বেশির ভাগ হোস্টিং নকশা করা হয়েছিল কিবোর্ডের সামনে বসা একজন মানুষকে ঘিরে: সাইন-আপ ফর্ম, কার্ড, ড্যাশবোর্ড, কিছু ভুল হলে একটি ইমেল। কম্পিউট দরকার এমন একটি AI এজেন্ট এই ধাপগুলোর কোনোটিতেই খাপ খায় না। সে ক্যাপচা সমাধান করতে পারে না, রক্ষণাবেক্ষণের পেজ আর ভাঙা পেজের পার্থক্য করতে পারে না, আর খেয়ালও করবে না যে একই সার্ভার চল্লিশবার বানিয়ে ফেলেছে।
“ওকে শুধু একটা API দাও” বলাটা লোভনীয়। সেটা প্রথম চাহিদা, শেষটা নয়। নিচে সাতটি চাহিদা আছে যা আমাদের মতে গুরুত্বপূর্ণ, এজেন্টদের জন্য আমাদের নিজস্ব MCP সার্ভার আর REST API তৈরির অভিজ্ঞতা থেকে। প্রতিটির জন্য: সেটি না থাকলে কী ভুল হয়।
১. এজেন্টের যা দরকার তার সবই প্রোগ্রাম দিয়ে করা যায়
রিসোর্স তৈরি, পরিদর্শন, আকার বদল আর মুছে ফেলা, সবই ব্রাউজার ছাড়া কাজ করতে হবে। এর মধ্যে একঘেয়ে অংশগুলোও আছে: কেনার আগে দাম জানা, কোনো লোকেশনে ক্ষমতা আছে কি না দেখা, নতুন মেশিনের পাসওয়ার্ড পড়া, বাতিল করা।
এটি ছাড়া: এজেন্ট পথের ৮০% যায় এবং ক্লিক লাগে এমন একমাত্র ধাপে থেমে যায়, আর শেষ পর্যন্ত একজন মানুষকেই কাজটা শেষ করতে হয়। আংশিক API প্রায়ই না থাকার চেয়েও খারাপ, কারণ এটি এমন অটোমেশনকে আমন্ত্রণ জানায় যা শেষ হতে পারে না।
২. এমন error যার ভিত্তিতে প্রোগ্রাম ব্যবস্থা নিতে পারে
এজেন্ট একটি উত্তর পড়ে এবং ঠিক করে এরপর কী করবে। স্থিতিশীল কোডসহ JSON বডি (402 insufficient_balance, 409 sandbox_paused, রিসেটের সময়সহ 429 budget_exceeded) এমন কিছু যার ভিত্তিতে সে শাখা বদলাতে পারে। HTML error পেজ, বা অস্পষ্ট বার্তার একটি 500, তাকে আন্দাজের ওপর ছেড়ে দেয়: প্রায়ই সে এমন কিছু বারবার চেষ্টা করে যা কখনো সফল হবে না।
এটি ছাড়া: retry লুপ। এজেন্টের সবচেয়ে ব্যয়বহুল ব্যর্থতাগুলো সাধারণত ভুল সিদ্ধান্ত নয়; সেগুলো একই ব্যর্থ কল যা হাজার হাজার বার পুনরাবৃত্ত হয়।
৩. মাঝখানে মানুষ ছাড়াই অর্থ পরিশোধ
কার্ড পেমেন্ট এমন ধাপে ভরা যা নিশ্চিত করতে তৈরি যে একজন মানুষ উপস্থিত: 3-D Secure কোড, ব্যাংক অ্যাপে নিশ্চিতকরণ, পরিচয় যাচাই। প্রতারণা ঠেকাতে এগুলো ভালো, কিন্তু সফটওয়্যারের পক্ষে অসম্ভব। আগে থেকে টপ-আপ করা প্রিপেইড ব্যালান্স (আমাদের ক্ষেত্রে প্রায়ই stablecoin দিয়ে) এজেন্টকে তার ব্যবহারের জন্য অর্থ দিতে দেয়, প্রতিটি চার্জে কোনো মানুষের অনুমোদন ছাড়াই।
এটি ছাড়া: হয় প্রতিটি কেনাকাটা একজন মানুষ অনুমোদন করে, যা পুরো উদ্দেশ্যই নষ্ট করে, নয়তো কেউ এজেন্টকে একটি কার্ড দিয়ে দেয়, যা এমন ঝুঁকি যা কারও নেওয়া উচিত নয়।
৪. খরচের কঠোর সীমা
প্রিপেইড ব্যালান্স সবচেয়ে খারাপ পরিস্থিতিকে এতে যা আছে তাতে সীমিত করে। সেটা তবু অনেক হতে পারে। ডলারে দৈনিক ও মাসিক সীমা, যা এজেন্টের নিজের সদিচ্ছা নয় বরং প্ল্যাটফর্ম কার্যকর করে, লুপে আটকে পড়া এজেন্টকে ছোট ক্ষতিতে পরিণত করে। সীমা জোরেশোরে ব্যর্থ হওয়া উচিত, এমন error দিয়ে যা এজেন্ট চেনে, এবং যা চলছে তা থামানো বা pause করা উচিত।
এটি ছাড়া: লুপের কথা আপনি জানতে পারেন ব্যালান্স দেখে। আমাদের স্যান্ডবক্স বিলিং-এ এই কারণেই সীমা আছে, আর MCP সুরক্ষা ব্যবস্থা পেজ পরামর্শ দেয় কোন কাজগুলোতে আদৌ মানুষের অনুমোদন লাগা উচিত।
৫. সঠিক মাপের কম্পিউট
এজেন্টরা তিন রকম একেবারে আলাদা কাজ তৈরি করে:
- সেকেন্ড: তৈরি করা কোডের টুকরো চালানো, একটি উত্তর যাচাই, একটি সমাধান চেষ্টা।
- ঘণ্টা: একটি মূল্যায়ন, একটি scrape, একটি দীর্ঘ build।
- সব সময় চালু: একটি বট, একটি API, নির্ধারিত সময়ে চলা একটি worker।
যে প্ল্যাটফর্ম কেবল মাসিক সার্ভার দেয়, সে প্রথম ধরনের কাজকে অযৌক্তিকভাবে দামি করে; যে কেবল স্বল্পায়ু স্যান্ডবক্স দেয়, সে তৃতীয় ধরনকে ভঙ্গুর করে। ঘণ্টাভিত্তিক বিলের মেশিনে ২০ সেকেন্ডের কাজ ৫৯ মিনিটের শূন্যতার দাম দেয়। প্রতি-সেকেন্ড বিলিং কীভাবে কাজ করে দেখায় প্রতিটি মডেল কোথায় অর্থহীন হয়ে যায়।
এটি ছাড়া: এজেন্টরা হয় ছোট কাজের জন্য বেশি দেয়, নয়তো এমন অবকাঠামোয় দীর্ঘস্থায়ী সার্ভিস চালায় যা চালু থাকার জন্য তৈরিই হয়নি।
৬. ডিফল্টভাবে আইসোলেশন
এজেন্টের লেখা কোড এমন কোড যা কেউ রিভিউ করেনি। এটি এমন জায়গায় চলা উচিত যেখানে মূল্যবান কিছু নেই: এজেন্টের নিজের হোস্ট নয়, আপনার key-সহ সার্ভার নয়, যে মেশিন আপনার ইমেল পাঠায় সেটিও নয়। বাস্তবে এর মানে প্রতি কাজে আলাদা VM বা microVM, পরে মুছে ফেলা। অবিশ্বস্ত কোডের জন্য আইসোলেশনের স্তর বিকল্পগুলো তুলনা করে; সহজ ভাষায় Firecracker microVM ব্যাখ্যা করে নিজস্ব কার্নেল কেন গুরুত্বপূর্ণ।
এটি ছাড়া: তৈরি করা কোডে ঢুকে পড়া প্রথম prompt injection সেই সবকিছুতে পৌঁছে যায় যেখানে এজেন্টের হোস্ট পৌঁছাতে পারে।
৭. দৃশ্যমানতা আর বন্ধ করার সুইচ
এজেন্টের জন্য দায়ী মানুষটিকে দেখতে হবে সে কী করেছে এবং তাকে দ্রুত থামাতে পারতে হবে। এর মানে প্রতিটি রিসোর্সের ব্যবহার ও খরচ, এজেন্টের তৈরি সবকিছুর একটি তালিকা, আর সব একসঙ্গে মুছে ফেলার উপায়। ক্রেডেনশিয়াল বাতিলযোগ্য হওয়া উচিত এবং এত স্বল্পায়ু যে ফাঁস হওয়া একটি চিরকাল কাজ না করে, সঙ্গে মানুষ ছাড়াই সেগুলো রিফ্রেশ করার উপায় থাকা উচিত।
এটি ছাড়া: পরিষ্কারের কাজ প্রত্নতত্ত্বে পরিণত হয়। ভুলে যাওয়া রিসোর্সের বিল হতেই থাকে; ফাঁস হওয়া টোকেন কাজ করতেই থাকে।
এজেন্টদের যা দরকার নেই
যা সাহায্য করে না, সেটাও সমান অর্থবহ: upsell-এর জন্য নকশা করা ড্যাশবোর্ড, onboarding ইমেল, এমন প্ল্যান যার আসল সীমা ফুটনোটে, সাইন-আপের পরেই কেবল দেখানো দাম। এর কোনোটিই সফটওয়্যার পড়তে পারে না, আর কিছু তো লেখাকে আক্ষরিক অর্থে নেওয়া মডেলকে সক্রিয়ভাবে বিভ্রান্ত করে।
কী এখনো অমীমাংসিত
এখানকার সবকিছু ইঞ্জিনিয়ারিংয়ের সমাধান হয়ে যাওয়া সমস্যা নয়।
- জবাবদিহি। একটি অ্যাকাউন্ট দিয়ে এজেন্ট যা করে তার দায় কারও না কারও। প্ল্যাটফর্মের এমন একটি উপায় দরকার যা স্বয়ংক্রিয় কার্যকলাপকে একজন দায়ী ব্যক্তির সঙ্গে যুক্ত করে, সেই ব্যক্তিকে প্রতিটি ধাপ পার হতে বাধ্য না করেই।
- অপব্যবহার। খোলা, সম্পূর্ণ স্বয়ংক্রিয় সাইন-আপ ঠিক তা-ই যা অপব্যবহারকারীরাও চায়। এজেন্টদের সেবা দেওয়া প্রতিটি প্ল্যাটফর্ম বাধাহীন প্রবেশাধিকার আর ফার্মিং ও মাইনিংয়ের মধ্যে ভারসাম্য রাখছে, এবং কারও কাছেই নিখুঁত উত্তর নেই।
- দীর্ঘ প্রক্রিয়া। এজেন্টরা এখনো দশ ধাপের প্রক্রিয়ায় একক কলের চেয়ে বেশি ব্যর্থ হয়। অবকাঠামো সাহায্য করতে পারে প্রতিটি ধাপকে idempotent করে এবং এর অবস্থা সহজে জানার ব্যবস্থা রেখে, যাতে retry পুনরাবৃত্তি না করে বরং সেখান থেকেই এগিয়ে যায়।
আমরা কোথায় পৌঁছেছি
আমরা এই চাহিদাগুলো এড়িয়ে নয়, বরং এগুলোর জন্যই তৈরি করার চেষ্টা করেছি: পুরো জীবনচক্র কভার করা MCP সার্ভার আর REST API, মেশিনে পাঠযোগ্য error, প্রিপেইড ব্যালান্স, খরচ-সীমা, ছোট কাজের জন্য প্রতি-সেকেন্ডের কোড স্যান্ডবক্স এবং দীর্ঘ কাজের জন্য AI agent প্ল্যান-এর মতো মাসিক সার্ভার। স্যান্ডবক্সের দিকটির পূর্ণ বিবরণ আছে AI এজেন্টের জন্য স্যান্ডবক্স-এ। আমরা চাইব আপনি তালিকাটিকে এর নিজস্ব গুণে বিচার করুন; যেকোনো প্ল্যাটফর্মে এজেন্টকে ছেড়ে দেওয়ার আগে এটি একটি কাজের চেকলিস্ট।
মন্তব্য
এখনো কোনো মন্তব্য নেই। প্রথম হোন।