Anthropic ডেভেলপারদের জন্য মাল্টি-এজেন্ট AI সমন্বয় ফ্রেমওয়ার্ক প্রকাশ করেছে

Lawrence Jengar ১০ এপ্রিল, ২০২৬ ১৮:০৬

Anthropic পাঁচটি মাল্টি-এজেন্ট AI সমন্বয় প্যাটার্নের একটি বিস্তৃত নির্দেশিকা প্রকাশ করেছে, যা ডেভেলপারদের জটিল স্বায়ত্তশাসিত সিস্টেম তৈরির জন্য ব্যবহারিক ফ্রেমওয়ার্ক প্রদান করে।

Anthropic ডেভেলপারদের জন্য মাল্টি-এজেন্ট AI সমন্বয় ফ্রেমওয়ার্ক প্রকাশ করেছে

Anthropic মাল্টি-এজেন্ট AI সিস্টেমের জন্য পাঁচটি স্বতন্ত্র সমন্বয় প্যাটার্ন বর্ণনা করে একটি বিস্তারিত প্রযুক্তিগত নির্দেশিকা প্রকাশ করেছে, যা ডেভেলপারদের একসাথে কাজ করা একাধিক AI এজেন্ট প্রয়োজন এমন স্বায়ত্তশাসিত অ্যাপ্লিকেশন তৈরির জন্য একটি ব্যবহারিক ফ্রেমওয়ার্ক প্রদান করে।

Claude-এর অফিসিয়াল ব্লগের মাধ্যমে প্রকাশিত এই নির্দেশিকা, AI ডেভেলপমেন্টে একটি ক্রমবর্ধমান সমস্যার সমাধান করে: যখন সহজ সমাধান যথেষ্ট হবে তখন দলগুলি অত্যধিক জটিল আর্কিটেকচার বেছে নেয়। Anthropic-এর সুপারিশ স্পষ্ট—সবচেয়ে সহজ প্যাটার্ন দিয়ে শুরু করুন যা কাজ করতে পারে এবং সেখান থেকে বিকশিত হন।

পাঁচটি প্যাটার্ন ব্যাখ্যা

ফ্রেমওয়ার্কটি মাল্টি-এজেন্ট সমন্বয়কে পাঁচটি পদ্ধতিতে বিভক্ত করে, প্রতিটি বিভিন্ন ব্যবহারের ক্ষেত্রে উপযুক্ত:

জেনারেটর-ভেরিফায়ার একটি এজেন্টকে যুক্ত করে যা আউটপুট তৈরি করে অন্যটির সাথে যা স্পষ্ট মানদণ্ডের বিপরীতে মূল্যায়ন করে। কোড জেনারেশনের কথা ভাবুন যেখানে একটি এজেন্ট কোড লেখে যখন অন্যটি টেস্ট চালায়। Anthropic সতর্ক করে যে এই প্যাটার্নটি ব্যর্থ হয় যখন দলগুলি যাচাইকরণের প্রকৃত অর্থ সংজ্ঞায়িত না করেই লুপ বাস্তবায়ন করে—"সারবস্তু ছাড়াই মান নিয়ন্ত্রণের বিভ্রম" তৈরি করে।

অর্কেস্ট্রেটর-সাবএজেন্ট একটি শ্রেণিবিন্যাস কাঠামো ব্যবহার করে যেখানে একটি প্রধান এজেন্ট সীমাবদ্ধ কাজ অর্পণ করে। Claude Code ইতিমধ্যে এই পদ্ধতি ব্যবহার করে, বড় কোডবেস অনুসন্ধানের জন্য ব্যাকগ্রাউন্ড সাবএজেন্ট প্রেরণ করে যখন প্রধান এজেন্ট প্রাথমিক কাজ চালিয়ে যায়।

এজেন্ট টিম অর্কেস্ট্রেটর-সাবএজেন্ট থেকে একটি গুরুত্বপূর্ণ উপায়ে ভিন্ন: কর্মী স্থায়িত্ব। প্রতিটি কাজের পরে সমাপ্ত হওয়ার পরিবর্তে, সতীর্থরা অ্যাসাইনমেন্ট জুড়ে জীবিত থাকে, ডোমেইন জ্ঞান সঞ্চয় করে। এটি বড় আকারের মাইগ্রেশনের জন্য ভালভাবে কাজ করে যেখানে প্রতিটি এজেন্ট তার নির্ধারিত উপাদানের সাথে পরিচিতি বিকাশ করে।

মেসেজ বাস আর্কিটেকচার ইভেন্ট-চালিত পাইপলাইনের জন্য উপযুক্ত যেখানে পূর্বনির্ধারিত ক্রমের পরিবর্তে ইভেন্ট থেকে ওয়ার্কফ্লো আবির্ভূত হয়। নিরাপত্তা অপারেশন সিস্টেমগুলি এর উদাহরণ—সতর্কতাগুলি প্রকারের উপর ভিত্তি করে বিশেষায়িত এজেন্টগুলিতে রুট করে, বিদ্যমান সংযোগগুলি পুনর্বিন্যাস ছাড়াই নতুন এজেন্ট ক্ষমতা প্লাগ ইন করে।

শেয়ারড স্টেট কেন্দ্রীয় সমন্বয়কারীদের সম্পূর্ণরূপে সরিয়ে দেয়। এজেন্টরা সরাসরি একটি স্থায়ী স্টোর থেকে পড়ে এবং লেখে, রিয়েল টাইমে একে অপরের আবিষ্কারের উপর নির্মাণ করে। গবেষণা সংশ্লেষণ সিস্টেম এখানে উপকৃত হয়, যেখানে একটি এজেন্টের ফলাফল অবিলম্বে অন্যটির তদন্তকে জানায়।

কোথায় প্রতিটি প্যাটার্ন ভেঙে পড়ে

Anthropic ব্যর্থতার মোড নথিভুক্ত করতে সংকোচবোধ করে না। জেনারেটর-ভেরিফায়ার লুপগুলি অনির্দিষ্টকালের জন্য থমকে যেতে পারে যদি জেনারেটর প্রতিক্রিয়া সম্বোধন করতে না পারে—ফলব্যাক কৌশল সহ সর্বাধিক পুনরাবৃত্তি সীমা অপরিহার্য। অর্কেস্ট্রেটর-সাবএজেন্ট তথ্য বাধা তৈরি করে; কেন্দ্রীয় সমন্বয়কারীর মাধ্যমে রুটিং করার সময় গুরুত্বপূর্ণ বিবরণ প্রায়ই হারিয়ে যায়।

এজেন্ট টিমগুলি সংগ্রাম করে যখন কাজ সত্যিকারভাবে স্বাধীন নয়। শেয়ারকৃত সংস্থান সমস্যাগুলি বৃদ্ধি করে—একই ফাইল সম্পাদনা করা একাধিক এজেন্ট সাবধানে পার্টিশনিং প্রয়োজন দ্বন্দ্ব তৈরি করে। মেসেজ বাস আর্কিটেকচার ডিবাগিং কঠিন করে তোলে কারণ পাঁচটি এজেন্ট জুড়ে ইভেন্ট ক্যাসকেড ট্রেস করতে সূক্ষ্ম লগিং প্রয়োজন।

শেয়ারড স্টেট প্রতিক্রিয়াশীল লুপ ঝুঁকি তৈরি করে যেখানে এজেন্টরা একত্রিত না হয়ে একে অপরের আপডেটে সাড়া দিতে থাকে, অনির্দিষ্টকালের জন্য টোকেন পোড়ায়। সমাধান: সময় বাজেট বা কনভার্জেন্স থ্রেশহোল্ডের মতো প্রথম-শ্রেণির সমাপ্তি শর্তাবলী।

ব্যবহারিক শুরু পয়েন্ট

বেশিরভাগ অ্যাপ্লিকেশনের জন্য, Anthropic অর্কেস্ট্রেটর-সাবএজেন্ট দিয়ে শুরু করার সুপারিশ করে। এটি ন্যূনতম সমন্বয় ওভারহেড সহ সবচেয়ে বিস্তৃত সমস্যা পরিচালনা করে। প্রোডাকশন সিস্টেমগুলি প্রায়শই প্যাটার্ন একত্রিত করে—সামগ্রিক ওয়ার্কফ্লোর জন্য অর্কেস্ট্রেটর-সাবএজেন্ট সহযোগিতা-ভারী সাবটাস্কের জন্য শেয়ারড স্টেট সহ।

কোম্পানিটি প্রোডাকশন বাস্তবায়ন এবং কেস স্টাডি সহ প্রতিটি প্যাটার্ন পরীক্ষা করে ফলো-আপ পোস্ট পরিকল্পনা করছে। একাধিক এজেন্ট প্রয়োজন এমন AI অ্যাপ্লিকেশন তৈরি করা ডেভেলপারদের জন্য—তা কোড রিভিউ, নিরাপত্তা অপারেশন বা গবেষণা সংশ্লেষণের জন্যই হোক—এই ফ্রেমওয়ার্কটি অনুভূত পরিশীলিততার পরিবর্তে প্রকৃত প্রয়োজনীয়তার সাথে আর্কিটেকচার মিলানোর জন্য সুনির্দিষ্ট নির্দেশনা প্রদান করে।

ছবির উৎস: Shutterstock