। multimodalembedding@001 মডেল ব্যবহার করে এম্বেডিং তৈরি করা হয় এবং AlloyDB ডেটাবেসে স্টোর করা হয়। এম্বেডিংগুলি হল ১৪০৮ ডাইমেনশনাল ভেক্টর এবং সেগুলি img_embeddings কলামে স্টোর করা হয়।

এম্বেডিং তৈরি করার আগে, Cloud Storage অ্যাক্সেস করার জন্য AlloyDB পরিষেবা অ্যাকাউন্টকে প্রয়োজনীয় ভূমিকা দিতে হবে।

Cloud Storage অ্যাক্সেস করার জন্য AlloyDB পরিষেবা অ্যাকাউন্টকে ভূমিকা প্রদান করা

Cloud Storage থেকে ছবি পড়তে এবং Vertex AI এম্বেডিং জেনারেট করতে AlloyDB পরিষেবা অ্যাকাউন্টকে প্রয়োজনীয় ভূমিকা দিন:

for role in roles/storage.objectUser roles/storage.objectViewer roles/aiplatform.user; do
  gcloud projects add-iam-policy-binding $PROJECT_ID \
    --member="serviceAccount:service-${PROJECT_NUMBER}@gcp-sa-alloydb.iam.gserviceaccount.com" \
    --role=$role --condition=None
done

এক্সটেনশন চালু করুন

এই অ্যাপ তৈরি করার জন্য, আমরা pgvector এবং google_ml_integration এক্সটেনশন ব্যবহার করব। pgvector এক্সটেনশন আপনাকে ভেক্টর এম্বেডিং স্টোর ও সার্চ করতে দেয়। google_ml_integration এক্সটেনশন এমন ফাংশন প্রদান করে যা আপনি SQL-এ প্রেডিকশন পেতে Vertex AI প্রেডিকশন এন্ডপয়েন্ট অ্যাক্সেস করতে ব্যবহার করেন। নিম্নলিখিত DDL রান করে এইসব এক্সটেনশন চালু করুন:

1. Google Cloud Console-এ, AlloyDB for PostgreSQL-এ নেভিগেট করুন।
2. বাঁদিকের নেভিগেশন মেনু থেকে AlloyDB Studio বিকল্পে ক্লিক করুন।
3. এডিটর ভিউতে, নতুন নামহীন কোয়েরি ট্যাব খুলুন।
4. নিম্নলিখিত DDL কপি করে রান করুন বিকল্পে ক্লিক করুন:

   CREATE EXTENSION IF NOT EXISTS vector;
   CREATE EXTENSION IF NOT EXISTS google_ml_integration;
   

এম্বেডিং সহ ডেটাবেস শুরু করুন

1. products_core_table-এ img_embeddings কলাম যোগ করুন।

   ALTER TABLE products_core_table
   ADD COLUMN img_embeddings vector(1408);
   

2. আপনার বাকেটের নাম পূরণ করে এম্বেডিং কোয়েরি প্রিন্ট করুন:

   cd ~/polyglot-persist-ecommerce
   sed "s/<STORAGE_BUCKET_NAME>/$BUCKET/g" alloydb_generate_embeddings.sql
   

3. আউটপুট কপি করে নতুন AlloyDB Studio কোয়েরি ট্যাবে পেস্ট করুন এবং রান করুন বিকল্পে ক্লিক করুন। এতে প্রায় এক মিনিট সময় লাগবে। এটি টাইম আউট হয়ে গেলে, আবার চালান; যেসব প্রোডাক্টে আগে থেকেই এম্বেডিং আছে সেগুলি স্কিপ করা হয়।

   স্ক্রিপ্টটি শুধুমাত্র সেইসব প্রোডাক্ট প্রসেস করে যেগুলির ছবি UploadImages/-এ আছে।

৫. Google Cloud-এ MongoDB Atlas সেট-আপ করা

MongoDB-তে সমৃদ্ধ, সেমি-স্ট্রাকচার্ড প্রোডাক্টের বিবরণ এবং নমনীয় ব্যবহারকারীর আচরণ সংক্রান্ত ডেটা (যেমন ক্লিক এবং ভিউ) স্টোর করা হয়।

MongoDB ক্লাস্টার তৈরি করুন

1. MongoDB Atlas-এ সাইন-ইন করুন (প্রয়োজন হলে ফ্রি অ্যাকাউন্ট তৈরি করুন)।
2. আপনার ক্লাস্টার ডিপ্লয় করুন বিকল্পে গিয়ে ফ্রি বিকল্প বেছে নিন। (Atlas আগে থেকে একটি পেড টিয়ার বেছে নেয়; ফ্রি বেছে নেওয়া হয়েছে কিনা তা নিশ্চিত করুন।)
3. প্রদানকারী হিসেবে Google Cloud এবং অঞ্চল হিসেবে আইওয়া (us-central1) বেছে নিন।
4. নাম-এর জন্য, ecommerce-cluster লিখুন এবং প্রিলোড স্যাম্পেল ডেটাসেট মুছে দিন।
5. ডিপ্লয়মেন্ট তৈরি করুন বিকল্পে ক্লিক করুন।

অ্যাক্সেসের অনুমতি দিন এবং ডেটাবেস ব্যবহারকারী তৈরি করুন

Atlas ই-কমার্স-ক্লাস্টারের সাথে কানেক্ট করুন ডায়ালগ খোলে।

1. অন্য IP অ্যাড্রেস যোগ করুন বিকল্পে ক্লিক করে 0.0.0.0/0 লিখুন এবং এটি যোগ করুন।

   0.0.0.0/0 ব্যবহার করলে যেকোনও IP অ্যাড্রেস থেকে অ্যাক্সেস করা যায়। সাময়িক ডেমোর জন্য এটি গ্রহণযোগ্য, তবে প্রোডাকশনে আপনাকে নির্দিষ্ট IP রেঞ্জে অ্যাক্সেস সীমিত করতে হবে।

2. ইউজারনেম-এর জন্য store-user এবং পাসওয়ার্ড-এর জন্য storeuser লিখুন, তারপর ডেটাবেস ব্যবহারকারী তৈরি করুন বিকল্পে ক্লিক করুন।
3. কানেকশন পদ্ধতি বেছে নিন বিকল্পে ক্লিক করুন, তারপর ড্রাইভার ও ক্লায়েন্ট লাইব্রেরি বিকল্পে ক্লিক করুন।
4. আপনার অ্যাপ্লিকেশনে এই কানেকশন স্ট্রিং ব্যবহার করুন বিকল্পের মধ্যে, কানেকশন স্ট্রিং কপি করুন। এটি mongodb+srv://store-user:@ecommerce-cluster.xxxxx.mongodb.net/-এর মতো দেখতে। -এর জায়গায় storeuser লিখুন এবং স্ট্রিং সেভ করুন; আপনি এটি tools.yaml-এ ব্যবহার করবেন।

আপনি ডায়ালগ বন্ধ করে দিলে, ডেটাবেস > ক্লাস্টার খুলুন এবং ecommerce-cluster-এ কানেক্ট করুন বিকল্পে ক্লিক করুন।

ডেটাবেস ও কালেকশন তৈরি করুন

1. বাঁদিকের নেভিগেশনে, ডেটা এক্সপ্লোরার বিকল্পে ক্লিক করুন, তারপর ডেটাবেস তৈরি করুন বিকল্পে ক্লিক করে বিবরণ লিখুন:
   • ডেটাবেসের নাম: ecommerce_db
   • কালেকশনের নাম: product_details_collection
2. ডেটাবেস তৈরি করুন বিকল্পে ক্লিক করুন।
3. ডেটা এক্সপ্লোরারে, সংগ্রহের নাম বেছে নিন।
4. ডেটা যোগ করুন (+) আইকনে ক্লিক করুন, তারপর ডকুমেন্ট যোগ করুন বিকল্পে ক্লিক করুন।
5. product_details_export.json থেকে JSON কন্টেন্ট কপি করে ডকুমেন্ট যোগ করুন এডিটর ডায়ালগে পেস্ট করুন।
6. Atlas একটি ব্যানার দেখায় যেখানে টেক্সটকে শেল সিনট্যাক্সে কনভার্ট করার অফার দেওয়া হয়। কনভার্ট করুন বিকল্পে ক্লিক করুন, তারপর যোগ করুন বিকল্পে ক্লিক করুন। ১৯২টি ডকুমেন্ট যোগ করা হয়েছে কিনা তা যাচাই করুন।
7. ডেটা এক্সপ্লোরারে, ecommerce_db ডেটাবেসের পাশে কালেকশন তৈরি করুন (+) বিকল্পে ক্লিক করুন।
8. কালেকশনের নাম হিসেবে user_interactions_collection লিখুন এবং কালেকশন তৈরি করুন বিকল্পে ক্লিক করুন।
9. ডেটা এক্সপ্লোরারে, user_interactions_collection কালেকশন বেছে নিন।
10. ডেটা যোগ করুন (+) আইকনে ক্লিক করুন, তারপর ডকুমেন্ট যোগ করুন বিকল্পে ক্লিক করুন।
11. user_interactions_export.json থেকে JSON কন্টেন্ট কপি করে ডকুমেন্ট যোগ করুন এডিটর ডায়ালগে পেস্ট করুন।
12. Atlas একটি ব্যানার দেখায় যেখানে টেক্সটকে শেল সিনট্যাক্সে কনভার্ট করার অফার দেওয়া হয়। কনভার্ট করুন বিকল্পে ক্লিক করুন, তারপর যোগ করুন বিকল্পে ক্লিক করুন। ২১১টি ডকুমেন্ট যোগ করা হয়েছে কিনা তা যাচাই করুন।

৬. BigQuery সেট-আপ করুন

BigQuery, ব্যবহারকারীর পুরনো আচরণ এগ্রিগেট ও বিশ্লেষণ করে ইন্টেলিজেন্ট রিপোর্টিং ও সাজেশন জেনারেট করে।

ডেটাসেট তৈরি করুন

1. Google Cloud Console-এ, BigQuery-তে নেভিগেট করুন।
2. এক্সপ্লোরার প্যানে আপনার প্রোজেক্ট আইডির পাশে, তিন ডট মেনুতে ক্লিক করে ডেটাসেট তৈরি করুন বিকল্প বেছে নিন।
3. ডেটাসেট আইডি-এর জন্য ecommerce_analytics লিখুন।
4. ডেটা লোকেশন-এর জন্য, US (multiple regions) বেছে নিন (tools.yaml কনফিগারেশন US লোকেশন আশা করে)।
5. ডেটাসেট তৈরি করুন বিকল্পে ক্লিক করুন।

Analytics টেবিল তৈরি করুন

1. BigQuery ওয়ার্কস্পেসে নতুন কোয়েরি খুলুন।
2. প্রোডাক্ট ইন্টার‍্যাকশনের সাথে ব্যবহারকারীদের লিঙ্ক করে সারসংক্ষেপ টেবিল তৈরি করতে নিম্নলিখিত SQL স্টেটমেন্ট রান করুন:

CREATE TABLE ecommerce_analytics.user_product_interactions (
    user_id STRING DEFAULT 'any user',
    product_id STRING,
    interaction_score INT
);

Compute পরিষেবা অ্যাকাউন্টে ভূমিকা মঞ্জুর করুন

ডিফল্ট Compute পরিষেবা অ্যাকাউন্টকে MCP টুলবক্স ও অ্যাপের জন্য প্রয়োজনীয় ভূমিকা দিন:

for role in \
  roles/bigquery.dataEditor \
  roles/bigquery.jobUser \
  roles/secretmanager.secretAccessor \
  roles/alloydb.client \
  roles/serviceusage.serviceUsageConsumer \
  roles/storage.objectViewer \
  roles/aiplatform.user \
  roles/artifactregistry.writer; do
  gcloud projects add-iam-policy-binding $PROJECT_ID \
    --member="serviceAccount:${PROJECT_NUMBER}[e-mail]" \
    --role="$role" \
    --condition=None
done

অন্যথায়, কনসোলে IAM ও অ্যাডমিন > IAM বিকল্পে যান, অ্যাক্সেস দিন বিকল্পে ক্লিক করুন, পরিষেবা অ্যাকাউন্ট লিখুন এবং একই ভূমিকা যোগ করুন।

৭. অ্যাপ্লিকেশনটি শুরু থেকে শেষ পর্যন্ত বুঝুন

প্রতিটি কম্পোনেন্ট একে অপরের সাথে কীভাবে কাজ করে তা জানতে, আমরা একটি ই-কমার্স অ্যাপ্লিকেশন তৈরি করব যা একাধিক ডেটাবেস এবং পরিষেবা ব্যবহার করে। অ্যাপ্লিকেশনটি Python (Flask) ব্যাকএন্ডের সাহায্যে তৈরি করা হয়েছে এবং এটি একাধিক Google Cloud পরিষেবা ও ডেটাবেস ইন্টিগ্রেট করে।

ডিরেক্টরি স্ট্রাকচার বোঝা

পরবর্তী বিভাগে, আপনি polyglot-persist-ecommerce রিপোজিটরি ক্লোন করবেন এবং লোকালভাবে অ্যাপ্লিকেশনটি চালানোর জন্য এটি ব্যবহার করবেন। লোকালি অ্যাপ্লিকেশন পরীক্ষা করার পরে, আমরা Cloud Run-এ MCP টুলবক্স ও অ্যাপ্লিকেশন, দুটিই ডিপ্লয় করব।

এই ডিরেক্টরিতে ডাউনলোড করা ফাইল এক্সপ্লোর করুন। নিম্নলিখিত হাই লেভেল ডিরেক্টরিগুলি উপস্থিত আছে:

• UploadImages: ইমেজ অ্যাসেট স্টোর করে, যা মূলত ই-কমার্স প্রোডাক্ট ক্যাটালগের জন্য ডকুমেন্টেশন বা ভিজ্যুয়াল কন্টেন্টের জন্য ব্যবহৃত হয়।
• static: অ্যাপ্লিকেশনের স্ট্যাটিক ওয়েব অ্যাসেট স্টোর করে, যেমন CSS ও JavaScript ফাইল, যা ইউজার ইন্টারফেস স্টাইল করতে ও ইন্টার‍্যাক্টিভিটি যোগ করতে ব্যবহার করা হয় ( সোর্স)।
• templates: ই-কমার্স ক্যাটালগের জন্য ওয়েব পেজ ডায়নামিকভাবে রেন্ডার করতে Python অ্যাপ্লিকেশন দ্বারা ব্যবহৃত HTML টেমপ্লেট (সম্ভবত Flask-এর জন্য Jinja2) স্টোর করে ( সোর্স)।

এই রিপোজিটরির ফাইলগুলি একসাথে কাজ করে একটি মাল্টিডিবি ই-কমার্স অ্যাপ্লিকেশন তৈরি, কনফিগার এবং ডিপ্লয় করে। app.py-এর মতো সেন্ট্রাল ফাইল SQL ও JSON ফাইলে উল্লেখ করা বিভিন্ন ডেটা সোর্স ইন্টিগ্রেট করার মাধ্যমে ব্যাকএন্ড অর্কেস্ট্রেট করে, অন্যদিকে কনফিগারেশন ফাইল ক্লাউড এনভায়রনমেন্টে নির্বিঘ্ন ডেপ্লয়মেন্ট নিশ্চিত করে:

• app.py: Flask ব্যাকএন্ড এবং মাল্টি-ডেটাবেস ইন্টিগ্রেশন অর্কেস্ট্রেট করে।
• agentengine.py: Vertex AI এজেন্ট শুরু ও কনফিগার করার জন্য মূল লজিক।
• .env: ডেটাবেস ও স্টোরেজ কানেকশনের জন্য গোপন তথ্য স্টোর করে।
• tools.yaml: multidb ডেটাবেস অপারেশনের জন্য MCP Toolbox কনফিগার করে।
• Dockerfile: কন্টেনার ইমেজ ও এনভায়রনমেন্ট সেট-আপ নির্ধারণ করে।
• requirements.txt: অ্যাপ্লিকেশন রানটাইমের জন্য প্রয়োজনীয় Python লাইব্রেরির তালিকা দেখায়।
• tools.yaml: MCP Toolbox-এর জন্য কনফিগারেশন।
• Procfile: ডেপ্লয়মেন্টের জন্য প্রোডাকশন এক্সিকিউশন কমান্ড নির্দিষ্ট করে।
• alloydb_insert_queries.sql: রিলেশনাল ডেটার জন্য SQL কোয়েরি রয়েছে।
• product_details_export.json এবং user_interactions_export.json: NoSQL ডেটাবেসের জন্য স্যাম্পেল JSON ডেটা প্রদান করে।
• README.md: সেট-আপ, ডিপ্লয়মেন্ট ও প্রোজেক্ট বুঝতে সাহায্য করে।

অ্যাপ্লিকেশনের এন্ড-টু-এন্ড ফ্লো

• AlloyDB সেট-আপ: একটি হাই-পারফর্ম্যান্স ক্লাস্টার প্রোভিশন করুন এবং প্রদত্ত SQL স্ক্রিপ্ট ব্যবহার করে ইমেজ এম্বেডিংয়ের জন্য ভেক্টর কলাম সহ products_core_table তৈরি করুন।
• MongoDB Atlas সেট-আপ: product_details-এ ফ্লুইড প্রোডাক্ট অ্যাট্রিবিউট স্টোর করতে এবং user_interactions-এ রিয়েল-টাইম ক্লিকস্ট্রিম লগ করতে Google Cloud-এ ক্লাস্টার ডিপ্লয় করুন।
• BigQuery Analytics: ইন্টার‍্যাকশন লগ অ্যাগ্রিগেট করার জন্য ডেটাসেট তৈরি করুন, যা জটিল অ্যানালিটিক্যাল কোয়েরি চালু করে এবং লক্ষ লক্ষ ইভেন্ট জুড়ে "সেরা ৫" ট্রেন্ডিং আইটেম শনাক্ত করে।
• ক্লাউড স্টোরেজ রিপোজিটরি: হাই-রেজোলিউশন প্রোডাক্টের ছবি রাখার জন্য একটি সর্বজনীন বাকেট তৈরি করুন, যাতে ফ্রন্টএন্ডের জন্য সাইন-ইন করা বা সর্বজনীন URL ব্যবহার করে প্রতিটি অ্যাসেট অ্যাক্সেস করা যায়।
• MCP টুলবক্স ডিপ্লয়মেন্ট: Cloud Run-এ টুলবক্স ডিপ্লয় করুন, এটিকে সেন্ট্রাল RESTful ব্রিজ হিসেবে প্রতিষ্ঠা করুন যা ন্যাচারাল ল্যাঙ্গুয়েজ ইনটেন্টকে মাল্টি-ডেটাবেস কোয়েরিতে অনুবাদ করে।
• Tools.yaml কনফিগারেশন: আপনার "টুল" সংজ্ঞায়িত করুন—যেমন get_product_core_data বা get_top_5_views—নির্দিষ্ট SQL এবং NoSQL অপারেশনকে সহজ, এজেন্ট-রিডেবল নামে ম্যাপ করা।
• Flask ব্যাকএন্ড লজিক: app.py রুট প্রয়োগ করুন যা MCP টুলবক্সের সাথে ইন্টারফেস করে, ডেটা ফিরিয়ে আনার সমন্বয় ম্যানেজ করে এবং UI-এর জন্য API হিসেবে কাজ করে।
• মাল্টি-এজেন্ট অর্কেস্ট্রেশন: কোডের মধ্যে ADK এজেন্ট কনফিগার করুন যাতে ইউজার ইনটেন্ট অনুযায়ী যুক্তি দিয়ে, জটিল, মাল্টি-সোর্স রিটেল কোয়েরি সমাধান করার জন্য সঠিক "টুল" বেছে নেওয়া যায়।
• ফ্রন্টএন্ড ইন্টিগ্রেশন: ইন্টার‍্যাকশন রেকর্ডিং ফিচার সহ প্রোডাক্ট ক্যাটালগ, প্রোডাক্ট পারফর্ম্যান্স অ্যানালিটিক্স বোঝার জন্য Analytics ট্যাব এবং একটি নির্দিষ্ট "এজেন্ট ট্যাব" সহ একটি index.html ইন্টারফেস তৈরি করুন যা নির্বিঘ্ন কথোপকথনমূলক কেনাকাটার অভিজ্ঞতা প্রদান করতে ADK মাল্টি-এজেন্ট চ্যাট ব্যবহার করে।

এখন, আসুন অর্কেস্ট্রেশন এবং ডিপ্লয়মেন্ট প্রয়োগ করি।

৮. MCP টুলবক্স সেট-আপ করা ও Cloud Run-এ ডিপ্লয় করা

MCP টুলবক্স আমাদের একাধিক ডেটা সোর্স অ্যাবস্ট্র্যাক্ট করে, যার ফলে আমাদের অ্যাপ্লিকেশন একইভাবে ডেটা আনতে ও লিখতে পারে।

স্থানীয়ভাবে MCP Toolbox ইনস্টল করা

আপনার হোম ডিরেক্টরিতে MCP Toolbox বাইনারি ডাউনলোড করুন এবং এটি এক্সিকিউটেবল করুন:

export VERSION=1.15.0
curl -L -o ~/toolbox https://storage.googleapis.com/mcp-toolbox-for-databases/v$VERSION/linux/amd64/toolbox
chmod +x ~/toolbox

tools.yaml কনফিগার করুন

আপনাকে AlloyDB, MongoDB ও BigQuery-এর জন্য অ্যাবস্ট্রাকশন সংজ্ঞায়িত করতে হবে। tools.yaml ফাইলটি MCP টুলবক্সকে বলে যে কীভাবে একে অপরের সাথে ইন্টার‍্যাক্ট করতে হয়।

1. রিপোজিটরিতে আগে থেকেই tools.yaml অন্তর্ভুক্ত আছে। এটি খুলুন:

   cd ~/polyglot-persist-ecommerce
   cloudshell edit tools.yaml
   

2. ***** প্লেসহোল্ডার আপনার ভ্যালু দিয়ে পরিবর্তন করুন:

   ডেটাবেস	ফিল্ড	উদাহরণস্বরূপ দেওয়া ভ্যালু
   AlloyDB/BigQuery	project	YOUR_PROJECT_ID
   AlloyDB	region	us-central1
   AlloyDB	cluster	ecommerce-cluster
   AlloyDB	instance	ecommerce-cluster-primary
   AlloyDB	database	postgres
   AlloyDB	password	alloydb
   AlloyDB	ipType	public (alloydb-source-এর নিচে এই লাইনটি যোগ করুন, যদি এটি সেখানে না থাকে)
   MongoDB	uri	আপনি আগে যে কানেকশন স্ট্রিং সেভ করেছেন

3. আপনার বাকেটে ছবির প্রিভিউ পয়েন্ট করুন:

   sed -i "s/ecommerce-app-images/$BUCKET/g" tools.yaml
   

আপনার টুল UI পরীক্ষা করুন

1. UI পরিবেশন করতে আপনার Cloud Shell টার্মিনালে, টুলবক্সটি লোকালি চালান:

   ~/toolbox --config tools.yaml --ui --enable-api
   

2. Cloud Shell-এ, ওয়েব প্রিভিউ > পোর্ট পরিবর্তন করুন বিকল্পে ক্লিক করুন, 5000 লিখুন এবং যে URL খুলবে তার শেষে /ui যোগ করুন।

নিম্নলিখিত MCP টুলবক্স UI দেখা যায়:

আপনার কাজ হয়ে গেলে, লোকাল টুলবক্স বন্ধ করতে Ctrl+C প্রেস করুন।

Cloud Run-এ ডিপ্লয় করুন

Cloud Run-এ MCP টুলবক্স ডিপ্লয় করুন যাতে এটি একটি সুরক্ষিত, ম্যানেজ করা পরিষেবা হিসেবে উপলভ্য হয় যা আমাদের অ্যাপ্লিকেশন ডেটাবেস কোয়েরি করতে ব্যবহার করতে পারে। সংবেদনশীল কানেকশন সংক্রান্ত বিবরণ সুরক্ষিত রাখতে আমরা Secret Manager-এ কনফিগারেশন স্টোর করব।

1. Google Secret Manager-এ tools.yaml কনফিগারেশন আপলোড করুন:

   gcloud secrets create tools --data-file=tools.yaml
   

   আপনি পরে tools.yaml পরিবর্তন করলে, নতুন ভার্সন আপলোড করুন, যার সাথে:

   gcloud secrets versions add tools --data-file=tools.yaml
   

2. পাবলিক MCP টুলবক্স কন্টেনার ইমেজ ব্যবহার করে ডিপ্লয় করা:

   gcloud run deploy toolbox \
       --image us-central1-docker.pkg.dev/database-toolbox/toolbox/toolbox:$VERSION \
       --region us-central1 \
       --service-account ${PROJECT_NUMBER}[e-mail] \
       --set-secrets "/app/tools.yaml=tools:latest" \
       --args="--config=/app/tools.yaml","--address=0.0.0.0","--port=8080","--ui","--enable-api" \
       --allow-unauthenticated
   

   --enable-api ওয়েব অ্যাপ ব্যবহার করে এমন REST API চালু করে।
3. টুলবক্স URL সেভ করুন:

   export TOOLBOX_URL=$(gcloud run services describe toolbox --region us-central1 --format='value(status.url)')
   echo $TOOLBOX_URL
   

   টুলগুলি দেখতে আপনার ব্রাউজারে $TOOLBOX_URL/ui খুলতে পারেন।

৯. ই-কমার্স অ্যাপ্লিকেশন সেট-আপ করা ও Cloud Run-এ ডিপ্লয় করা

আমাদের ডেটাবেস চালু এবং MCP টুলবক্স অ্যাবস্ট্রাকশন ডিপ্লয় করা থাকলে, আমরা Flask ওয়েব অ্যাপ্লিকেশন চালাতে পারি!

প্রোডাক্ট ক্যাটালগ পরিবেশন করতে, Flask অ্যাপ্লিকেশন নিম্নলিখিত ধাপগুলি অনুসরণ করে ডেটা প্রসেস করে:

1. মূল ডেটা ফেচ করা: AlloyDB (list_products_core) থেকে প্রোডাক্টের সম্পূর্ণ তালিকা নিয়ে আসে।
2. আরও বিবরণ নিয়ে আসা: MongoDB (list_all_product_details) থেকে প্রোডাক্টের সব বিবরণ নিয়ে আসে।
3. তালিকা একত্রিত করুন: দুটি তালিকা একত্রিত করে।
4. মিডিয়া দিয়ে সমৃদ্ধ করুন: প্রতিটি আইটেমে ক্লাউড স্টোরেজ ছবির URL যোগ করে।

এজেন্ট ইঞ্জিন তৈরি করুন

1. ডিপেন্ডেন্সি ইনস্টল করুন:

   cd ~/polyglot-persist-ecommerce
   pip install -r requirements.txt
   

   মনে রাখবেন: এই ধাপে প্যাকেজ সমাধান ও ইনস্টল করতে কয়েক মিনিট সময় লাগতে পারে।
2. Vertex AI রিজনিং ইঞ্জিন ব্যবহার করে AI এজেন্ট ইনিশিয়ালাইজ ও রেজিস্টার করুন:

   export REASONING_ENGINE_LOCATION=us-central1
   export APP_NAME=$(python agentengine.py)
   echo $APP_NAME
   

   আউটপুটটি নিম্নলিখিতটির মতো হবে:

   projects/991742412753/locations/us-central1/reasoningEngines/4933254136889081856
   

অ্যাপটি এনভায়রনমেন্ট ভেরিয়েবল থেকে এর সেটিংস পড়ে, যা আপনি নিচে ডিপ্লয় কমান্ডে পাস করেন, তাই আপনাকে .env এডিট করতে হবে না।

Cloud Run-এ ফ্রন্টএন্ড ডিপ্লয় করা

1. আর্কিটেকচার সম্পূর্ণ করতে Cloud Run-এ ওয়েব অ্যাপ্লিকেশন ডিপ্লয় করুন:

   gcloud run deploy polyglot --source . \
     --region us-central1 \
     --allow-unauthenticated \
     --set-env-vars="MCP_TOOLBOX_SERVER_URL=$TOOLBOX_URL,GCS_PRODUCT_BUCKET=$BUCKET,FALLBACK_IMAGE_URL=https://storage.googleapis.com/$BUCKET/fallback.jpg,GOOGLE_GENAI_USE_VERTEXAI=TRUE,PROJECT_ID=$PROJECT_ID,GOOGLE_CLOUD_LOCATION=global,REASONING_ENGINE_LOCATION=$REASONING_ENGINE_LOCATION,APP_NAME=$APP_NAME,MODEL=gemini-3.5-flash"
   

   অ্যাপটি gemini-3.5-flash ব্যবহার করে, যা global লোকেশন থেকে পরিবেশন করা হয়; এজেন্ট ইঞ্জিন us-central1-এ থাকে।

   ডেপ্লয়মেন্ট ব্যর্থ হলে, ডেপ্লয়মেন্ট অনুমোদন করতে gcloud auth login কমান্ড রান করুন এবং তারপর ডেপ্লয় কমান্ড আবার রান করুন।

আপনার অ্যাপ্লিকেশন এখন লাইভ! Multidb ই-কমার্স ক্যাটালগ দেখতে Cloud Run-এর দেওয়া পরিষেবা URL খুলুন। URL-টি https://polyglot-*********-uc.a.run.app/-এর মতো হবে।

১০. অ্যাপ্লিকেশনটি এক্সপ্লোর করুন

1. সব প্রোডাক্ট দেখতে প্রোডাক্ট ক্যাটালগ বিকল্পে ক্লিক করুন।
   
2. প্রোডাক্টের বিবরণ দেখতে প্রোডাক্ট আইকনে ক্লিক করুন। আপনি লক্ষ্য করবেন যে ছবিগুলি Cloud Storage থেকে সোর্স করা হয়েছে, প্রোডাক্টের বিবরণ MongoDB থেকে আনা হয়েছে এবং প্রোডাক্টের ইনভেনটরি AlloyDB থেকে আনা হয়েছে।
3. মক ভিউ তৈরি করতে প্রোডাক্ট ক্যাটালগের সাথে ইন্টার‍্যাক্ট করুন এবং MongoDB-তে পাঠানো রাইট করুন।
4. প্রোডাক্ট অ্যানালিটিক্স দেখতে ETL ও অ্যানালিটিক্স বিকল্পে ক্লিক করুন। আপনি লক্ষ্য করবেন যে প্রোডাক্ট অ্যানালিটিক্স BigQuery থেকে ফেচ করা হয়েছে।
   
5. AI এজেন্টের সাথে ইন্টার‍্যাক্ট করতে AI এজেন্ট ট্যাবে ক্লিক করুন। ন্যাচারাল ল্যাঙ্গুয়েজে প্রশ্ন করুন, যেমন:
   

   I'm planning a high-altitude photography trip.
   Show me some weather-resistant backpacks similar in style to aero glow pro
   but without any leather components. Also, let me know if they are actually in
   stock and if other photographers have complained about the strap durability
   in the reviews.
   

   

আপনি দেখতে পাবেন যে সার্চের ফলাফল ঠিক সেটাই দেখায় যা আমরা চেয়েছিলাম - চামড়ার উপাদান ছাড়া ব্যাকপ্যাক, স্টকে আছে এবং রিভিউতে স্ট্র্যাপের স্থায়িত্ব সম্পর্কে কোনও অভিযোগ নেই।

১১. অপ্রয়োজনীয়গুলি মুছুন

আপনার Google Cloud অ্যাকাউন্টে চার্জ করা এড়াতে, এই কোডল্যাব চলাকালীন তৈরি করা রিসোর্স মুছে দিন।

এইসব ক্লাউড শেল কমান্ড রান করুন:

gcloud run services delete toolbox --region us-central1 --quiet
gcloud run services delete polyglot --region us-central1 --quiet
gcloud secrets delete tools --quiet
bq rm -r -f -d $PROJECT_ID:ecommerce_analytics
gcloud storage rm --recursive gs://$BUCKET
gcloud alloydb clusters delete ecommerce-cluster --region us-central1 --force --quiet

বিকল্প হিসেবে, এজেন্ট ইঞ্জিন ইনস্ট্যান্স মুছে দিন:

curl -X DELETE -H "Authorization: Bearer $(gcloud auth print-access-token)" \
  "https://us-central1-aiplatform.googleapis.com/v1/$APP_NAME?force=true"

অন্যথায়, Google Cloud Console-এ, Vertex AI > Agent Engine-এ গিয়ে ইনস্ট্যান্স মুছে দিন।

বিকল্প হিসেবে, সম্পূর্ণ Google Cloud প্রোজেক্ট এবং এর সব রিসোর্স মুছে দিতে, এই কমান্ড রান করুন:

gcloud projects delete $PROJECT_ID

সবশেষে, Google Cloud-এ MongoDB Atlas খুলুন এবং আপনার তৈরি করা ecommerce-cluster ক্লাস্টার মুছে দিন যাতে ফ্রি-টিয়ারের ব্যবহার বন্ধ হয়ে যায়।

১২. অভিনন্দন

অভিনন্দন! আপনি ক্রস-ক্লাউড Multidb আর্কিটেকচার তৈরি করেছেন।

আপনি দেখিয়েছেন যে কীভাবে MCP টুলবক্স একটি আধুনিক, বিশেষ অ্যাপ্লিকেশনের জন্য আর্কিটেকচারাল গ্লু হিসেবে কাজ করে। সঠিক কাজের সাথে সঠিক ডেটাবেস ম্যাচ করে, আপনি যা অর্জন করেছেন:

• ফ্লেক্সিবল ডেটা রাইটস: ইভেন্ট লগের জন্য MongoDB।
• ট্রানজ্যাকশন সংক্রান্ত ধারাবাহিকতা: মূল ইন্টিগ্রিটির জন্য AlloyDB।
• হাই-পারফর্ম্যান্স অ্যানালিটিক্স: বিজনেস ইন্টেলিজেন্সের জন্য BigQuery।
• ইউনিফায়েড ডেভেলপমেন্ট: একটি সিঙ্গেল Python ব্যাকএন্ড যা MCP টুলবক্স ব্যবহার করে সব জটিলতা অ্যাবস্ট্র্যাক্ট করে।

রেফারেন্স ডকুমেন্ট

সম্পর্কিত Google Cloud প্রোডাক্ট সম্পর্কে আরও জানুন এবং এই কোডল্যাবগুলি এক্সপ্লোর করুন:

• AlloyDB AI: AlloyDB AI-তে ভেক্টর এম্বেডিং ব্যবহার শুরু করা
• AlloyDB AI: AlloyDB-তে মাল্টিমোডাল এম্বেডিং
• MCP টুলবক্স: AlloyDB-তে ডেটাবেসের জন্য MCP টুলবক্স ইনস্টল ও সেট-আপ করা

এই কোডল্যাবে ব্যবহৃত প্রোডাক্ট সম্পর্কে আরও তথ্যের জন্য, দেখুন:

• AlloyDB for PostgreSQL ডকুমেন্টেশন
• Google Cloud ডকুমেন্টেশনে MongoDB Atlas
• BigQuery ডকুমেন্টেশন
• Cloud Storage ডকুমেন্টেশন
• Cloud Run ডকুমেন্টেশন
• Cloud Build ডকুমেন্টেশন
• MCP টুলবক্স প্রয়োগ করা