Google DeepMind Interactions API কে তার জেমিনি মডেল এবং এজেন্টদের জন্য ডিফল্ট ইন্টারফেস বানিয়েছে, পুরানো `generateContent` ইন্টারফেস থেকে দূরে সরে যা মডেলগুলি প্রথম পাঠানোর পর থেকে জেমিনি ডেভেলপমেন্টকে অ্যাঙ্কর করেছে। 26 জুন Google-এর ডেভেলপার ব্লগে ঘোষিত এই পদক্ষেপটি, একটি APIকে উন্নত করে যা ডিসেম্বর 2025 থেকে বিটাতে রয়েছে প্রাথমিক উপায়ে ডেভেলপাররা জেমিনিতে তৈরি করবে বলে আশা করা হচ্ছে।

পুরোনো 'জেনারেট কনটেন্ট' ইন্টারফেস এখনও কাজ করে, গুগল জোর দিয়েছে, তাই বিদ্যমান অ্যাপ্লিকেশনগুলি রাতারাতি ভেঙে যাবে না। কিন্তু কোম্পানী এখন একটি দৃঢ় লাইন আঁকছে: নতুন এজেন্ট ক্ষমতা শুধুমাত্র ইন্টারঅ্যাকশন API এর মাধ্যমে এগিয়ে যাবে। For more context on this story, see our ongoing breaking AI news.

> "মিথস্ক্রিয়া এজেন্টদের নতুন যুগের জন্য পর্যায় সেট করে।"
>
> — লোগান কিলপ্যাট্রিক, গুগল ডেভেলপার রিলেশনশিপ লিড

ডেভেলপারদের আগের ইন্টারফেস থেকে সরাতে সাহায্য করার জন্য Google একটি মাইগ্রেশন গাইড প্রকাশ করেছে, এবং নতুন API এখন Google AI স্টুডিও এবং সমস্ত অফিসিয়াল জেমিনি ডকুমেন্টেশনের মধ্যে ডিফল্ট।

ইন্টারঅ্যাকশন এপিআই কি পরিবর্তন করে

সবচেয়ে উল্লেখযোগ্য পরিবর্তন হল কাঠামোগত। পূর্ববর্তী ইন্টারফেস ভূমিকাগুলির আশেপাশে কথোপকথন সংগঠিত করেছিল — লেবেল যেমন `ব্যবহারকারী` এবং `মডেল` - পরিচিত চ্যাট বিন্যাসটিকে প্রতিফলিত করে যা বেশিরভাগ বড় ভাষা মডেল APIগুলি গ্রহণ করে। ইন্টারঅ্যাকশন এপিআই সেই ভূমিকা-ভিত্তিক কাঠামোকে টাইপ করা পদক্ষেপ দিয়ে প্রতিস্থাপন করে, যেখানে ব্যবহারকারীর ইনপুট থেকে শুরু করে একটি মডেল প্রতিক্রিয়ার জন্য ফাংশন কল পর্যন্ত প্রতিটি ক্রিয়া তার নিজস্ব স্পষ্টভাবে সংজ্ঞায়িত পদক্ষেপ।

গুগলের মতে, ফলাফলটি একটি স্কিমা যা সহজ-সাধারণ চ্যাটের চেয়ে জটিল এজেন্ট কর্মপ্রবাহের জন্য উপযুক্ত। এজেন্টদের নিয়মিতভাবে টুল কল, ব্যাকগ্রাউন্ডে চালানো এবং মধ্যবর্তী ফলাফলের উপর ভিত্তি করে ব্রাঞ্চ করতে হবে - যে প্যাটার্নগুলি পুরানো ভূমিকা-ভিত্তিক কথোপকথন মডেল অদ্ভুতভাবে পরিচালনা করে।

অন্তর্নির্মিত এজেন্ট আদিম

2025 সালের শেষের দিকে বিটাতে প্রবেশ করার পর থেকে, ইন্টারঅ্যাকশন এপিআই বৈশিষ্ট্যের একটি সেট জমা করেছে যা Google প্রথম-শ্রেণীর এজেন্ট বিল্ডিং ব্লক হিসাবে অবস্থান করছে:

  • পরিচালিত এজেন্ট যেগুলি তাদের নিজস্ব Linux স্যান্ডবক্সের ভিতরে চলে, যা ডেভেলপারদের এজেন্ট-জেনারেটেড কোড এবং কমান্ড কার্যকর করার জন্য একটি বিচ্ছিন্ন পরিবেশ দেয়।
  • ব্যাকগ্রাউন্ড এক্সিকিউশন দীর্ঘ-চলমান কাজগুলির জন্য, এজেন্টদের একটি একক অনুরোধে ব্লক করার পরিবর্তে অ্যাসিঙ্ক্রোনাসভাবে কাজ চালিয়ে যাওয়ার অনুমতি দেয়।
  • টুলের চেইনিং গুগল সার্চ এবং গুগল ম্যাপের সাথে অন্তর্নির্মিত, যাতে এজেন্টরা রিয়েল-টাইম তথ্য এবং অবস্থানের ডেটা ডেভেলপারদের ম্যানুয়ালি ওয়্যার আপ না করে তুলতে পারে।
  • মিডিয়া প্রজন্ম চিত্র, সঙ্গীত এবং বক্তৃতা ছড়িয়ে, একটি একক এজেন্ট ইন্টারফেস মাল্টিমডাল আউটপুট তৈরি করতে দেয়।

Google বিটা থেকে স্কিমার অংশগুলিকেও সরলীকৃত করেছে, যে ঘর্ষণটি প্রাথমিক গ্রহণকারীরা পতাকাঙ্কিত করেছিল তা দূর করে।

ফ্লেক্স এবং অগ্রাধিকার মোড

ইন্টারঅ্যাকশন API-এর বিকাশকারীরা দুটি এক্সিকিউশন মোডের মধ্যে বেছে নিতে পারেন। ফ্লেক্স মোড খরচ প্রায় 50 শতাংশ কমিয়ে দেয়, সস্তা অনুমানের জন্য কিছু লেটেন্সি ট্রেড করে — উচ্চ-ভলিউম বা ব্যাকগ্রাউন্ড কাজের জন্য দরকারী। অগ্রাধিকার মোড পরিবর্তে গতির জন্য অপ্টিমাইজ করে, দ্রুততম প্রতিক্রিয়ার জন্য অনুরোধ রাউটিং করে।

Google-এর জন্য প্রতিযোগিতামূলকভাবে খরচ লিভার গুরুত্বপূর্ণ। এন্টারপ্রাইজ AI ব্যয় শিল্প জুড়ে একটি কেন্দ্রীয় উদ্বেগের বিষয় হয়ে উঠেছে, কোম্পানিগুলি মডেল ব্যবহারের স্কেল হিসাবে টোকেন খরচ ক্রমবর্ধমানভাবে যাচাই করছে। 50 শতাংশ খরচ কমানোর মোড অফার করা জেমিনি ডেভেলপারদের প্ল্যাটফর্ম ছাড়াই বিলগুলি ধারণ করার একটি নির্দিষ্ট উপায় দেয়৷

কেন স্থানান্তর ব্যাপার

রূপান্তরটি চ্যাট ইন্টারফেস থেকে এজেন্ট ইন্টারফেসের দিকে একটি বিস্তৃত শিল্প পিভট প্রতিফলিত করে। যেখানে প্রাথমিক LLM পণ্যগুলি কথোপকথন সহকারী হিসাবে তৈরি করা হয়েছিল, সেখানে বিকাশকারী টুলিংয়ের বর্তমান তরঙ্গটি স্বায়ত্তশাসিত এবং আধা-স্বায়ত্তশাসিত এজেন্টদের ঘিরে তৈরি করা হয়েছে যা সরঞ্জাম এবং পরিষেবা জুড়ে বহু-পদক্ষেপের কাজগুলি সম্পূর্ণ করে।

ইন্টারঅ্যাকশন API-কে ডিফল্ট করে — এবং শুধুমাত্র এর জন্য নতুন এজেন্ট বৈশিষ্ট্য সংরক্ষণ করে — Google তার পুরো ডেভেলপার বেসকে সেই এজেন্টিক ভবিষ্যতের জন্য পরিকল্পিত পরিকাঠামোর উপর চাপ দিচ্ছে। ডেভেলপাররা যারা 'জেনারেট কনটেন্ট' এ থাকবেন তারা সামঞ্জস্য বজায় রাখবে কিন্তু ধীরে ধীরে নতুন ক্ষমতা মিস করবে।

এজেন্ট স্তরের উপর প্রতিযোগিতা তীব্র হওয়ার সাথে সাথে পরিবর্তনটি আসে। নৃতাত্ত্বিক তার ক্লড কোড এবং ক্লড ট্যাগ পণ্যগুলির সাথে এজেন্ট পরিকাঠামোতে ঝুঁকেছে, ওপেনএআই তার এজেন্ট এবং কম্পিউটার-ব্যবহারের ক্ষমতা প্রসারিত করে চলেছে এবং ওপেন-সোর্স ফ্রেমওয়ার্কগুলি বহুগুণ বৃদ্ধি পাচ্ছে। Google-এর বাজি হল যে ডেভেলপার ইন্টারফেসের মালিকানা - শুধুমাত্র অন্তর্নিহিত মডেল নয় - এজেন্টিক অ্যাপ্লিকেশনগুলি উত্পাদনে যাওয়ার সময় নির্ণায়ক হবে৷

Google 'generateContent' ইন্টারফেসের জন্য একটি শেষ-জীবনের তারিখ ঘোষণা করেনি, তবে স্পষ্ট নির্দেশনা হল যে মিথুনের উপর তৈরি করা যে কারো জন্য ইন্টারঅ্যাকশন API এখন পথ।

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →