এআই এজেন্ট এন্ড টু এন্ড - ওয়ার্কশপ

1. আপনি কি শিখবেন

এআই এজেন্ট ভাইব ফুল স্ট্যাক

স্বাগতম! আপনি সফ্টওয়্যার বিকাশের পরবর্তী সমালোচনামূলক দক্ষতা শিখতে চলেছেন: কীভাবে কার্যকরভাবে কৃত্রিম বুদ্ধিমত্তাকে প্রোডাকশন-গ্রেড সফ্টওয়্যার তৈরি, পরীক্ষা এবং স্থাপন করতে গাইড করবেন। জেনারেটিভ এআই একটি "অটোপাইলট" নয়; এটি একটি শক্তিশালী সহ-পাইলট যার একজন দক্ষ পরিচালক প্রয়োজন।

এই কর্মশালা পেশাদার সফ্টওয়্যার ডেভেলপমেন্ট লাইফসাইকেলের (SDLC) প্রতিটি পর্যায়ে AI এর সাথে অংশীদারিত্বের জন্য একটি কাঠামোগত, পুনরাবৃত্তিযোগ্য পদ্ধতি প্রদান করে। আপনি লাইন-বাই-লাইন কোড রাইটার থেকে একজন টেকনিক্যাল ডিরেক্টরে চলে যাবেন—একজন দৃষ্টিভঙ্গি সহ একজন স্থপতি এবং একজন সাধারণ ঠিকাদার যিনি AI ব্যবহার করে সেই দৃষ্টিকে নির্ভুলতার সাথে বাস্তবায়ন করেন। 🚀

এই টিউটোরিয়ালের শেষে, আপনার কাছে থাকবে:

• AI ব্যবহার করে একটি উচ্চ-স্তরের ধারণাকে একটি ক্লাউড আর্কিটেকচারে অনুবাদ করা হয়েছে।
• লক্ষ্যযুক্ত, নির্দিষ্ট প্রম্পট সহ একটি সম্পূর্ণ পাইথন ব্যাকএন্ড তৈরি করেছে।
• ডিবাগ এবং কোড ঠিক করার জন্য পেয়ার প্রোগ্রামার হিসেবে AI ব্যবহার করা হয়েছে।
• AI-কে মক সহ ইউনিট পরীক্ষা তৈরির দায়িত্ব অর্পণ করা হয়েছে।

টেরাফর্মের সাথে কোড (IaC) হিসাবে উৎপাদন-প্রস্তুত পরিকাঠামো তৈরি করেছে।

একটি একক প্রম্পটের সাথে GitHub অ্যাকশনে একটি সম্পূর্ণ CI/CD পাইপলাইন তৈরি করা হয়েছে।

এআই-চালিত অপারেশনাল টুল ব্যবহার করে আপনার লাইভ অ্যাপ্লিকেশন নিরীক্ষণ ও পরিচালনা করা হয়েছে।

আপনি শুধুমাত্র একটি কার্যকরী অ্যাপ দিয়েই চলে যাবেন না, কিন্তু AI-বর্ধিত বিকাশের জন্য একটি ব্লুপ্রিন্ট নিয়ে যাবেন। শুরু করা যাক!

2. পূর্বশর্ত এবং সেটআপ

আমরা শুরু করার আগে, আসুন আপনার পরিবেশ প্রস্তুত করি। একটি মসৃণ কর্মশালার অভিজ্ঞতা নিশ্চিত করার জন্য এটি একটি গুরুত্বপূর্ণ পদক্ষেপ।

একটি নতুন GCP অ্যাকাউন্ট তৈরি করুন এবং আপনার বিলিং লিঙ্ক করুন

আমাদের AI এজেন্টদের শক্তি দিতে, আমাদের দুটি জিনিসের প্রয়োজন: একটি Google ক্লাউড প্রজেক্ট ফাউন্ডেশন প্রদান করার জন্য এবং একটি Gemini API কী Google-এর শক্তিশালী মডেলগুলি অ্যাক্সেস করার জন্য৷

ধাপ 1: বিলিং অ্যাকাউন্ট সক্ষম করুন

• 5 ডলার ক্রেডিট সহ আপনার বিলিং অ্যাকাউন্ট দাবি করা, আপনার স্থাপনার জন্য এটির প্রয়োজন হবে। আপনার জিমেইল অ্যাকাউন্ট নিশ্চিত করুন.

কোনো ক্রেডিট কার্ড বা অর্থপ্রদানের প্রয়োজন নেই — আপনি $5 বিনামূল্যে ক্রেডিট পাবেন। এটি 2 মিনিটেরও কম সময় নেয়, শুধু আপনার নাম লিখুন এবং ক্রেডিট গ্রহণ করুন৷

ধাপ 2: একটি নতুন GCP প্রকল্প তৈরি করুন

• গুগল ক্লাউড কনসোলে যান এবং একটি নতুন প্রকল্প তৈরি করুন।

• গুগল ক্লাউড কনসোলে যান এবং একটি নতুন প্রকল্প তৈরি করুন।
• বাম প্যানেল খুলুন, Billing ক্লিক করুন, বিলিং অ্যাকাউন্টটি এই জিসিপি অ্যাকাউন্টের সাথে লিঙ্ক করা আছে কিনা তা পরীক্ষা করুন।

আপনি যদি এই পৃষ্ঠাটি দেখেন, manage billing account চেক করুন, Google ক্লাউড ট্রায়াল ওয়ান চয়ন করুন এবং এটিতে লিঙ্ক করুন৷

ধাপ 3: আপনার Gemini API কী তৈরি করুন

আপনি চাবিটি সুরক্ষিত করার আগে, আপনার একটি থাকা দরকার৷

• Google AI স্টুডিওতে নেভিগেট করুন: https://aistudio.google.com/
• আপনার জিমেইল অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
• "এপিআই কী পান" বোতামটি ক্লিক করুন, সাধারণত বাম-হাতের নেভিগেশন ফলকে বা উপরের-ডান কোণায় পাওয়া যায়।
• "API কী" ডায়ালগে, "নতুন প্রকল্পে API কী তৈরি করুন" এ ক্লিক করুন।
• আপনার তৈরি করা নতুন প্রকল্পটি বেছে নিন যাতে বিলিং অ্যাকাউন্ট সেট আপ আছে।
• আপনার জন্য একটি নতুন API কী তৈরি করা হবে। এই কী অবিলম্বে অনুলিপি করুন এবং এটিকে অস্থায়ীভাবে নিরাপদ কোথাও সংরক্ষণ করুন (যেমন একটি পাসওয়ার্ড ম্যানেজার বা একটি সুরক্ষিত নোট)। এই মানটি আপনি পরবর্তী ধাপে ব্যবহার করবেন।

গিটহাব প্রমাণীকরণ

ক্লাউড শেল খুলুন, Google ক্লাউড কনসোলে যান, উপরের ডানদিকে "ক্লাউড শেল সক্রিয় করুন" বোতামে।

ধাপ 1: ক্লাউড শেল খুলুন

👉Google ক্লাউড কনসোলের শীর্ষে ক্লাউড শেল সক্রিয় করুন-এ ক্লিক করুন (এটি ক্লাউড শেল প্যানের শীর্ষে টার্মিনাল আকৃতির আইকন),

👉 "ওপেন এডিটর" বোতামে ক্লিক করুন (এটি একটি পেন্সিল সহ একটি খোলা ফোল্ডারের মতো দেখায়)। এটি উইন্ডোতে ক্লাউড শেল কোড এডিটর খুলবে। আপনি বাম দিকে একটি ফাইল এক্সপ্লোরার দেখতে পাবেন।

👉আপনার Google ক্লাউড প্রকল্প আইডি খুঁজুন:

• Google ক্লাউড কনসোল খুলুন: https://console.cloud.google.com
• পৃষ্ঠার শীর্ষে প্রজেক্ট ড্রপডাউন থেকে আপনি এই কর্মশালার জন্য যে প্রকল্পটি ব্যবহার করতে চান তা নির্বাচন করুন।
• আপনার প্রজেক্ট আইডি ড্যাশবোর্ডে প্রজেক্ট ইনফো কার্ডে প্রদর্শিত হয়

👉ক্লাউড আইডিইতে টার্মিনাল খুলুন,

👉💻 টার্মিনালে, যাচাই করুন যে আপনি ইতিমধ্যেই প্রমাণীকরণ করেছেন এবং নিম্নলিখিত কমান্ডটি ব্যবহার করে প্রকল্পটি আপনার প্রকল্প আইডিতে সেট করা আছে:

gcloud auth list

ধাপ 2: GitHub এবং Fork দিয়ে প্রমাণীকরণ করুন

GitHub দিয়ে প্রমাণীকরণ করুন:

👉💻

gh auth login

লগইন পৃষ্ঠা যাচাই করার জন্য কোডটি অনুলিপি করুন

কাঁটাচামচ এবং রেপো ক্লোন করুন: 👉💻

gh repo fork cuppibla/storygen-learning --clone=true

3. আর্কিটেকচার: ক্লাউড অ্যাসিস্ট সহ আইডিয়া থেকে ব্লুপ্রিন্ট পর্যন্ত

প্রতিটি মহান প্রকল্প একটি পরিষ্কার দৃষ্টি সঙ্গে শুরু হয়. আমরা আমাদের অ্যাপ আর্কিটেকচার ডিজাইন করতে আমাদের AI কো-পাইলট, ক্লাউড অ্যাসিস্ট ব্যবহার করব।

কর্ম

• Google ক্লাউড কনসোল খুলুন: https://console.cloud.google.com
• উপরের ডানদিকে, "ক্লাউড অ্যাসিস্ট চ্যাট খুলুন" এ ক্লিক করুন

ক্লাউড সহায়তা সক্ষম করুন৷

• Get Gemini Assist ক্লিক করুন, তারপর Enable Cloud Assist at no cost ।
• এবং চ্যাটিং শুরু করুন!

ক্লাউড অ্যাসিস্টে নিম্নলিখিত বিস্তারিত প্রম্পট প্রদান করুন:

আপনার ধারণা ইনপুট

Generate a Python web application that uses AI to generate children's stories and illustrations. It has Python backend and React frontend host separately on Cloudrun. They communicate through Websocket. It needs to use a generative model for text and another for images. The generated images must be used by Imagen from Vertex AI and stored in a Google Cloud Storage bucket so that frontend can fetch from the bucket to render images. I do not want any load balancer or a database for the story text. We need a solution to store the API key.

আপনার অ্যাপ ব্লুপ্রিন্ট পান

• ক্লিক করুন: "অ্যাপ ডিজাইন সম্পাদনা করুন", আপনি চিত্রটি দেখতে পাবেন। টেরাফর্ম কোড ডাউনলোড করতে ডান উপরের প্যানেলে ক্লিক করুন "<> কোড পান"।
• ক্লাউড অ্যাসিস্ট একটি আর্কিটেকচার ডায়াগ্রাম তৈরি করবে। এটি আমাদের ভিজ্যুয়াল ব্লুপ্রিন্ট।

মূল শেখার মুহূর্ত: এআই উচ্চ-স্তরের সিস্টেম ডিজাইনে পারদর্শী। এটি তাত্ক্ষণিকভাবে একটি পেশাদার, ভিজ্যুয়াল আর্কিটেকচারে সরল-ভাষার প্রয়োজনীয়তা অনুবাদ করতে পারে।

4. উন্নয়ন: জেমিনি CLI এর সাথে ADK তৈরি করা

প্রাথমিক সেটআপ

নিশ্চিত করুন যে আমরা রিপোজিটরি কাঁটাচামচ করতে এবং ওয়ার্কস্পেস প্রস্তুত করতে Gemini CLI ব্যবহার করছি:

পরিবেশ কনফিগারেশন

আপনার ক্লাউড শেলে যান, "ওপেন টার্মিনাল" বোতামে ক্লিক করুন।

1. পরিবেশ টেমপ্লেট অনুলিপি করুন:

   cd ~/storygen-learning
   cp ~/storygen-learning/env.template ~/storygen-learning/.env
   

আপনি যদি .env খুঁজে না পান তাহলে এডিটরে লুকানো ফাইল দেখুন

• উপরের মেনু বারে View এ ক্লিক করুন।
• লুকানো ফাইল টগল করুন নির্বাচন করুন।

.env ফাইল সম্পাদনা 2. নিম্নলিখিত মানগুলি .env এ প্রতিস্থাপন করুন:

GOOGLE_API_KEY=[REPLACE YOUR API KEY HERE]
GOOGLE_CLOUD_PROJECT_ID=[REPLACE YOUR PROJECT ID]
GITHUB_USERNAME=[REPLACE YOUR USERNAME]
GENMEDIA_BUCKET=[REPLACE YOUR PROJECT ID]-bucket

যেমন আপনার প্রজেক্ট আইডি যদি হয়: testproject , তাহলে আপনার উচিত GOOGLE_CLOUD_PROJECT_ID=testproject এবং GENMEDIA_BUCKET=testproject-bucket

স্ক্রিপ্ট সেটআপ করুন

00_Starting_Here এ যান একটি নতুন টার্মিনাল খুলুন (জেমিনি CLI তে নয়)

cd ~/storygen-learning/00_Starting_Here

সম্পূর্ণ সেটআপ চালান:

./setup-complete.sh

আপনি টার্মিনালে সেটআপ ফলাফল দেখতে হবে

আপনার প্রথম এজেন্ট তৈরি করুন

01a_First_Agent_Ready-এ যান আসুন ADK এজেন্ট তৈরি করতে Gemini CLI ব্যবহার করি:**

cd ~/storygen-learning/01a_First_Agent_Ready

Gemini CLI খুলুন

gemini

Gamini CLI উইন্ডোর ভিতরে, প্রম্পট চেষ্টা করুন:

I need you to help me create a Google ADK (Agent Development Kit) agent for story generation. I'm working on a children's storybook app that generates creative stories with visual scenes.

Please create a complete `agent.py` file that implements an LlmAgent using Google's ADK framework. The agent should:

**Requirements:**
1. Use the `google.adk.agents.LlmAgent` class
2. Use the "gemini-2.5-flash" model (supports streaming)
3. Be named "story_agent"
4. Generate structured stories with exactly 4 scenes each
5. Output valid JSON with story text, main characters, and scene data
6. No tools needed (images are handled separately)

**Agent Specifications:**
- **Model:** gemini-2.5-flash
- **Name:** story_agent  
- **Description:** "Generates creative short stories and accompanying visual keyframes based on user-provided keywords and themes."
**Story Structure Required:**
- Exactly 4 scenes: Setup → Inciting Incident → Climax → Resolution
- 100-200 words total
- Simple, charming language for all audiences
- Natural keyword integration
**JSON Output Format:**

{
  "story": "Complete story text...",
  "main_characters": [
    {
      "name": "Character Name",
      "description": "VERY detailed visual description with specific colors, features, size, etc."
    }
  ],
  "scenes": [
    {
      "index": 1,
      "title": "The Setup",
      "description": "Scene action and setting WITHOUT character descriptions",
      "text": "Story text for this scene"
    }
    // ... 3 more scenes
  ]
}


**Key Instructions for the Agent:**
- Extract 1-2 main characters maximum
- Character descriptions should be extremely detailed and visual
- Scene descriptions focus on ACTION and SETTING only
- Do NOT repeat character appearance in scene descriptions
- Always respond with valid JSON

Please include a complete example in the instructions showing the exact format using keywords like "tiny robot", "lost kitten", "rainy city".

The file should start with necessary imports, define an empty tools list, include a print statement for initialization, and then create the LlmAgent with all the detailed instructions.

Can you create this agent in backend/story_agent/agent.py

একবার আপনি শেষ হয়ে গেলে, Control+C দিয়ে জেমিনি সিএলআই টার্মিনাল বন্ধ করুন

—————————————— ঐচ্ছিক , আপনি সমাধান অংশে যেতে পারেন————————————————

এখন ADK ওয়েবে আপনার পরিবর্তন যাচাই করুন

cd ~/storygen-learning/01a_First_Agent_Ready/backend

source ../../.venv/bin/activate

adk web --port 8080

ওয়েবসাইট স্পিন আপ

cd ~/storygen-learning/01a_First_Agent_Ready

./start.sh

যদি আপনার পরিবর্তন কাজ না করে, তাহলে আপনি ADK ওয়েব UI এবং ওয়েবসাইটে ত্রুটি দেখতে পাবেন।

——————————————– সমাধান এখান থেকে শুরু হচ্ছে ———————————————

সমাধান

Control+C দিয়ে পূর্ববর্তী প্রক্রিয়াটি শেষ করুন বা আপনি অন্য টার্মিনাল খুলতে পারেন:

cd ~/storygen-learning/01b_First_Agent_Done

ওয়েবসাইট স্পিন আপ করুন:

./start.sh

আপনি ওয়েবসাইট দেখতে পাবেন:

ADK UI ব্যবহার করে দেখুন: অন্য টার্মিনাল খুলুন:

cd ~/storygen-learning/01b_First_Agent_Done/backend

source ../../.venv/bin/activate

adk web --port 8080

আপনি ADK UI দেখতে পাবেন যেখানে আপনি এজেন্টকে প্রশ্ন করতে পারেন

পরবর্তী বিভাগে যাওয়ার আগে, প্রক্রিয়াটি শেষ করতে Ctrl+C টিপুন।

5. বিকাশ: ইমেজেন দিয়ে আপনার কাস্টম এজেন্ট তৈরি করুন

ইমেজেন টুল তৈরি করুন (দ্বিতীয় এজেন্ট)

cd ~/storygen-learning/02a_Image_Agent_Ready

ইমেজ জেনারেশন এজেন্ট তৈরি করতে Gemini CLI ব্যবহার করুন:

gemini generate "I need you to help me create a custom Google ADK (Agent Development Kit) agent for image generation. This is different from the story agent - this one handles image generation directly using the BaseAgent pattern for full control over tool execution.

Please create a complete `agent.py` file that implements a custom image generation agent. The agent should:

**Requirements:**
1. Use the `google.adk.agents.BaseAgent` class (NOT LlmAgent)
2. Be named "custom_image_agent" 
3. Directly execute the ImagenTool without LLM intermediation
4. Handle JSON input with scene descriptions and character descriptions
5. Store results in session state for retrieval by main.py
6. Use async generators and yield Events

**Key Specifications:**
- **Class Name:** CustomImageAgent (inherits from BaseAgent)
- **Agent Name:** "custom_image_agent"
- **Tool:** Uses ImagenTool for direct image generation
- **Purpose:** Bypass LLM agent limitations and directly call ImagenTool

**Input Format:**
The agent should handle JSON input like:
{
  "scene_description": "Scene action and setting",
  "character_descriptions": {
    "CharacterName": "detailed visual description"
  }
}


**Core Method:** `async def _run_async_impl(self, ctx: InvocationContext) -> AsyncGenerator[Event, None]:`
   - Extract user message from `ctx.user_content.parts`
   - Parse JSON input or fallback to plain text
   - Extract scene_description and character_descriptions
   - Build image prompt with style prefix: "Children's book cartoon illustration with bright vibrant colors, simple shapes, friendly characters."
   - Include character descriptions for consistency
   - Call `await self.imagen_tool.run()` directly
   - Store results in `ctx.session.state["image_result"]`
   - Yield Event with results


 **Session State:**
   - Store JSON results in `ctx.session.state["image_result"]`
   - Include success/error status
   - Store actual image URLs or error messages

Expected Output Structure:
- Successful results stored as JSON with image URLs
- Error results stored as JSON with error messages
- Results accessible via session state in main.py

Can you create this agent in backend/story_image_agent/agent.py

"

—————————————— ঐচ্ছিক , আপনি সমাধান অংশে যেতে পারেন————————————————

এখন ADK ওয়েবে আপনার পরিবর্তন যাচাই করুন

cd ~/storygen-learning/02a_Image_Agent_Ready/backend

source ../../.venv/bin/activate

adk web --port 8080

ওয়েবসাইট স্পিন আপ

cd ~/storygen-learning/02a_Second_Agent_Ready

./start.sh

যদি আপনার পরিবর্তন কাজ না করে, তাহলে আপনি ADK ওয়েব UI এবং ওয়েবসাইটে ত্রুটি দেখতে পাবেন।

——————————————- সমাধান এখানে শুরু হচ্ছে ———————————————

সমাধান

Control+C দিয়ে পূর্ববর্তী প্রক্রিয়াটি শেষ করুন বা আপনি অন্য টার্মিনাল খুলতে পারেন:

# Open new terminal
cd ~/storygen-learning/02b_Image_Agent_Done

ওয়েবসাইট স্পিন আপ করুন:

./start.sh

আপনি ওয়েবসাইট দেখতে পাবেন:

ADK UI ব্যবহার করে দেখুন: অন্য টার্মিনাল খুলুন:

# Open new terminal
cd ~/storygen-learning/02b_Image_Agent_Done/backend

source ../../.venv/bin/activate

adk web --port 8080

আপনি ADK UI দেখতে পাবেন যেখানে আপনি এজেন্টকে প্রশ্ন করতে পারেন:

পরবর্তী বিভাগে যাওয়ার আগে, প্রক্রিয়াটি শেষ করতে Ctrl+C টিপুন।

6. পরীক্ষা: এজেন্ট মূল্যায়ন

আমাদের অ্যাপ কাজ করে, কিন্তু আমাদের পরীক্ষার একটি স্বয়ংক্রিয় নিরাপত্তা জাল প্রয়োজন। আমাদের এআই কো-পাইলটকে অর্পণ করার জন্য এটি একটি নিখুঁত কাজ।

কর্ম

cd ~/storygen-learning/03a_Agent_Evaluation_Ready/backend

ব্যাপক পরীক্ষা লিখতে Gemini CLI ব্যবহার করুন:

Gemini CLI খুলুন

gemini

Gamini CLI উইন্ডোর ভিতরে, প্রম্পট চেষ্টা করুন:

I need you to create comprehensive test files for my backend/story_agent in Google ADK. I need three specific JSON files that match the testing structure used in ADK evaluation.

**Context:** 
- The story agent generates structured JSON stories with exactly 4 scenes
- It uses LlmAgent with no tools, just direct LLM responses
- Input: Keywords
- Output: JSON with story, main_characters, and scenes arrays

**Files to Create:**

### 1. `story_agent_eval.evalset.json` (Comprehensive Integration Tests)
Create a comprehensive evaluation set with:
- **eval_set_id**: "story_agent_comprehensive_evalset"
- **name**: "Story Agent Comprehensive Evaluation Set" 
- **description**: "Comprehensive evaluation scenarios for story_agent covering various keyword combinations, edge cases, and story quality metrics"


Each eval_case should include:
- Full conversation arrays with invocation_id, user_content, final_response
- Complete expected JSON responses with detailed stories, characters, and 4 scenes
- session_input with app_name "story_agent"
- All fields: story (narrative text), main_characters (with detailed visual descriptions), scenes (with index, title, description, text)

### 2. `story_generation.test.json` (Unit Tests)
Create basic generation tests with:
- **eval_set_id**: "story_agent_basic_generation_tests"
- **name**: "Story Agent Basic Generation Tests"
- **description**: "Unit tests for story_agent focusing on JSON structure compliance, scene generation, and keyword integration"

### 3. `test_config.json` (Evaluation Configuration)
Create test configuration with:
- **criteria**: response_match_score: 0.7, tool_trajectory_avg_score: 1.0
- **custom_evaluators**: 
  - json_structure_validator (validates required fields, scene count, character fields)
  - story_quality_metrics (word count 80-250, keyword integration threshold 0.8)
- **evaluation_notes**: Story agent specifics and trajectory expectations

**Important Requirements:**
1. All responses must be valid, parseable JSON
2. Stories must have exactly 4 scenes with indices 1-4
3. Each scene must have: index, title, description, text
4. Main characters must have detailed visual descriptions
5. No tool_uses expected (empty arrays) since story agent uses direct LLM
6. Word count should be 100-200 words total
7. Keywords must be naturally integrated into the narrative

Please generate all three files with realistic example stories and comprehensive test coverage matching the ADK evaluation format.

—————————————— ঐচ্ছিক , আপনি সমাধান অংশে যেতে পারেন————————————————

মূল্যায়ন দেখতে:

./run_adk_web_persistent.sh

ADK UI-তে eval ট্যাবে যান।

আপনার ক্রমাগত পরীক্ষার ক্ষমতা সহ ADK ওয়েব UI দেখতে হবে

মূল শিক্ষার মুহূর্ত: AI স্বয়ংক্রিয় মানের নিশ্চয়তার একটি শক্তিশালী অংশীদার। এটি পরীক্ষার লেখার বয়লারপ্লেট পরিচালনা করতে পারে, আপনাকে বিল্ডিং বৈশিষ্ট্যগুলিতে ফোকাস করতে মুক্ত করে।

——————————————– সমাধান এখান থেকে শুরু হচ্ছে ———————————————

সমাধান

• সমাধান ফোল্ডারে যান:

cd ~/storygen-learning/03b_Agent_Evaluation_Done/backend

• ADK ওয়েব UI খুলুন

./run_adk_web_persistent.sh

আপনি Eval ট্যাব থেকে পরীক্ষার ক্ষেত্রে দেখতে পারেন:

এখানে মেট্রিক্স সামঞ্জস্য করুন:

ইভাল রানের ফলাফল এখানে দেখুন:

7. কোড হিসাবে অবকাঠামো (IaC): ক্লাউডে একটি বাড়ি তৈরি করা

আমাদের কোড পরীক্ষা করা হয়েছে, তবে এটির জন্য একটি উত্পাদন-প্রস্তুত হোম প্রয়োজন৷ আমরা আমাদের পরিবেশকে সংজ্ঞায়িত করতে "কোড হিসাবে অবকাঠামো" ব্যবহার করব।

কর্ম

cd ~/storygen-learning/04a_Manual_Deployment_Ready

ব্যাকএন্ডের জন্য একটি ডকারফাইল তৈরি করতে Gemini CLI ব্যবহার করুন: Gemini CLI খুলুন

Gemini

Gemini CLI-এর ভিতরে, প্রম্পট চেষ্টা করুন:

Create a manual deployment plan for my StoryGen app with Google Cloud Platform. I have a Next.js frontend, Python backend, and Terraform infrastructure.

Generate these deployment files:
1. **01-setup.sh** - Environment setup and authentication
2. **02-build-images.sh** - Build and push Docker images to Google Container Registry
3. **03-deploy-infrastructure.sh** - Deploy with Terraform and configure services
4. **load-env.sh** - Load environment variables for deployment

**Requirements:**
- Use Google Cloud Run for both frontend and backend
- Configure Imagen API and storage buckets
- Set up proper IAM permissions
- Use environment variables from .env file
- Include error handling and status checks

Keep scripts simple, well-commented, and production-ready for manual execution.

সমাধান :

cd ~/storygen-learning/04b_Manual_Deployment_Done

চালান:

source ../.venv/bin/activate
./01-setup.sh

./02-build-images.sh

./03-deploy-infrastructure.sh

আপনি স্থাপনার ফলাফল এবং অবকাঠামো নির্মাণ দেখতে হবে

8. অটোমেশন (CI/CD): ডিজিটাল অ্যাসেম্বলি লাইন

ম্যানুয়ালি আমাদের অ্যাপ স্থাপন করা ধীর এবং ঝুঁকিপূর্ণ। আসুন আমাদের AI কে GitHub অ্যাকশন ব্যবহার করে একটি সম্পূর্ণ CI/CD পাইপলাইন লিখতে বলি।

কর্ম

cd ~/storygen-learning/05a_CICD_Pipeline_Ready

GitHub এর সাথে আপনার CI/CD পাইপলাইন তৈরি করতে Gemini CLI ব্যবহার করুন:

Gemini CLI খুলুন

Gemini

Gemini CLI-এর ভিতরে, প্রম্পট চেষ্টা করুন:

Create a CI/CD pipeline for my StoryGen app using Google Cloud Build and GitHub integration.

Generate these automation files:
1. **cloudbuild.yaml** (for backend) - Automated build, test, and deploy pipeline
2. **GitHub Actions workflow** - Trigger builds on push/PR
3. **Deployment automation scripts** - Streamlined deployment process

**Requirements:**
- Auto-trigger on GitHub push to main branch
- Build and push Docker images
- Run automated tests if available
- Deploy to Google Cloud Run
- Environment-specific deployments (staging/prod)
- Notification on success/failure

Focus on fully automated deployment with minimal manual intervention. Include proper secret management and rollback capabilities.

—————————————– সমাধান এখান থেকে শুরু হচ্ছে ———————————————

সমাধান :

cd ~/storygen-learning/06_Final_Solution/
# Copy the GitHub workflow to parent folder
cp -r 06_Final_Solution/.github ../../../.github

06_Final_Solution ফোল্ডারে ফিরে যান এবং স্ক্রিপ্টটি চালান:

cd ~/storygen-learning/06_Final_Solution/

./setup-cicd-complete.sh

আপনি CI/CD পাইপলাইন সেটআপ সমাপ্তি দেখতে হবে

ওয়ার্কফ্লো ট্রিগার করুন: প্রতিশ্রুতিবদ্ধ করুন এবং আপনার কোডটি মূলে পুশ করুন। নোট করুন যে অনুমতি দেওয়ার জন্য আপনাকে আপনার গিথুব ইমেল এবং নাম সেট আপ করতে হবে।

git add .
git commit -m "feat: Add backend, IaC, and CI/CD workflow"
git push origin main

আপনার স্বয়ংক্রিয় স্থাপনা চালানো দেখতে আপনার GitHub সংগ্রহস্থলের "ক্রিয়া" ট্যাবে যান।

মূল শিক্ষার মুহূর্ত: পুরো CI/CD পাইপলাইন-একটি জটিল এবং জটিল অংশ DevOps-এআই দ্বারা তৈরি করা যেতে পারে।

9. অপারেশন: এআই কন্ট্রোল টাওয়ার

আমরা লাইভ করছি! কিন্তু যাত্রা শেষ হয়নি। এটি "দিন 2" - অপারেশন। চলুন আমাদের চলমান অ্যাপ্লিকেশন পরিচালনা করতে ক্লাউড অ্যাসিস্টে ফিরে আসি।

কর্ম

1. Google ক্লাউড কনসোলে আপনার ক্লাউড রান পরিষেবাতে নেভিগেট করুন। কিছু ট্রাফিক এবং লগ জেনারেট করতে আপনার লাইভ অ্যাপের সাথে ইন্টারঅ্যাক্ট করুন।
2. ক্লাউড অ্যাসিস্ট প্যানটি খুলুন এবং এটিকে একটি অপারেশনাল কো-পাইলট হিসাবে এই ধরনের প্রম্পট সহ ব্যবহার করুন:

লগ বিশ্লেষণ:

Summarize the errors in my Cloud Run logs for the service 'genai-backend' from the last 15 minutes.

পারফরম্যান্স টিউনিং:

My Cloud Run service 'genai-backend' has high startup latency. What are common causes for a Python app and how can I investigate with Cloud Trace?

খরচ অপ্টিমাইজেশান:

Analyze the costs for my 'genai-backend' service and its GCS bucket. Are there any opportunities to save money?

কী শেখার মুহূর্ত: এআই এসডিএলসি একটি ক্রমাগত লুপ। একই এআই কো-পাইলট যেটি অ্যাপ্লিকেশনটি তৈরি করতে সহায়তা করেছিল তা পর্যবেক্ষণ, সমস্যা সমাধান এবং উত্পাদনে এটিকে অপ্টিমাইজ করার জন্য একটি অপরিহার্য অংশীদার।