১. ভূমিকা
একটি MVP-কে শুধু কোড করে তৈরি করা দ্রুত হয় — কিন্তু যত্রতত্র আরও বেশি কমান্ড দিয়ে এতে নতুন ফিচার যোগ করতে গেলেই প্রজেক্ট ভেস্তে যায়। AI-এর সাহায্যে ডেভেলপমেন্টের ক্ষেত্রে কাঠামো এবং বাস্তব জগতের প্রেক্ষাপট নিয়ে আসার জন্য আপনার একটি উপায় প্রয়োজন। এখানেই Antigravity CLI-এর আগমন — এটি একটি AI কোডিং এজেন্ট যা আপনার টার্মিনালে চলে। এটি নিজে থেকেই আপনার কোডবেস বুঝতে, কমান্ড চালাতে এবং ফাইল এডিট করতে পারে। এর আসল শক্তি নির্ভর করে আপনি এর সাথে কী যুক্ত করছেন তার উপর:
- দক্ষতা এজেন্টকে পদ্ধতিগত এবং ডোমেইন জ্ঞান প্রদান করে — একটি পদ্ধতিগত দক্ষতা কাঠামোগত উন্নয়ন কর্মপ্রবাহকে কার্যকর করে, অন্যদিকে একটি ডোমেইন দক্ষতা সঠিক API জ্ঞান প্রদান করে যাতে এজেন্ট বিভ্রান্ত না হয়।
- এমসিপি সার্ভারগুলো এজেন্টকে বাহ্যিক সিস্টেমের সাথে সরাসরি সংযোগ প্রদান করে — যার ফলে এটি পুরনো প্রশিক্ষণ জ্ঞানের উপর নির্ভর না করে আসল স্কিমা পরীক্ষা করতে, কোয়েরি চালাতে এবং প্রকৃত ডেটার সাথে নিজের কাজ যাচাই করতে পারে।
স্কিল এজেন্টের চিন্তাভাবনাকে রূপ দেয়; এমসিপি (MCP) নির্ধারণ করে এজেন্ট কী দেখতে ও কিসের সাথে ইন্টারঅ্যাক্ট করতে পারবে। এই দুটি মিলে একটি সাধারণ কোডিং এজেন্টকে এমন একটি এজেন্টে পরিণত করে, যা বাস্তব-জগতের ডেটার উপর ভিত্তি করে একটি সুসংগঠিত ওয়ার্কফ্লো অনুসরণ করে। এই কোডল্যাবটি আপনাকে প্লাগইন ইনস্টল করা থেকে শুরু করে একটি ফিচার প্রকাশ করা পর্যন্ত এই সমন্বয়ের পুরো প্রক্রিয়াটি ধাপে ধাপে দেখিয়ে দেবে।
আপনি যা তৈরি করবেন
এই কোডল্যাবের প্যাটার্নগুলো—যেমন পদ্ধতিগত দক্ষতা ও ডোমেইন জ্ঞান অর্জন, লাইভ ডেটা অ্যাক্সেসের জন্য এমসিপি (MCP) সার্ভার সংযোগ করা এবং স্পেক-চালিত ডেভেলপমেন্ট চক্র পরিচালনা করা—আপনি অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI) দিয়ে যে কোনো ফিচার তৈরি করুন না কেন, তা ভাষা, ফ্রেমওয়ার্ক বা গুগল ক্লাউড প্রোডাক্ট নির্বিশেষে প্রযোজ্য। এই প্যাটার্নগুলোকে বাস্তব রূপ দিতে, আপনি একটি নির্দিষ্ট উদাহরণের মাধ্যমে কাজ করবেন: একটি ই-কমার্স অ্যানালিটিক্স ড্যাশবোর্ডে বিগকোয়েরি (BigQuery) ইন্টিগ্রেশন যুক্ত করা।
স্টার্টার অ্যাপটি একটি FastAPI ওয়েব অ্যাপ, যা স্ট্যাটিক CSV ফাইল থেকে বিক্রয়ের ডেটা পড়ে এবং চার্ট (রাজস্বের প্রবণতা, সেরা পণ্য, অর্ডারের অবস্থার বিভাজন, ক্যাটাগরির পারফরম্যান্স) প্রদর্শন করে। সবশেষে, অ্যাপটি BigQuery থেকে লাইভ ডেটা কোয়েরি করে — এটি গুগল ক্লাউডের সার্ভারবিহীন ডেটা ওয়্যারহাউস, যা আপনাকে কোনো পরিকাঠামো পরিচালনা ছাড়াই বিশাল ডেটাসেটের উপর SQL কোয়েরি চালাতে দেয়। বিশেষভাবে, আপনি thelook_ecommerce ডেটাসেটের সাথে সংযোগ স্থাপন করেন, যার ফলে অর্ডার, পণ্য এবং গ্রাহকদের সম্পূর্ণ ক্যাটালগটি উন্মোচিত হয়, যা একটি ৫০০-সারি বিশিষ্ট CSV ফাইল সরবরাহ করতে পারে না। আপনি এই ফিচারটি সম্পূর্ণরূপে Antigravity CLI-এর মাধ্যমে তৈরি করবেন, যা আপনার দক্ষতা এবং MCP দ্বারা পরিচালিত হবে।
অ্যান্টিগ্র্যাভিটি সিএলআই-এর সাথে আমরা যে এজেন্ট কনফিগারেশনটি ব্যবহার করব তা দেখতে এইরকম হবে।
আপনি যা শিখবেন
- ক্লাউড শেলে অ্যান্টিগ্র্যাভিটি সিএলআই কীভাবে ব্যবহার করবেন — চালু করুন, টিইউআই নেভিগেট করুন এবং স্ল্যাশ কমান্ড চালান
- এজেন্টের দক্ষতা কী এবং কীভাবে ক্রমান্বয়ে তথ্য প্রকাশের ধরণ (মেটাডেটা → নির্দেশনা → রিসোর্স) প্রসঙ্গকে কার্যকর রাখে
- দক্ষতার তিনটি বিভাগ: পদ্ধতি (অতিপ্রাকৃত ক্ষমতা), কার্যকারিতা (আদিম মানুষ), এবং বিষয়ভিত্তিক জ্ঞান (গুগল/দক্ষতা)।
- MCP কী এবং Antigravity CLI-এর জন্য কীভাবে একটি রিমোট MCP সার্ভার (BigQuery MCP) কনফিগার করতে হয়
- স্পেক-চালিত উন্নয়ন চক্র কীভাবে চালাবেন: নির্দিষ্ট করুন → পরিকল্পনা করুন → বাস্তবায়ন করুন
- (ঐচ্ছিক) অ্যান্টিগ্র্যাভিটি সিএলআই-তে সাব-এজেন্টরা কীভাবে কাজ করে এবং কীভাবে তাদের পরিচালনা করতে হয়
- FastAPI অ্যাপে
google-cloud-bigqueryপাইথন ক্লায়েন্ট লাইব্রেরিটি কীভাবে ইন্টিগ্রেট করবেন - (ঐচ্ছিক) ডোমেইন স্কিল ব্যবহার করে অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI) দিয়ে ক্লাউড রান-এ অ্যাপটি কীভাবে ডেপ্লয় করবেন
পূর্বশর্ত
- একটি গুগল ক্লাউড অ্যাকাউন্ট
- পাইথন, REST API এবং টার্মিনাল কমান্ড সম্পর্কে প্রাথমিক ধারণা
২. আপনার পরিবেশ প্রস্তুত করুন
এই ধাপে স্টার্টার রিপোজিটরি ক্লোন করা হয়, আপনার গুগল ক্লাউড প্রজেক্ট কনফিগার করা হয় এবং আপনার প্রয়োজনীয় এপিআইগুলো সক্রিয় করা হয়।
ওপেন ক্লাউড শেল
আপনার ব্রাউজারে ক্লাউড শেল খুলুন। ক্লাউড শেল এই কোডল্যাবের জন্য আপনার প্রয়োজনীয় সমস্ত সরঞ্জাম সহ একটি পূর্ব-কনফিগার করা পরিবেশ প্রদান করে। অনুরোধ করা হলে অনুমোদন করুন (Authorize) বোতামে ক্লিক করুন।
এরপর টার্মিনাল খোলার জন্য " ভিউ " -> " টার্মিনাল "-এ ক্লিক করুন। আপনার ইন্টারফেসটি দেখতে এইরকম হবে।
এটাই হবে আমাদের মূল ইন্টারফেস, উপরে IDE, নিচে টার্মিনাল।
আপনার ওয়ার্কিং ডিরেক্টরি সেট আপ করুন
এই কোডল্যাবের স্টার্টার কোড ধারণকারী সহযোগী রিপোজিটরিটি ক্লোন করুন:
git clone https://github.com/alphinside/sdd-agy-bigquery-dashboard.git
cloudshell workspace sdd-agy-bigquery-dashboard && cd sdd-agy-bigquery-dashboard
এই রিপোজিটরিতে একটি সম্পূর্ণ কার্যকরী ই-কমার্স ড্যাশবোর্ড অ্যাপ রয়েছে যা স্ট্যাটিক CSV ফাইল থেকে ডেটা পড়ে। এই কোডল্যাব জুড়ে, আপনি একটি নতুন ফিচার হিসেবে BigQuery ইন্টিগ্রেশন যোগ করার জন্য Antigravity CLI ব্যবহার করবেন।
মূল ফাইল এবং ডিরেক্টরিগুলো:
-
src/main.py— ফাস্টএপিআই অ্যাপ্লিকেশন, যার এপিআই এন্ডপয়েন্টগুলো ড্যাশবোর্ডের ডেটা সরবরাহ করে। -
src/data_service.py— ডেটা লেয়ার যা পান্ডাস ব্যবহার করে CSV ফাইল থেকে ডেটা পড়ে। -
src/templates/dashboard.html— Chart.js ভিজ্যুয়ালাইজেশন সহ Jinja2 টেমপ্লেট -
data/— স্থির CSV ফাইলসমূহ (orders.csv,products.csv,order_items.csv) যেগুলিতে ই-কমার্স ডেটার একটি ক্ষুদ্র অংশ থাকে
অ্যাপটি একটি সরল, শুধুমাত্র-পঠ্য ড্যাশবোর্ড: main.py এপিআই এন্ডপয়েন্টগুলো সংজ্ঞায়িত করে, data_service.py সিএসভি ফাইল পড়ে এবং কাঠামোগত ডেটা ফেরত দেয়, এবং dashboard.html সেই ডেটা চার্ট হিসেবে রেন্ডার করে। আপনার তৈরি করা BigQuery ইন্টিগ্রেশনটি data_service.py এমন একটি মডিউল দিয়ে প্রতিস্থাপন করে, যা স্ট্যাটিক ফাইল পড়ার পরিবর্তে লাইভ ডেটা কোয়েরি করে।
টার্মিনাল কনফিগার করুন
গুগল ক্লাউড প্রজেক্ট তৈরি করুন (ঐচ্ছিক)
একটি নতুন প্রজেক্ট তৈরি করতে, আপনি ক্লাউড কনসোল UI-এর উপরের বাম দিকের প্রজেক্ট পিকার-এ ক্লিক করে New Project ক্লিক করতে পারেন।
অথবা, আরও দ্রুত কোনো পদ্ধতি চাইলে, টার্মিনালে নিম্নলিখিত কমান্ডটি চালান।
PROJECT_ID="sdd-agy-cli-$(openssl rand -hex 5)"
gcloud projects create "$PROJECT_ID"
echo $PROJECT_ID
এটি একটি র্যান্ডমাইজড প্রজেক্ট আইডি সহ একটি গুগল ক্লাউড প্রজেক্ট তৈরি করবে। কমান্ডটি তৈরি হওয়া প্রজেক্ট আইডিটি আউটপুট হিসেবে দেবে — পরবর্তীতে কনফিগারেশনের সময় এটিকে YOUR_PROJECT_ID হিসেবে ব্যবহার করুন।
টার্মিনাল সক্রিয় করা হচ্ছে
এখন, আমাদের নির্বাচিত গুগল ক্লাউড প্রজেক্টটি দিয়ে টার্মিনালটি কনফিগার করতে হবে। আপনার উপলব্ধ প্রজেক্টগুলোর তালিকা দেখতে এবং যে প্রজেক্ট আইডিটি আপনি নির্বাচন করতে চান তা খুঁজে বের করতে নিম্নলিখিত কমান্ডটি চালান।
gcloud projects list
এরকম একটি তালিকা দেখাবে, আপনার ব্যবহারের জন্য প্রজেক্ট আইডিটি মনে রাখুন বা কপি করে রাখুন।
PROJECT_ID: alvin-exploratory-2 NAME: alvin-exploratory-2 PROJECT_NUMBER: 109790610330
এখন টার্মিনাল সক্রিয় করার জন্য একটি স্ক্রিপ্ট তৈরি করতে নিম্নলিখিত কমান্ডটি চালান (অথবা আপনি এই ফাইলটি নিজেই তৈরি করতে পারেন)।
cloudshell edit configure_terminal.sh
তারপর নিচের কোডটি স্ক্রিপ্টে কপি করুন।
#!/bin/bash
gcloud config set project YOUR_PROJECT_ID
export GOOGLE_CLOUD_PROJECT=$(gcloud config get-value project)
echo $GOOGLE_CLOUD_PROJECT
YOUR_PROJECT_ID জায়গায় আপনার প্রজেক্ট আইডি বসান। আগের কমান্ডটি প্রজেক্ট আইডিটিকে একটি এনভায়রনমেন্ট ভেরিয়েবল হিসেবেও এক্সপোর্ট করে, যা পুরো কোডল্যাব জুড়ে ব্যবহার করা যাবে। এরপর ফাইলটি সেভ করে এক্সিকিউট করুন।
bash configure_terminal.sh
ক্লাউড শেল টার্মিনাল প্রম্পটে আপনার ওয়ার্কিং ডিরেক্টরির পাশে থাকা হলুদ লেখাটি দেখে প্রজেক্টটি সঠিকভাবে সেট করা হয়েছে কিনা তা যাচাই করুন। সেখানে আপনার প্রজেক্ট আইডি প্রদর্শিত হওয়া উচিত।
প্রয়োজনীয় এপিআইগুলি সক্রিয় করুন
এরপরে, আমরা BigQuery নিয়ে কাজ করব, যা আমাদের ব্যবহারের ক্ষেত্রের সাথে সম্পর্কিত। এই কোডল্যাবের জন্য প্রয়োজনীয় Google Cloud API-গুলো সক্রিয় করুন:
gcloud services enable bigquery.googleapis.com
এই এপিআইটি আমাদেরকে বিগকোয়েরি অ্যাক্সেস করতে সক্ষম করবে। এখন চলুন এই কোডল্যাব সিনারিওর জন্য আমাদের প্রাথমিক ডেটাসেট প্রস্তুত করি।
৩. BigQuery ডেটাসেট সেট আপ করুন
পরিস্থিতিটি হলো: আপনার কোম্পানির ই-কমার্স ডেটা—যেমন অর্ডার, প্রোডাক্ট এবং অর্ডার আইটেম—ইতিমধ্যেই BigQuery-তে সংরক্ষিত আছে। আপনি অর্ডার ডেটার ড্যাশবোর্ড দেখানোর জন্য একটি অ্যাপ্লিকেশন তৈরি করেছেন, কিন্তু বর্তমানে এটি শুধুমাত্র এই ডেটার একটি ছোট CSV অংশ পড়ে, যাতে আপনি প্রাথমিকভাবে ফ্রন্টএন্ডের উপর মনোযোগ দিতে পারেন। এখন, আপনি এটিকে আপগ্রেড করে সম্পূর্ণ ডেটাসেটের জন্য সরাসরি BigQuery-কে কোয়েরি করতে চান।
এটি সিমুলেট করার জন্য, আপনি TheLook E-commerce ব্যবহার করবেন — এটি গুগল দ্বারা পরিচালিত একটি পাবলিক ডেটাসেট যেখানে বাস্তবসম্মত সিন্থেটিক ই-কমার্স ডেটা (১,২৫,০০০-এর বেশি অর্ডার, ২৯,০০০-এর বেশি প্রোডাক্ট) রয়েছে। আপনি প্রাসঙ্গিক টেবিলগুলো আপনার নিজের প্রোজেক্টের BigQuery ইনস্ট্যান্সে কপি করবেন, যাতে সেগুলো 'আপনার কোম্পানির ডেটা' হিসেবে কাজ করে।
ক্লাউড শেলে আমাদের আগে থেকেই bq CLI রয়েছে, যা ব্যবহার করে আমরা সরাসরি BigQuery-এর সাথে কাজ করতে পারি, ফলে আমরা সরাসরি আমাদের ডেটা প্রস্তুত করতে পারি।
আপনার প্রোজেক্টে একটি ডেটাসেট তৈরি করুন:
bq mk --dataset $GOOGLE_CLOUD_PROJECT:thelook_ecommerce
পাবলিক ডেটাসেট থেকে তিনটি টেবিল আপনার নতুন ডেটাসেটে কপি করুন:
bq cp bigquery-public-data:thelook_ecommerce.orders $GOOGLE_CLOUD_PROJECT:thelook_ecommerce.orders
bq cp bigquery-public-data:thelook_ecommerce.order_items $GOOGLE_CLOUD_PROJECT:thelook_ecommerce.order_items
bq cp bigquery-public-data:thelook_ecommerce.products $GOOGLE_CLOUD_PROJECT:thelook_ecommerce.products
টেবিলগুলো আপনার ডেটাসেটে আছে কিনা যাচাই করুন:
bq ls $GOOGLE_CLOUD_PROJECT:thelook_ecommerce
আপনি orders , order_items এবং products - এই তিনটি টেবিল তালিকাভুক্ত দেখতে পাবেন।
tableId Type Labels Time Partitioning Clustered Fields ------------- ------- -------- ------------------- ------------------ order_items TABLE orders TABLE products TABLE
ডেটা অ্যাক্সেসযোগ্য কিনা তা নিশ্চিত করতে একটি দ্রুত টেস্ট কোয়েরি চালান:
bq query --nouse_legacy_sql \
"SELECT COUNT(*) as total_orders FROM \`$GOOGLE_CLOUD_PROJECT.thelook_ecommerce.orders\`"
+--------------+ | total_orders | +--------------+ | 125957 | +--------------+
আপনি এক লক্ষেরও বেশি অর্ডারের সংখ্যা দেখতে পাবেন।
৪. প্রাথমিক ওয়েব অ্যাপটি চালান
অ্যাপটি আপগ্রেড করার আগে, চলুন এটিকে এর বর্তমান অবস্থায় চালিয়ে দেখি CSV-চালিত ড্যাশবোর্ডটি কেমন দেখায়।
uv হলো রাস্ট (Rust) ভাষায় লেখা একটি দ্রুতগতির পাইথন প্যাকেজ এবং প্রজেক্ট ম্যানেজার ( ডকুমেন্টেশন )। এই কোডল্যাবটি গতি এবং সরলতার জন্য এটি ব্যবহার করে। আপনি যদি এই টিউটোরিয়ালের জন্য ক্লাউডশেল (cloudshell) ব্যবহার করেন, তবে এটি ইনস্ট্যান্সটিতে আগে থেকেই ইনস্টল করা থাকবে। আপনি যদি আপনার লোকাল সিস্টেমে এটি ইনস্টল করতে চান, তবে এই টিউটোরিয়ালটি দেখুন।
প্রজেক্টের নির্ভরতাগুলো ইনস্টল করুন, যা আপনার জন্য ভার্চুয়াল পরিবেশও প্রস্তুত করে দেবে:
uv sync
এরপরে, যদি আপনি পাইথনের সাথে পরিচিত হন, তাহলে python কমান্ড চালানোর পরিবর্তে আমরা প্রতিটি কমান্ড uv বাইনারি দিয়ে চালাবো। FastAPI ডেভেলপমেন্ট সার্ভারটি চালু করুন:
uv run uvicorn src.main:app --host 0.0.0.0 --port 8080
ক্লাউড শেলের ওয়েব প্রিভিউ ফিচার ব্যবহার করে আপনার ব্রাউজারে ড্যাশবোর্ডটি খুলুন। ওয়েব প্রিভিউ বোতামে (ক্লাউড শেল টুলবারে থাকা চোখের আইকন) ক্লিক করুন এবং পোর্ট ৮০৮০-তে প্রিভিউ নির্বাচন করুন।
ড্যাশবোর্ডে চারটি চার্ট প্যানেল প্রদর্শিত হয়:
- রাজস্বের প্রবণতা — CSV ডেটাতে থাকা তারিখের পরিসর জুড়ে দৈনিক রাজস্ব দেখানো একটি লাইন চার্ট।
- রাজস্ব অনুসারে শীর্ষ পণ্য — মোট বিক্রয়ের ভিত্তিতে পণ্যগুলির র্যাঙ্কিং করা একটি হরাইজন্টাল বার চার্ট
- অর্ডারের অবস্থার বিস্তারিত বিবরণ — একটি ডোনাট চার্ট যা সম্পূর্ণ, প্রেরিত, প্রক্রিয়াধীন, বাতিল এবং ফেরত আসা অর্ডারগুলোর বণ্টন দেখাচ্ছে।
- ক্যাটাগরি পারফরম্যান্স — একটি হরাইজন্টাল বার চার্ট যা পণ্যের ক্যাটাগরি অনুযায়ী রাজস্ব দেখায়
হেডারে থাকা ‘ডেটা সোর্স: CSV’ ব্যাজটি লক্ষ্য করুন। সামারি কার্ডগুলোতে ৫০০টি অর্ডার এবং প্রায় ৭৫০টি অর্ডার আইটেম থেকে গণনা করা মোট পরিমাণ দেখানো হয়েছে — যা সম্পূর্ণ TheLook ডেটাসেটের একটি ক্ষুদ্র অংশ। তারিখের পরিসর অক্টোবর–ডিসেম্বর ২০২৩ পর্যন্ত সীমাবদ্ধ।
এটি আমাদের বেসলাইন অ্যাপ, এখন আমরা অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI)-এর সাহায্যে এটিকে বিগকোয়েরি (BigQuery)-এর সাথে ইন্টিগ্রেটেড করার জন্য আপগ্রেড করব।
৫. অ্যান্টিগ্র্যাভিটি সিএলআই সেট আপ করুন
এই ধাপে অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI)-এর সাথে পরিচয় করিয়ে দেওয়া হয়েছে, টার্মিনাল ইউজার ইন্টারফেস (Terminal User Interface) ধাপে ধাপে দেখানো হয়েছে এবং আমাদের ডেভেলপমেন্ট ওয়ার্কফ্লোকে আরও উন্নত করার জন্য তিন ধরনের প্লাগইন ইনস্টল করা হয়েছে। এই প্রক্রিয়ার মধ্যে আপনি শিখবেন এজেন্ট স্কিল (agent skills) ও এমসিপি (MCP) কী এবং কীভাবে এগুলো একটি এআই কোডিং এজেন্টের (AIcoding agent) সক্ষমতা বাড়িয়ে তোলে।
অ্যান্টিগ্র্যাভিটি সিএলআই কী?
অ্যান্টিগ্র্যাভিটি সিএলআই হলো গুগলের এআই কোডিং এজেন্ট, অ্যান্টিগ্র্যাভিটির একটি টার্মিনাল-ভিত্তিক সংস্করণ। এটি গো (Go) ভাষায় নির্মিত একটি হালকা টার্মিনাল ইউজার ইন্টারফেস (TUI), যা অ্যান্টিগ্র্যাভিটি ২.০ ডেস্কটপ অ্যাপ্লিকেশনকে চালিত করা একই এজেন্ট হারনেসের সাথে সংযুক্ত হয়। এটি আপনার কোডবেস পড়ে, কমান্ড চালায়, ফাইল সম্পাদনা করে এবং এমসিপি (MCP)-এর মাধ্যমে বাহ্যিক টুলের সাথে সংযোগ স্থাপন করে—এই সবকিছুই টার্মিনাল থেকে করা যায়।
আপনি যদি এই টিউটোরিয়ালের জন্য ক্লাউড শেল ব্যবহার করেন, তাহলে এতে অ্যান্টিগ্র্যাভিটি সিএলআই আগে থেকেই ইনস্টল করা থাকে। আপনি নিম্নলিখিত কমান্ডটি চালিয়ে তা পরীক্ষা করতে পারেন।
agy --help
এটি নিম্নলিখিত কমান্ড অপশনগুলির বিবরণ দেখাবে।
Usage of agy: --add-dir Add a directory to the workspace (repeatable) (default []) -c Short alias for --continue --continue Continue the most recent conversation --conversation Resume a previous conversation by ID --dangerously-skip-permissions Auto-approve all tool permission requests without prompting -i Short alias for --prompt-interactive --log-file Override CLI log file path --model Model for the current CLI session --new-project Create a new project for this session -p Short alias for --print --print Run a single prompt non-interactively and print the response --print-timeout Timeout for print mode wait (default 5m0s) --project Project ID for the current CLI session --prompt Alias for --print --prompt-interactive Run an initial prompt interactively and continue the session --sandbox Run in a sandbox with terminal restrictions enabled Available subcommands: changelog Show changelog and release notes help Show help for subcommands install Configure environment paths and shell settings models List available models plugin Manage plugins (install, uninstall, list, enable, disable) plugins Alias for plugin update Update CLI
অ্যান্টিগ্র্যাভিটি সিএলআই চালু করুন
এখন, আপনি যদি প্রথমবারের মতো Antigravity CLI ব্যবহার করেন, তবে এটি সেট আপ করতে হবে। আপনার নতুন টার্মিনাল ট্যাবে, এটি চালু করুন।
agy
আপনি যদি এটি প্রথমবার চালান, তাহলে এটি আপনাকে প্রমাণীকরণ পদ্ধতি নির্বাচন করতে বলবে।
এই টিউটোরিয়ালের জন্য, চলুন Google OAuth ব্যবহার করি। এটি আপনাকে একটি URL খুলতে বলবে, যেখানে লগইন করার জন্য আপনার Google অ্যাকাউন্টটি বেছে নিতে বলা হবে।
প্রমাণীকরণে ক্লিক করার পর, গুগল অ্যাকাউন্টটি নির্বাচন করুন এবং Sign In ক্লিক করুন।
এটি আপনাকে কপি করার জন্য একটি স্ট্রিং দেখাবে, সেটি কপি করতে Copy to Clipboard ক্লিক করুন।
তারপর নিচে দেখানো অনুযায়ী এটি Antigravity CLI প্রম্পটে পেস্ট করুন।
এরপরে, আপনাকে একটি রঙের থিম নির্বাচন করতে এবং ব্যবহারের শর্তাবলীতে সম্মত হতে বলা হবে।
আপনাকে বর্তমান ওয়ার্কস্পেস ডিরেক্টরিটি বিশ্বাস করতেও বলা হবে, শুধু এটি গ্রহণ করুন এবং আমরা চালিয়ে যাওয়ার জন্য প্রস্তুত। টার্মিনালে অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI)-এর সাথে আমাদের যোগাযোগের জন্য এটিই হবে প্রধান এন্ট্রি।
আপাতত, চলুন Antigravity CLI থেকে বেরিয়ে পরবর্তী বিভাগে যাই।
৬. কাস্টমাইজেশন - এজেন্টের দক্ষতা
ইনস্টল করার সাথে সাথেই, Antigravity CLI আপনার কোডবেস পড়তে, শেল কমান্ড চালাতে এবং ফাইল সম্পাদনা করতে পারে — তবে এর একটি সীমিত বিল্ট-ইন স্পেক-ড্রাইভেন ডেভেলপমেন্ট ওয়ার্কফ্লো রয়েছে, এবং নির্দিষ্ট API সম্পর্কে এর জ্ঞান কেবল এর ট্রেনিং ডেটাতে যা ছিল তার মধ্যেই সীমাবদ্ধ। একটি বিদ্যমান অ্যাপে BigQuery ইন্টিগ্রেট করার মতো কাজের ক্ষেত্রে দুটি ঘাটতি দেখা যায়:
- প্রক্রিয়াগত ত্রুটি — কাঠামো ছাড়া, অ্যান্টিগ্র্যাভিটি সিএলআই সরাসরি কোড লেখা শুরু করে দিতে পারে। ছোটখাটো সংশোধনের জন্য এটা ঠিক আছে। কিন্তু এমন কোনো ফিচারের ক্ষেত্রে যা একাধিক ফাইল এবং এন্ডপয়েন্টকে প্রভাবিত করে, তার ফলে অসামঞ্জস্যপূর্ণ ইমপ্লিমেন্টেশন, বাদ পড়া এজ কেস এবং কী সিদ্ধান্ত নেওয়া হয়েছে বা কেন নেওয়া হয়েছে তার কোনো ডকুমেন্টেশন থাকে না।
- জ্ঞানের ঘাটতি — মডেল প্রশিক্ষণের ডেটাতে পুরোনো BigQuery ক্লায়েন্ট লাইব্রেরির প্যাটার্ন, অপ্রচলিত API কল, বা ভুল টেবিল স্কিমা অন্তর্ভুক্ত থাকতে পারে। প্রকৃত ডেটাসেটটি এই মুহূর্তে কেমন দেখতে, তা যাচাই করার কোনো উপায় নেই।
দক্ষতাগুলো প্রক্রিয়াগত ব্যবধান পূরণ করে। superpowers মতো একটি ডেভেলপমেন্ট মেথডোলজি দক্ষতা একটি নির্দিষ্টকরণ-পরিকল্পনা-বাস্তবায়ন চক্রকে কার্যকর করে — আপনি স্পেক অনুমোদন না করা পর্যন্ত এজেন্ট কোড লিখবে না। বিগকোয়েরি-বেসিকসের মতো একটি ডোমেইন দক্ষতা গুগল-পরিচালিত সাম্প্রতিক এপিআই ডকুমেন্টেশন সরবরাহ করে, ফলে এজেন্ট সঠিক ক্লায়েন্ট লাইব্রেরি প্যাটার্ন ব্যবহার করে।
এমসিপি সার্ভারগুলো রানটাইমে জ্ঞানের ঘাটতি পূরণ করে। বিগকোয়েরি এমসিপি এজেন্টকে আপনার আসল ডেটাসেটের সাথে একটি লাইভ সংযোগ দেয় — এটি টেবিলের তালিকা করতে, কলামের ধরন পরীক্ষা করতে এবং নমুনা কোয়েরি চালাতে পারে। এজেন্টটি অনুমানের উপর ভিত্তি করে নয়, বরং আসল স্কিমা ডেটার উপর ভিত্তি করে কাজ করে।
চলুন এই দুটি সম্পর্কে আরও গভীরভাবে জেনে নিই।
এজেন্টের দক্ষতা
এজেন্ট স্কিলস হলো বিশেষায়িত জ্ঞান এবং ওয়ার্কফ্লো ব্যবহার করে এআই এজেন্টের সক্ষমতা বাড়ানোর জন্য একটি হালকা ও উন্মুক্ত ফরম্যাট। প্রতিটি স্কিল হলো একটি পোর্টেবল, ভার্সন-কন্ট্রোলড ডিরেক্টরি, যার মধ্যে একটি SKILL.md ফাইল থাকে — এটি একটি মেশিন-পঠনযোগ্য চুক্তি যা নির্ধারণ করে দেয় এজেন্ট কীভাবে একটি নির্দিষ্ট কাজ সম্পন্ন করবে।
একটি দক্ষতা নির্দেশিকা দেখতে এইরকম:
skills/<skill-name>/ ├── SKILL.md # Required: YAML frontmatter + workflow instructions ├── scripts/ # Optional: helper scripts ├── references/ # Optional: reference implementations ├── assets/ # Optional: templates or assets └── ... # Any additional files or directories
মূলত, একটি স্কিল হলো এমন একটি ফোল্ডার যার মধ্যে একটি SKILL.md ফাইল থাকে। এই ফাইলে মেটাডেটা (ন্যূনতম নাম এবং বিবরণ) এবং নির্দেশাবলী থাকে, যা একজন এজেন্টকে একটি নির্দিষ্ট কাজ কীভাবে সম্পাদন করতে হবে তা বলে দেয়। স্কিলের সাথে স্ক্রিপ্ট, রেফারেন্স সামগ্রী, টেমপ্লেট এবং অন্যান্য রিসোর্সও যুক্ত থাকতে পারে।
এই কোডল্যাবে পরবর্তীতে আপনি যে bigquery-basics স্কিলটি ব্যবহার করবেন, তার SKILL.md ফাইলটি এখানে দেওয়া হলো:
--- name: bigquery-basics metadata: category: BigDataAndAnalytics description: >- Manages datasets, tables, and jobs in BigQuery. Use when you need to interact with BigQuery, run SQL queries, manage BigQuery resources (datasets, tables, views), or perform basic data ingestion and analysis. --- # BigQuery Basics [Detailed instructions about BigQuery APIs, SQL patterns, client library usage, data ingestion patterns, etc.]
YAML ফ্রন্টম্যাটার (নাম + বিবরণ + মেটাডেটা) হলো সেই অংশ যা Antigravity CLI চালু হওয়ার সময় লোড করে — এটি এক ধরনের হালকা মেটাডেটা। --- এর নিচের মার্কডাউন বডিটি হলো সম্পূর্ণ নির্দেশাবলী সেট, যা শুধুমাত্র তখনই লোড হয় যখন Antigravity কোনো BigQuery-সম্পর্কিত কাজ শনাক্ত করে।
প্রগতিশীল প্রকাশ
দক্ষতাগুলো একটি ত্রি-স্তরীয় প্রগতিশীল প্রকাশ পদ্ধতি ব্যবহার করে যা প্রসঙ্গ পরিসরের পরিপূর্ণতা রোধ করে:
- স্তর ১ (আবিষ্কার): চালু হওয়ার সময়, অ্যান্টিগ্র্যাভিটি প্রতিটি ইনস্টল করা স্কিলের শুধুমাত্র YAML মেটাডেটা পড়ে। এটি শুধু জানে যে স্কিলটির অস্তিত্ব আছে — এর বেশি কিছু নয়।
- স্তর ২ (সক্রিয়করণ): যখন আপনার কাজটি কোনো দক্ষতার বিবরণের সাথে মিলে যায়, তখন AGY সম্পূর্ণ
SKILL.mdফাইলটিকে তার সক্রিয় প্রেক্ষাপটে পড়ে নেয়। এখন এটি জানে যে তাকে কী করতে হবে । - স্তর ৩ (কার্য সম্পাদন): প্রয়োজন অনুযায়ী, অ্যান্টিগ্র্যাভিটি স্কিলটির স্ক্রিপ্ট, উদাহরণ, বা রিসোর্স অ্যাক্সেস করে। এটি এখন জানে কাজটি কীভাবে করতে হয় ।
শুধুমাত্র প্রাসঙ্গিক জ্ঞানই সঠিক সময়ে লোড করা হয়। উদাহরণস্বরূপ, আপনি যখন একটি BigQuery কোয়েরি নিয়ে কাজ করছেন, তখন Cloud Run ডেপ্লয়মেন্টের জন্য একটি দক্ষতা আপনার কনটেক্সট ব্যবহার করে না।
দক্ষতার তিনটি বিভাগ
এজেন্টদের বিভিন্ন ধরনের দক্ষতা রয়েছে। এই কোডল্যাবে, আমরা তিনটি দক্ষতা ব্যবহার করব, যার প্রতিটি দক্ষতার একটি ভিন্ন বিভাগকে প্রতিনিধিত্ব করে:
বিভাগ | দক্ষতা | উদ্দেশ্য |
ডোমেইন জ্ঞান | গুগল/দক্ষতা | এজেন্ট নির্দিষ্ট প্রযুক্তি সম্পর্কে যা জানে |
পদ্ধতি | ওব্রা/সুপারপাওয়ার | কীভাবে ডেভেলপ করতে হয় — স্পেক-ড্রাইভেন ডেভেলপমেন্ট, পরিকল্পনা এবং টেস্টিংকে জোরদার করে। |
দক্ষতা | জুলিয়াসব্রুসি/গুহামানব | টোকেনগুলি কতটা দক্ষতার সাথে ব্যবহার করবেন |
google/skills গুগল প্রোডাক্টের জন্য গুগল কর্তৃক পরিচালিত ফার্স্ট-পার্টি এজেন্ট স্কিল প্রদান করে। উদাহরণস্বরূপ, এটি এজেন্টকে BigQuery API, Cloud Run ডেপ্লয়মেন্ট প্যাটার্ন এবং অন্যান্য পরিষেবা সম্পর্কে সঠিক ও হালনাগাদ জ্ঞান দেয়। ডোমেইন স্কিল ছাড়া, এজেন্ট এমন ট্রেনিং ডেটার উপর নির্ভর করে যা পুরোনো বা অসম্পূর্ণ হতে পারে — ডোমেইন স্কিল অনুমানের পরিবর্তে বর্তমান ডকুমেন্টেশন প্রদান করে।
obra/superpowers হলো স্পেক-ড্রাইভেন ডেভেলপমেন্ট (SDD) ওয়ার্কফ্লো-এর একটি নিজস্ব মতামত-নির্ভর বাস্তবায়ন। একটি SDD ফ্রেমওয়ার্ক ছাড়া, আপনি যখন কোনো ফিচারের বর্ণনা দেন, এজেন্টরা সরাসরি কোড লেখা শুরু করে দেয় — যা ছোটখাটো সংশোধনের জন্য কাজ করলেও, এর চেয়ে বড় কোনো কিছুর ক্ষেত্রে অসামঞ্জস্যপূর্ণ এবং রক্ষণাবেক্ষণে কঠিন ফলাফল তৈরি করে। SDD একটি কাঠামোগত চক্রকে বাধ্যতামূলক করে: প্রয়োজনীয়তা স্পষ্ট করা → একটি স্পেসিফিকেশন লেখা → একটি পরিকল্পনা তৈরি করা → স্পেসিফিকেশন অনুযায়ী বাস্তবায়ন করা। প্রতিটি পর্যায় একটি পর্যালোচনাযোগ্য আর্টিফ্যাক্ট তৈরি করে। আপনি স্পেসিফিকেশন অনুমোদন না করা পর্যন্ত এজেন্ট কোডিং শুরু করবে না। অন্যান্য SDD ফ্রেমওয়ার্কও রয়েছে — যেমন spec-kit , agent-skills এবং আরও অনেক — যাদের প্রত্যেকেরই স্পেসিফাই-প্ল্যান-ইমপ্লিমেন্ট চক্র সম্পর্কে ভিন্ন ভিন্ন মতামত রয়েছে। এই কোডল্যাবটি একটি বাস্তব উদাহরণ হিসেবে superpowers ব্যবহার করেছে; এর অন্তর্নিহিত নীতি (কোড লেখার আগে স্পেসিফিকেশন ও পরিকল্পনা করা) আপনি যে ফ্রেমওয়ার্কই বেছে নিন না কেন, প্রযোজ্য হবে।
JuliusBrussee/caveman এজেন্টের আউটপুট ৭৫% পর্যন্ত সংকুচিত করে। এটি অপ্রয়োজনীয় শব্দ, সৌজন্যমূলক কথাবার্তা এবং বিশদ ব্যাখ্যা বাদ দিয়ে সমস্ত প্রযুক্তিগত বিষয়বস্তু অক্ষুণ্ণ রাখে। প্রতি উত্তরে কম টোকেন ব্যবহারের ফলে প্রতি সেশনে আরও ফলপ্রসূ আদান-প্রদান এবং দ্রুততর উত্তর পাওয়া যায়। এটি /caveman দিয়ে অথবা এজেন্টকে দক্ষতার সাথে কথা বলার নির্দেশ দিয়ে সক্রিয় করুন। নিরাপত্তা সংক্রান্ত সতর্কতা এবং অপরিবর্তনীয় কার্যকলাপের ক্ষেত্রে এটি স্বয়ংক্রিয়ভাবে নিষ্ক্রিয় হয়ে যায়।
এজেন্ট দক্ষতা ইনস্টলেশন
অফিসিয়াল গুগল স্কিলস ইনস্টলেশন
প্রথমে, আমরা যে প্রয়োজনীয় গুগল স্কিলগুলো ব্যবহার করব, সেগুলো ইনস্টল করে নিই। এই টিউটোরিয়ালে আমরা প্রধানত Bigquery এবং Cloud Run টেকনোলজি স্ট্যাক নিয়ে কাজ করব। তাই চলুন এই স্কিলগুলো ইনস্টল করে নিই। এটি ইনস্টল করার জন্য আমরা npx skills কমান্ড ব্যবহার করব।
npx skills add google/skills
এটি একটি ইন্টারেক্টিভ টার্মিনাল UI খুলবে, এখানে অনেক স্কিল রয়েছে। এই কোডল্যাবের জন্য আপনার প্রয়োজনীয় স্কিলগুলো বেছে নিতে অ্যারো কী এবং স্পেস বার ব্যবহার করুন।
bigquery-basics এবং cloud-run-basics খুঁজে বের করুন এবং সেগুলোকে নির্বাচন করতে স্পেস চাপুন। বক্সটি নিচের ছবির মতো গাঢ়-ধূসর হয়ে যাবে।
তারপর, নির্বাচিত এজেন্টগুলোর ক্ষেত্রে, নির্বাচন এড়িয়ে যেতে শুধু এন্টার চাপুন, কারণ অ্যান্টিগ্র্যাভিটি সিএলআই ডিফল্টরূপে আগে থেকেই অন্তর্ভুক্ত থাকে।
এবং চলুন প্রজেক্ট ইনস্টলেশন স্কোপ নির্বাচন করি, এটি আমাদের ওয়ার্কিং ডিরেক্টরির .agents ডিরেক্টরির অধীনে স্কিলগুলো ইনস্টল করবে।
সবশেষে, ইনস্টলেশন শেষ করতে 'হ্যাঁ' উত্তর দেওয়ার জন্য এন্টার চাপুন। আপনার যদি অনেকগুলো স্কিল কনফিগার করা থাকে, তবে ঐচ্ছিকভাবে আপনি find-skills স্কিলটি ইনস্টল করার জন্যও 'হ্যাঁ' উত্তর দিতে পারেন।
প্লাগইন হিসেবে তৃতীয় পক্ষের দক্ষতা ইনস্টলেশন
এরপরে, আমরা obra/superpowers এবং JuliusBrussee/caveman স্কিলগুলো ইনস্টল করব। এই স্কিলগুলো Antigravity CLI প্লাগইন হিসেবে ইনস্টল করা যায়, তাই আমরা এই কমান্ডগুলো ব্যবহার করে সেগুলো ইনস্টল করতে পারি।
agy plugin install https://github.com/obra/superpowers
agy plugin install https://github.com/JuliusBrussee/caveman
তারপর, আমরা নিম্নলিখিত কমান্ডটি ব্যবহার করে ইনস্টলেশনটি যাচাই করতে পারি।
agy plugin list
এটি এই আউটপুটগুলো দেখাবে
{
"imports": [
{
"name": "superpowers",
"source": "gemini-cli",
"importedAt": "2026-07-06T01:50:36Z",
"components": [
"skills",
"hooks"
]
},
{
"name": "caveman",
"source": "gemini-cli",
"importedAt": "2026-07-06T01:50:37Z",
"components": [
"skills",
"agents",
"commands"
]
}
]
}
এর মাধ্যমে আমাদের দক্ষতার বিন্যাস চূড়ান্ত হলো। এবার পরেরটিতে যাওয়া যাক।
৭. কাস্টমাইজেশন - এমসিপি টুলস
এমসিপি (মডেল কনটেক্সট প্রোটোকল) হলো একটি উন্মুক্ত প্রোটোকল যা এআই এজেন্টরা কীভাবে বাহ্যিক টুলগুলো খুঁজে বের করে এবং সেগুলোর সাথে মিথস্ক্রিয়া করে, তার একটি মান নির্ধারণ করে। এটি একটি ক্লায়েন্ট-সার্ভার মডেল সংজ্ঞায়িত করে: এজেন্ট একটি এমসিপি ক্লায়েন্ট হোস্ট করে এবং এমসিপি সার্ভারগুলোর মাধ্যমে টুলগুলো উন্মুক্ত করা হয়। যেকোনো এমসিপি-উপযোগী ক্লায়েন্ট যেকোনো এমসিপি-উপযোগী সার্ভার ব্যবহার করতে পারে — প্রতিটি টুলের জন্য এজেন্টের আলাদা ইন্টিগ্রেশন কোডের প্রয়োজন হয় না।
এমসিপি একটি ক্লায়েন্ট-সার্ভার আর্কিটেকচার ব্যবহার করে:
- হোস্ট — যে অ্যাপ্লিকেশনে এআই মডেলটি থাকে (এই ক্ষেত্রে অ্যান্টিগ্র্যাভিটি সিএলআই)
- ক্লায়েন্ট — হোস্টের অভ্যন্তরের একটি উপাদান যা MCP যোগাযোগ পরিচালনা করে (অ্যান্টিগ্র্যাভিটি CLI-তে অন্তর্নির্মিত)
- সার্ভার — একটি হালকা প্রোগ্রাম যা এআই-এর কাছে বিভিন্ন সক্ষমতা উন্মুক্ত করে (আমাদের ক্ষেত্রে, আমরা গুগল ক্লাউড পরিচালিত বিগকোয়েরি এমসিপি সার্ভার ব্যবহার করব)
এই কোডল্যাবের পরবর্তী অংশে যখন Antigravity CLI, SDD ওয়ার্কফ্লোটি চালায়, তখন BigQuery ডেটাসেট স্কিমা—যেমন টেবিলের নাম, কলামের ধরন এবং সম্পর্ক—সম্পর্কে এর সঠিক জ্ঞান প্রয়োজন হয়। BigQuery MCP, Antigravity CLI-কে সরাসরি লাইভ স্কিমা পরীক্ষা করার সুযোগ দেয়। এর ফলে এমন স্পেসিফিকেশন ও কোড তৈরি হয়, যা কাল্পনিক নয়, বরং আসল টেবিল ও কলামকে রেফারেন্স করে।
BigQuery পরিচালিত MCP কনফিগারেশন
গুগল তার গুগল ক্লাউড পরিকাঠামোতে একটি পরিচালিত BigQuery MCP সার্ভার হোস্ট করে — কোনো স্থানীয় সেটআপের প্রয়োজন নেই ( এই ডকুমেন্টেশনে আপনি অন্যান্য সমর্থিত গুগল ক্লাউড পণ্যগুলো দেখতে পারেন)। আপনার প্রজেক্ট ডিরেক্টরিতে MCP কনফিগারেশন ফাইল তৈরি করে এটির সাথে সংযোগ করার জন্য Antigravity CLI কনফিগার করুন:
mkdir -p .agents
cat > .agents/mcp_config.json << EOF
{
"mcpServers": {
"bigquery": {
"serverUrl": "https://bigquery.googleapis.com/mcp",
"transport": "http",
"authProviderType": "google_credentials"
}
}
}
EOF
এই কনফিগারেশনটি AGY-কে জানায়:
- BigQuery MCP সার্ভার (
serverUrl) কোথায় পাবেন - প্রমাণীকরণের জন্য গুগল ক্রেডেনশিয়াল ব্যবহার করতে (
authProviderType)
কনফিগারেশনটি ওয়ার্কস্পেস লেভেলে থাকে ( .agents/mcp_config.json )
আমরা Antigravity CLI-এর ভেতর থেকে কনফিগারেশনটি যাচাই করতে পারি, চলুন প্রথমে এটি রান করি।
agy
এরপর, /mcp স্ল্যাশ কমান্ডটি চালিয়ে কনফিগারেশনটি যাচাই করুন।
/mcp
এটা এইরকম কিছু দেখাবে
এরপর, স্ল্যাশ কমান্ডের ইন্টারঅ্যাকশন থেকে বেরিয়ে আসতে Esc চাপুন।
আপাতত অ্যান্টিগ্র্যাভিটি সিএলআই থেকে বের হন (দুইবার Ctrl+D চাপুন)।
৮. স্পেক-ড্রাইভেন ডেভেলপমেন্টের মাধ্যমে ফিচার ডেভেলপমেন্ট
স্কিল/প্লাগইন ইনস্টল করা এবং BigQuery MCP সংযুক্ত হয়ে গেলে, আপনি এখন BigQuery ইন্টিগ্রেশন ফিচারটি আনুষ্ঠানিকভাবে স্পেসিফাই করার জন্য স্পেক-ড্রাইভেন ডেভেলপমেন্ট ওয়ার্কফ্লো ব্যবহার করতে পারেন। এই ধাপেই " কোড করার আগে স্পেসিফাই করা " নীতিটি বাস্তব রূপ লাভ করে।
নিশ্চিত করুন যে আপনি Antigravity CLI-তে প্রবেশ করেছেন এবং এই ডেমোর জন্য আমরা এই ফ্ল্যাগটির মাধ্যমে সমস্ত টুল এক্সিকিউশনের অনুমতি দেব।
agy --dangerously-skip-permissions
গুহামানব মোড সক্রিয় করুন
SDD চক্র শুরু করার আগে, বহু-ধাপের কর্মপ্রবাহ জুড়ে টোকেনের ব্যবহার কার্যকর রাখতে কেভম্যান মোড সক্রিয় করুন:
/caveman:caveman
অ্যান্টিগ্র্যাভিটি সিএলআই-এর প্রতিক্রিয়াগুলো সংক্ষিপ্ত হয়ে যায় — এতে অপ্রয়োজনীয় শব্দ ও সৌজন্যমূলক কথাবার্তা বাদ দেওয়া হয় এবং সমস্ত প্রযুক্তিগত বিষয়বস্তু অক্ষুণ্ণ থাকে। প্রতি বিনিময়ে কম টোকেন ব্যবহারের ফলে একই কোটার মধ্যে আরও ফলপ্রসূ কথোপকথন সম্ভব হয়।
এসডিডি স্পেসিফিকেশন শুরু করুন
ফিচার অনুরোধ সহ অ্যান্টিগ্র্যাভিটি সিএলআই-কে প্রম্পট করুন:
I want to add a BigQuery integration feature to this e-commerce dashboard app. Currently it reads
from CSV files in the data/ directory. I want to replace the CSV reads with live queries
against the thelook_ecommerce dataset in my BigQuery project using the
google-cloud-bigquery Python client library.
The dashboard should show the same panels (revenue trend, top products, order status,
category performance) but with the full dataset instead of the 500-row CSV subset.
Follow spec-driven-development for development workflow, ensure spec and plan docs created following the superpowers standard in current working directory; also use Bigquery MCP to figure out the data schema.
যখন এটি একটি ফিচার-স্তরের অনুরোধ শনাক্ত করে, তখন সুপারপাওয়ার স্কিলটি স্বয়ংক্রিয়ভাবে সক্রিয় হয়। AGY সরাসরি কোডে না গিয়ে SDD চক্রে প্রবেশ করে।
Antigravity CLI বর্তমান প্রজেক্টটি বোঝার এবং প্রয়োজনীয় তথ্য সংগ্রহ করার প্রক্রিয়া শুরু করবে। আপনি দেখবেন এটি নিচে দেখানো ListDir এবং Read মতো কমান্ডগুলো কার্যকর করছে।
এবং এটি ডেটাসেটের স্কিমা খুঁজে বের করার জন্য আমাদের পূর্বে সেটআপ করা BigQuery MCP কানেকশনটিও ব্যবহার করবে।
এটি নিশ্চিত করবে যে ডেভেলপমেন্ট শুরু করার আগে অ্যান্টিগ্র্যাভিটি সিএলআই-এর সঠিক কনটেক্সট রয়েছে।
প্রয়োজনীয়তা স্পষ্টীকরণ
অ্যান্টিগ্র্যাভিটি সিএলআই ফিচার স্কোপ সম্পর্কে সুনির্দিষ্ট প্রশ্ন জিজ্ঞাসা করতে পারে। সাধারণ প্রশ্নগুলোর মধ্যে রয়েছে:
- প্রজেক্ট আইডি কীভাবে কনফিগার করা উচিত?
- রেভিনিউ ট্রেন্ড চার্টটি কীভাবে একত্রিত ও প্রদর্শন করা উচিত?
- ইন্টিগ্রেশনের পদ্ধতি কী হওয়া উচিত? ডাইরেক্ট SQL বনাম লোকাল Pandas
এজেন্টের সুপারিশ অনুসরণ করে আপনি এই প্রশ্নগুলোর উত্তর দিতে পারেন।
স্পেসিফিকেশন পর্যালোচনা করুন
স্পষ্টীকরণের পর, এটি একটি আনুষ্ঠানিক স্পেসিফিকেশন ডকুমেন্ট তৈরি করবে। যদি এটি নির্দেশাবলী সঠিকভাবে অনুসরণ করে, তবে এটি obra/superpowers স্কিল কনভেনশন অনুসরণ করবে, যেখানে এটি নীচে দেখানো অনুযায়ী docs/superpowers/specs ডিরেক্টরির অধীনে স্পেসিফিকেশন ডকুমেন্ট তৈরি করবে।
স্পেসিফিকেশন ডকুমেন্টটি দেখতে এইরকম হবে
# BigQuery Integration Design Specification ## Overview This document specifies ... ## Architecture The application currently reads ... ## Data Schema & Sources All tables reside in the BigQuery ... ...
এটি পর্যালোচনা করার পর, আমাদের স্পেসিফিকেশনগুলো নিশ্চিত করতে হবে যাতে এটি পরিকল্পনা পর্যায়ে যেতে পারে।
proceed with the specs
পরিকল্পনা পর্যায় এবং উপ-এজেন্টদের কার্য সম্পাদন
আপনি স্পেসিফিকেশনটি অনুমোদন করার পর, Antigravity CLI সেটিকে একটি বাস্তবায়ন পরিকল্পনায় বিভক্ত করবে, যা docs/superpowers/plans ডিরেক্টরিতে লেখা হবে।
পরিকল্পনা নথিতে নিচের উদাহরণের মতো বেশ কিছু বিষয় তালিকাভুক্ত থাকবে:
- পরিবর্তন করার জন্য ফাইল
- তৈরি/আপডেট করার জন্য ফাইল
- নির্ভরশীলতার পরিবর্তন
- কাজের বিভাজন
এটি subagent driven development ব্যবহারেরও সুপারিশ করবে, যা অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI) দ্বারা সমর্থিত — একটিমাত্র এজেন্ট পর্যায়ক্রমে সবকিছু করার পরিবর্তে, অ্যান্টিগ্র্যাভিটি সিএলআই বিশেষায়িত সাবএজেন্টদের কাছে কাজ অর্পণ করতে পারে। বাস্তবায়নের সময়, আপনি এই ধরনের সাবএজেন্ট দেখতে পারেন:
- টাস্ক ইমপ্লিমেন্টার — প্ল্যান থেকে একটি নির্দিষ্ট টাস্কের জন্য কোড লেখেন।
- টাস্ক রিভিউয়ার — স্পেসিফিকেশনের সাথে বাস্তবায়িত কোড পর্যালোচনা করেন।
- চূড়ান্ত কোড পর্যালোচক — কাজ শেষ করার আগে সমস্ত পরিবর্তন সামগ্রিকভাবে পর্যালোচনা করেন।
আপনাকে যদি এরকম কিছু করতে বলা হয়, তাহলে এর উত্তর দিন।
Use subagent driven development
আমরা পরে দেখব কীভাবে উপ-এজেন্টদেরকে এক এক করে কাজ তুলে নেওয়ার দায়িত্ব দেওয়া হয়।
কিছুক্ষণ পরেই ডেভেলপমেন্টের কাজ সম্পূর্ণ হয়ে যাবে (সম্ভবত Final Code Reviewer এজেন্ট চালু হওয়ার পর)। এরপর আমরা ফলাফলটি খতিয়ে দেখতে পারব।
আপডেট করা অ্যাপ ম্যানুয়াল পর্যালোচনা
সমস্ত কাজ শেষ হয়ে গেলে, আমরা আপডেট করা অ্যাপ্লিকেশনটি পরীক্ষা করতে পারি। দুইবার Ctrl+D চেপে Antigravity CLI থেকে বেরিয়ে আসুন, তারপর নিম্নলিখিত কমান্ডটি চালান।
bash configure_terminal.sh && uv run uvicorn src.main:app --host 0.0.0.0 --port 8080
উন্নয়ন সফল হলে, আপনি এখন দেখতে পাবেন যে Total Orders সংখ্যা ১ লক্ষ ২০ হাজারের বেশি এবং এটি BigQuery-এর সাথে সমন্বিত।
অভিনন্দন! এখন আপনি Antigravity CLI-এর সম্পূর্ণ সাহায্যে আপনার ওয়েব অ্যাপ্লিকেশনে BigQuery সফলভাবে সংযুক্ত করছেন।
৯. (ঐচ্ছিক) অ্যান্টিগ্র্যাভিটি সিএলআই (Antigravity CLI) দিয়ে ক্লাউডে স্থাপন ও চালনা করুন।
ড্যাশবোর্ডটি ক্লাউড শেল ওয়েব প্রিভিউ-এর মাধ্যমে স্থানীয়ভাবে কাজ করে। এই ঐচ্ছিক ধাপটি এটিকে ক্লাউড রান-এ একটি সর্বজনীনভাবে প্রবেশযোগ্য ওয়েব পরিষেবা হিসাবে স্থাপন করে — যা দেখায় যে কীভাবে অ্যান্টিগ্র্যাভিটি সিএলআই-এর ডোমেইন দক্ষতা ডেভেলপমেন্ট থেকে অপারেশন পর্যন্ত বিস্তৃত।
আপনার আগে ইনস্টল করা google/skills প্লাগইন থেকে প্রাপ্ত cloud-run-basics স্কিলটি Antigravity CLI-কে ক্লাউড রান ডিপ্লয়মেন্ট প্যাটার্ন, ডকারফাইল রিকোয়ারমেন্ট, পোর্ট বাইন্ডিং এবং gcloud run deploy ফ্ল্যাগ সম্পর্কে জ্ঞান দেয়। সোর্স-ভিত্তিক ডিপ্লয়মেন্ট ( gcloud run deploy --source . ) একটিমাত্র কমান্ডে বিল্ড এবং ডিপ্লয় করে — ক্লাউড বিল্ড স্বয়ংক্রিয়ভাবে কন্টেইনারাইজেশন পরিচালনা করে।
ক্লাউড রান এপিআই সক্রিয় করুন
ডেপ্লয়মেন্টের জন্য প্রয়োজনীয় API-গুলো সক্রিয় করুন:
gcloud services enable \
run.googleapis.com \
cloudbuild.googleapis.com \
cloudresourcemanager.googleapis.com
তারপর, Antigravity CLI প্রবেশ করান।
agy --dangerously-skip-permissions
অ্যান্টিগ্র্যাভিটি সিএলআই দ্রুত মোতায়েন করতে বলুন
চলুন আমাদের অ্যাপ্লিকেশনগুলো ডিপ্লয় করার জন্য এটিকে নির্দেশ দিই।
Deploy this application to Cloud Run, name the service "bigquery-dashboard" and make it publicly accessible
বর্তমান প্রজেক্টের ওয়েব অ্যাপ্লিকেশনটি ডেপ্লয় করার জন্য কী কী প্রয়োজন, তা বোঝার জন্য cloud-run-basics স্কিলটি পড়তে হবে।
শেষ হওয়ার পর, এটি ডেপ্লয়মেন্ট সফল হয়েছে কিনা তা যাচাই করবে এবং পূর্বে সম্পাদিত ডেপ্লয়মেন্ট প্রক্রিয়ার একটি সারসংক্ষেপ দেবে, যেমনটি নিচের উদাহরণে দেখানো হয়েছে। আপনি প্রদত্ত URL ব্যবহার করে আপনার অ্যাপ্লিকেশনটি অ্যাক্সেস করতে পারবেন।
এখন আপনার লাইভ অ্যাপ্লিকেশনটি সম্পূর্ণরূপে ডেপ্লয় করা আছে এবং Antigravity CLI-এর সাহায্যে এটি অ্যাক্সেস করা যাবে।
১০. উপসংহার
আপনি হাতে অ্যাপ্লিকেশন কোড না লিখেই একটি ই-কমার্স ড্যাশবোর্ডকে স্ট্যাটিক CSV ফাইল থেকে লাইভ BigQuery ডেটাতে আপগ্রেড করেছেন। Antigravity CLI একটি সুশৃঙ্খল, স্পেক-চালিত ডেভেলপমেন্ট ওয়ার্কফ্লোর মাধ্যমে এই বাস্তবায়নটি সম্পন্ন করেছে, যা পুনঃব্যবহারযোগ্য দক্ষতা এবং MCP-এর মাধ্যমে আপনার ডেটার সাথে একটি লাইভ সংযোগ দ্বারা পরিচালিত।
আপনি যা শিখেছেন
- এআই-সহায়তায় উন্নয়নের জন্য ক্লাউড শেলে অ্যান্টিগ্র্যাভিটি সিএলআই কীভাবে ব্যবহার করবেন
- এজেন্টের দক্ষতা কী এবং কীভাবে প্রগতিশীল প্রকাশ প্রেক্ষাপটের পরিসরকে কার্যকর রাখে
- দক্ষতার তিনটি বিভাগ: পদ্ধতি (অতিপ্রাকৃত ক্ষমতা), কার্যকারিতা (আদিম মানুষ), বিষয়ভিত্তিক জ্ঞান (গুগল/দক্ষতা)
- MCP কী এবং লাইভ ডেটা অ্যাক্সেসের জন্য BigQuery MCP কীভাবে কনফিগার করতে হয়
- ভাইব কোডিং-এর পরিবর্তে কীভাবে স্পেক-ড্রাইভেন ডেভেলপমেন্ট সাইকেল (নির্দিষ্ট করা → পরিকল্পনা → বাস্তবায়ন) চালানো যায়
- কীভাবে অ্যান্টিগ্র্যাভিটি সিএলআই সাব-এজেন্ট তৈরি করে উন্নয়নকে আরও সুনির্দিষ্ট ও কার্যকর করতে পারে
পরিষ্কার করা
এই কোডল্যাবে তৈরি করা রিসোর্সগুলোর জন্য আপনার গুগল ক্লাউড অ্যাকাউন্টে চার্জ হওয়া এড়াতে, আপনি আলাদা আলাদা রিসোর্সগুলো অথবা পুরো প্রজেক্টটি ডিলিট করে দিতে পারেন।
বিকল্প ১: প্রজেক্টটি মুছে ফেলুন (প্রস্তাবিত)
পরিষ্কার করার সবচেয়ে সহজ উপায় হলো প্রজেক্টটি ডিলিট করে দেওয়া। এর ফলে প্রজেক্টটির সাথে যুক্ত সমস্ত রিসোর্স মুছে যায়।
gcloud projects delete $GOOGLE_CLOUD_PROJECT
Option 2: Delete individual resources
If you want to keep the project but remove only the resources created in this codelab:
bq rm -r -f $GOOGLE_CLOUD_PROJECT:thelook_ecommerce
gcloud run services delete bigquery-dashboard --region us-central1 --quiet