এআই এজেন্ট এন্ড টু এন্ড - ওয়ার্কশপ

১. তুমি যা শিখবে

এআই এজেন্ট ভাইব ফুল স্ট্যাক

স্বাগতম! আপনি সফটওয়্যার ডেভেলপমেন্টের পরবর্তী গুরুত্বপূর্ণ দক্ষতা শিখতে চলেছেন: উৎপাদন-গ্রেড সফ্টওয়্যার তৈরি, পরীক্ষা এবং স্থাপনের জন্য কৃত্রিম বুদ্ধিমত্তাকে কীভাবে কার্যকরভাবে পরিচালনা করবেন। জেনারেটিভ এআই কোনও "অটোপাইলট" নয়; এটি একটি শক্তিশালী সহ-পাইলট যার জন্য একজন দক্ষ পরিচালকের প্রয়োজন।

এই কর্মশালাটি পেশাদার সফটওয়্যার ডেভেলপমেন্ট লাইফসাইকেল (SDLC) এর প্রতিটি পর্যায়ে AI এর সাথে অংশীদারিত্বের জন্য একটি কাঠামোগত, পুনরাবৃত্তিযোগ্য পদ্ধতি প্রদান করে। আপনি লাইন-বাই-লাইন কোড লেখক থেকে একজন টেকনিক্যাল ডিরেক্টরে রূপান্তরিত হবেন—একজন স্থপতি যার একটি দৃষ্টিভঙ্গি রয়েছে এবং একজন সাধারণ ঠিকাদার যিনি AI ব্যবহার করে সেই দৃষ্টিভঙ্গি নির্ভুলতার সাথে বাস্তবায়ন করবেন। 🚀

এই টিউটোরিয়ালের শেষে, আপনার কাছে থাকবে:

• এআই ব্যবহার করে একটি উচ্চ-স্তরের ধারণাকে ক্লাউড আর্কিটেকচারে রূপান্তরিত করা হয়েছে।
• লক্ষ্যবস্তু, নির্দিষ্ট প্রম্পট সহ একটি সম্পূর্ণ পাইথন ব্যাকএন্ড তৈরি করা হয়েছে।
• কোড ডিবাগ এবং ঠিক করার জন্য পেয়ার প্রোগ্রামার হিসেবে AI ব্যবহার করেছি।
• ইউনিট পরীক্ষা তৈরির দায়িত্ব, যার মধ্যে মকও রয়েছে, AI-কে অর্পণ করা হয়েছে।
• টেরাফর্মের সাহায্যে কোড (IaC) হিসেবে উৎপাদন-প্রস্তুত অবকাঠামো তৈরি করা হয়েছে।
• একটি মাত্র প্রম্পট দিয়ে GitHub Actions-এ একটি সম্পূর্ণ CI/CD পাইপলাইন তৈরি করা হয়েছে।
• এআই-চালিত অপারেশনাল টুল ব্যবহার করে আপনার লাইভ অ্যাপ্লিকেশন পর্যবেক্ষণ এবং পরিচালনা করা।

তুমি শুধু একটি কার্যকরী অ্যাপ নিয়ে যাবে না, বরং এআই-অগমেন্টেড ডেভেলপমেন্টের জন্য একটি নীলনকশা নিয়ে যাবে। চলো শুরু করি!

2. পূর্বশর্ত এবং সেটআপ

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 এআই এজেন্টদের শক্তিশালী করার জন্য, আমাদের দুটি জিনিসের প্রয়োজন: ভিত্তি প্রদানের জন্য একটি গুগল ক্লাউড প্রজেক্ট এবং গুগলের শক্তিশালী মডেলগুলি অ্যাক্সেস করার জন্য একটি জেমিনি এপিআই কী।

ধাপ ১: বিলিং অ্যাকাউন্ট সক্ষম করুন

• ৫ ডলার ক্রেডিট দিয়ে আপনার বিলিং অ্যাকাউন্ট দাবি করার জন্য, আপনার এটি স্থাপনের জন্য প্রয়োজন হবে। আপনার জিমেইল অ্যাকাউন্টটি নিশ্চিত করুন।

কোনও ক্রেডিট কার্ড বা পেমেন্টের প্রয়োজন নেই — আপনি $5 বিনামূল্যে ক্রেডিট পাবেন। এতে 2 মিনিটেরও কম সময় লাগে, শুধু আপনার নাম লিখুন এবং ক্রেডিট গ্রহণ করুন।

ধাপ ২: একটি নতুন জিসিপি প্রকল্প তৈরি করুন

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

• বাম প্যানেলটি খুলুন, Billing ক্লিক করুন, বিলিং অ্যাকাউন্টটি এই জিসিপি অ্যাকাউন্টের সাথে লিঙ্ক করা আছে কিনা তা পরীক্ষা করুন।

যদি আপনি এই পৃষ্ঠাটি দেখেন, manage billing account চেক করুন, গুগল ক্লাউড ট্রায়াল ওয়ান বেছে নিন এবং এটির সাথে লিঙ্ক করুন।

ধাপ ৩: আপনার জেমিনি এপিআই কী তৈরি করুন

চাবিটি সুরক্ষিত করার আগে, আপনার একটি থাকা দরকার।

• গুগল এআই স্টুডিওতে নেভিগেট করুন: https://aistudio.google.com/
• আপনার জিমেইল অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
• "API কী পান" বোতামে ক্লিক করুন, যা সাধারণত বাম দিকের নেভিগেশন প্যানে বা উপরের ডানদিকের 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 করা আছে।

• আপনার জন্য একটি নতুন API কী তৈরি করা হবে।

এই কীটি অবিলম্বে কপি করুন এবং এটিকে অস্থায়ীভাবে নিরাপদ কোথাও সংরক্ষণ করুন (যেমন একটি পাসওয়ার্ড ম্যানেজার বা একটি সুরক্ষিত নোট)। পরবর্তী ধাপগুলিতে আপনি এই মানটি ব্যবহার করবেন।

গিটহাব প্রমাণীকরণ

আপনার GitHub এবং আপনার Google Cloud Project এর জন্য একই জিমেইল অ্যাকাউন্ট ব্যবহার করতে ভুলবেন না।

উপরের ডানদিকে "Activate Cloud Shell" বোতামে Google Cloud Console- এ গিয়ে ক্লাউড শেল খুলুন।

ধাপ ১: ক্লাউড শেল খুলুন

👉গুগল ক্লাউড কনসোলের উপরে "অ্যাক্টিভেট ক্লাউড শেল" এ ক্লিক করুন (এটি ক্লাউড শেল প্যানের উপরে টার্মিনাল আকৃতির আইকন),

👉"Open Editor" বোতামে ক্লিক করুন (এটি দেখতে পেন্সিল দিয়ে খোলা ফোল্ডারের মতো)। এটি উইন্ডোতে Cloud Shell Code Editor খুলবে। আপনি বাম দিকে একটি ফাইল এক্সপ্লোরার দেখতে পাবেন।

👉একবার এডিটর খোলা হয়ে গেলে, ক্লাউড IDE তে টার্মিনালটি খুলুন,

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

gcloud auth list

ধাপ ২: GitHub এবং Fork দিয়ে প্রমাণীকরণ করুন

GitHub দিয়ে প্রমাণীকরণ করুন:

👉💻 কমান্ডটি কপি করে আপনার ক্লাউড টার্মিনালে পেস্ট করুন:

gh auth login

• "আপনি কোথায় GitHub ব্যবহার করেন", "GitHub.com" নির্বাচন করুন।
• "এই হোস্টে গিট অপারেশনের জন্য আপনার পছন্দের প্রোটোকল কী?", "HTTPS" নির্বাচন করুন।
• "আপনার GitHub শংসাপত্র দিয়ে Git প্রমাণীকরণ করবেন?", "হ্যাঁ" নির্বাচন করুন।
• "আপনি কীভাবে GitHub CLI প্রমাণীকরণ করতে চান?", "ওয়েব ব্রাউজার দিয়ে লগইন করুন" নির্বাচন করুন।

গুরুত্বপূর্ণ!! "এন্টার" টিপবেন না।

মনে রাখবেন যে GitHub প্রমাণীকরণ পৃষ্ঠাটি খুলতে আপনাকে টার্মিনাল থেকে লিঙ্কটি কপি এবং পেস্ট করতে হবে।

টার্মিনাল থেকে কোডটি কপি করে লগইন ভেরিফাই পেজে যান।

কোডটি প্রবেশ করানো শেষ হলে, আপনার ক্লাউড শেল টার্মিনালে ফিরে যান, এগিয়ে যেতে "এন্টার" টিপুন।

ধাপ ৪: রিপো ফর্ক এবং ক্লোন করুন:

👉💻 কমান্ডটি কপি করে আপনার ক্লাউড টার্মিনালে পেস্ট করুন:

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

৩. স্থাপত্য: ক্লাউড অ্যাসিস্টের মাধ্যমে আইডিয়া থেকে ব্লুপ্রিন্ট পর্যন্ত

প্রতিটি দুর্দান্ত প্রকল্প একটি স্পষ্ট দৃষ্টিভঙ্গি দিয়ে শুরু হয়। আমরা আমাদের অ্যাপ আর্কিটেকচার ডিজাইন করতে আমাদের AI কো-পাইলট, ক্লাউড অ্যাসিস্ট ব্যবহার করব।

কর্ম

• গুগল ক্লাউড কনসোল খুলুন: [https://console.cloud.google.com](গুগল ক্লাউড কনসোল)
• উপরের ডান কোণে, "ক্লাউড অ্যাসিস্ট চ্যাট খুলুন" এ ক্লিক করুন।

ক্লাউড সহায়তা সক্ষম করুন

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

ক্লাউড অ্যাসিস্টকে নিম্নলিখিত বিস্তারিত প্রম্পট প্রদান করুন:

আপনার ধারণাটি ইনপুট করুন

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 অ্যাপের ব্লুপ্রিন্ট পান

• "এডিট অ্যাপ ডিজাইন" এ ক্লিক করুন, আপনি ডায়াগ্রামটি দেখতে পাবেন। টেরাফর্ম কোড ডাউনলোড করতে ডানদিকের উপরের প্যানেলে "<> কোড পান" এ ক্লিক করুন।
• ক্লাউড অ্যাসিস্ট একটি আর্কিটেকচার ডায়াগ্রাম তৈরি করবে। এটি আমাদের ভিজ্যুয়াল ব্লুপ্রিন্ট।

এই কোডটি ব্যবহার করে কোনও পদক্ষেপ নেওয়ার প্রয়োজন নেই। আরও ব্যাখ্যার জন্য নীচে পড়ুন।

জেনারেটেড টেরাফর্ম কোড বোঝা। আপনি ক্লাউড অ্যাসিস্ট থেকে টেরাফর্ম ফাইলের একটি সম্পূর্ণ সেট পেয়েছেন। আপাতত এই কোডটি ব্যবহার করে কোনও পদক্ষেপ নেওয়ার প্রয়োজন নেই, তবে আসুন দ্রুত এটি কী এবং কেন এটি এত শক্তিশালী তা ভেঙে ফেলা যাক।

টেরাফর্ম কী? টেরাফর্ম হল একটি ইনফ্রাস্ট্রাকচার অ্যাজ কোড (IaC) টুল। এটিকে আপনার ক্লাউড পরিবেশের জন্য একটি ব্লুপ্রিন্ট হিসেবে ভাবুন, যা কোডে লেখা। পরিষেবা, স্টোরেজ এবং অনুমতি তৈরি করতে গুগল ক্লাউড কনসোলের মাধ্যমে ম্যানুয়ালি ক্লিক করার পরিবর্তে, আপনি এই কনফিগারেশন ফাইলগুলিতে সেই সমস্ত সংস্থানগুলিকে সংজ্ঞায়িত করেন। টেরাফর্ম তারপর আপনার ব্লুপ্রিন্ট পড়ে এবং স্বয়ংক্রিয়ভাবে আপনার জন্য সেই সঠিক পরিবেশ তৈরি করে।

ভিজ্যুয়াল প্ল্যান থেকে এক্সিকিউটেবল কোড পর্যন্ত। ক্লাউড অ্যাসিস্টের আর্কিটেকচার ডায়াগ্রামটি আপনার ভিজ্যুয়াল প্ল্যান। টেরাফর্ম কোডটি একই প্ল্যানের মেশিন-পঠনযোগ্য সংস্করণ। এটি একটি গুরুত্বপূর্ণ লিঙ্ক যা একটি ডিজাইন ধারণাকে পুনরুৎপাদনযোগ্য, স্বয়ংক্রিয় বাস্তবতায় রূপান্তরিত করে। কোডে আপনার অবকাঠামো সংজ্ঞায়িত করে, আপনি যা করতে পারেন:

• স্বয়ংক্রিয় সৃষ্টি: একই পরিবেশ বারবার নির্ভরযোগ্যভাবে তৈরি করুন।
• সংস্করণ নিয়ন্ত্রণ ব্যবহার করুন: আপনার অ্যাপ্লিকেশন কোডের মতোই Git-এ আপনার অবকাঠামোর পরিবর্তনগুলি ট্র্যাক করুন।
• ত্রুটি প্রতিরোধ করুন: ওয়েব ইন্টারফেসে ক্লিক করার সময় যে ম্যানুয়াল ভুলগুলি ঘটতে পারে তা এড়িয়ে চলুন।

এই কর্মশালার জন্য, আপনাকে এই টেরাফর্ম কোডটি নিজে চালাতে হবে না। এটিকে পেশাদার নীলনকশা হিসেবে ভাবুন - "উত্তর কী" - যা আপনি আসন্ন ধাপগুলিতে যে অবকাঠামো তৈরি এবং স্থাপন করবেন তার জন্য।

৪. উন্নয়ন: জেমিনি সিএলআই-এর ভূমিকা

👉💻 আপনার ক্লাউড শেল টার্মিনালে, আপনার ব্যক্তিগত ডিরেক্টরিতে নেভিগেট করুন।

cd ~/storygen-learning

👉💻 প্রথমবারের মতো মিথুন রাশি চেষ্টা করে দেখুন।

clear
gemini --model=gemini-2.5-flash

যদি আপনাকে জিজ্ঞাসা করা হয় যে Do you want to connect Cloud Shell editor to Gemini CLI? "না" নির্বাচন করুন।

👉✨ প্রতিটি জেমিনি টুলের বর্ণনা থাকে। এখনই সেগুলো পড়ুন। জেমিনি প্রম্পটে, টাইপ করুন:

জেমিনি সিএলআই-তে

/help

👉✨ জেমিনি সিএলআই-এর নিজস্ব অন্তর্নির্মিত ক্ষমতা রয়েছে। সেগুলো পরীক্ষা করার জন্য:

জেমিনি সিএলআই-তে

/tools

আপনি ReadFile , WriteFile এবং GoogleSearch সহ একটি তালিকা দেখতে পাবেন। এগুলি হল ডিফল্ট কৌশল যা আপনি বাইরের কোনও অস্ত্রাগার থেকে আঁকতে না পেরে ব্যবহার করতে পারেন।

👉✨ জেমিনি ব্লেড তার কর্মকাণ্ড পরিচালনার জন্য "কৌশলগত সচেতনতা" (প্রসঙ্গ) ধরে রাখতে পারে।

জেমিনি সিএলআই-তে

/memory show

এটি বর্তমানে খালি, একটি ফাঁকা স্লেট।

👉✨ প্রথমে, এজেন্টের স্মৃতিতে একটি ব্যক্তিত্ব যোগ করুন। এটি তার দক্ষতার ক্ষেত্র নির্ধারণ করবে:

জেমিনি সিএলআই-তে

/memory add "I am master at python development"

আপনার ব্লেড এই জ্ঞান শোষিত করেছে কিনা তা নিশ্চিত করতে আবার /memory show চালান।

👉✨ @ চিহ্ন ব্যবহার করে ফাইলগুলি কীভাবে রেফারেন্স করতে হয় তা দেখানোর জন্য, প্রথমে একটি "মিশন ব্রিফ" ফাইল তৈরি করা যাক।

একটি নতুন টার্মিনাল খুলুন এবং আপনার মিশন ফাইল তৈরি করতে নিম্নলিখিত কমান্ডটি চালান:

!echo "## Mission Objective: Create Imagen ADK Agent for Story Book" > mission.md

👉✨এখন, আপনার জেমিনি সিএলআই-কে ব্রিফিং বিশ্লেষণ করতে এবং এর ফলাফল রিপোর্ট করতে নির্দেশ দিন:

জেমিনি সিএলআই-তে

Explain the contents of the file @mission.md

তোমার প্রধান অস্ত্র এখন তার উদ্দেশ্য সম্পর্কে সচেতন।

👉💻 জেমিনি CLI থেকে বেরিয়ে আসতে দুবার Ctrl+C টিপুন।

শেখা:

জেমিনি সিএলআই কীভাবে তার সুপারপাওয়ার পায়: gemini.md আমরা এগিয়ে যাওয়ার আগে, জেমিনি সিএলআই কীভাবে একটি নির্দিষ্ট প্রকল্পের জন্য তৈরি করা যেতে পারে তা বোঝা গুরুত্বপূর্ণ। আপনি এটিকে একটি সাধারণ-উদ্দেশ্য চ্যাট টুল হিসাবে ব্যবহার করতে পারেন, তবে এর আসল শক্তি একটি বিশেষ কনফিগারেশন ফাইল থেকে আসে: gemini.md।

যখন আপনি gemini কমান্ডটি চালান, তখন এটি স্বয়ংক্রিয়ভাবে বর্তমান ডিরেক্টরিতে একটি gemini.md ফাইল অনুসন্ধান করে। এই ফাইলটি AI-এর জন্য একটি প্রকল্প-নির্দিষ্ট নির্দেশিকা ম্যানুয়াল হিসাবে কাজ করে। এটি তিনটি মূল বিষয় সংজ্ঞায়িত করতে পারে:

• পারসোনা: আপনি AI কে বলতে পারবেন এটি কে হওয়া উচিত। উদাহরণস্বরূপ, "আপনি একজন বিশেষজ্ঞ পাইথন ডেভেলপার যিনি গুগল ক্লাউডে বিশেষজ্ঞ।" এটি এর প্রতিক্রিয়া এবং স্টাইলকে কেন্দ্র করে।
• টুলস: আপনি এটিকে নির্দিষ্ট ফাইল (@file.py) অথবা এমনকি গুগল অনুসন্ধান (@google) অ্যাক্সেস দিতে পারেন। এটি AI কে আপনার প্রকল্পের কোড সম্পর্কে প্রশ্নের উত্তর দেওয়ার জন্য প্রয়োজনীয় প্রেক্ষাপট প্রদান করে।
• স্মৃতি: আপনি এমন তথ্য বা নিয়ম প্রদান করতে পারেন যা এই প্রকল্পের জন্য AI-এর সর্বদা মনে রাখা উচিত, যা ধারাবাহিকতা বজায় রাখতে সাহায্য করে।

একটি gemini.md ফাইল ব্যবহার করে, আপনি জেনেরিক জেমিনি মডেলটিকে এমন একটি বিশেষজ্ঞ সহকারীতে পরিণত করতে পারেন যা ইতিমধ্যেই আপনার প্রকল্পের লক্ষ্য সম্পর্কে অবহিত এবং সঠিক তথ্যে অ্যাক্সেস পায়।

৫. উন্নয়ন: জেমিনি সিএলআই দিয়ে ADK তৈরি করা

পরিবেশ কনফিগারেশন

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

1. পরিবেশ টেমপ্লেটটি অনুলিপি করুন:

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

.env না পেলে এডিটরে লুকানো ফাইল দেখুন।

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

👉আপনার গুগল ক্লাউড প্রজেক্ট আইডি খুঁজুন:

• গুগল ক্লাউড কনসোল খুলুন: লিঙ্ক
• পৃষ্ঠার উপরে প্রজেক্ট ড্রপ ডাউন থেকে এই কর্মশালার জন্য আপনি যে প্রকল্পটি ব্যবহার করতে চান তা নির্বাচন করুন।
• আপনার প্রজেক্ট আইডি ড্যাশবোর্ডের প্রজেক্ট তথ্য কার্ডে প্রদর্শিত হবে।

👉আপনার GitHub ব্যবহারকারীর নাম খুঁজুন:

• আপনার GitHub-এ যান এবং আপনার GitHub ব্যবহারকারীর নাম খুঁজুন।

.env ফাইল সম্পাদনা করা 2. .env এ নিম্নলিখিত মানগুলি 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 তে যান একটি নতুন টার্মিনাল খুলুন (জেমিনি CLI তে নয়)

cd ~/storygen-learning/00_Starting_Here

সম্পূর্ণ সেটআপটি চালান:

./setup-complete.sh

আপনার টার্মিনালে সেটআপের ফলাফল দেখা উচিত।

আপনার প্রথম এজেন্ট তৈরি করুন

01a_First_Agent_Ready তে যান। ADK এজেন্ট তৈরি করতে Gemini CLI ব্যবহার করুন:**

cd ~/storygen-learning/01a_First_Agent_Ready

জেমিনি সিএলআই খুলুন

gemini

গামিনি সিএলআই 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 কাজ শেষ হয়ে গেলে, Control+C ব্যবহার করে Gemini CLI টার্মিনালটি 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

চালিয়ে যেতে, আপনার একটি কমান্ড প্রম্পট প্রয়োজন হবে।

আপনি হয় একটি নতুন টার্মিনাল উইন্ডো খুলতে পারেন অথবা Ctrl+C টিপে বর্তমান ADK ওয়েব সার্ভারটি বন্ধ করতে পারেন।

ওয়েবসাইটটি ঘুরিয়ে দিন

cd ~/storygen-learning/01a_First_Agent_Ready

./start.sh

যদি আপনার পরিবর্তনটি কাজ না করে, তাহলে আপনি ADK ওয়েব UI এবং ওয়েবসাইটে ত্রুটি দেখতে পাবেন বলে আশা করা হচ্ছে।

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

সমাধান

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

cd ~/storygen-learning/01b_First_Agent_Done

ওয়েবসাইটটি ঘুরিয়ে নিন:

./start.sh

আপনি ওয়েবসাইটটি দেখতে পাবেন:

ADK UI ব্যবহার করে দেখুন: আরেকটি 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 জিজ্ঞাসা করতে পারবেন।

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

৬. উন্নয়ন: জেমিনি সিএলআই দিয়ে ADK তৈরি করা - (প্রসঙ্গ প্রকৌশল উপায়)

প্রাথমিক সেটআপ

01a_First_Agent_Ready/backend/story_agent/agent.py-তে আমরা যে এজেন্ট ফাইলটি তৈরি করেছি তা মুছে ফেলতে ভুলবেন না:

01a_First_Agent_Ready তে যান। ADK এজেন্ট তৈরি করতে Gemini CLI ব্যবহার করুন:**

cd ~/storygen-learning/01a_First_Agent_Ready/backend

জেমিনি সিএলআই খুলুন

gemini

গামিনি সিএলআই উইন্ডোর ভিতরে, প্রম্পট চেষ্টা করুন:

Summarize the design doc @design.md for me, do not attempt to create file just yet. 

👉💻 Ctrl+C দুবার চেপে কিছুক্ষণের জন্য জেমিনি থেকে বেরিয়ে আসুন।

👉💻 আপনার টার্মিনালে, নির্দেশিকা ফাইলটি লেখার জন্য নিম্নলিখিত কমান্ডটি চালান।

cat << 'EOF' > GEMINI.md
  ### **Coding Guidelines**
  **1. Python Best Practices:**

  *   **Type Hinting:** All function and method signatures should include type hints for arguments and return values.
  *   **Docstrings:** Every module, class, and function should have a docstring explaining its purpose, arguments, and return value, following a consistent format like reStructuredText or 
  Google Style.
  *   **Linter & Formatter:** Use a linter like `ruff` or `pylint` and a code formatter like `black` to enforce a consistent style and catch potential errors.
  *   **Imports:** Organize imports into three groups: standard library, third-party libraries, and local application imports. Sort them alphabetically within each group.
  *   **Naming Conventions:**
      *   `snake_case` for variables, functions, and methods.
      *   `PascalCase` for classes.
      *   `UPPER_SNAKE_CASE` for constants.
  *   **Dependency Management:** All Python dependencies must be listed in a `requirements.txt` file.

  **2. Web APIs (FastAPI):**

  *   **Data Validation:** Use `pydantic` models for request and response data validation.
  *   **Dependency Injection:** Utilize FastAPI's dependency injection system for managing resources like database connections.
  *   **Error Handling:** Implement centralized error handling using middleware or exception handlers.
  *   **Asynchronous Code:** Use `async` and `await` for I/O-bound operations to improve performance.
EOF
cat GEMINI.md

আইনগুলি খোদাই করে, আসুন আমাদের AI অংশীদারকে পুনরায় ডেকে আনি এবং শিল্পকর্মটির জাদু প্রত্যক্ষ করি।

👉💻 শ্যাডোব্লেড ডিরেক্টরি থেকে জেমিনি সিএলআই পুনরায় চালু করুন:

cd ~/storygen-learning/01a_First_Agent_Ready/backend
clear
gemini

👉✨ এখন, জেমিনিকে বলো সে কী ভাবছে তা দেখাতে। রুনস পড়া হয়ে গেছে।

/memory show 

👉✨ এটিই একমাত্র, শক্তিশালী কমান্ড যা আপনার এজেন্ট তৈরি করবে। এখনই এটি জারি করুন:

You are an expert Python developer specializing in the Google Agent Development Kit (ADK). Your task is to write the complete, production-quality code for `agent.py` by following the technical specifications outlined in the provided design document verbatim.

Analyze the design document at `@design.md` and generate the corresponding Python code for `agent.py`.

I need you to generate a Python script based on the provided design document and reference examples. Follow these requirements:

Read the design document carefully - it contains the complete technical specification for the code you need to write
Follow the structure and patterns shown in the reference context files
Adhere to all Python best practices specified in the coding standards document
Implement every requirement mentioned in the design document exactly as specified
Use the exact variable names, function names, and string values mentioned in the specifications

The design document describes the complete architecture, dependencies, configuration, and logic flow. Your generated code must match these specifications precisely while following professional Python coding standards.
Generate clean, production-ready Python code that can be used immediately without modifications.

একবার কাজ শেষ হয়ে গেলে, Control+C ব্যবহার করে Gemini CLI টার্মিনালটি 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

চালিয়ে যেতে, আপনার একটি কমান্ড প্রম্পট প্রয়োজন হবে।

আপনি হয় একটি নতুন টার্মিনাল উইন্ডো খুলতে পারেন অথবা Ctrl+C টিপে বর্তমান ADK ওয়েব সার্ভারটি বন্ধ করতে পারেন।

ওয়েবসাইটটি ঘুরিয়ে দিন

cd ~/storygen-learning/01a_First_Agent_Ready

./start.sh

যদি আপনার পরিবর্তনটি কাজ না করে, তাহলে আপনি ADK ওয়েব UI এবং ওয়েবসাইটে ত্রুটি দেখতে পাবেন বলে আশা করা হচ্ছে।

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

সমাধান

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

cd ~/storygen-learning/01b_First_Agent_Done

ওয়েবসাইটটি ঘুরিয়ে নিন:

./start.sh

আপনি ওয়েবসাইটটি দেখতে পাবেন:

ADK UI ব্যবহার করে দেখুন: আরেকটি 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 জিজ্ঞাসা করতে পারবেন।

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

৭. ডেভেলপমেন্ট: ইমেজেন দিয়ে আপনার কাস্টম এজেন্ট তৈরি করুন

ইমেজেন টুল (দ্বিতীয় এজেন্ট) তৈরি করুন

cd ~/storygen-learning/02a_Image_Agent_Ready

ইমেজ জেনারেশন এজেন্ট তৈরি করতে জেমিনি সিএলআই 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

ওয়েবসাইটটি ঘুরিয়ে দিন

cd ~/storygen-learning/02a_Second_Agent_Ready

./start.sh

যদি আপনার পরিবর্তনটি কাজ না করে, তাহলে আপনি ADK ওয়েব UI এবং ওয়েবসাইটে ত্রুটি দেখতে পাবেন বলে আশা করা হচ্ছে।

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

সমাধান

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

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

ওয়েবসাইটটি ঘুরিয়ে নিন:

./start.sh

আপনি ওয়েবসাইটটি দেখতে পাবেন:

ADK UI ব্যবহার করে দেখুন: আরেকটি 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 জিজ্ঞাসা করতে পারবেন:

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

শেখা

আমাদের প্রথম এজেন্ট টেক্সট তৈরিতে দুর্দান্ত ছিল, কিন্তু এখন আমাদের ছবি তৈরি করতে হবে। এই কাজের জন্য, আমাদের আরও সরাসরি নিয়ন্ত্রণ প্রয়োজন। আমরা চাই না যে LLM ছবি তৈরি করবে কিনা তা সিদ্ধান্ত নেবে; আমরা চাই যে এটি সরাসরি করার জন্য নির্দেশ করুক। এটি একটি BaseAgent এর জন্য নিখুঁত কাজ।

ঘোষণামূলক LlmAgent এর বিপরীতে, একটি BaseAgent অপরিহার্য। এর অর্থ হল আপনি, ডেভেলপার, _run_async_impl পদ্ধতির ভিতরে ধাপে ধাপে সঠিক Python লজিক লিখুন। এক্সিকিউশন প্রবাহের উপর আপনার সম্পূর্ণ নিয়ন্ত্রণ রয়েছে।

আপনার যখন প্রয়োজন হবে তখন আপনি একটি BaseAgent বেছে নেবেন:

নির্ধারক যুক্তি : এজেন্টকে অবশ্যই একটি নির্দিষ্ট, অপরিবর্তনীয় ধাপের ক্রম অনুসরণ করতে হবে।

ডাইরেক্ট টুল এক্সিকিউশন : আপনি LLM হস্তক্ষেপ ছাড়াই সরাসরি একটি টুল কল করতে চান।

জটিল কর্মপ্রবাহ : এই প্রক্রিয়ায় কাস্টম ডেটা ম্যানিপুলেশন, API কল এবং লজিক জড়িত থাকে যা একজন LLM-এর পক্ষে শুধুমাত্র একটি প্রম্পট থেকে নির্ভরযোগ্যভাবে অনুমান করা সম্ভব নয়।

আমাদের অ্যাপের জন্য, আমরা প্রথম এজেন্টের কাছ থেকে দৃশ্যের বিবরণ গ্রহণ করার জন্য একটি BaseAgent ব্যবহার করব এবং প্রতিটি দৃশ্যের জন্য একটি চিত্র তৈরি করার নিশ্চয়তা দেওয়ার জন্য সরাসরি Imagen টুলটিতে কল করব।

৮. পরীক্ষা: এজেন্ট মূল্যায়ন

আমাদের অ্যাপটি কাজ করে, কিন্তু আমাদের একটি স্বয়ংক্রিয় সুরক্ষা জালের প্রয়োজন। এটি আমাদের এআই কো-পাইলটকে অর্পণ করার জন্য একটি নিখুঁত কাজ।

কর্ম

cd ~/storygen-learning/03a_Agent_Evaluation_Ready/backend

ব্যাপক পরীক্ষা লিখতে জেমিনি সিএলআই ব্যবহার করুন:

জেমিনি সিএলআই খুলুন

gemini

গামিনি সিএলআই 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 ADK ওয়েব UI দেখতে পাওয়া উচিত যেখানে ক্রমাগত পরীক্ষার ক্ষমতা থাকবে।

মূল শিক্ষণীয় মুহূর্ত: গুণমান নিশ্চিতকরণের স্বয়ংক্রিয়করণে AI একটি শক্তিশালী অংশীদার। এটি পরীক্ষা লেখার ক্ষেত্রে গুরুত্বপূর্ণ ভূমিকা পালন করতে পারে, যা আপনাকে বৈশিষ্ট্য তৈরিতে মনোনিবেশ করার সুযোগ দেয়।

———————————————– 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 কেসগুলি দেখতে পারেন:

এখানে মেট্রিক্স সামঞ্জস্য করুন:

eval রানের ফলাফল এখানে দেখুন:

শেখা

কোনও এজেন্ট "কাজ" করতে পারে কারণ এটি ত্রুটি ছাড়াই চলে, কিন্তু আমরা কীভাবে জানব যে এটি সঠিক আউটপুট তৈরি করছে কিনা? গল্পটি কি ভাল? JSON ফর্ম্যাটটি কি সঠিক? এখানেই ADK এর মূল্যায়ন কাঠামোটি আসে।

এজেন্ট মূল্যায়ন হল একটি স্বয়ংক্রিয় পরীক্ষামূলক ব্যবস্থা যা আপনার এজেন্টের প্রতিক্রিয়ার গুণমান এবং সঠিকতা পরিমাপ করার জন্য ডিজাইন করা হয়েছে। শুধুমাত্র কোড ত্রুটি পরীক্ষা করার পরিবর্তে, এটি এজেন্টের আচরণ আপনার প্রত্যাশা পূরণ করে কিনা তা পরীক্ষা করে। কাঠামোটি মূলত কয়েকটি মূল ফাইল ব্যবহার করে:

evalset.json : এটি আপনার মাস্টার টেস্ট স্যুট। এই ফাইলের প্রতিটি "eval case"-এ একটি নমুনা কথোপকথন (যেমন, একটি ব্যবহারকারীর প্রম্পট) এবং এজেন্ট যে আদর্শ, "সোনালী" প্রতিক্রিয়াটি তৈরি করবে বলে আপনি আশা করেন তা রয়েছে।

test_config.json : এই ফাইলটি সাফল্যের নিয়মগুলি সংজ্ঞায়িত করে। আপনি এখানে মানদণ্ড নির্ধারণ করেন, যেমন:

response_match_score : এজেন্টের প্রতিক্রিয়া "সোনালী" প্রতিক্রিয়ার সাথে কতটা মিলবে? (১.০ স্কোর মানে এটি অভিন্ন হতে হবে)।

custom_evaluators : আপনি আপনার নিজস্ব নিয়ম তৈরি করতে পারেন, যেমন "প্রতিক্রিয়াটি অবশ্যই বৈধ JSON হতে হবে" অথবা "গল্পটিতে ১০০ শব্দের বেশি থাকতে হবে।"

একটি মূল্যায়ন পরিচালনা করে, আপনি স্বয়ংক্রিয়ভাবে আপনার এজেন্টকে কয়েক ডজন পরিস্থিতিতে পরীক্ষা করতে পারেন, নিশ্চিত করতে পারেন যে আপনার প্রম্পট বা সরঞ্জামগুলিতে পরিবর্তনগুলি দুর্ঘটনাক্রমে এর মূল কার্যকারিতা ব্যাহত করে না। এটি উৎপাদন-প্রস্তুত AI এজেন্ট তৈরির জন্য একটি শক্তিশালী সুরক্ষা জাল।

৯. কোড হিসেবে অবকাঠামো (IaC): ক্লাউডে একটি বাড়ি তৈরি করা

আমাদের কোডটি পরীক্ষিত, কিন্তু এর জন্য একটি উৎপাদন-প্রস্তুত ঘর প্রয়োজন। আমাদের পরিবেশকে সংজ্ঞায়িত করতে আমরা "কোড হিসাবে অবকাঠামো" ব্যবহার করব।

ডকার কী?

ডকার হলো কন্টেইনারে অ্যাপ্লিকেশন তৈরি এবং চালানোর একটি প্ল্যাটফর্ম। সফটওয়্যারের জন্য একটি স্ট্যান্ডার্ডাইজড শিপিং কন্টেইনারের মতো একটি কন্টেইনারের কথা ভাবুন। এটি আপনার অ্যাপ্লিকেশনটিকে একটি একক, বিচ্ছিন্ন প্যাকেজে চালানোর জন্য প্রয়োজনীয় সবকিছু একত্রিত করে:

• অ্যাপ্লিকেশন কোড নিজেই
• প্রয়োজনীয় রানটাইম (যেমন, পাইথনের নির্দিষ্ট সংস্করণ)
• সকল সিস্টেম টুল এবং লাইব্রেরি

এই কন্টেইনারাইজড অ্যাপ্লিকেশনটি ডকার ইনস্টল করা যেকোনো মেশিনে চালানো যেতে পারে, যা ক্লাসিক "এটি আমার মেশিনে কাজ করে" সমস্যাটি সমাধান করে।

এই বিভাগে, আমরা জেমিনিকে একটি ডকারফাইল তৈরি করতে বলব, যা আমাদের অ্যাপ্লিকেশনের কন্টেইনার ইমেজ তৈরির জন্য কেবল রেসিপি বা ব্লুপ্রিন্ট।

কর্ম

cd ~/storygen-learning/04a_Manual_Deployment_Ready

ব্যাকএন্ডের জন্য একটি ডকারফাইল তৈরি করতে জেমিনি সিএলআই ব্যবহার করুন: জেমিনি সিএলআই খুলুন

Gemini

জেমিনি সিএলআই-এর ভিতরে, প্রম্পটটি 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

আপনার স্থাপনার ফলাফল এবং অবকাঠামো তৈরি দেখা উচিত

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

আমাদের অ্যাপ্লিকেশনটি ম্যানুয়ালি ব্যবহার করা চলমান যন্ত্রাংশগুলি বোঝার একটি দুর্দান্ত উপায়, তবে এটি ধীর, ম্যানুয়াল প্রচেষ্টার প্রয়োজন এবং মানুষের ত্রুটির কারণ হতে পারে। পেশাদার সফ্টওয়্যার বিকাশে, এই সম্পূর্ণ প্রক্রিয়াটি CI/CD নামক একটি অনুশীলন ব্যবহার করে স্বয়ংক্রিয়ভাবে সম্পন্ন হয়।

CI/CD এর অর্থ হল Continuous Integration and Continuous Deployment । এটি এমন একটি পদ্ধতি যার মাধ্যমে আপনি প্রতিবার কোনও পরিবর্তন করার সময় স্বয়ংক্রিয়ভাবে আপনার কোড তৈরি, পরীক্ষা এবং স্থাপন করতে পারেন।

• কন্টিনিউয়াস ইন্টিগ্রেশন (CI) : এটি "বিল্ড অ্যান্ড টেস্ট" পর্ব। একজন ডেভেলপার যখনই কোনও কোড পরিবর্তনকে একটি শেয়ার্ড রিপোজিটরিতে (যেমন GitHub) ঠেলে দেয়, তখনই একটি স্বয়ংক্রিয় সিস্টেম কাজ শুরু করে। এটি অ্যাপ্লিকেশনটি তৈরি করে এবং সমস্ত পরীক্ষা (যেমন আমাদের তৈরি এজেন্ট মূল্যায়ন) চালায় যাতে নতুন কোডটি সঠিকভাবে ইন্টিগ্রেট হয় এবং কোনও বাগ না আসে।
• কন্টিনিউয়াস ডিপ্লয়মেন্ট (সিডি) : এটি "রিলিজ" পর্ব। যদি সিআই পর্বটি সফলভাবে সম্পন্ন হয়, তাহলে সিস্টেমটি স্বয়ংক্রিয়ভাবে অ্যাপ্লিকেশনটির নতুন, পরীক্ষিত সংস্করণটি উৎপাদনে স্থাপন করে, যা ব্যবহারকারীদের জন্য লাইভ করে তোলে।

এই স্বয়ংক্রিয় পাইপলাইনটি একটি "ডিজিটাল অ্যাসেম্বলি লাইন" তৈরি করে যা একজন ডেভেলপারের মেশিন থেকে দ্রুত, নিরাপদে এবং নির্ভরযোগ্যভাবে উৎপাদনে কোড নিয়ে যায়। এই বিভাগে, আমরা আমাদের AI সহকারীকে GitHub Actions এবং Google Cloud Build ব্যবহার করে আমাদের জন্য এই অ্যাসেম্বলি লাইনটি তৈরি করতে বলব।

কর্ম

cd ~/storygen-learning/05a_CICD_Pipeline_Ready

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

জেমিনি সিএলআই খুলুন

Gemini

জেমিনি সিএলআই-এর ভিতরে, প্রম্পটটি 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

তুমি CI/CD পাইপলাইন সেটআপের সমাপ্তি দেখতে পাবে।

ওয়ার্কফ্লো ট্রিগার করুন: কমিট করুন এবং আপনার কোডটি main-এ পুশ করুন। মনে রাখবেন যে অনুমতি দেওয়ার জন্য আপনাকে আপনার GitHub 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 স্থাপনার রান দেখতে আপনার GitHub সংগ্রহস্থলের "অ্যাকশন" ট্যাবে যান।

১১. অপারেশন: এআই কন্ট্রোল টাওয়ার

আমরা লাইভ! কিন্তু যাত্রা এখনও শেষ হয়নি। এটি "দ্বিতীয় দিন" - অপারেশন। আমাদের চলমান অ্যাপ্লিকেশন পরিচালনা করতে ক্লাউড অ্যাসিস্টে ফিরে আসা যাক।

কর্ম

1. গুগল ক্লাউড কনসোলে আপনার ক্লাউড রান পরিষেবাতে নেভিগেট করুন। কিছু ট্র্যাফিক এবং লগ তৈরি করতে আপনার লাইভ অ্যাপের সাথে ইন্টারঅ্যাক্ট করুন।
2. ক্লাউড অ্যাসিস্ট প্যানটি খুলুন এবং এটিকে অপারেশনাল কো-পাইলট হিসেবে ব্যবহার করুন, যার মধ্যে রয়েছে এই ধরনের প্রম্পট:

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 অপ্টিমাইজেশন:

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

মূল শিক্ষণীয় মুহূর্ত: AI SDLC হল একটি অবিচ্ছিন্ন লুপ। অ্যাপ্লিকেশনটি তৈরিতে সাহায্যকারী একই AI সহ-পাইলট উৎপাদনে এটি পর্যবেক্ষণ, সমস্যা সমাধান এবং অপ্টিমাইজ করার জন্য একটি অপরিহার্য অংশীদার।