টুলগুলি Gemini মডেলের ক্ষমতা বাড়ায়, যার ফলে সেগুলি বাস্তব জগতে অ্যাকশন নিতে, রিয়েল-টাইম তথ্য অ্যাক্সেস করতে এবং জটিল গণনা সংক্রান্ত টাস্ক পারফর্ম করতে পারে। মডেলগুলি স্ট্যান্ডার্ড অনুরোধ-প্রতিক্রিয়া ইন্টারঅ্যাকশন এবং Live API ব্যবহার করে রিয়েল-টাইম স্ট্রিমিং সেশন উভয় ক্ষেত্রেই টুল ব্যবহার করতে পারে।
টুল হল নির্দিষ্ট ক্ষমতা (যেমন, Google Search বা কোড এক্সিকিউশন) যা কোনও মডেল কোয়েরির উত্তর দেওয়ার জন্য ব্যবহার করতে পারে। Gemini API সম্পূর্ণভাবে ম্যানেজ করা, বিল্ট-ইন টুলের একটি স্যুট প্রদান করে অথবা আপনি ফাংশন কলিং ব্যবহার করে কাস্টম টুল নির্ধারণ করতে পারেন।
একাধিক ধাপের, লক্ষ্য-ভিত্তিক সিস্টেম তৈরি করতে, এজেন্ট ওভারভিউ দেখুন।
উপলভ্য বিল্ট-ইন টুল
| টুল | বিবরণ | ব্যবহারিক ক্ষেত্র |
|---|---|---|
| Google Search | হ্যালুসিনেশন কমাতে, ওয়েব থেকে সাম্প্রতিক ইভেন্ট ও ফ্যাক্টের ভিত্তিতে উত্তর গ্রাউন্ড করুন। | সাম্প্রতিক ইভেন্ট সম্পর্কে প্রশ্নের উত্তর দেওয়া, বিভিন্ন সোর্সের মাধ্যমে তথ্য যাচাই করা। |
| Google Maps | লোকেশন-অ্যাওয়ার অ্যাসিস্ট্যান্ট তৈরি করুন যা জায়গা খুঁজে পেতে, দিকনির্দেশ পেতে এবং সমৃদ্ধ স্থানীয় প্রসঙ্গ প্রদান করতে পারে। | একাধিক স্টপ সহ ভ্রমণের পরিকল্পনা করা, ব্যবহারকারীর মাপকাঠির উপর ভিত্তি করে স্থানীয় ব্যবসা খোঁজা। |
| কোড এক্সিকিউশন | অঙ্কের সমস্যার সমাধান করতে বা ডেটা সঠিকভাবে প্রসেস করতে, মডেলকে Python কোড লিখতে ও রান করতে দিন। | জটিল গাণিতিক সমীকরণ সমাধান করা, টেক্সট ডেটা প্রসেস ও বিশ্লেষণ করা। |
| URL কন্টেক্সট | নির্দিষ্ট ওয়েব পেজ বা ডকুমেন্ট থেকে কন্টেন্ট পড়তে ও বিশ্লেষণ করতে মডেলকে নির্দেশ দিন। | নির্দিষ্ট URL বা ডকুমেন্টের উপর ভিত্তি করে প্রশ্নের উত্তর দেওয়া, বিভিন্ন ওয়েব পেজ থেকে তথ্য খুঁজে বের করা। |
| কম্পিউটার ব্যবহার (প্রিভিউ) | Gemini-কে স্ক্রিন দেখতে এবং ওয়েব ব্রাউজার UI-এর (ক্লায়েন্ট-সাইড এক্সিকিউশন) সাথে ইন্টার্যাক্ট করার জন্য অ্যাকশন জেনারেট করতে দিন। | ওয়েব-ভিত্তিক ওয়ার্কফ্লোর পুনরাবৃত্তি অটোমেট করা, ওয়েব অ্যাপ্লিকেশন ইউজার ইন্টারফেস টেস্ট করা। |
| ফাইল সার্চ | রিট্রিভাল অগমেন্টেড জেনারেশন (RAG) চালু করতে আপনার নিজস্ব ডকুমেন্ট ইন্ডেক্স ও সার্চ করুন। | টেকনিক্যাল ম্যানুয়াল সার্চ করা, মালিকানাধীন ডেটার উপর ভিত্তি করে প্রশ্নের উত্তর দেওয়া। |
নির্দিষ্ট টুলের সাথে সম্পর্কিত খরচের ব্যাপারে বিস্তারিত জানতে মূল্য সংক্রান্ত পৃষ্ঠা দেখুন।
টুল এক্সিকিউশন কীভাবে কাজ করে
কথোপকথন চলাকালীন টুল মডেলকে অ্যাকশনের অনুরোধ করার অনুমতি দেয়। টুলটি বিল্ট-ইন (Google-এর দ্বারা ম্যানেজ করা) নাকি কাস্টম (আপনার দ্বারা ম্যানেজ করা) তার উপর নির্ভর করে ফ্লো আলাদা আলাদা হয়।
বিল্ট-ইন টুল ফ্লো
বিল্ট-ইন টুলের (Google Search, Google Maps, URL কন্টেক্সট, ফাইল সার্চ, কোড এক্সিকিউশন) জন্য, সম্পূর্ণ প্রসেসটি একটি API কলের মধ্যে ঘটে:
- আপনি একটি প্রম্পট পাঠান: "GOOG-এর লেটেস্ট স্টক প্রাইসের বর্গমূল কত?"
- Gemini সিদ্ধান্ত নেয় যে এটির টুল প্রয়োজন এবং Google-এর সার্ভারে সেগুলি এক্সিকিউট করে (যেমন, স্টক প্রাইস সার্চ করে, তারপর বর্গমূল গণনা করার জন্য Python কোড রান করে)।
- Gemini টুলের ফলাফলের উপর ভিত্তি করে চূড়ান্ত উত্তর পাঠায়।
কাস্টম টুল ফ্লো (ফাংশন কলিং)
কাস্টম টুল ও কম্পিউটার ব্যবহারের জন্য, আপনার অ্যাপ্লিকেশন এক্সিকিউশন ম্যানেজ করে:
- আপনি ফাংশন (টুল) ডিক্লারেশনের সাথে প্রম্পট পাঠান।
- Gemini নির্দিষ্ট ফাংশন কল করার জন্য স্ট্রাকচার্ড JSON পাঠাতে পারে
(যেমন,
{"name": "get_order_status", "args": {"order_id": "123"}}), সবসময় অনন্যidসহ। - আপনি আপনার অ্যাপ্লিকেশন বা এনভায়রনমেন্টে ফাংশনটি এক্সিকিউট করেন।
- আপনি ফাংশন কলের মতো একই
idসহ ফাংশনের ফলাফল, Gemini-তে পাঠান। - Gemini চূড়ান্ত উত্তর বা অন্য টুল কল জেনারেট করার জন্য ফলাফল ব্যবহার করে।
ফাংশন কলিং সংক্রান্ত নির্দেশিকা থেকে আরও জানুন।
বিল্ট-ইন ও কাস্টম টুলের ফ্লো একত্রিত করা
বিল্ট-ইন টুল ও কাস্টম টুল (ফাংশন কল) একত্রিত করে এমন অনুরোধের জন্য, মডেলটি বিভিন্ন এনভায়রনমেন্ট জুড়ে এক্সিকিউশন কোঅর্ডিনেট করতে টুল কন্টেক্সট সার্কুলেশন ব্যবহার করে:
- আপনি একটি প্রম্পট পাঠান এবং আপনি যে বিল্ট-ইন টুল ও কাস্টম ফাংশন চালু করতে চান তা ঘোষণা করেন, কম্বিনেশন সাপোর্ট চালু করার জন্য একটি ফ্ল্যাগ সেট করেন।
- Gemini বিল্ট-ইন টুল এক্সিকিউট করে এবং কোনও ক্লায়েন্ট-সাইড ফাংশন কল জেনারেট হলে ব্যবহারকারীকে তা প্রদান করে (কোনটি প্রথমে এক্সিকিউট হবে তা প্রম্পট এবং মডেলের সিদ্ধান্তের উপর নির্ভর করে)। এটি নিম্নলিখিত বিষয় সহ একটি উত্তর পাঠায়:
- টুল কলের কনফার্মেশন
- টুল রেসপন্সের ফলাফল (মডেল দুটি সমান্তরাল ফাংশন কল জেনারেট করলে এটি JSON-এর পরে আসতে পারে)
- আপনার ফাংশন কল করার জন্য স্ট্রাকচার্ড JSON
- প্রসঙ্গ সংরক্ষণ করার জন্য এনক্রিপ্ট করা থট সিগনেচার
- আপনি নিজের অ্যাপ্লিকেশন বা এনভায়রনমেন্টে ফাংশনটি এক্সিকিউট করেন।
- আপনি Gemini-র উত্তরের সব অংশ এবং আপনার ফাংশন কল ফলাফল ফেরত দেন।
- Gemini সব প্রসঙ্গ একত্রিত করে চূড়ান্ত উত্তর জেনারেট করে।
কীভাবে বিল্ট-ইন ও কাস্টম টুলের কম্বিনেশনের জন্য সহায়তা চালু করতে হয় এবং প্রসঙ্গ সার্কুলেশনের উদাহরণ জানতে টুল কম্বিনেশন সংক্রান্ত নির্দেশিকা পড়ুন।
স্ট্রাকচার্ড আউটপুট বনাম ফাংশন কলিং
Gemini স্ট্রাকচার্ড আউটপুট তৈরি করার জন্য দুটি পদ্ধতি অফার করে। মডেলকে আপনার নিজস্ব টুল বা ডেটা সিস্টেমের সাথে কানেক্ট করে কোনও মধ্যবর্তী ধাপ পারফর্ম করতে হলে, ফাংশন কলিং ব্যবহার করুন। মডেলের চূড়ান্ত উত্তর নির্দিষ্ট স্কিমা মেনে চলার জন্য আপনার কঠোরভাবে প্রয়োজন হলে স্ট্রাকচার্ড আউটপুট ব্যবহার করুন, যেমন কাস্টম UI রেন্ডার করার জন্য।
টুলের মাধ্যমে স্ট্রাকচার্ড আউটপুট
মডেলের উত্তর যাতে এক্সটার্নাল ডেটা বা গণনার উপর ভিত্তি করে হয় এবং একই সাথে কঠোর স্কিমা মেনে চলে তা নিশ্চিত করতে, আপনি বিল্ট-ইন টুল সহ স্ট্রাকচার্ড আউটপুট ব্যবহার করতে পারেন।
কোডের উদাহরণের জন্য টুল সহ স্ট্রাকচার্ড আউটপুট দেখুন।