Sabbir Amin
#এ আই কথন - 006 (Tool Use)
আগের কথনে ছিল Context Window, agent একসাথে কতটুকু দেখতে পায়।
এই কথনে Tool Use, agent বাইরের দুনিয়া কীভাবে ছুঁতে পারে।
#ToolUse and #LLM
ধরেন আপনার agent কে বললেন, "আজকের weather দেখো, তারপর calendar চেক করো, তারপর meeting schedule করো।" Tool দিলেন তিনটা - weather API, calendar API, scheduling API।
Agent কী করলো?
Weather tool call করলো। Good Job. তারপর calendar tool এ wrong date format দিলো। Error। Error দেখে আবার weather tool call করলো। কেন? জানে না। শেষে scheduling tool এ এমন কিছু পাঠালো যেটা আপনি চাননি।
Tool ছিল। কাজ হয়নি।
এইটা tool এর সমস্যা না।
এইটা tool design আর agent instruction এর সমস্যা।
কোথায় ভাঙে সাধারণত?
- Tool এর description অস্পষ্ট - agent বুঝতে পারে না কোনটা কখন ডাকবে।
- Argument schema ঠিকমতো define করা নাই - agent guess করে, ভুল করে।
- Tool এর error message মানুষের জন্য লেখা, agent এর জন্য না - তাই agent error থেকে কিছু শিখতে পারে না।
- একটা tool এর output আরেকটার input - কিন্তু format match করে না, কেউ বলেনি।
কিন্তু এগুলো LLM এর limitation না।
এগুলো আপনার tool engineering এর সমস্যা।
আর simple fix - "আরও ভালো model দিলেই ঠিক হয়ে যাবে" - কাজ করে না। ভালো model bad tool schema কে guess করে পূরণ করার চেষ্টা করে। সেই guess কখনো কখনো ঠিক হয়, কখনো হয় না। Production এ সেটা ধরা কঠিন।
করবেন কী তাহলে?
- Tool description লিখতে হবে agent এর জন্য, মানুষের জন্য না।
- Input schema tight রাখবেন - optional field কমাবেন, ambiguity রাখবেন না।
- Tool এর output structured রাখা যেতে পারে - agent পরের step এ কী পাবে সেইটা predictable থাকা চাই।
- Error response এ বলবেন কী ভুল হয়েছে এবং কী করা উচিত - agent সেটা দিয়ে retry করতে পারবে।
Tool হলো agent এর হাত। ✋ ( For analogy) হাত থাকলেই কাউকে surgeon বলা যায় না। কোথায় কাটবে, কতটুকু কাটবে - সেই precision আসে design থেকে, tool count থেকে না। 😄
এই series এর পরের post এ RAG নিয়ে , agent কীভাবে সঠিক সময়ে সঠিক জিনিস জানতে পারে।
So don't miss that. 😄
#এ আই কথন-006 #AI #ToolUse #LLM #AgentDesign #FunctionCalling