এজেন্ট ডেভেলপমেন্ট কিট সহ মাল্টিমোডাল যাচ্ছেন: জেমিনি 2.5 এর সাথে ব্যক্তিগত খরচ সহকারী, ফায়ারস্টোর এবং ক্লাউড রান, এজেন্ট ডেভেলপমেন্ট কিটের সাথে মাল্টিমোডাল যাচ্ছেন: জেমিনি 2.5, ফায়ারস্টোর এবং ক্লাউড রানের সাথে ব্যক্তিগত ব্যয় সহকারী

1. ভূমিকা

d029d993943b282b.png

আপনি কি কখনও হতাশ এবং আপনার সমস্ত ব্যক্তিগত খরচ পরিচালনা করতে খুব অলস হয়েছেন? আমিও! এইভাবে কেন এই কোডল্যাবে, আমরা একটি ব্যক্তিগত ব্যয় ব্যবস্থাপক সহকারী তৈরি করব - আমাদের জন্য সমস্ত কাজ করার জন্য Gemini 2.5 দ্বারা চালিত! আপলোড করা রসিদগুলি পরিচালনা করা থেকে বিশ্লেষণ করার জন্য আপনি ইতিমধ্যে একটি কফি কিনতে খুব বেশি ব্যয় করেছেন কিনা!

এই সহকারী একটি চ্যাট ওয়েব ইন্টারফেসের আকারে ওয়েব ব্রাউজারের মাধ্যমে অ্যাক্সেসযোগ্য হবে, যেখানে আপনি এটির সাথে যোগাযোগ করতে পারেন, কিছু রসিদ ছবি আপলোড করতে পারেন এবং সহকারীকে সেগুলি সংরক্ষণ করতে বলতে পারেন, অথবা ফাইলটি পেতে এবং কিছু ব্যয় বিশ্লেষণ করতে কিছু রসিদ অনুসন্ধান করতে চান৷ এবং এই সমস্ত Google এজেন্ট ডেভেলপমেন্ট কিট ফ্রেমওয়ার্কের উপরে নির্মিত

অ্যাপ্লিকেশনটি নিজেই 2টি পরিষেবাতে বিভক্ত: ফ্রন্টএন্ড এবং ব্যাকএন্ড; আপনাকে একটি দ্রুত প্রোটোটাইপ তৈরি করতে এবং এটি কেমন লাগে তা চেষ্টা করতে সক্ষম করে এবং এগুলি উভয়কে একীভূত করতে API চুক্তিটি কীভাবে দেখায় তাও বুঝতে পারে।

কোডল্যাবের মাধ্যমে, আপনি নিম্নলিখিত হিসাবে একটি ধাপে ধাপে পদ্ধতি ব্যবহার করবেন:

  1. আপনার Google ক্লাউড প্রকল্প প্রস্তুত করুন এবং এতে প্রয়োজনীয় সমস্ত API সক্ষম করুন৷
  2. ফায়ারস্টোরে Google ক্লাউড স্টোরেজ এবং ডাটাবেসে বালতি সেটআপ করুন
  3. ফায়ারস্টোর ইনডেক্সিং তৈরি করুন
  4. আপনার কোডিং পরিবেশের জন্য ওয়ার্কস্পেস সেটআপ করুন
  5. ADK এজেন্ট সোর্স কোড, টুলস, প্রম্পট ইত্যাদি গঠন করা।
  6. ADK স্থানীয় ওয়েব ডেভেলপমেন্ট UI ব্যবহার করে এজেন্ট পরীক্ষা করা হচ্ছে
  7. ফ্রন্টএন্ড পরিষেবা তৈরি করুন - গ্রাডিও লাইব্রেরি ব্যবহার করে চ্যাট ইন্টারফেস, কিছু প্রশ্ন পাঠাতে এবং রসিদের ছবি আপলোড করতে
  8. ব্যাকএন্ড পরিষেবা তৈরি করুন - ফাস্টএপিআই ব্যবহার করে HTTP সার্ভার যেখানে আমাদের ADK এজেন্ট কোড, সেশনসার্ভিস এবং আর্টিফ্যাক্ট পরিষেবা থাকে
  9. ক্লাউড রানে অ্যাপ্লিকেশনটি স্থাপন করার জন্য প্রয়োজনীয় পরিবেশের ভেরিয়েবল এবং সেটআপ প্রয়োজনীয় ফাইলগুলি পরিচালনা করুন৷
  10. ক্লাউড রানে অ্যাপ্লিকেশনটি স্থাপন করুন

আর্কিটেকচার ওভারভিউ

6795e9abf2030334.jpeg

পূর্বশর্ত

  • পাইথনের সাথে কাজ করা আরামদায়ক
  • HTTP পরিষেবা ব্যবহার করে মৌলিক ফুল-স্ট্যাক আর্কিটেকচারের একটি বোঝাপড়া

আপনি কি শিখবেন

  • Gradio সহ ফ্রন্টএন্ড ওয়েব প্রোটোটাইপিং
  • FastAPI এবং Pydantic এর সাথে ব্যাকএন্ড সার্ভিস ডেভেলপমেন্ট
  • ADK এজেন্টের আর্কিটেক্টিং এর বিভিন্ন ক্ষমতা ব্যবহার করার সময়
  • টুল ব্যবহার
  • সেশন এবং আর্টিফ্যাক্ট ম্যানেজমেন্ট
  • মিথুনে পাঠানোর আগে ইনপুট পরিবর্তনের জন্য কলব্যাক ব্যবহার
  • পরিকল্পনা করে টাস্ক এক্সিকিউশন উন্নত করতে BuiltInPlanner ব্যবহার করা
  • ADK স্থানীয় ওয়েব ইন্টারফেসের মাধ্যমে দ্রুত ডিবাগিং
  • ADK কলব্যাক ব্যবহার করে প্রম্পট ইঞ্জিনিয়ারিং এবং জেমিনি রিকোয়েস্ট পরিবর্তনের মাধ্যমে তথ্য পার্সিং এবং পুনরুদ্ধারের মাধ্যমে মাল্টিমোডাল মিথস্ক্রিয়া অপ্টিমাইজ করার কৌশল
  • ফায়ারস্টোরকে ভেক্টর ডেটাবেস হিসাবে ব্যবহার করে এজেন্টিক পুনরুদ্ধার অগমেন্টেড জেনারেশন
  • Pydantic-সেটিংস সহ YAML ফাইলে পরিবেশ ভেরিয়েবল পরিচালনা করুন
  • ডকারফাইল ব্যবহার করে ক্লাউড রানে অ্যাপ্লিকেশন স্থাপন করুন এবং YAML ফাইলের সাথে পরিবেশের ভেরিয়েবল সরবরাহ করুন

আপনি কি প্রয়োজন হবে

  • ক্রোম ওয়েব ব্রাউজার
  • একটি জিমেইল অ্যাকাউন্ট
  • বিলিং সক্ষম সহ একটি ক্লাউড প্রকল্প৷

এই কোডল্যাব, সমস্ত স্তরের বিকাশকারীদের জন্য ডিজাইন করা হয়েছে (শিশুদের সহ), এর নমুনা অ্যাপ্লিকেশনে পাইথন ব্যবহার করে। যাইহোক, উপস্থাপিত ধারণাগুলি বোঝার জন্য পাইথন জ্ঞানের প্রয়োজন নেই।

2. আপনি শুরু করার আগে

ক্লাউড কনসোলে সক্রিয় প্রকল্প নির্বাচন করুন

এই কোডল্যাব ধরে নেয় যে আপনার কাছে ইতিমধ্যেই বিলিং সক্ষম সহ একটি Google ক্লাউড প্রকল্প রয়েছে৷ যদি আপনার কাছে এখনও এটি না থাকে তবে আপনি শুরু করতে নীচের নির্দেশাবলী অনুসরণ করতে পারেন।

  1. Google ক্লাউড কনসোলে , প্রকল্প নির্বাচক পৃষ্ঠায়, একটি Google ক্লাউড প্রকল্প নির্বাচন করুন বা তৈরি করুন।
  2. নিশ্চিত করুন যে আপনার ক্লাউড প্রকল্পের জন্য বিলিং সক্ষম করা আছে৷ একটি প্রকল্পে বিলিং সক্ষম কিনা তা পরীক্ষা করতে শিখুন।

9b27622602f6cc4f.png

ফায়ারস্টোর ডেটাবেস প্রস্তুত করুন

এর পরে, আমাদের একটি ফায়ারস্টোর ডেটাবেস তৈরি করতে হবে। নেটিভ মোডে ফায়ারস্টোর হল একটি NoSQL ডকুমেন্ট ডাটাবেস যা স্বয়ংক্রিয় স্কেলিং, উচ্চ কার্যকারিতা এবং অ্যাপ্লিকেশন বিকাশের সহজতার জন্য নির্মিত। এটি একটি ভেক্টর ডাটাবেস হিসাবেও কাজ করতে পারে যা আমাদের ল্যাবের জন্য পুনরুদ্ধার অগমেন্টেড জেনারেশন কৌশলকে সমর্থন করতে পারে।

  1. অনুসন্ধান বারে " ফায়ারস্টোর" অনুসন্ধান করুন এবং ফায়ারস্টোর পণ্যটিতে ক্লিক করুন

2986f598f448af67.png

  1. তারপর, Create A Firestore Database বাটনে ক্লিক করুন
  2. ডাটাবেস আইডি নাম হিসাবে (ডিফল্ট) ব্যবহার করুন এবং স্ট্যান্ডার্ড সংস্করণটি নির্বাচিত রাখুন। এই ল্যাব ডেমোর জন্য, ওপেন নিরাপত্তা নিয়মের সাথে Firestore Native ব্যবহার করুন।
  1. আপনি আরও লক্ষ্য করবেন যে এই ডাটাবেসে আসলে ফ্রি-টায়ার ইউসেজ YEAY! এর পরে, ডেটাবেস তৈরি করুন বাটনে ক্লিক করুন

27a5495b76ed7033.png

এই পদক্ষেপগুলির পরে, আপনাকে ইতিমধ্যেই Firestore ডেটাবেসে পুনঃনির্দেশিত করা উচিত যা আপনি এইমাত্র তৈরি করেছেন৷

ক্লাউড শেল টার্মিনালে ক্লাউড প্রজেক্ট সেটআপ করুন

  1. আপনি ক্লাউড শেল ব্যবহার করবেন, Google ক্লাউডে চলমান একটি কমান্ড-লাইন পরিবেশ যা bq এর সাথে প্রিলোড করা হয়। গুগল ক্লাউড কনসোলের শীর্ষে সক্রিয় ক্লাউড শেল ক্লিক করুন।

1829c3759227c19b.png

  1. একবার ক্লাউড শেলের সাথে সংযুক্ত হয়ে গেলে, আপনি পরীক্ষা করে দেখুন যে আপনি ইতিমধ্যেই প্রমাণীকৃত হয়েছেন এবং নিম্নলিখিত কমান্ডটি ব্যবহার করে প্রকল্পটি আপনার প্রকল্প আইডিতে সেট করা আছে: 
gcloud auth list
  1. gcloud কমান্ড আপনার প্রকল্প সম্পর্কে জানে তা নিশ্চিত করতে ক্লাউড শেলে নিম্নলিখিত কমান্ডটি চালান। 
gcloud config list project
  1. যদি আপনার প্রজেক্ট সেট করা না থাকে, তাহলে এটি সেট করতে নিম্নলিখিত কমান্ডটি ব্যবহার করুন: 
gcloud config set project <YOUR_PROJECT_ID>

বিকল্পভাবে, আপনি কনসোলে PROJECT_ID আইডিও দেখতে পারেন

4032c45803813f30.jpeg

এটিতে ক্লিক করুন এবং আপনি আপনার সমস্ত প্রকল্প এবং প্রকল্প আইডি ডানদিকে পাবেন

8dc17eb4271de6b5.jpeg

  1. নীচে দেখানো কমান্ডের মাধ্যমে প্রয়োজনীয় API গুলি সক্ষম করুন৷ এটি কয়েক মিনিট সময় নিতে পারে, তাই ধৈর্য ধরুন। 
gcloud services enable aiplatform.googleapis.com \
                       firestore.googleapis.com \
                       run.googleapis.com \
                       cloudbuild.googleapis.com \
                       cloudresourcemanager.googleapis.com

কমান্ডের সফল সঞ্চালন হলে, আপনি নীচের দেখানো একটি অনুরূপ একটি বার্তা দেখতে হবে:

Operation "operations/..." finished successfully.

gcloud কমান্ডের বিকল্প হল কনসোলের মাধ্যমে প্রতিটি পণ্য অনুসন্ধান করে বা এই লিঙ্কটি ব্যবহার করে।

যদি কোনো API মিস হয়, আপনি সর্বদা বাস্তবায়নের সময় এটি সক্রিয় করতে পারেন।

জিক্লাউড কমান্ড এবং ব্যবহারের জন্য ডকুমেন্টেশন পড়ুন।

Google ক্লাউড স্টোরেজ বাকেট প্রস্তুত করুন

পরবর্তীতে, একই টার্মিনাল থেকে, আপলোড করা ফাইল সংরক্ষণ করার জন্য আমাদের GCS বালতি প্রস্তুত করতে হবে। বালতি তৈরি করতে নিম্নলিখিত কমান্ডটি চালান

gsutil mb -l us-central1 gs://personal-expense-assistant-receipts

এটি এই আউটপুট দেখাবে

Creating gs://personal-expense-assistant-receipts/...

আপনি ব্রাউজারের উপরের বাম দিকে নেভিগেশন মেনুতে গিয়ে এটি যাচাই করতে পারেন এবং ক্লাউড স্টোরেজ -> বালতি নির্বাচন করুন

d27475d5ce4fcc9d.png

Firestore হল একটি NoSQL ডাটাবেস, যা ডেটা মডেলে উচ্চতর কর্মক্ষমতা এবং নমনীয়তা প্রদান করে, কিন্তু জটিল প্রশ্নের ক্ষেত্রে এর সীমাবদ্ধতা রয়েছে। যেহেতু আমরা কিছু যৌগিক মাল্টি ফিল্ড কোয়েরি এবং ভেক্টর অনুসন্ধান ব্যবহার করার পরিকল্পনা করছি আমাদের প্রথমে কিছু সূচক তৈরি করতে হবে। আপনি এই ডকুমেন্টেশনে বিস্তারিত সম্পর্কে আরও পড়তে পারেন

  1. যৌগিক প্রশ্ন সমর্থন করার জন্য সূচক তৈরি করতে নিম্নলিখিত কমান্ডটি চালান 
gcloud firestore indexes composite create \
        --collection-group=personal-expense-assistant-receipts \
        --field-config field-path=total_amount,order=ASCENDING \
        --field-config field-path=transaction_time,order=ASCENDING \
        --field-config field-path=__name__,order=ASCENDING \
        --database="(default)"
  1. এবং ভেক্টর অনুসন্ধান সমর্থন করার জন্য এটি চালান 
gcloud firestore indexes composite create \
        --collection-group="personal-expense-assistant-receipts" \
        --query-scope=COLLECTION \
        --field-config field-path="embedding",vector-config='{"dimension":"768", "flat": "{}"}' \
        --database="(default)"

আপনি ক্লাউড কনসোলে ফায়ারস্টোরে গিয়ে তৈরি করা সূচী পরীক্ষা করতে পারেন এবং (ডিফল্ট) ডাটাবেস ইনস্ট্যান্সে ক্লিক করুন এবং নেভিগেশন বারে সূচী নির্বাচন করুন

8b3a4012985ee0b6.png

ক্লাউড শেল এডিটর এবং সেটআপ অ্যাপ্লিকেশন ওয়ার্কিং ডিরেক্টরিতে যান

এখন, আমরা কিছু কোডিং স্টাফ করতে আমাদের কোড এডিটর সেট আপ করতে পারি। আমরা এর জন্য ক্লাউড শেল এডিটর ব্যবহার করব

  1. Open Editor বাটনে ক্লিক করুন, এটি একটি Cloud Shell Editor খুলবে, আমরা এখানে আমাদের কোড লিখতে পারি b16d56e4979ec951.png
  2. নিশ্চিত করুন যে ক্লাউড কোড প্রকল্পটি ক্লাউড শেল সম্পাদকের নীচের বাম কোণে (স্ট্যাটাস বার) সেট করা আছে, যেমনটি নীচের ছবিতে হাইলাইট করা হয়েছে এবং সক্রিয় Google ক্লাউড প্রকল্পে সেট করা আছে যেখানে আপনি বিলিং সক্ষম করেছেন৷ অনুরোধ করা হলে অনুমোদন করুন । আপনি যদি পূর্ববর্তী কমান্ড অনুসরণ করেন, তাহলে সাইন ইন বোতামের পরিবর্তে বোতামটি সরাসরি আপনার সক্রিয় প্রকল্পের দিকে নির্দেশ করতে পারে

f5003b9c38b43262.png

  1. এর পরে, আসুন Github থেকে এই কোডল্যাবের জন্য টেমপ্লেট ওয়ার্কিং ডিরেক্টরি ক্লোন করি, নিম্নলিখিত কমান্ডটি চালান। এটি ব্যক্তিগত-ব্যয়-সহকারী ডিরেক্টরিতে কাজের ডিরেক্টরি তৈরি করবে 
git clone https://github.com/alphinside/personal-expense-assistant-adk-codelab-starter.git personal-expense-assistant
  1. এর পরে, ক্লাউড শেল এডিটরের উপরের বিভাগে যান এবং ফাইল->ফোল্ডার খুলুন ক্লিক করুন, আপনার ব্যবহারকারীর নাম ডিরেক্টরি খুঁজুন এবং ব্যক্তিগত-ব্যয়-সহকারী ডিরেক্টরি খুঁজুন তারপর ওকে বোতামে ক্লিক করুন। এটি নির্বাচিত ডিরেক্টরিটিকে প্রধান কার্যকারী ডিরেক্টরি হিসাবে তৈরি করবে। এই উদাহরণে, ব্যবহারকারীর নাম হল alvinprayuda , তাই ডিরেক্টরির পথটি নীচে দেখানো হয়েছে

2c53696f81d805cc.png

a766d380600a988.png

এখন, আপনার ক্লাউড শেল এডিটর দেখতে এইরকম হওয়া উচিত

528df7169f01b016.png

এনভায়রনমেন্ট সেটআপ

পাইথন ভার্চুয়াল এনভায়রনমেন্ট প্রস্তুত করুন

পরবর্তী ধাপ হচ্ছে উন্নয়ন পরিবেশ প্রস্তুত করা। আপনার বর্তমান সক্রিয় টার্মিনালটি ব্যক্তিগত-ব্যয়-সহকারী কাজের ডিরেক্টরির মধ্যে থাকা উচিত। আমরা এই কোডল্যাবে পাইথন 3.12 ব্যবহার করব এবং পাইথন সংস্করণ এবং ভার্চুয়াল পরিবেশ তৈরি এবং পরিচালনার প্রয়োজনীয়তা সহজ করতে আমরা ইউভি পাইথন প্রকল্প ব্যবস্থাপক ব্যবহার করব

  1. আপনি যদি এখনও টার্মিনাল না খুলে থাকেন, তাহলে টার্মিনাল -> নিউ টার্মিনাল- এ ক্লিক করে এটি খুলুন, অথবা Ctrl + Shift + C ব্যবহার করুন, এটি ব্রাউজারের নীচের অংশে একটি টার্মিনাল উইন্ডো খুলবে।

f8457daf0bed059e.jpeg

  1. uv ডাউনলোড করুন এবং নিম্নলিখিত কমান্ড দিয়ে পাইথন 3.12 ইনস্টল করুন 
curl -LsSf https://astral.sh/uv/0.6.16/install.sh | sh && \
source $HOME/.local/bin/env && \
uv python install 3.12
  1. এখন uv ব্যবহার করে ভার্চুয়াল পরিবেশ শুরু করা যাক, এই কমান্ডটি চালান 
uv sync --frozen

এটি .venv ডিরেক্টরি তৈরি করবে এবং নির্ভরতাগুলি ইনস্টল করবে। pyproject.toml- এ দ্রুত স্নিক পিক আপনাকে এইভাবে দেখানো নির্ভরতা সম্পর্কে তথ্য দেবে 

dependencies = [
    "datasets>=3.5.0",
    "google-adk>=0.2.0",
    "google-cloud-firestore>=2.20.1",
    "gradio>=5.23.1",
    "pydantic>=2.10.6",
    "pydantic-settings[yaml]>=2.8.1",
]
  1. ভার্চুয়াল env পরীক্ষা করতে, নতুন ফাইল main.py তৈরি করুন এবং নিম্নলিখিত কোডটি অনুলিপি করুন 
def main():
   print("Hello from personal-expense-assistant-adk!")

if __name__ == "__main__":
   main()
  1. তারপরে, নিম্নলিখিত কমান্ডটি চালান 
uv run main.py

আপনি নিচের মত আউটপুট পাবেন 

Using CPython 3.12
Creating virtual environment at: .venv
Hello from personal-expense-assistant-adk!

এটি দেখায় যে পাইথন প্রকল্পটি সঠিকভাবে সেট আপ করা হচ্ছে।

কনফিগারেশন ফাইল সেটআপ করুন

এখন আমাদের এই প্রকল্পের জন্য কনফিগারেশন ফাইল সেট আপ করতে হবে। আমরা YAML ফাইল থেকে কনফিগার পড়ার জন্য pydantic-সেটিংস ব্যবহার করি।

নিম্নলিখিত কনফিগারেশন সহ settings.yaml নামে একটি ফাইল তৈরি করুন। File->New Text File এ ক্লিক করুন এবং নিচের কোডটি পূরণ করুন। তারপর settings.yaml হিসেবে সেভ করুন 

GCLOUD_LOCATION: "us-central1"
GCLOUD_PROJECT_ID: "your_gcloud_project_id"
BACKEND_URL: "http://localhost:8081/chat"
STORAGE_BUCKET_NAME: "personal-expense-assistant-receipts"
DB_COLLECTION_NAME: "personal-expense-assistant-receipts"

এই কোডল্যাবের জন্য, আমরা GCLOUD_LOCATION , BACKEND_URL , STORAGE_BUCKET_NAME , DB_COLLECTION_NAME এবং BACKEND_URL জন্য পূর্ব-কনফিগার করা মানগুলি নিয়ে যাচ্ছি৷

এখন আমরা পরবর্তী ধাপে যেতে পারি, এজেন্ট তৈরি করতে পারি এবং তারপরে পরিষেবা

3. Google ADK এবং Gemini 2.5 ব্যবহার করে এজেন্ট তৈরি করুন৷

ADK ডিরেক্টরি কাঠামোর ভূমিকা

ADK কী অফার করে এবং কীভাবে এজেন্ট তৈরি করতে হয় তা অন্বেষণ করে শুরু করা যাক। ADK সম্পূর্ণ ডকুমেন্টেশন এই URL এ অ্যাক্সেস করা যেতে পারে। ADK তার CLI কমান্ড এক্সিকিউশনের মধ্যে আমাদের অনেক ইউটিলিটি অফার করে। তাদের মধ্যে কয়েকটি নিম্নরূপ:

  • এজেন্ট ডিরেক্টরি কাঠামো সেটআপ করুন
  • দ্রুত CLI ইনপুট আউটপুট মাধ্যমে মিথস্ক্রিয়া চেষ্টা করুন
  • স্থানীয় উন্নয়ন UI ওয়েব ইন্টারফেস দ্রুত সেটআপ করুন

এখন, CLI কমান্ড ব্যবহার করে এজেন্ট ডিরেক্টরি কাঠামো তৈরি করা যাক। নিম্নলিখিত কমান্ডটি চালান 

uv run adk create expense_manager_agent \
   --model gemini-2.5-flash-preview-04-17 \
   --project {your-project-id} \
   --region us-central1

এটি নিম্নলিখিত এজেন্ট ডিরেক্টরি কাঠামো তৈরি করবে 

expense_manager_agent/
├── __init__.py
├── .env
├── agent.py

এবং আপনি init.py এবং agent.py পরিদর্শন করলে আপনি এই কোডটি দেখতে পাবেন 

# __init__.py

from . import agent

# agent.py

from google.adk.agents import Agent

root_agent = Agent(
    model='gemini-2.5-flash-preview-04-17',
    name='root_agent',
    description='A helpful assistant for user questions.',
    instruction='Answer user questions to the best of your knowledge',
)

আমাদের ব্যয় ব্যবস্থাপক এজেন্ট নির্মাণ

আসুন আমাদের ব্যয় ব্যবস্থাপক এজেন্ট তৈরি করি! expense_manager_agent / agent.py ফাইলটি খুলুন এবং নীচের কোডটি কপি করুন যাতে root_agent থাকবে।

# expense_manager_agent/agent.py

from google.adk.agents import Agent
from expense_manager_agent.tools import (
    store_receipt_data,
    search_receipts_by_metadata_filter,
    search_relevant_receipts_by_natural_language_query,
    get_receipt_data_by_image_id,
)
from expense_manager_agent.callbacks import modify_image_data_in_history
import os
from settings import get_settings
from google.adk.planners import BuiltInPlanner
from google.genai import types

SETTINGS = get_settings()
os.environ["GOOGLE_CLOUD_PROJECT"] = SETTINGS.GCLOUD_PROJECT_ID
os.environ["GOOGLE_CLOUD_LOCATION"] = SETTINGS.GCLOUD_LOCATION
os.environ["GOOGLE_GENAI_USE_VERTEXAI"] = "TRUE"

# Get the code file directory path and read the task prompt file
current_dir = os.path.dirname(os.path.abspath(__file__))
prompt_path = os.path.join(current_dir, "task_prompt.md")
with open(prompt_path, "r") as file:
    task_prompt = file.read()

root_agent = Agent(
    name="expense_manager_agent",
    model="gemini-2.5-flash-preview-04-17",
    description=(
        "Personal expense agent to help user track expenses, analyze receipts, and manage their financial records"
    ),
    instruction=task_prompt,
    tools=[
        store_receipt_data,
        get_receipt_data_by_image_id,
        search_receipts_by_metadata_filter,
        search_relevant_receipts_by_natural_language_query,
    ],
    planner=BuiltInPlanner(
        thinking_config=types.ThinkingConfig(
            thinking_budget=2048,
        )
    ),
    before_model_callback=modify_image_data_in_history,
)

কোড ব্যাখ্যা

এই স্ক্রিপ্টটিতে আমাদের এজেন্ট সূচনা রয়েছে যেখানে আমরা নিম্নলিখিত জিনিসগুলি শুরু করি:

  • gemini-2.5-flash-preview-04-17 এ ব্যবহৃত মডেলটি সেট করুন
  • সিস্টেম প্রম্পট হিসাবে এজেন্টের বিবরণ এবং নির্দেশ সেট আপ করুন যা task_prompt.md থেকে পড়া হচ্ছে
  • এজেন্ট কার্যকারিতা সমর্থন করার জন্য প্রয়োজনীয় সরঞ্জাম সরবরাহ করুন
  • জেমিনি 2.5 ফ্ল্যাশ চিন্তা করার ক্ষমতা ব্যবহার করে চূড়ান্ত প্রতিক্রিয়া তৈরি বা সম্পাদন করার আগে পরিকল্পনা সক্ষম করুন
  • ভবিষ্যদ্বাণী করার আগে পাঠানো ইমেজ ডেটার সংখ্যা সীমিত করতে মিথুনকে অনুরোধ পাঠানোর আগে কলব্যাক ইন্টারসেপ্ট সেট আপ করুন

4. এজেন্ট টুল কনফিগার করা

আমাদের ব্যয় ব্যবস্থাপক এজেন্টের নিম্নলিখিতগুলির ক্ষমতা থাকবে:

  • রসিদ চিত্র থেকে ডেটা বের করুন এবং ডেটা এবং ফাইল সংরক্ষণ করুন
  • ব্যয়ের ডেটাতে সঠিক অনুসন্ধান করুন
  • ব্যয়ের ডেটাতে প্রাসঙ্গিক অনুসন্ধান

তাই এই কার্যকারিতা সমর্থন করার জন্য আমাদের উপযুক্ত সরঞ্জামের প্রয়োজন। expense_manager_agent ডিরেক্টরির অধীনে একটি নতুন ফাইল তৈরি করুন এবং এটিকে tools.py নাম দিন এবং নীচের কোডটি অনুলিপি করুন

# expense_manager_agent/tools.py

import datetime
from typing import Dict, List, Any
from google.cloud import firestore
from google.cloud.firestore_v1.vector import Vector
from google.cloud.firestore_v1 import FieldFilter
from google.cloud.firestore_v1.base_query import And
from google.cloud.firestore_v1.base_vector_query import DistanceMeasure
from settings import get_settings
from google import genai

SETTINGS = get_settings()
DB_CLIENT = firestore.Client(
    project=SETTINGS.GCLOUD_PROJECT_ID
)  # Will use "(default)" database
COLLECTION = DB_CLIENT.collection(SETTINGS.DB_COLLECTION_NAME)
GENAI_CLIENT = genai.Client(
    vertexai=True, location=SETTINGS.GCLOUD_LOCATION, project=SETTINGS.GCLOUD_PROJECT_ID
)
EMBEDDING_DIMENSION = 768
EMBEDDING_FIELD_NAME = "embedding"
INVALID_ITEMS_FORMAT_ERR = """
Invalid items format. Must be a list of dictionaries with 'name', 'price', and 'quantity' keys."""
RECEIPT_DESC_FORMAT = """
Store Name: {store_name}
Transaction Time: {transaction_time}
Total Amount: {total_amount}
Currency: {currency}
Purchased Items:
{purchased_items}
Receipt Image ID: {receipt_id}
"""


def sanitize_image_id(image_id: str) -> str:
    """Sanitize image ID by removing any leading/trailing whitespace."""
    if image_id.startswith("[IMAGE-"):
        image_id = image_id.split("ID ")[1].split("]")[0]

    return image_id.strip()


def store_receipt_data(
    image_id: str,
    store_name: str,
    transaction_time: str,
    total_amount: float,
    purchased_items: List[Dict[str, Any]],
    currency: str = "IDR",
) -> str:
    """
    Store receipt data in the database.

    Args:
        image_id (str): The unique identifier of the image. For example IMAGE-POSITION 0-ID 12345,
            the ID of the image is 12345.
        store_name (str): The name of the store.
        transaction_time (str): The time of purchase, in ISO format ("YYYY-MM-DDTHH:MM:SS.ssssssZ").
        total_amount (float): The total amount spent.
        purchased_items (List[Dict[str, Any]]): A list of items purchased with their prices. Each item must have:
            - name (str): The name of the item.
            - price (float): The price of the item.
            - quantity (int, optional): The quantity of the item. Defaults to 1 if not provided.
        currency (str, optional): The currency of the transaction, can be derived from the store location.
            If unsure, default is "IDR".

    Returns:
        str: A success message with the receipt ID.

    Raises:
        Exception: If the operation failed or input is invalid.
    """
    try:
        # In case of it provide full image placeholder, extract the id string
        image_id = sanitize_image_id(image_id)

        # Check if the receipt already exists
        doc = get_receipt_data_by_image_id(image_id)

        if doc:
            return f"Receipt with ID {image_id} already exists"

        # Validate transaction time
        if not isinstance(transaction_time, str):
            raise ValueError(
                "Invalid transaction time: must be a string in ISO format 'YYYY-MM-DDTHH:MM:SS.ssssssZ'"
            )
        try:
            datetime.datetime.fromisoformat(transaction_time.replace("Z", "+00:00"))
        except ValueError:
            raise ValueError(
                "Invalid transaction time format. Must be in ISO format 'YYYY-MM-DDTHH:MM:SS.ssssssZ'"
            )

        # Validate items format
        if not isinstance(purchased_items, list):
            raise ValueError(INVALID_ITEMS_FORMAT_ERR)

        for _item in purchased_items:
            if (
                not isinstance(_item, dict)
                or "name" not in _item
                or "price" not in _item
            ):
                raise ValueError(INVALID_ITEMS_FORMAT_ERR)

            if "quantity" not in _item:
                _item["quantity"] = 1

        # Create a combined text from all receipt information for better embedding
        result = GENAI_CLIENT.models.embed_content(
            model="text-embedding-004",
            contents=RECEIPT_DESC_FORMAT.format(
                store_name=store_name,
                transaction_time=transaction_time,
                total_amount=total_amount,
                currency=currency,
                purchased_items=purchased_items,
                receipt_id=image_id,
            ),
        )

        embedding = result.embeddings[0].values

        doc = {
            "receipt_id": image_id,
            "store_name": store_name,
            "transaction_time": transaction_time,
            "total_amount": total_amount,
            "currency": currency,
            "purchased_items": purchased_items,
            EMBEDDING_FIELD_NAME: Vector(embedding),
        }

        COLLECTION.add(doc)

        return f"Receipt stored successfully with ID: {image_id}"
    except Exception as e:
        raise Exception(f"Failed to store receipt: {str(e)}")


def search_receipts_by_metadata_filter(
    start_time: str,
    end_time: str,
    min_total_amount: float = -1.0,
    max_total_amount: float = -1.0,
) -> str:
    """
    Filter receipts by metadata within a specific time range and optionally by amount.

    Args:
        start_time (str): The start datetime for the filter (in ISO format, e.g. 'YYYY-MM-DDTHH:MM:SS.ssssssZ').
        end_time (str): The end datetime for the filter (in ISO format, e.g. 'YYYY-MM-DDTHH:MM:SS.ssssssZ').
        min_total_amount (float): The minimum total amount for the filter (inclusive). Defaults to -1.
        max_total_amount (float): The maximum total amount for the filter (inclusive). Defaults to -1.

    Returns:
        str: A string containing the list of receipt data matching all applied filters.

    Raises:
        Exception: If the search failed or input is invalid.
    """
    try:
        # Validate start and end times
        if not isinstance(start_time, str) or not isinstance(end_time, str):
            raise ValueError("start_time and end_time must be strings in ISO format")
        try:
            datetime.datetime.fromisoformat(start_time.replace("Z", "+00:00"))
            datetime.datetime.fromisoformat(end_time.replace("Z", "+00:00"))
        except ValueError:
            raise ValueError("start_time and end_time must be strings in ISO format")

        # Start with the base collection reference
        query = COLLECTION

        # Build the composite query by properly chaining conditions
        # Notes that this demo assume 1 user only,
        # need to refactor the query for multiple user
        filters = [
            FieldFilter("transaction_time", ">=", start_time),
            FieldFilter("transaction_time", "<=", end_time),
        ]

        # Add optional filters
        if min_total_amount != -1:
            filters.append(FieldFilter("total_amount", ">=", min_total_amount))

        if max_total_amount != -1:
            filters.append(FieldFilter("total_amount", "<=", max_total_amount))

        # Apply the filters
        composite_filter = And(filters=filters)
        query = query.where(filter=composite_filter)

        # Execute the query and collect results
        search_result_description = "Search by Metadata Results:\n"
        for doc in query.stream():
            data = doc.to_dict()
            data.pop(
                EMBEDDING_FIELD_NAME, None
            )  # Remove embedding as it's not needed for display

            search_result_description += f"\n{RECEIPT_DESC_FORMAT.format(**data)}"

        return search_result_description
    except Exception as e:
        raise Exception(f"Error filtering receipts: {str(e)}")


def search_relevant_receipts_by_natural_language_query(
    query_text: str, limit: int = 5
) -> str:
    """
    Search for receipts with content most similar to the query using vector search.
    This tool can be use for user query that is difficult to translate into metadata filters.
    Such as store name or item name which sensitive to string matching.
    Use this tool if you cannot utilize the search by metadata filter tool.

    Args:
        query_text (str): The search text (e.g., "coffee", "dinner", "groceries").
        limit (int, optional): Maximum number of results to return (default: 5).

    Returns:
        str: A string containing the list of contextually relevant receipt data.

    Raises:
        Exception: If the search failed or input is invalid.
    """
    try:
        # Generate embedding for the query text
        result = GENAI_CLIENT.models.embed_content(
            model="text-embedding-004", contents=query_text
        )
        query_embedding = result.embeddings[0].values

        # Notes that this demo assume 1 user only,
        # need to refactor the query for multiple user
        vector_query = COLLECTION.find_nearest(
            vector_field=EMBEDDING_FIELD_NAME,
            query_vector=Vector(query_embedding),
            distance_measure=DistanceMeasure.EUCLIDEAN,
            limit=limit,
        )

        # Execute the query and collect results
        search_result_description = "Search by Contextual Relevance Results:\n"
        for doc in vector_query.stream():
            data = doc.to_dict()
            data.pop(
                EMBEDDING_FIELD_NAME, None
            )  # Remove embedding as it's not needed for display
            search_result_description += f"\n{RECEIPT_DESC_FORMAT.format(**data)}"

        return search_result_description
    except Exception as e:
        raise Exception(f"Error searching receipts: {str(e)}")


def get_receipt_data_by_image_id(image_id: str) -> Dict[str, Any]:
    """
    Retrieve receipt data from the database using the image_id.

    Args:
        image_id (str): The unique identifier of the receipt image. For example, if the placeholder is
            [IMAGE-ID 12345], the ID to use is 12345.

    Returns:
        Dict[str, Any]: A dictionary containing the receipt data with the following keys:
            - receipt_id (str): The unique identifier of the receipt image.
            - store_name (str): The name of the store.
            - transaction_time (str): The time of purchase in UTC.
            - total_amount (float): The total amount spent.
            - currency (str): The currency of the transaction.
            - purchased_items (List[Dict[str, Any]]): List of items purchased with their details.
        Returns an empty dictionary if no receipt is found.
    """
    # In case of it provide full image placeholder, extract the id string
    image_id = sanitize_image_id(image_id)

    # Query the receipts collection for documents with matching receipt_id (image_id)
    # Notes that this demo assume 1 user only,
    # need to refactor the query for multiple user
    query = COLLECTION.where(filter=FieldFilter("receipt_id", "==", image_id)).limit(1)
    docs = list(query.stream())

    if not docs:
        return {}

    # Get the first matching document
    doc_data = docs[0].to_dict()
    doc_data.pop(EMBEDDING_FIELD_NAME, None)

    return doc_data

কোড ব্যাখ্যা

এই টুলস ফাংশন ইমপ্লিমেন্টেশনে আমরা এই 2টি প্রধান ধারণার চারপাশে টুল ডিজাইন করি:

  • ইমেজ আইডি স্ট্রিং প্লেসহোল্ডার [IMAGE-ID <hash-of-image-1>] ব্যবহার করে আসল ফাইলে রসিদ ডেটা এবং ম্যাপিং পার্স করুন
  • Firestore ডাটাবেস ব্যবহার করে ডেটা সংরক্ষণ এবং পুনরুদ্ধার করা

টুল "store_receipt_data"

6119e1f37f516707.png

এই টুলটি হল অপটিক্যাল ক্যারেক্টার রিকগনিশন টুল, এটি ইমেজ ডেটা থেকে প্রয়োজনীয় তথ্য পার্স করবে, একত্রে ইমেজ আইডি স্ট্রিং চিনবে এবং ফায়ারস্টোর ডাটাবেসে সংরক্ষণ করার জন্য তাদের একসাথে ম্যাপ করবে।

উপরন্তু, এই টুলটি text-embedding-004 ব্যবহার করে রসিদের বিষয়বস্তুকে এম্বেডিং-এ রূপান্তর করে যাতে সমস্ত মেটাডেটা এবং এমবেডিং একসাথে সংরক্ষিত এবং সূচীবদ্ধ হয়। ক্যোয়ারী বা প্রাসঙ্গিক অনুসন্ধান দ্বারা পুনরুদ্ধার করা নমনীয়তা সক্ষম করা।

এই টুলটি সফলভাবে চালানোর পর, আপনি দেখতে পাবেন যে ফায়ারস্টোর ডাটাবেসে প্রাপ্তির ডেটা ইতিমধ্যেই সূচীকৃত হয়েছে যেমন নীচে দেখানো হয়েছে

7b448fcde40fac5a.png

টুল "সার্চ_রসিপ্টস_বাই_মেটাডেটা_ফিল্টার"

9d51a3f12289d184.png

এই টুলটি ব্যবহারকারীর ক্যোয়ারীকে একটি মেটাডেটা ক্যোয়ারী ফিল্টারে রূপান্তর করে যা তারিখ পরিসর এবং/অথবা মোট লেনদেন দ্বারা অনুসন্ধান সমর্থন করে। এটি সমস্ত মিলে যাওয়া রসিদ ডেটা ফেরত দেবে, যেখানে প্রক্রিয়ার মধ্যে আমরা এম্বেডিং ক্ষেত্রটি ফেলে দেব কারণ প্রাসঙ্গিক বোঝার জন্য এজেন্টের প্রয়োজন নেই

টুল "সার্চ_প্রাসঙ্গিক_রসিদ_দ্বারা_প্রাকৃতিক_ভাষা_কোয়েরি"

b97d3aab9aa53bc9.png

এটি আমাদের রিট্রিভাল অগমেন্টেড জেনারেশন (RAG) টুল। ভেক্টর ডাটাবেস থেকে প্রাসঙ্গিক প্রাপ্তিগুলি পুনরুদ্ধার করতে আমাদের এজেন্টের নিজস্ব ক্যোয়ারী ডিজাইন করার ক্ষমতা রয়েছে এবং এটি কখন এই টুলটি ব্যবহার করতে হবে তাও চয়ন করতে পারে৷ এজেন্টের কাছ থেকে স্বাধীন সিদ্ধান্তের অনুমতি দেওয়ার ধারণা যে এটি এই RAG টুল ব্যবহার করবে কি না এবং তার নিজস্ব ক্যোয়ারী ডিজাইন করবে এজেন্টিক RAG পদ্ধতির একটি সংজ্ঞা।

আমরা এটিকে শুধুমাত্র তার নিজস্ব ক্যোয়ারী তৈরি করার অনুমতি দিই না, তবে এটি কতগুলি প্রাসঙ্গিক নথি পুনরুদ্ধার করতে চায় তা নির্বাচন করার অনুমতিও দিই৷ একটি সঠিক প্রম্পট ইঞ্জিনিয়ারিং সঙ্গে মিলিত, যেমন 

# Example prompt

Always filter the result from tool
search_relevant_receipts_by_natural_language_query as the returned 
result may contain irrelevant information

এটি এই টুলটিকে একটি শক্তিশালী টুল করে তুলবে যা প্রায় যেকোনো কিছু অনুসন্ধান করতে সক্ষম, যদিও এটি নিকটতম প্রতিবেশী অনুসন্ধানের অ-নির্দিষ্ট প্রকৃতির কারণে সমস্ত প্রত্যাশিত ফলাফল নাও দিতে পারে।

5. কলব্যাকের মাধ্যমে কথোপকথনের প্রসঙ্গ পরিবর্তন

Google ADK আমাদেরকে বিভিন্ন স্তরে এজেন্ট রানটাইমকে "ইন্টারসেপ্ট" করতে সক্ষম করে। আপনি এই ডকুমেন্টেশনে এই বিস্তারিত ক্ষমতা সম্পর্কে আরও পড়তে পারেন। এই ল্যাবে, আমরা দক্ষতার জন্য পুরানো কথোপকথনের ইতিহাসের প্রেক্ষাপটে (শুধুমাত্র শেষ 3 ব্যবহারকারীর ইন্টারঅ্যাকশনে চিত্র ডেটা অন্তর্ভুক্ত) LLM-এ পাঠানোর আগে অনুরোধটি সংশোধন করার জন্য before_model_callback ব্যবহার করি।

যাইহোক, আমরা এখনও চাই যে এজেন্টের কাছে ইমেজ ডেটা প্রসঙ্গ প্রয়োজনের সময় থাকুক। তাই আমরা কথোপকথনে প্রতিটি ইমেজ বাইট ডেটার পরে একটি স্ট্রিং ইমেজ আইডি প্লেসহোল্ডার যোগ করার জন্য একটি প্রক্রিয়া যোগ করি। এটি এজেন্টকে তার প্রকৃত ফাইল ডেটার সাথে ইমেজ আইডি লিঙ্ক করতে সাহায্য করবে যা ইমেজ সংরক্ষণ বা পুনরুদ্ধারের সময় উভয়ই ব্যবহার করা যেতে পারে। গঠনটি এরকম হবে 

<image-byte-data-1>
[IMAGE-ID <hash-of-image-1>]
<image-byte-data-2>
[IMAGE-ID <hash-of-image-2>]
And so on..

এবং যখন কথোপকথনের ইতিহাসে বাইট ডেটা অপ্রচলিত হয়ে উঠছে, তখনও টুল ব্যবহারের সাহায্যে ডেটা অ্যাক্সেস সক্ষম করার জন্য স্ট্রিং শনাক্তকারী এখনও আছে। ইমেজ ডেটা মুছে ফেলার পরে উদাহরণ ইতিহাস গঠন 

[IMAGE-ID <hash-of-image-1>]
[IMAGE-ID <hash-of-image-2>]
And so on..

শুরু করা যাক! expense_manager_agent ডিরেক্টরির অধীনে একটি নতুন ফাইল তৈরি করুন এবং এটির নাম callbacks.py এবং নীচের কোডটি অনুলিপি করুন 

# expense_manager_agent/callbacks.py

import hashlib
from google.genai import types
from google.adk.agents.callback_context import CallbackContext
from google.adk.models.llm_request import LlmRequest


def modify_image_data_in_history(
    callback_context: CallbackContext, llm_request: LlmRequest
) -> None:
    # The following code will modify the request sent to LLM
    # We will only keep image data in the last 3 user messages using a reverse and counter approach

    # Count how many user messages we've processed
    user_message_count = 0

    # Process the reversed list
    for content in reversed(llm_request.contents):
        # Only count for user manual query, not function call
        if (content.role == "user") and (content.parts[0].function_response is None):
            user_message_count += 1
            modified_content_parts = []

            # Check any missing image ID placeholder for any image data
            # Then remove image data from conversation history if more than 3 user messages
            for idx, part in enumerate(content.parts):
                if part.inline_data is None:
                    modified_content_parts.append(part)
                    continue

                if (
                    (idx + 1 >= len(content.parts))
                    or (content.parts[idx + 1].text is None)
                    or (not content.parts[idx + 1].text.startswith("[IMAGE-ID "))
                ):
                    # Generate hash ID for the image and add a placeholder
                    image_data = part.inline_data.data
                    hasher = hashlib.sha256(image_data)
                    image_hash_id = hasher.hexdigest()[:12]
                    placeholder = f"[IMAGE-ID {image_hash_id}]"

                    # Only keep image data in the last 3 user messages
                    if user_message_count <= 3:
                        modified_content_parts.append(part)

                    modified_content_parts.append(types.Part(text=placeholder))

                else:
                    # Only keep image data in the last 3 user messages
                    if user_message_count <= 3:
                        modified_content_parts.append(part)

            # This will modify the contents inside the llm_request
            content.parts = modified_content_parts

6. প্রম্পট

জটিল মিথস্ক্রিয়া এবং ক্ষমতা সহ একটি এজেন্ট ডিজাইন করার জন্য আমাদের এজেন্টকে গাইড করার জন্য যথেষ্ট ভাল প্রম্পট খুঁজে বের করতে হবে যাতে এটি আমরা যেভাবে চাই সেভাবে আচরণ করতে পারে।

পূর্বে আমাদের কাছে কথোপকথনের ইতিহাসে চিত্রের ডেটা কীভাবে পরিচালনা করা যায় তার একটি ব্যবস্থা ছিল, এবং এমন সরঞ্জামগুলিও ছিল যা ব্যবহার করা সহজ নাও হতে পারে, যেমন search_relevant_receipts_by_natural_language_query. আমরা চাই যে এজেন্ট আমাদের কাছে সঠিক রসিদ চিত্রটি অনুসন্ধান এবং পুনরুদ্ধার করতে সক্ষম হোক। এর অর্থ হল আমাদের এই সমস্ত তথ্য সঠিকভাবে একটি সঠিক প্রম্পট কাঠামোতে জানাতে হবে

চিন্তা প্রক্রিয়া, চূড়ান্ত প্রতিক্রিয়া এবং সংযুক্তি (যদি থাকে) পার্স করার জন্য আমরা এজেন্টকে নিম্নলিখিত মার্কডাউন ফর্ম্যাটে আউটপুট গঠন করতে বলব 

# THINKING PROCESS

Thinking process here

# FINAL RESPONSE

Response to the user here

Attachments put inside json block

{
    "attachments": [
      "[IMAGE-ID <hash-id-1>]",
      "[IMAGE-ID <hash-id-2>]",
      ...
    ]
}

এক্সপেনস ম্যানেজার এজেন্ট আচরণ সম্পর্কে আমাদের প্রাথমিক প্রত্যাশা অর্জনের জন্য নিম্নলিখিত প্রম্পট দিয়ে শুরু করা যাক। task_prompt.md ফাইলটি আমাদের বিদ্যমান ওয়ার্কিং ডিরেক্টরিতে আগে থেকেই থাকা উচিত, কিন্তু আমাদের এটিকে expense_manager_agent ডিরেক্টরির অধীনে সরাতে হবে। এটি সরাতে নিম্নলিখিত কমান্ডটি চালান 

mv task_prompt.md expense_manager_agent/task_prompt.md

7. এজেন্ট পরীক্ষা করা

এখন CLI এর মাধ্যমে এজেন্টের সাথে যোগাযোগ করার চেষ্টা করা যাক, নিম্নলিখিত কমান্ডটি চালান 

uv run adk run expense_manager_agent

এটি এইরকম আউটপুট দেখাবে, যেখানে আপনি এজেন্টের সাথে চ্যাট করতে পারেন, তবে আপনি শুধুমাত্র এই ইন্টারফেসের মাধ্যমে পাঠ্য পাঠাতে পারেন 

Log setup complete: /tmp/agents_log/agent.xxxx_xxx.log
To access latest log: tail -F /tmp/agents_log/agent.latest.log
Running agent root_agent, type exit to exit.
user: hello
[root_agent]: Hello there! How can I help you today?
user:

এখন, CLI ইন্টারঅ্যাকশনের পাশাপাশি, ADK আমাদেরকে একটি ডেভেলপমেন্ট UI থাকতে দেয় যাতে ইন্টারঅ্যাকশনের সময় কী ঘটছে তা পরিদর্শন করা যায়। স্থানীয় উন্নয়ন UI সার্ভার শুরু করতে নিম্নলিখিত কমান্ডটি চালান 

uv run adk web --port 8080

এটি নিম্নলিখিত উদাহরণের মতো আউটপুট তৈরি করবে, এর অর্থ হল আমরা ইতিমধ্যে ওয়েব ইন্টারফেস অ্যাক্সেস করতে পারি 

INFO:     Started server process [xxxx]
INFO:     Waiting for application startup.

+-----------------------------------------------------------------------------+
| ADK Web Server started                                                      |
|                                                                             |
| For local testing, access at http://localhost:8080.                         |
+-----------------------------------------------------------------------------+

INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8080 (Press CTRL+C to quit)

এখন, এটি পরীক্ষা করতে, আপনার ক্লাউড শেল এডিটরের উপরের অংশে ওয়েব প্রিভিউ বোতামে ক্লিক করুন এবং পোর্ট 8080-এ প্রিভিউ নির্বাচন করুন

e7c9f56c2463164.png

আপনি নিম্নলিখিত ওয়েব পৃষ্ঠাটি দেখতে পাবেন যেখানে আপনি উপরের বাম ড্রপ ডাউন বোতামে উপলব্ধ এজেন্ট নির্বাচন করতে পারেন (আমাদের ক্ষেত্রে এটি হওয়া উচিত expense_manager_agent ) এবং বটের সাথে ইন্টারঅ্যাক্ট করতে পারেন৷ আপনি বাম উইন্ডোতে এজেন্ট রানটাইম চলাকালীন লগ বিবরণ সম্পর্কে অনেক তথ্য দেখতে পাবেন

b0244afd8da6cc42.png

এর কিছু কর্ম চেষ্টা করা যাক! এই 2টি উদাহরণ রসিদ আপলোড করুন ( উত্স: আলিঙ্গন মুখ ডেটাসেট mousserlane/id_receipt_dataset )। প্রতিটি ছবিতে রাইট ক্লিক করুন এবং সেভ ইমেজ হিসেবে নির্বাচন করুন.. (এটি রসিদের ছবি ডাউনলোড করবে), তারপর "ক্লিপ" আইকনে ক্লিক করে ফাইলটি বটে আপলোড করুন এবং বলুন যে আপনি এই রসিদগুলো সংরক্ষণ করতে চান।

b8ee334373c6e6af.pngc83a8c58ac2eff28.png

এর পরে কিছু অনুসন্ধান বা ফাইল পুনরুদ্ধার করতে নিম্নলিখিত প্রশ্নগুলি চেষ্টা করুন

  • "2023 সালের খরচ এবং তার মোটের ব্রেকডাউন দিন"
  • "আমাকে Indomaret থেকে রসিদ ফাইল দিন"

যখন এটি কিছু সরঞ্জাম ব্যবহার করে, তখন আপনি উন্নয়ন UI এ কী ঘটছে তা পরিদর্শন করতে পারেন

bf47d0b35d5a4f28.png

এজেন্ট কীভাবে আপনাকে সাড়া দেয় তা দেখুন এবং এটি task_prompt.py-এর ভিতরে প্রম্পটে দেওয়া সমস্ত নিয়ম মেনে চলে কিনা তা দেখুন। অভিনন্দন! এখন আপনার একটি সম্পূর্ণ কর্মরত উন্নয়ন এজেন্ট আছে।

এখন সঠিক এবং সুন্দর UI এবং ইমেজ ফাইল আপলোড এবং ডাউনলোড করার ক্ষমতা সহ এটি সম্পূর্ণ করার সময়।

8. Gradio ব্যবহার করে ফ্রন্টএন্ড পরিষেবা তৈরি করুন

আমরা একটি চ্যাট ওয়েব ইন্টারফেস তৈরি করব যা দেখতে এইরকম

d029d993943b282b.png

এটি ব্যবহারকারীদের জন্য পাঠ্য পাঠাতে এবং রসিদ চিত্র ফাইল(গুলি) আপলোড করার জন্য একটি ইনপুট ক্ষেত্র সহ একটি চ্যাট ইন্টারফেস রয়েছে৷

আমরা Gradio ব্যবহার করে ফ্রন্টএন্ড পরিষেবা তৈরি করব।

নতুন ফাইল তৈরি করুন, File->New Text File-এ ক্লিক করুন এবং এটির নাম দিন frontend.py তারপর নিম্নলিখিত কোডটি অনুলিপি করুন এবং এটি সংরক্ষণ করুন 

import mimetypes
import gradio as gr
import requests
import base64
from typing import List, Dict, Any
from settings import get_settings
from PIL import Image
import io
from schema import ImageData, ChatRequest, ChatResponse


SETTINGS = get_settings()


def encode_image_to_base64_and_get_mime_type(image_path: str) -> ImageData:
    """Encode a file to base64 string and get MIME type.

    Reads an image file and returns the base64-encoded image data and its MIME type.

    Args:
        image_path: Path to the image file to encode.

    Returns:
        ImageData object containing the base64 encoded image data and its MIME type.
    """
    # Read the image file
    with open(image_path, "rb") as file:
        image_content = file.read()

    # Get the mime type
    mime_type = mimetypes.guess_type(image_path)[0]

    # Base64 encode the image
    base64_data = base64.b64encode(image_content).decode("utf-8")

    # Return as ImageData object
    return ImageData(serialized_image=base64_data, mime_type=mime_type)


def decode_base64_to_image(base64_data: str) -> Image.Image:
    """Decode a base64 string to PIL Image.

    Converts a base64-encoded image string back to a PIL Image object
    that can be displayed or processed further.

    Args:
        base64_data: Base64 encoded string of the image.

    Returns:
        PIL Image object of the decoded image.
    """
    # Decode the base64 string and convert to PIL Image
    image_data = base64.b64decode(base64_data)
    image_buffer = io.BytesIO(image_data)
    image = Image.open(image_buffer)

    return image


def get_response_from_llm_backend(
    message: Dict[str, Any],
    history: List[Dict[str, Any]],
) -> List[str | gr.Image]:
    """Send the message and history to the backend and get a response.

    Args:
        message: Dictionary containing the current message with 'text' and optional 'files' keys.
        history: List of previous message dictionaries in the conversation.

    Returns:
        List containing text response and any image attachments from the backend service.
    """
    # Extract files and convert to base64
    image_data = []
    if uploaded_files := message.get("files", []):
        for file_path in uploaded_files:
            image_data.append(encode_image_to_base64_and_get_mime_type(file_path))

    # Prepare the request payload
    payload = ChatRequest(
        text=message["text"],
        files=image_data,
        session_id="default_session",
        user_id="default_user",
    )

    # Send request to backend
    try:
        response = requests.post(SETTINGS.BACKEND_URL, json=payload.model_dump())
        response.raise_for_status()  # Raise exception for HTTP errors

        result = ChatResponse(**response.json())
        if result.error:
            return [f"Error: {result.error}"]

        chat_responses = []

        if result.thinking_process:
            chat_responses.append(
                gr.ChatMessage(
                    role="assistant",
                    content=result.thinking_process,
                    metadata={"title": "🧠 Thinking Process"},
                )
            )

        chat_responses.append(gr.ChatMessage(role="assistant", content=result.response))

        if result.attachments:
            for attachment in result.attachments:
                image_data = attachment.serialized_image
                chat_responses.append(gr.Image(decode_base64_to_image(image_data)))

        return chat_responses
    except requests.exceptions.RequestException as e:
        return [f"Error connecting to backend service: {str(e)}"]


if __name__ == "__main__":
    demo = gr.ChatInterface(
        get_response_from_llm_backend,
        title="Personal Expense Assistant",
        description="This assistant can help you to store receipts data, find receipts, and track your expenses during certain period.",
        type="messages",
        multimodal=True,
        textbox=gr.MultimodalTextbox(file_count="multiple", file_types=["image"]),
    )

    demo.launch(
        server_name="0.0.0.0",
        server_port=8080,
    )

এর পরে, আমরা নিম্নলিখিত কমান্ড দিয়ে ফ্রন্টএন্ড পরিষেবা চালানোর চেষ্টা করতে পারি। main.py ফাইলের নাম পরিবর্তন করে frontend.py করতে ভুলবেন না 

uv run frontend.py

আপনি আপনার ক্লাউড কনসোলে এটির অনুরূপ আউটপুট দেখতে পাবেন 

* Running on local URL:  http://0.0.0.0:8080

To create a public link, set `share=True` in `launch()`.

তারপরে আপনি স্থানীয় URL লিঙ্কে ctrl+ক্লিক করলে ওয়েব ইন্টারফেস চেক করতে পারবেন। বিকল্পভাবে, আপনি ক্লাউড এডিটরের উপরের ডানদিকে ওয়েব প্রিভিউ বোতামে ক্লিক করে ফ্রন্টএন্ড অ্যাপ্লিকেশনটি অ্যাক্সেস করতে পারেন এবং পোর্ট 8080-এ প্রিভিউ নির্বাচন করতে পারেন।

49cbdfdf77964065.jpeg

আপনি ওয়েব ইন্টারফেস দেখতে পাবেন, তবে ব্যাকএন্ড পরিষেবার কারণে চ্যাট জমা দেওয়ার চেষ্টা করার সময় আপনি প্রত্যাশিত ত্রুটি পাবেন যা এখনও সেট আপ করা হচ্ছে না

5caec77d95c35927.png

এখন, পরিষেবাটি চলতে দিন এবং এটিকে এখনও হত্যা করবেন না। আমরা অন্য টার্মিনাল ট্যাবে ব্যাকএন্ড পরিষেবা চালাব

কোড ব্যাখ্যা

এই ফ্রন্টএন্ড কোডে, প্রথমে আমরা ব্যবহারকারীকে পাঠ্য পাঠাতে এবং একাধিক ফাইল আপলোড করতে সক্ষম করি। Gradio আমাদেরকে gr.ChatInterface পদ্ধতির সাথে gr.MultimodalTextbox এর সাথে এই ধরনের কার্যকারিতা তৈরি করতে দেয়

এখন ফাইল এবং টেক্সট ব্যাকএন্ডে পাঠানোর আগে, ব্যাকএন্ডের প্রয়োজন অনুযায়ী ফাইলটির মাইমেটাইপ বের করতে হবে। আমাদের ইমেজ ফাইল বাইটটিকে base64-এ এনকোড করতে হবে এবং মাইমেটাইপের সাথে এটি পাঠাতে হবে। 

class ImageData(BaseModel):
    """Model for image data with hash identifier.

    Attributes:
        serialized_image: Optional Base64 encoded string of the image content.
        mime_type: MIME type of the image.
    """

    serialized_image: str
    mime_type: str

ফ্রন্টএন্ড-ব্যাকএন্ড ইন্টারঅ্যাকশনের জন্য ব্যবহৃত স্কিমা schema.py- এ সংজ্ঞায়িত করা হয়েছে। আমরা স্কিমাতে ডেটা বৈধতা প্রয়োগ করতে পাইডান্টিক বেসমডেল ব্যবহার করি

প্রতিক্রিয়া পাওয়ার সময়, আমরা ইতিমধ্যেই আলাদা করে ফেলি কোন অংশটি চিন্তা প্রক্রিয়া, চূড়ান্ত প্রতিক্রিয়া এবং সংযুক্তি। এইভাবে আমরা UI কম্পোনেন্টের সাথে প্রতিটি কম্পোনেন্ট প্রদর্শন করতে Gradio কম্পোনেন্ট ব্যবহার করতে পারি। 

class ChatResponse(BaseModel):
    """Model for a chat response.

    Attributes:
        response: The text response from the model.
        thinking_process: Optional thinking process of the model.
        attachments: List of image data to be displayed to the user.
        error: Optional error message if something went wrong.
    """

    response: str
    thinking_process: str = ""
    attachments: List[ImageData] = []
    error: Optional[str] = None

9. FastAPI ব্যবহার করে ব্যাকএন্ড পরিষেবা তৈরি করুন

এর পরে, আমাদের ব্যাকএন্ড তৈরি করতে হবে যা এজেন্ট রানটাইম কার্যকর করতে সক্ষম হওয়ার জন্য অন্যান্য উপাদানগুলির সাথে আমাদের এজেন্টকে শুরু করতে পারে।

নতুন ফাইল তৈরি করুন, File->New Text File-এ ক্লিক করুন এবং নিচের কোডটি কপি পেস্ট করুন তারপর backend.py হিসেবে সংরক্ষণ করুন 

from expense_manager_agent.agent import root_agent as expense_manager_agent
from google.adk.sessions import InMemorySessionService
from google.adk.runners import Runner
from google.adk.events import Event
from fastapi import FastAPI, Body, Depends
from typing import AsyncIterator
from types import SimpleNamespace
import uvicorn
from contextlib import asynccontextmanager
import asyncio
from utils import (
    extract_attachment_ids_and_sanitize_response,
    download_image_from_gcs,
    extract_thinking_process,
    format_user_request_to_adk_content_and_store_artifacts,
)
from schema import ImageData, ChatRequest, ChatResponse
import logger
from google.adk.artifacts import GcsArtifactService
from settings import get_settings

SETTINGS = get_settings()
APP_NAME = "expense_manager_app"


# Application state to hold service contexts
class AppContexts(SimpleNamespace):
    """A class to hold application contexts with attribute access"""

    session_service: InMemorySessionService = None
    artifact_service: GcsArtifactService = None
    expense_manager_agent_runner: Runner = None


# Initialize application state
app_contexts = AppContexts()


@asynccontextmanager
async def lifespan(app: FastAPI):
    # Initialize service contexts during application startup
    app_contexts.session_service = InMemorySessionService()
    app_contexts.artifact_service = GcsArtifactService(
        bucket_name=SETTINGS.STORAGE_BUCKET_NAME
    )
    app_contexts.expense_manager_agent_runner = Runner(
        agent=expense_manager_agent,  # The agent we want to run
        app_name=APP_NAME,  # Associates runs with our app
        session_service=app_contexts.session_service,  # Uses our session manager
        artifact_service=app_contexts.artifact_service,  # Uses our artifact manager
    )

    logger.info("Application started successfully")
    yield
    logger.info("Application shutting down")
    # Perform cleanup during application shutdown if necessary


# Helper function to get application state as a dependency
async def get_app_contexts() -> AppContexts:
    return app_contexts


# Create FastAPI app
app = FastAPI(title="Personal Expense Assistant API", lifespan=lifespan)


@app.post("/chat", response_model=ChatResponse)
async def chat(
    request: ChatRequest = Body(...),
    app_context: AppContexts = Depends(get_app_contexts),
) -> ChatResponse:
    """Process chat request and get response from the agent"""

    # Prepare the user's message in ADK format and store image artifacts
    content = await asyncio.to_thread(
        format_user_request_to_adk_content_and_store_artifacts,
        request=request,
        app_name=APP_NAME,
        artifact_service=app_context.artifact_service,
    )

    final_response_text = "Agent did not produce a final response."  # Default

    # Use the session ID from the request or default if not provided
    session_id = request.session_id
    user_id = request.user_id

    # Create session if it doesn't exist
    if not app_context.session_service.get_session(
        app_name=APP_NAME, user_id=user_id, session_id=session_id
    ):
        app_context.session_service.create_session(
            app_name=APP_NAME, user_id=user_id, session_id=session_id
        )

    try:
        # Process the message with the agent
        # Type annotation: runner.run_async returns an AsyncIterator[Event]
        events_iterator: AsyncIterator[Event] = (
            app_context.expense_manager_agent_runner.run_async(
                user_id=user_id, session_id=session_id, new_message=content
            )
        )
        async for event in events_iterator:  # event has type Event
            # Key Concept: is_final_response() marks the concluding message for the turn
            if event.is_final_response():
                if event.content and event.content.parts:
                    # Extract text from the first part
                    final_response_text = event.content.parts[0].text
                elif event.actions and event.actions.escalate:
                    # Handle potential errors/escalations
                    final_response_text = f"Agent escalated: {event.error_message or 'No specific message.'}"
                break  # Stop processing events once the final response is found

        logger.info(
            "Received final response from agent", raw_final_response=final_response_text
        )

        # Extract and process any attachments and thinking process in the response
        base64_attachments = []
        sanitized_text, attachment_ids = extract_attachment_ids_and_sanitize_response(
            final_response_text
        )
        sanitized_text, thinking_process = extract_thinking_process(sanitized_text)

        # Download images from GCS and replace hash IDs with base64 data
        for image_hash_id in attachment_ids:
            # Download image data and get MIME type
            result = await asyncio.to_thread(
                download_image_from_gcs,
                artifact_service=app_context.artifact_service,
                image_hash=image_hash_id,
                app_name=APP_NAME,
                user_id=user_id,
                session_id=session_id,
            )
            if result:
                base64_data, mime_type = result
                base64_attachments.append(
                    ImageData(serialized_image=base64_data, mime_type=mime_type)
                )

        logger.info(
            "Processed response with attachments",
            sanitized_response=sanitized_text,
            thinking_process=thinking_process,
            attachment_ids=attachment_ids,
        )

        return ChatResponse(
            response=sanitized_text,
            thinking_process=thinking_process,
            attachments=base64_attachments,
        )

    except Exception as e:
        logger.error("Error processing chat request", error_message=str(e))
        return ChatResponse(
            response="", error=f"Error in generating response: {str(e)}"
        )


# Only run the server if this file is executed directly
if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8081)

এর পরে আমরা ব্যাকএন্ড পরিষেবা চালানোর চেষ্টা করতে পারি। মনে রাখবেন যে পূর্ববর্তী ধাপে আমরা ফ্রন্টএন্ড পরিষেবাটি চালাই, এখন আমাদের নতুন টার্মিনাল খুলতে হবে এবং এই ব্যাকএন্ড পরিষেবাটি চালানোর চেষ্টা করতে হবে

  1. একটি নতুন টার্মিনাল তৈরি করুন। নীচের এলাকায় আপনার টার্মিনালে নেভিগেট করুন এবং একটি নতুন টার্মিনাল তৈরি করতে "+" বোতামটি খুঁজুন। বিকল্পভাবে আপনি নতুন টার্মিনাল খুলতে Ctrl + Shift + C করতে পারেন

3e52a362475553dc.jpeg

  1. এর পরে, নিশ্চিত করুন যে আপনি কার্যকারী ডিরেক্টরি ব্যক্তিগত-ব্যয়-সহকারীতে আছেন তারপর নিম্নলিখিত কমান্ডটি চালান 
uv run backend.py
  1. সফল হলে, এটি এই মত আউটপুট দেখাবে 
INFO:     Started server process [xxxxx]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8081 (Press CTRL+C to quit)

কোড ব্যাখ্যা

ADK এজেন্ট, সেশনসার্ভিস এবং আর্টিফ্যাক্ট সার্ভিস শুরু করা হচ্ছে

ব্যাকএন্ড পরিষেবাতে এজেন্ট চালানোর জন্য আমাদের একটি রানার তৈরি করতে হবে যা সেশনসার্ভিস এবং আমাদের এজেন্ট উভয়ই নেয়। SessionService কথোপকথনের ইতিহাস এবং অবস্থা পরিচালনা করবে, তাই যখন Runner-এর সাথে একীভূত হবে, এটি আমাদের এজেন্টকে চলমান কথোপকথনের প্রসঙ্গ প্রাপ্ত করার ক্ষমতা দেবে।

আপলোড করা ফাইলটি পরিচালনা করতে আমরা ArtifactService ব্যবহার করি। আপনি এখানে ADK সেশন এবং আর্টিফ্যাক্ট সম্পর্কে আরও বিস্তারিত পড়তে পারেন 

...

@asynccontextmanager
async def lifespan(app: FastAPI):
    # Initialize service contexts during application startup
    app_contexts.session_service = InMemorySessionService()
    app_contexts.artifact_service = GcsArtifactService(
        bucket_name=SETTINGS.STORAGE_BUCKET_NAME
    )
    app_contexts.expense_manager_agent_runner = Runner(
        agent=expense_manager_agent,  # The agent we want to run
        app_name=APP_NAME,  # Associates runs with our app
        session_service=app_contexts.session_service,  # Uses our session manager
        artifact_service=app_contexts.artifact_service,  # Uses our artifact manager
    )

    logger.info("Application started successfully")
    yield
    logger.info("Application shutting down")
    # Perform cleanup during application shutdown if necessary

...

এই ডেমোতে, আমরা আমাদের এজেন্ট রানারের সাথে একীভূত হতে InMemorySessionService এবং GcsArtifactService ব্যবহার করি। কথোপকথনের ইতিহাস মেমরিতে সংরক্ষণ করা হয়, ব্যাকএন্ড পরিষেবাটি বন্ধ বা পুনরায় চালু হলে এটি হারিয়ে যাবে। আমরা এগুলিকে ফাস্টএপিআই অ্যাপ্লিকেশন লাইফসাইকেলে /chat রুটে নির্ভরতা হিসাবে ইনজেক্ট করার জন্য শুরু করি।

GcsArtifactService এর মাধ্যমে ছবি আপলোড এবং ডাউনলোড করা হচ্ছে

সমস্ত আপলোড করা ছবি GcsArtifactService দ্বারা আর্টিফ্যাক্ট হিসাবে সংরক্ষণ করা হবে, আপনি utils.py-এর ভিতরে format_user_request_to_adk_content_and_store_artifacts ফাংশনের ভিতরে এটি পরীক্ষা করতে পারেন 

...    

# Prepare the user's message in ADK format and store image artifacts
content = await asyncio.to_thread(
    format_user_request_to_adk_content_and_store_artifacts,
    request=request,
    app_name=APP_NAME,
    artifact_service=app_context.artifact_service,
)

...

সমস্ত অনুরোধ যা এজেন্ট রানার দ্বারা প্রসেস করা হবে, সেগুলিকে প্রকারে ফর্ম্যাট করতে হবে৷ বিষয়বস্তুর প্রকার৷ ফাংশনের অভ্যন্তরে, আমরা প্রতিটি চিত্র ডেটা প্রক্রিয়া করি এবং একটি চিত্র আইডি প্লেসহোল্ডার দিয়ে প্রতিস্থাপিত করার জন্য এর আইডি বের করি।

regex ব্যবহার করে ইমেজ আইডি বের করার পর অ্যাটাচমেন্ট ডাউনলোড করার জন্য অনুরূপ পদ্ধতি ব্যবহার করা হয়: 

...
sanitized_text, attachment_ids = extract_attachment_ids_and_sanitize_response(
    final_response_text
)
sanitized_text, thinking_process = extract_thinking_process(sanitized_text)

# Download images from GCS and replace hash IDs with base64 data
for image_hash_id in attachment_ids:
    # Download image data and get MIME type
    result = await asyncio.to_thread(
        download_image_from_gcs,
        artifact_service=app_context.artifact_service,
        image_hash=image_hash_id,
        app_name=APP_NAME,
        user_id=user_id,
        session_id=session_id,
    )
...

10. ইন্টিগ্রেশন টেস্ট

এখন, বিভিন্ন ক্লাউড কনসোল ট্যাবে আপনার একাধিক পরিষেবা চালানো উচিত:

  • ফ্রন্টএন্ড পরিষেবা পোর্ট 8080 এ চালানো হয় 
* Running on local URL:  http://0.0.0.0:8080

To create a public link, set `share=True` in `launch()`.
  • ব্যাকএন্ড পরিষেবা পোর্ট 8081 এ চালানো হয় 
INFO:     Started server process [xxxxx]
INFO:     Waiting for application startup.
INFO:     Application startup complete.
INFO:     Uvicorn running on http://0.0.0.0:8081 (Press CTRL+C to quit)

বর্তমান অবস্থায়, আপনি আপনার রসিদের ছবি আপলোড করতে এবং পোর্ট 8080-এ ওয়েব অ্যাপ্লিকেশন থেকে সহকারীর সাথে নির্বিঘ্নে চ্যাট করতে সক্ষম হবেন।

আপনার ক্লাউড শেল এডিটরের উপরের অংশে ওয়েব প্রিভিউ বোতামে ক্লিক করুন এবং পোর্ট 8080-এ প্রিভিউ নির্বাচন করুন

e7c9f56c2463164.png

এখন সহকারীর সাথে কিছু মিথস্ক্রিয়া করা যাক!

নিম্নলিখিত রসিদ ডাউনলোড করুন. এই রসিদ ডেটার তারিখ পরিসীমা 2023-2024 সালের মধ্যে এবং সহকারীকে এটি সংরক্ষণ/আপলোড করতে বলুন

বিভিন্ন জিনিস জিজ্ঞাসা করুন

  • "আমাকে 2023-2024 এর মধ্যে মাসিক খরচের ব্রেকডাউন দিন"
  • "আমাকে কফি লেনদেনের রসিদ দেখাও"
  • "আমাকে ইয়াকিনিকু লাইক থেকে রসিদ ফাইল দিন"
  • ইত্যাদি

এখানে সফল মিথস্ক্রিয়া কিছু স্নিপেট আছে

f6ba4537438033b2.png

313a43d32b0901ef.png

11. ক্লাউড রানে স্থাপন করা হচ্ছে

এখন, অবশ্যই আমরা যেকোনো জায়গা থেকে এই আশ্চর্যজনক অ্যাপটি অ্যাক্সেস করতে চাই। এটি করার জন্য, আমরা এই অ্যাপ্লিকেশনটি প্যাকেজ করতে পারি এবং এটিকে ক্লাউড রানে স্থাপন করতে পারি। এই ডেমোর খাতিরে, এই পরিষেবাটিকে একটি পাবলিক সার্ভিস হিসাবে প্রকাশ করা হবে যা অন্যরা অ্যাক্সেস করতে পারে। যাইহোক, মনে রাখবেন যে এই ধরনের অ্যাপ্লিকেশনের জন্য এটি সর্বোত্তম অনুশীলন নয় কারণ এটি ব্যক্তিগত অ্যাপ্লিকেশনের জন্য আরও উপযুক্ত

6795e9abf2030334.jpeg

এই কোডল্যাবে, আমরা 1টি কন্টেইনারে ফ্রন্টএন্ড এবং ব্যাকএন্ড উভয় পরিষেবা রাখব। উভয় পরিষেবা পরিচালনা করতে আমাদের সুপারভাইজারের সাহায্যের প্রয়োজন হবে। আপনি supervisord.conf ফাইলটি পরিদর্শন করতে পারেন এবং ডকারফাইলটি পরীক্ষা করতে পারেন যা আমরা সুপারভাইজারকে এন্ট্রিপয়েন্ট হিসাবে সেট করেছি।

এই মুহুর্তে, আমাদের কাছে ইতিমধ্যেই ক্লাউড রানে আমাদের অ্যাপ্লিকেশনগুলি স্থাপন করার জন্য প্রয়োজনীয় সমস্ত ফাইল রয়েছে, আসুন এটি স্থাপন করি। ক্লাউড শেল টার্মিনালে নেভিগেট করুন এবং নিশ্চিত করুন যে বর্তমান প্রকল্পটি আপনার সক্রিয় প্রকল্পে কনফিগার করা হয়েছে, যদি না আপনি প্রকল্প আইডি সেট করতে gcloud configure কমান্ড ব্যবহার করেন: 

gcloud config set project [PROJECT_ID]

তারপরে, ক্লাউড রানে এটি স্থাপন করতে নিম্নলিখিত কমান্ডটি চালান। 

gcloud run deploy personal-expense-assistant \
                  --source . \
                  --port=8080 \
                  --allow-unauthenticated \
                  --env-vars-file=settings.yaml \
                  --memory 1024Mi \
                  --region us-central1

যদি আপনাকে ডকার রিপোজিটরির জন্য একটি আর্টিফ্যাক্ট রেজিস্ট্রি তৈরির স্বীকৃতি দেওয়ার জন্য অনুরোধ করা হয়, তবে শুধু Y উত্তর দিন। মনে রাখবেন যে আমরা এখানে অননুমোদিত অ্যাক্সেসের অনুমতি দিচ্ছি কারণ এটি একটি ডেমো অ্যাপ্লিকেশন। আপনার এন্টারপ্রাইজ এবং উত্পাদন অ্যাপ্লিকেশনের জন্য উপযুক্ত প্রমাণীকরণ ব্যবহার করার জন্য সুপারিশ করা হয়।

একবার স্থাপনা সম্পূর্ণ হলে, আপনি নীচের অনুরূপ একটি লিঙ্ক পেতে হবে:

https://personal-expense-assistant-*******.us-central1.run.app

এগিয়ে যান এবং ছদ্মবেশী উইন্ডো বা আপনার মোবাইল ডিভাইস থেকে আপনার অ্যাপ্লিকেশনটি ব্যবহার করুন৷ এটা ইতিমধ্যে লাইভ করা উচিত.

12. চ্যালেঞ্জ

এখন আপনার সময় আপনার অন্বেষণ দক্ষতাকে উজ্জ্বল করার এবং পালিশ করার। ব্যাকএন্ড একাধিক ব্যবহারকারীদের মিটমাট করতে পারে, তাই কোড পরিবর্তন করতে আপনার কি লাগে? কি উপাদান আপডেট করা প্রয়োজন?

13. পরিষ্কার করুন

এই কোডল্যাবে ব্যবহৃত সংস্থানগুলির জন্য আপনার Google ক্লাউড অ্যাকাউন্টে চার্জ এড়াতে, এই পদক্ষেপগুলি অনুসরণ করুন:

  1. Google ক্লাউড কনসোলে, সম্পদ পরিচালনা পৃষ্ঠাতে যান।
  2. প্রকল্প তালিকায়, আপনি যে প্রকল্পটি মুছতে চান সেটি নির্বাচন করুন এবং তারপরে মুছুন ক্লিক করুন।
  3. ডায়ালগে, প্রজেক্ট আইডি টাইপ করুন এবং তারপরে প্রোজেক্ট মুছে ফেলতে শাট ডাউন ক্লিক করুন।
  4. বিকল্পভাবে আপনি কনসোলে ক্লাউড রানে যেতে পারেন, আপনি যে পরিষেবাটি স্থাপন করেছেন তা নির্বাচন করুন এবং মুছুন।