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:

• এআই ব্যবহার করে একটি ক্লাউড আর্কিটেকচারে একটি উচ্চ-স্তরের ধারণাটি অনুবাদ করেছেন।
• 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।

• 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

আপনার GitHub এবং আপনার Google ক্লাউড প্রকল্পের জন্য একই জিমেইল অ্যাকাউন্ট ব্যবহার করা নিশ্চিত করুন।

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

ধাপ 1: ক্লাউড শেল খুলুন

👉Google ক্লাউড কনসোলের শীর্ষে "এ্যাক্টিভেট ক্লাউড শেল" 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।

👉আপনি একবার এডিটর খুললে, ক্লাউড আইডিই-তে 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

পদক্ষেপ 2: গিটহাব এবং কাঁটাচামচ দিয়ে প্রমাণীকরণ

GitHub দিয়ে প্রমাণীকরণ করুন:

👉💻 আপনার ক্লাউড টার্মিনালে কমান্ডটি কপি এবং পেস্ট করুন:

gh auth login

• "আপনি GitHub কোথায় ব্যবহার করেন", "GitHub.com" নির্বাচন করুন
• "এই হোস্টে গিট অপারেশনের জন্য আপনার পছন্দের প্রোটোকল কি?", "HTTPS" নির্বাচন করুন
• "আপনার GitHub শংসাপত্রগুলির সাথে গিটকে প্রমাণীকরণ করুন?", "হ্যাঁ" নির্বাচন করুন
• "আপনি কিভাবে GitHub CLI প্রমাণীকরণ করতে চান?", "একটি ওয়েব ব্রাউজার দিয়ে লগইন করুন" নির্বাচন করুন

গুরুত্বপূর্ণ!! এখনও "এন্টার" টিপুন না

মনে রাখবেন GitHub auth পৃষ্ঠাটি খুলতে আপনাকে টার্মিনাল থেকে লিঙ্কটি অনুলিপি এবং পেস্ট করতে হবে।

লগইন যাচাই পৃষ্ঠায় টার্নিয়াল থেকে কোডটি অনুলিপি করুন

আপনি কোডটি প্রবেশ করা শেষ করার পরে, আপনার ক্লাউড শেল টার্মিনালে ফিরে যান, এগিয়ে যেতে "এন্টার" টিপুন।

ধাপ 4: কাঁটাচামচ এবং রেপো ক্লোন করুন:

👉💻 আপনার ক্লাউড টার্মিনালে কমান্ডটি কপি এবং পেস্ট 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](Google Cloud Console)
• 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:

ইনপুট আপনার ধারণা

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।

এই কোডের সাথে কোন কর্মের প্রয়োজন নেই। আরো ব্যাখ্যা জন্য নীচে পড়ুন

জেনারেটেড টেরাফর্ম কোড বোঝা। আপনি এইমাত্র ক্লাউড অ্যাসিস্ট থেকে Terraform ফাইলগুলির একটি সম্পূর্ণ সেট পেয়েছেন৷ আপাতত এই কোডের সাথে কোন পদক্ষেপের প্রয়োজন নেই, তবে আসুন দ্রুত এটি কী এবং কেন এটি এত শক্তিশালী তা ভেঙে ফেলা যাক।

Terraform কি? Terraform হল কোড (IaC) টুল হিসাবে একটি পরিকাঠামো। কোডে লেখা আপনার ক্লাউড পরিবেশের জন্য এটিকে একটি ব্লুপ্রিন্ট হিসেবে ভাবুন। পরিষেবা, সঞ্চয়স্থান এবং অনুমতিগুলি তৈরি করতে Google ক্লাউড কনসোলের মাধ্যমে ম্যানুয়ালি ক্লিক করার পরিবর্তে, আপনি এই কনফিগারেশন ফাইলগুলিতে সেই সমস্ত সংস্থানগুলিকে সংজ্ঞায়িত করুন৷ Terraform তারপর আপনার ব্লুপ্রিন্ট পড়ে এবং স্বয়ংক্রিয়ভাবে আপনার জন্য সেই সঠিক পরিবেশ তৈরি করে।

ভিজ্যুয়াল প্ল্যান থেকে এক্সিকিউটেবল কোড পর্যন্ত। প্রদত্ত আর্কিটেকচার ডায়াগ্রাম ক্লাউড অ্যাসিস্ট হল আপনার ভিজ্যুয়াল প্ল্যান। Terraform কোড একই পরিকল্পনার মেশিন-পাঠযোগ্য সংস্করণ। এটি একটি গুরুত্বপূর্ণ লিঙ্ক যা একটি নকশা ধারণাকে একটি পুনরুত্পাদনযোগ্য, স্বয়ংক্রিয় বাস্তবতায় পরিণত করে। কোডে আপনার অবকাঠামো সংজ্ঞায়িত করে, আপনি করতে পারেন:

• স্বয়ংক্রিয় সৃষ্টি: বিশ্বস্তভাবে একই পরিবেশ বারবার তৈরি করুন।
• সংস্করণ নিয়ন্ত্রণ ব্যবহার করুন: আপনার অ্যাপ্লিকেশন কোডের মতোই গিটে আপনার পরিকাঠামোতে পরিবর্তনগুলি ট্র্যাক করুন।
• ত্রুটিগুলি প্রতিরোধ করুন: ওয়েব ইন্টারফেসের মাধ্যমে ক্লিক করার সময় যে ম্যানুয়াল ভুলগুলি ঘটতে পারে তা এড়িয়ে চলুন।

এই কর্মশালার জন্য, আপনাকে এই টেরাফর্ম কোডটি নিজে চালাতে হবে না। এটিকে পেশাদার ব্লুপ্রিন্ট হিসাবে ভাবুন—"উত্তর কী"—আপনি যে অবকাঠামো তৈরি করবেন এবং আসন্ন পদক্ষেপগুলিতে স্থাপন করবেন তার জন্য৷

4. বিকাশ: মিথুন CLI-এর ভূমিকা

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

cd ~/storygen-learning

👉💻 মিথুন রাশি প্রথমবার চেষ্টা করুন।

clear
gemini --model=gemini-2.5-flash

যদি এটি আপনাকে জিজ্ঞাসা করে Do you want to connect Cloud Shell editor to Gemini CLI? , NO নির্বাচন করুন।

👉✨ প্রতিটি মিথুন টুলের বর্ণনা আছে। এখন তাদের পড়ুন. মিথুন প্রম্পটে, টাইপ করুন:

মিথুন CLI তে

/help

👉✨ মিথুন CLI এর নিজস্ব বিল্ট-ইন ক্ষমতা রয়েছে। তাদের পরিদর্শন করতে:

মিথুন CLI তে

/tools

আপনি ReadFile , WriteFile , এবং GoogleSearch সহ একটি তালিকা দেখতে পাবেন। এইগুলি হল ডিফল্ট কৌশল যা আপনি বহিরাগত অস্ত্রাগার থেকে আঁকার প্রয়োজন ছাড়াই কল করতে পারেন।

👉✨ মিথুন ব্লেড "কৌশলগত সচেতনতা" (প্রসঙ্গ) ধারণ করতে পারে তার ক্রিয়াগুলি পরিচালনা করতে।

মিথুন CLI তে

/memory show

এটি বর্তমানে খালি, একটি ফাঁকা স্লেট।

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

মিথুন CLI তে

/memory add "I am master at python development"

আপনার ব্লেড এই জ্ঞান শুষে নিয়েছে নিশ্চিত করতে আবার /memory show চালান।

👉✨ কিভাবে @ চিহ্ন দিয়ে ফাইলগুলিকে রেফারেন্স করতে হয় তা প্রদর্শনের জন্য প্রথমে একটি "মিশন সংক্ষিপ্ত" 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 CLI-কে ব্রিফিং বিশ্লেষণ করতে এবং এর ফলাফলগুলি রিপোর্ট করার নির্দেশ দিন:

মিথুন CLI তে

Explain the contents of the file @mission.md

আপনার প্রাথমিক অস্ত্র এখন তার উদ্দেশ্য সম্পর্কে সচেতন।

👉💻 জেমিনি সিএলআই থেকে প্রস্থান করতে দুবার Ctrl+C টিপুন

শেখা:

জেমিনি সিএলআই কীভাবে তার পরাশক্তিগুলি পায়: জেমিনি.এমডি আমরা চালিয়ে যাওয়ার আগে, জেমিনি সিএলআই কীভাবে একটি নির্দিষ্ট প্রকল্পের জন্য উপযুক্ত হতে পারে তা বোঝা গুরুত্বপূর্ণ। যদিও আপনি এটিকে একটি সাধারণ-উদ্দেশ্য চ্যাট টুল হিসাবে ব্যবহার করতে পারেন, এটির আসল শক্তি একটি বিশেষ কনফিগারেশন ফাইল থেকে আসে: gemini.md।

আপনি যখন gemini কমান্ডটি চালান, এটি স্বয়ংক্রিয়ভাবে বর্তমান ডিরেক্টরিতে একটি gemini.md ফাইলের সন্ধান করে। এই ফাইলটি এআই-এর জন্য একটি প্রকল্প-নির্দিষ্ট নির্দেশনা ম্যানুয়াল হিসেবে কাজ করে। এটি তিনটি মূল জিনিস সংজ্ঞায়িত করতে পারে:

• ব্যক্তিত্ব: আপনি AI কে বলতে পারেন এটি কে হওয়া উচিত৷ উদাহরণস্বরূপ, "আপনি Google ক্লাউডে বিশেষজ্ঞ পাইথন বিকাশকারী একজন বিশেষজ্ঞ।" এই তার প্রতিক্রিয়া এবং শৈলী ফোকাস.
• টুল: আপনি এটিকে নির্দিষ্ট ফাইল (@file.py) বা এমনকি Google অনুসন্ধানে (@google) অ্যাক্সেস দিতে পারেন। এটি আপনার প্রকল্পের কোড সম্পর্কে প্রশ্নের উত্তর দেওয়ার জন্য প্রয়োজনীয় প্রসঙ্গ সহ AI প্রদান করে।
• মেমরি: আপনি তথ্য বা নিয়ম প্রদান করতে পারেন যা AI এই প্রকল্পের জন্য সবসময় মনে রাখা উচিত, যা ধারাবাহিকতা বজায় রাখতে সাহায্য করে।

একটি gemini.md ফাইল ব্যবহার করে, আপনি জেনেরিক জেমিনি মডেলটিকে একজন বিশেষজ্ঞ সহকারীতে পরিণত করেন যা ইতিমধ্যেই আপনার প্রকল্পের লক্ষ্য সম্পর্কে ব্রিফ করা হয়েছে এবং সঠিক তথ্যে অ্যাক্সেস রয়েছে৷

5. উন্নয়ন: জেমিনি CLI এর সাথে ADK তৈরি করা

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।

👉আপনার Google ক্লাউড প্রকল্প আইডি খুঁজুন:

• গুগল ক্লাউড কনসোল খুলুন: লিঙ্ক
• পৃষ্ঠার শীর্ষে প্রজেক্ট ড্রপ ডাউন থেকে আপনি এই কর্মশালার জন্য যে প্রকল্পটি ব্যবহার করতে চান তা নির্বাচন করুন।
• আপনার প্রজেক্ট আইডি ড্যাশবোর্ডে প্রজেক্ট ইনফো কার্ডে প্রদর্শিত হয়

👉আপনার GitHub ব্যবহারকারীর নাম খুঁজুন:

• আপনার GitHub এ যান এবং আপনার GitHub ব্যবহারকারীর নাম খুঁজুন

.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_ স্টার্টিং_ এখানে যান একটি নতুন টার্মিনাল খুলুন (জেমিনি সিএলআইতে 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

চালিয়ে যেতে, আপনার একটি কমান্ড প্রম্পট প্রয়োজন হবে।

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

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।

6. উন্নয়ন: জেমিনি সিএলআই-এর সাথে ADK তৈরি করা - (প্রসঙ্গ ইঞ্জিনিয়ারিং ওয়ে)

প্রাথমিক সেটআপ

01a_First_Agent_Ready/backend/story_agent/agent.py-এ আমরা আগে তৈরি করা এজেন্ট ফাইলটি মুছে ফেলার বিষয়টি নিশ্চিত করুন:

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

cd ~/storygen-learning/01a_First_Agent_Ready/backend

Gemini CLI খুলুন

gemini

Gamini CLI উইন্ডোর ভিতরে, প্রম্পট চেষ্টা করুন:

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

👉💻 দুবার Ctrl+C টিপে কিছুক্ষণের জন্য মিথুন থেকে প্রস্থান করুন।

👉💻 আপনার টার্মিনালে, গাইডলাইন ফাইলটি লিখতে 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

খোদাই করা আইনের সাথে, আসুন আমাদের AI অংশীদারকে পুনরায় তলব করি এবং আর্টিফ্যাক্টের জাদু প্রত্যক্ষ করি।

👉💻 শ্যাডোব্লেড ডিরেক্টরি থেকে জেমিনি CLI পুনরায় চালু করুন:

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

👉✨ এখন, মিথুনকে বলুন যে সে কী ভাবছে তা দেখাতে। রুনস পড়া হয়েছে।

/memory show 

👉✨ এটি একক, শক্তিশালী কমান্ড যা আপনার এজেন্টকে গঠন করবে। এখন ইস্যু 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 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

চালিয়ে যেতে আপনার একটি কমান্ড প্রম্পট প্রয়োজন।

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

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।

7. উন্নয়ন: Imagen 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।

শেখা

আমাদের প্রথম এজেন্ট পাঠ্য তৈরিতে দুর্দান্ত ছিল, কিন্তু এখন আমাদের চিত্র তৈরি করতে হবে। এই কাজের জন্য, আমাদের আরও সরাসরি নিয়ন্ত্রণ প্রয়োজন। আমরা চাই না যে এলএলএম একটি ইমেজ তৈরি করবে কিনা তা স্থির করুক; আমরা এটি সরাসরি তা করতে আদেশ করতে চাই। এটি একটি বেসএজেন্টের জন্য নিখুঁত কাজ।

ঘোষণামূলক LlmAgent থেকে ভিন্ন, একটি BaseAgent অপরিহার্য। এর মানে আপনি, ডেভেলপার, _run_async_impl পদ্ধতিতে ধাপে ধাপে পাইথন লজিক লিখুন। মৃত্যুদন্ড প্রবাহের উপর আপনার সম্পূর্ণ নিয়ন্ত্রণ আছে।

আপনার প্রয়োজন হলে আপনি একটি বেসএজেন্ট বেছে নেবেন:

ডিটারমিনিস্টিক লজিক : এজেন্টকে অবশ্যই পদক্ষেপের একটি নির্দিষ্ট, অপরিবর্তনীয় ক্রম অনুসরণ করতে হবে।

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

জটিল ওয়ার্কফ্লোস : প্রক্রিয়াটিতে কাস্টম ডেটা ম্যানিপুলেশন, API কল এবং লজিক জড়িত থাকে যা একটি LLM-এর পক্ষে একা প্রম্পট থেকে নির্ভরযোগ্যভাবে অনুমান করা খুব জটিল।

আমাদের অ্যাপ্লিকেশনটির জন্য, আমরা প্রথম এজেন্টের কাছ থেকে দৃশ্যের বিবরণগুলি পেতে একটি বেসজেন্ট ব্যবহার করব এবং প্রতিটি দৃশ্যের জন্য একটি চিত্র উত্পন্ন হওয়ার গ্যারান্টি দেওয়ার জন্য সরাসরি ইমেজেন সরঞ্জামটিকে কল করব।

8. 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:

শেখা

একটি এজেন্ট "কাজ" করতে পারে যে এটি ত্রুটি ছাড়াই চলে, তবে আমরা কীভাবে জানব যে এটি সঠিক আউটপুট তৈরি করছে কিনা? গল্পটা কি ভালো? JSON বিন্যাস সঠিক? এখানেই ADK এর মূল্যায়ন কাঠামো আসে।

এজেন্ট মূল্যায়ন হল একটি স্বয়ংক্রিয় পরীক্ষা পদ্ধতি যা আপনার এজেন্টের প্রতিক্রিয়ার গুণমান এবং সঠিকতা পরিমাপ করার জন্য ডিজাইন করা হয়েছে। শুধু কোড ত্রুটির জন্য পরীক্ষা করার পরিবর্তে, এটি এজেন্টের আচরণ আপনার প্রত্যাশা পূরণ করে কিনা তা পরীক্ষা করে। ফ্রেমওয়ার্ক প্রাথমিকভাবে কয়েকটি কী ফাইল ব্যবহার করে:

evalset.json : এটি আপনার মাস্টার টেস্ট স্যুট। এই ফাইলের প্রতিটি "ইভাল কেস"-এ একটি নমুনা কথোপকথন রয়েছে (যেমন, একটি ব্যবহারকারীর প্রম্পট) এবং আদর্শ, "সোনালি" প্রতিক্রিয়া যা আপনি এজেন্ট তৈরি করতে চান।

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

প্রতিক্রিয়া_ম্যাচ_স্কোর : এজেন্টের প্রতিক্রিয়া "গোল্ডেন" প্রতিক্রিয়ার সাথে কতটা ঘনিষ্ঠভাবে মেলে? (1.0 স্কোর মানে এটি অভিন্ন হতে হবে)।

custom_evaluators : আপনি নিজের নিয়ম তৈরি করতে পারেন, যেমন "প্রতিক্রিয়াটি অবশ্যই বৈধ JSON হতে হবে" বা "গল্পটিতে 100টির বেশি শব্দ থাকতে হবে।"

একটি মূল্যায়ন চালানোর মাধ্যমে, আপনি স্বয়ংক্রিয়ভাবে আপনার এজেন্টকে কয়েক ডজন পরিস্থিতিতে পরীক্ষা করতে পারেন, নিশ্চিত করে যে আপনার প্রম্পট বা সরঞ্জামগুলিতে পরিবর্তনগুলি ভুলবশত এর মূল কার্যকারিতা ভেঙে না যায়। এটি উৎপাদন-প্রস্তুত এআই এজেন্ট তৈরির জন্য একটি শক্তিশালী নিরাপত্তা জাল।

9. অবকাঠামো কোড (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।

ডকার কি?

ডকার পাত্রে অ্যাপ্লিকেশন তৈরি এবং চালানোর জন্য একটি প্ল্যাটফর্ম। সফ্টওয়্যার জন্য একটি প্রমিত শিপিং ধারক মত একটি ধারক চিন্তা করুন. এটি আপনার অ্যাপ্লিকেশনটিকে একটি একক, বিচ্ছিন্ন প্যাকেজে চালানোর জন্য প্রয়োজনীয় সমস্ত কিছু বান্ডিল করে:

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

এই কন্টেইনারাইজড অ্যাপ্লিকেশনটি তারপরে ডকার ইনস্টল করা যে কোনও মেশিনে চালানো যেতে পারে, ক্লাসিক "এটি আমার মেশিনে কাজ করে" সমস্যার সমাধান করে।

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

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

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

আমাদের অ্যাপ্লিকেশনটি ম্যানুয়ালি মোতায়েন করা চলন্ত অংশগুলি বোঝার একটি দুর্দান্ত উপায়, তবে এটি ধীর, ম্যানুয়াল প্রচেষ্টার প্রয়োজন এবং মানুষের ত্রুটি হতে পারে৷ পেশাদার সফ্টওয়্যার বিকাশে, এই সম্পূর্ণ প্রক্রিয়াটি CI/CD নামক একটি অনুশীলন ব্যবহার করে স্বয়ংক্রিয় হয়।

CI/CD এর পূর্ণরূপ হল কন্টিনিউয়াস ইন্টিগ্রেশন এবং কন্টিনিউয়াস ডিপ্লয়মেন্ট । এটি একটি পদ্ধতি যা আপনি প্রতিবার পরিবর্তন করার সময় আপনার কোড স্বয়ংক্রিয়ভাবে তৈরি, পরীক্ষা এবং স্থাপন করার জন্য।

• কন্টিনিউয়াস ইন্টিগ্রেশন (CI) : এটি হল "বিল্ড অ্যান্ড টেস্ট" ফেজ। যখনই একজন বিকাশকারী একটি শেয়ার্ড রিপোজিটরিতে (GitHub-এর মতো) কোড পরিবর্তন করে, তখনই একটি স্বয়ংক্রিয় সিস্টেম প্রবেশ করে৷ এটি অ্যাপ্লিকেশন তৈরি করে এবং সমস্ত পরীক্ষা চালায় (যেমন এজেন্ট মূল্যায়ন আমরা তৈরি করেছি) যাতে নতুন কোড সঠিকভাবে সংহত হয় এবং কোনও বাগ প্রবর্তন করে না৷
• কন্টিনিউয়াস ডিপ্লয়মেন্ট (সিডি) : এটি "রিলিজ" ফেজ। যদি CI পর্যায়টি সফলভাবে পাস হয়, সিস্টেমটি স্বয়ংক্রিয়ভাবে অ্যাপ্লিকেশনটির নতুন, পরীক্ষিত সংস্করণটিকে উৎপাদনে স্থাপন করে, এটি ব্যবহারকারীদের জন্য লাইভ করে।

এই স্বয়ংক্রিয় পাইপলাইনটি একটি "ডিজিটাল অ্যাসেম্বলি লাইন" তৈরি করে যা একটি ডেভেলপারের মেশিন থেকে দ্রুত, নিরাপদে এবং নির্ভরযোগ্যভাবে উৎপাদনে কোড নেয়। এই বিভাগে, আমরা আমাদের AI সহকারীকে GitHub অ্যাকশন এবং Google ক্লাউড বিল্ড ব্যবহার করে আমাদের জন্য এই সমাবেশ লাইন তৈরি করতে বলব।

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

11. 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 ফলকটি খুলুন এবং এটিকে অপারেশনাল কো-পাইলট হিসাবে ব্যবহার করুন এগুলির মতো প্রম্পটগুলি সহ:

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।