নলেজ ক্যাটালগ মেটাডেটা দিয়ে একটি ডেটা ভিত্তি তৈরি করুন

১. ভূমিকা

জেনারেটিভ এআই মডেলগুলো শক্তিশালী যুক্তিনির্মাতা, কিন্তু এগুলোর প্রাতিষ্ঠানিক প্রেক্ষাপটের অভাব রয়েছে। যদি কোনো নির্বাহী একটি এআই এজেন্টকে জিজ্ঞাসা করেন, "আমাদের প্রথম ত্রৈমাসিকের রাজস্ব কত?", তাহলে এজেন্টটি আপনার ডেটা লেক জুড়ে 'রাজস্ব' নামের কয়েক ডজন টেবিল খুঁজে পেতে পারে। এর মধ্যে কিছু হলো সুনির্দিষ্ট আর্থিক প্রতিবেদন, অন্যগুলো রিয়েল-টাইম মার্কেটিং অনুমান, এবং অনেকগুলোই সম্ভবত অপ্রচলিত স্যান্ডবক্স।

সুস্পষ্ট ভিত্তি ছাড়া, একটি এআই এজেন্ট শুধুমাত্র নামের সাদৃশ্যের ওপর ভিত্তি করে একটি টেবিল নির্বাচন করবে, যার ফলে যাচাইবিহীন তথ্য থেকে ' সুস্পষ্টভাবে ভুল ' উত্তর পাওয়া যাবে।

এই কোডল্যাবটি একটি দুই-পর্বের সিরিজের অংশ, যেখানে শাসনব্যবস্থা-সচেতন একটি এআই এজেন্ট কীভাবে তৈরি করা যায় তা অন্বেষণ করা হয়েছে।

এই প্রথম অংশে, আপনি একটি ডেটা ভিত্তি তৈরি করবেন। আপনি BigQuery-তে একটি বাস্তবসম্মত, "অগোছালো" ডেটা লেক স্থাপন করবেন, অপ্রয়োজনীয় ডেটা থেকে বৈধ ডেটাকে আলাদা করার জন্য কঠোর মেটাডেটা ট্যাগ (নলেজ ক্যাটালগ অ্যাস্পেক্টস) প্রয়োগ করবেন, এবং এজেন্টটি আপনার ডেটা গভর্নেন্সের নিয়মগুলো কঠোরভাবে অনুসরণ করছে কিনা তা স্থানীয়ভাবে পরীক্ষা করার জন্য Antigravity (AGY) CLI ব্যবহার করবেন।

আপনি এই সিরিজের দ্বিতীয় পর্বটি পড়তে পারেন, যেখানে মডেল কনটেক্সট প্রোটোকল (MCP) এবং ক্লাউড রান ব্যবহার করে কীভাবে একটি সুরক্ষিত, এন্টারপ্রাইজ-গ্রেড ওয়েব অ্যাপ্লিকেশনে লোকাল এজেন্ট প্রোটোটাইপ স্থাপন করা যায়, তা আলোচনা করা হয়েছে। 👉 পর্ব ২ পড়ুন

আপনি যা শিখবেন

• একটি সেটআপ স্ক্রিপ্ট ব্যবহার করে একটি বাস্তবসম্মত, বহুস্তরীয় ডেটা লেক স্থাপন করুন।
• অফিসিয়াল ডেটা প্রোডাক্টগুলোকে র স্যান্ডবক্স টেবিল থেকে আলাদা করার জন্য নলেজ ক্যাটালগে কাস্টম মেটাডেটা টেমপ্লেট ( অ্যাসপেক্ট টাইপ ) ডিজাইন ও রেজিস্টার করুন।
• যেকোনো অ্যাপ্লিকেশন কোড লেখার আগে AGY CLI ব্যবহার করে স্থানীয়ভাবে ডেটা গভর্নেন্স নিয়মগুলো যাচাই করে নিন।

আপনার যা যা লাগবে

• বিলিং সক্ষম একটি গুগল ক্লাউড প্রজেক্ট।
• গুগল ক্লাউড শেল ব্যবহারের সুযোগ (এজিওয়াই সিএলআই ক্লাউড শেলে আগে থেকেই ইনস্টল করা থাকে)।
• BigQuery এবং Knowledge Catalog সম্পর্কে প্রাথমিক ধারণা ও পরিচিতি।

মূল ধারণা

• নলেজ ক্যাটালগ: সমন্বিত মেটাডেটা ব্যবস্থাপনা পরিষেবা। আমরা ব্যবসায়িক প্রেক্ষাপট (গভর্নেন্স) দিয়ে প্রযুক্তিগত মেটাডেটা (স্কিমা) সমৃদ্ধ করতে এটি ব্যবহার করি।
• অ্যাসপেক্ট টাইপ : একটি কাঠামোগত মেটাডেটা টেমপ্লেট। ফ্রি-টেক্সট ট্যাগের বিপরীতে, অ্যাসপেক্টগুলো শক্তিশালী টাইপিং (এনাম, বুলিয়ান) প্রয়োগ করে , যা মেশিন মূল্যায়নের জন্য এগুলোকে নির্ভরযোগ্য করে তোলে।

২. সেটআপ এবং প্রয়োজনীয়তা

ক্লাউড শেল শুরু করুন

যদিও গুগল ক্লাউড আপনার ল্যাপটপ থেকে দূরবর্তীভাবে পরিচালনা করা যায়, এই কোডল্যাবে আপনি গুগল ক্লাউড শেল ব্যবহার করবেন, যা ক্লাউডে চালিত একটি কমান্ড লাইন পরিবেশ।

গুগল ক্লাউড কনসোল থেকে, উপরের ডানদিকের টুলবারে থাকা ক্লাউড শেল আইকনটিতে ক্লিক করুন:

পরিবেশটি প্রস্তুত করতে এবং এর সাথে সংযোগ স্থাপন করতে মাত্র কয়েক মুহূর্ত সময় লাগবে। এটি শেষ হলে, আপনি এইরকম কিছু দেখতে পাবেন:

এই ভার্চুয়াল মেশিনটিতে আপনার প্রয়োজনীয় সমস্ত ডেভেলপমেন্ট টুলস লোড করা আছে। এটি একটি স্থায়ী ৫ জিবি হোম ডিরেক্টরি প্রদান করে এবং গুগল ক্লাউডে চলে, যা নেটওয়ার্ক পারফরম্যান্স ও অথেনটিকেশনকে ব্যাপকভাবে উন্নত করে। এই কোডল্যাবে আপনার সমস্ত কাজ একটি ব্রাউজারের মধ্যেই করা যাবে। আপনাকে কিছুই ইনস্টল করতে হবে না।

পরিবেশ প্রারম্ভিক করুন

ক্লাউড শেল খুলুন এবং আপনার প্রোজেক্ট ভেরিয়েবলগুলো সেট করুন, যাতে সমস্ত কমান্ড সঠিক ইনফ্রাস্ট্রাকচারকে টার্গেট করে।

export PROJECT_ID=$(gcloud config get-value project)
gcloud config set project $PROJECT_ID
export REGION="us-central1"

এপিআই সক্ষম করুন

নিম্নলিখিত নির্দেশনাটি কার্যকর করার জন্য প্রয়োজনীয় গুগল ক্লাউড পরিষেবাগুলি সক্রিয় করুন।

gcloud services enable \
  bigquery.googleapis.com \
  dataplex.googleapis.com

রিপোজিটরি ক্লোন করুন

গিটহাব রিপোজিটরি থেকে ইনফ্রাস্ট্রাকচার কোড এবং অটোমেশন স্ক্রিপ্টগুলো সংগ্রহ করুন। ক্লাউড শেলে ডিস্ক স্পেস বাঁচাতে, আমরা শুধুমাত্র এই ল্যাবের জন্য প্রয়োজনীয় নির্দিষ্ট ফোল্ডারটি ডাউনলোড করব।

# Perform a shallow clone to get only the latest repository structure without the full history
git clone --depth 1 --filter=blob:none --sparse https://github.com/GoogleCloudPlatform/devrel-demos.git
cd devrel-demos
# Specify and download only the folder we need for this lab
git sparse-checkout set data-analytics/governance-context
cd data-analytics/governance-context

"অগোছালো" ডেটা লেক তৈরি করুন

বাস্তব জগতের ডেটা পরিবেশ খুব কমই ত্রুটিমুক্ত থাকে। বাস্তবতাকে অনুকরণ করতে আমাদের ‘অফিসিয়াল’ ডেটা মার্ট এবং অবিশ্বস্ত ‘স্যান্ডবক্স’ টেবিলের মিশ্রণ প্রয়োজন।

আমরা BigQuery ডেটাসেট এবং টেবিলগুলো ডেপ্লয় করার জন্য একটি সেটআপ স্ক্রিপ্ট ব্যবহার করব।

1. সেটআপ স্ক্রিপ্টটিকে এক্সিকিউটেবল করে চালান। এটি তিনটি BigQuery ডেটাসেট ( finance_mart , marketing_prod , analyst_sandbox ) তৈরি করবে এবং সেগুলোর টেবিলগুলোতে নমুনা ডেটা দিয়ে পূর্ণ করবে।

chmod +x ./setup_bq_tables.sh
./setup_bq_tables.sh

চেকপয়েন্ট : এখন আপনার কাছে একটি সম্পূর্ণ ডেটা দ্বারা পূর্ণ, কিন্তু পুরোপুরি অনিয়ন্ত্রিত, ডেটা লেক আছে। একটি এআই-এর কাছে প্রতিটি টেবিল দেখতে হুবহু একই রকম লাগে।

৩. ডেটা গভর্নেন্স টেমপ্লেট তৈরি করা (অ্যাসপেক্ট টাইপ)

এখন, আমরা ডেটা গভর্নেন্সের কিছু নিয়ম নির্ধারণ করব। নলেজ ক্যাটালগে, এটি একটি অ্যাসপেক্ট টাইপ তৈরি করার মাধ্যমে করা হয়, যা হলো একটি পুনঃব্যবহারযোগ্য, স্ট্রংলি-টাইপড মেটাডেটা টেমপ্লেট।

আমরা gcloud CLI ব্যবহার করে এই টেমপ্লেটটি রেজিস্টার করব, যাতে আপনি দেখতে পারেন এটি কীভাবে সংজ্ঞায়িত করা হয়েছে।

অ্যাস্পেক্ট স্কিমা পরিদর্শন করুন

স্কিমা সংজ্ঞাটি দেখতে aspect_template.json ফাইলের বিষয়বস্তু আউটপুট করুন।

cat aspect_template.json

এটি আপনাকে নিম্নলিখিত JSON কাঠামোটি দেখাবে:

{
  "name": "OfficialDataProductSpec",
  "type": "record",
  "recordFields": [
    {
      "name": "product_tier",
      "type": "enum",
      "enumValues": [
        { "name": "GOLD_CRITICAL", "index": 1 },
        { "name": "SILVER_STANDARD", "index": 2 },
        { "name": "BRONZE_ADHOC", "index": 3 }
      ],
      ...
    },
    {
      "name": "is_certified",
      "type": "bool",
      ...
    }
  ]
}

লক্ষ্য করুন, এই স্কিমাটি কীভাবে কঠোর ডেটা টাইপ প্রয়োগ করে, যেমন ক্রিটিক্যালিটি টিয়ারের জন্য enum ( GOLD_CRITICAL , SILVER_STANDARD , BRONZE_ADHOC ) এবং is_certified এর জন্য bool । এটি নিশ্চিত করে যে মেটাডেটা সুসংগঠিত এবং মেশিন-পাঠযোগ্য থাকে।

অ্যাস্পেক্ট টাইপ নিবন্ধন করুন

আপনার নলেজ ক্যাটালগ রেজিস্ট্রি-তে এই টেমপ্লেটটি নিবন্ধন করতে নিম্নলিখিত gcloud কমান্ডটি চালান।

gcloud dataplex aspect-types create official-data-product-spec \
    --location="${REGION}" \
    --project="${PROJECT_ID}" \
    --description="Defines the comprehensive profile of a data product for governance agents." \
    --display-name="Official Data Product Spec" \
    --metadata-template-file-name="aspect_template.json"

৪. শাসনব্যবস্থা প্রয়োগ করুন

এটি একটি গুরুত্বপূর্ণ ইঞ্জিনিয়ারিং ধাপ। বর্তমানে, finance_mart.fin_monthly_closing_internal এবং analyst_sandbox.tmp_data_dump_v2_final_real টেবিল দুটি দেখতে একটি LLM-এর মতোই। এগুলো কলামসহ নিছক অবজেক্ট।

একজন গভর্নেন্স ইঞ্জিনিয়ার হিসেবে, এই টেবিলগুলোকে আলাদা করার জন্য আপনাকে অবশ্যই এগুলোর সাথে একটি অ্যাস্পেক্ট (একটি সার্টিফাইড মেটাডেটা লেবেল) সংযুক্ত করতে হবে। একটি বাস্তব প্রতিষ্ঠানে, আপনি CI/CD পাইপলাইনের মাধ্যমে এই কাজটি স্বয়ংক্রিয় করে থাকেন। আমরা স্ক্রিপ্টের সাহায্যে সেই স্বয়ংক্রিয়করণ প্রক্রিয়াটি অনুকরণ করব।

গভর্নেন্স পেলোড তৈরি করুন

নলেজ ক্যাটালগ অ্যাস্পেক্ট কী-গুলো অবশ্যই বিশ্বব্যাপী অনন্য হতে হবে (আপনার প্রজেক্ট আইডি দিয়ে প্রিফিক্স করা)। ./generate_payloads.sh স্ক্রিপ্টটি ডাইনামিকভাবে YAML মেটাডেটা ফাইলগুলো তৈরি করবে।

chmod +x ./generate_payloads.sh
./generate_payloads.sh

আউটপুট:

এটি "./aspect_payloads" নামে একটি ফোল্ডার তৈরি করে, যেখানে ৪টি YAML ফাইল থাকে, যা গভর্নেন্স সিনারিওগুলো (গোল্ড/ইন্টারনাল, গোল্ড/পাবলিক, সিলভার/রিয়েলটাইম, ব্রোঞ্জ/স্যান্ডবক্স) সংজ্ঞায়িত করে।

CLI দিয়ে দিকগুলো প্রয়োগ করুন

স্ক্রিপ্টটি চালানোর আগে, প্রক্রিয়াটিকে সহজবোধ্য করার জন্য আমরা আসলে কী প্রয়োগ করছি তা দেখে নেওয়া যাক। অভ্যন্তরীণ ফিনান্স পেলোডের কাঠামো দেখতে নিম্নলিখিত কমান্ডটি চালান:

cat aspect_payloads/fin_internal.yaml

এটি আপনাকে নিম্নলিখিত বিষয়বস্তুগুলো দেখাবে।

your-project-id.us-central1.official-data-product-spec:
  data:
    product_tier: GOLD_CRITICAL
    data_domain: FINANCE
    usage_scope: INTERNAL_ONLY
    update_frequency: DAILY_BATCH
    is_certified: true

লক্ষ্য করুন, এই YAML কীভাবে ব্যবসায়িক প্রেক্ষাপটকে সুস্পষ্টভাবে সংজ্ঞায়িত করে, যেমন ` is_certified : true` ফ্ল্যাগ সেট করা এবং ` GOLD_CRITICAL টিয়ার নির্ধারণ করা। এর ফলে LLM শুধুমাত্র টেবিলের নামের উপর ভিত্তি করে অনুমান করার পরিবর্তে মূল্যায়নের জন্য স্পষ্ট ও সুসংগঠিত নিয়মাবলী পায়।

এখন, অ্যাপ্লিকেশন স্ক্রিপ্টটি চালান। এটি BigQuery টেবিলগুলোর মধ্যে দিয়ে পুনরাবৃত্তি করে এবং এই অনমনীয় মেটাডেটা সংযুক্ত করার জন্য gcloud dataplex entries update কমান্ডটি কার্যকর করে।

chmod +x ./apply_governance.sh
./apply_governance.sh

যাচাইকরণ (ঐচ্ছিক)

এগিয়ে যাওয়ার আগে, কনসোলে মেটাডেটা সঠিকভাবে প্রয়োগ করা হয়েছে কিনা তা যাচাই করে নিন।

1. Google Cloud Console-এ Knowledge Catalog পৃষ্ঠাটি খুলুন। যদি আপনি বাম দিকের নেভিগেশন মেনুতে "Knowledge Catalog" দেখতে না পান, তাহলে Google Cloud Console উইন্ডোর উপরের সার্চ বারে "Knowledge Catalog" টাইপ করুন এবং "Top results" বা "Products & Pages"-এর অধীনে থাকা ফলাফলটি নির্বাচন করুন।
2. fin_monthly_closing_internal লিখে অনুসন্ধান করুন। আপনি ফলাফলে BigQuery টেবিলটি দেখতে পাবেন। এর বিস্তারিত পৃষ্ঠায় প্রবেশ করতে টেবিলের নামের উপর ক্লিক করুন।

3. টেবিলের বিবরণ পৃষ্ঠার নীচে অবস্থিত " ঐচ্ছিক ট্যাগ এবং দিকসমূহ " বিভাগটি খুঁজুন।
4. আপনি official-data-product-spec অংশটি খুঁজে পাবেন। নিশ্চিত করুন যে মানগুলি আমাদের প্রয়োগ করা " গোল্ড ইন্টারনাল " সিনারিওর সাথে মেলে।

আপনি এখন নিশ্চিত করেছেন যে প্রযুক্তিগতভাবে অভিন্ন BigQuery টেবিলগুলো ( fin_monthly_closing_internal এবং tmp_data_dump_v2_final_real ) মেশিন-পঠনযোগ্য মেটাডেটার মাধ্যমে যৌক্তিকভাবে পৃথকীকৃত।

৫. এজেন্টটি কনফিগার ও প্রোটোটাইপ করুন

অ্যাপ্লিকেশন তৈরি করার আগে (যা আমরা পার্ট ২-এ করব), আমরা আমাদের ডেটা গভর্নেন্স লজিক স্থানীয়ভাবে যাচাই করে নেব। এর জন্য আমাদের নলেজ ক্যাটালগ প্লাগইন ইনস্টল করতে হবে এবং এজেন্ট স্কিল কনফিগার করতে হবে।

এক্সটেনশনটি ইনস্টল করুন

ক্লাউড শেলে নলেজ ক্যাটালগ প্লাগইনটি ইনস্টল করুন। এটি আপনার কাছে নিশ্চিতকরণ এবং সেটআপের বিবরণ জানতে চাইবে।

export DATAPLEX_PROJECT="${PROJECT_ID}"

agy plugin install https://github.com/gemini-cli-extensions/dataplex

এজেন্টের দক্ষতা পরীক্ষা করুন

এজেন্ট স্কিল হলো একটি স্ট্যাটিক, পুনঃব্যবহারযোগ্য ডেফিনিশন ফাইল যা .agents/skills/knowledge_catalog_governance/SKILL.md এ অবস্থিত। এতে এমন লজিক থাকে যা বিমূর্ত মানবিক নিয়মাবলীকে (যেমন, "আমার নিরাপদ ডেটা প্রয়োজন") কঠোর প্রযুক্তিগত অনুসন্ধানে রূপান্তরিত করে।

আমরা এআই-কে যে অ্যালগরিদমটি শেখাচ্ছি তা বোঝার জন্য ফাইলটি পরীক্ষা করুন:

cat .agents/skills/knowledge_catalog_governance/SKILL.md

উল্লেখ্য যে, এটি মডেলকে একটি কঠোর প্রথম পর্যায় (মেটাডেটা যাচাইকরণ) এবং দ্বিতীয় পর্যায় (কোয়েরি সম্পাদন) চক্র অনুসরণ করার জন্য স্পষ্টভাবে নির্দেশ দেয়। যেকোনো SQL তৈরি করার আগে মডেলকে অবশ্যই মেটাডেটা খুঁজে বের করে যাচাই করতে হবে।

এজেন্ট চালু করুন এবং সিনারিওগুলো পরীক্ষা করুন।

AGY CLI সেশনটি চালু করুন। এটি স্বয়ংক্রিয়ভাবে .agents/skills ডিরেক্টরি থেকে স্কিলটি খুঁজে বের করে লোড করবে।

agy

দ্রষ্টব্য: আপনি একাধিক কনটেক্সট ফাইল লোড হতে দেখতে পারেন। এটি স্বাভাবিক। CLI এই প্রোজেক্টের নির্দিষ্ট নিয়মগুলোর জন্য স্থানীয় স্কিল এবং সেই সাথে নলেজ ক্যাটালগ প্লাগইনটির নিজস্ব ডিফল্ট নির্দেশাবলী লোড করে।

ইনস্টলেশন যাচাই করুন

নলেজ ক্যাটালগ প্লাগইনটি সক্রিয় আছে কিনা তা নিশ্চিত করতে /mcp টাইপ করুন। আপনি knowledge-catalog একটি সক্রিয় প্লাগইন হিসেবে তার উপলব্ধ টুলগুলোসহ তালিকাভুক্ত দেখতে পাবেন।

/mcp

প্রত্যাশিত আউটপুট:

MCP Servers
...
>  ✓ knowledge-catalog  Tools: search_entries, lookup_context, lookup_entry

পরীক্ষার দৃশ্যকল্প (প্রোটোটাইপিং)

আপনার নিয়মগুলো মেনে চলছে কিনা তা যাচাই করতে, চলমান এজেন্ট সেশনে নিম্নলিখিত নির্দেশাবলী এক এক করে পেস্ট করুন।

💡 পরামর্শ: অনুরোধ করা হলে, নির্বিঘ্নে পরীক্ষা করার জন্য "২. হ্যাঁ, এবং এই আলোচনায় সর্বদা 'knowledge-catalog/search_entries' এর অনুমতি দিন" নির্বাচন করুন।

• দৃশ্যকল্প A (সিএফও-এর ডেটা প্রত্যয়ন করুন):

"We are preparing the deck for an internal Board of Directors meeting next week. I need the numbers to be absolutely finalized, trustworthy, and kept strictly confidential. Which table is safe to use?"

প্রত্যাশিত: এজেন্ট স্বয়ংক্রিয়ভাবে তার টুলস থেকে আপনার সক্রিয় প্রজেক্ট এবং অঞ্চল খুঁজে বের করে, fin_monthly_closing_internal কোয়েরি করে কারণ এটি তার Aspect-এর দিক থেকে GOLD_CRITICAL (সঠিক) এবং INTERNAL_ONLY (বোর্ড মিটিং)-এর সাথে অর্থগতভাবে মিলে যায়, এবং এটিকে সুপারিশ করে।

• দৃশ্যকল্প বি (প্রকাশ্যে প্রকাশ):

"I need to share our quarterly financial summary with an external consulting firm. It is critical that we do not leak any raw or internal metrics. Which dataset is officially scrubbed and explicitly approved for external sharing?"

প্রত্যাশিত: এজেন্টকে অবশ্যই মাসিক অভ্যন্তরীণ টেবিলটি বাইপাস করে কঠোরভাবে fin_quarterly_public_report নির্বাচন করতে হবে, কারণ এটিই একমাত্র অ্যাসেট যা EXTERNAL_READY হিসেবে ট্যাগ করা আছে।

• দৃশ্যকল্প গ (কার্যকরী চাহিদা):

"My dashboard needs to show what's happening right now with our ad spend. I can't wait for the overnight load. What do you recommend?"

প্রত্যাশিত: এজেন্ট mkt_realtime_campaign_performance নির্বাচন করে, কারণ এটি REALTIME_STREAMING আপডেটের ফ্রিকোয়েন্সি শনাক্ত করে এবং ফিনান্স ডেটার GOLD_CRITICAL স্তরের চেয়ে এটিকে অগ্রাধিকার দেয়।

• দৃশ্যকল্প ডি (স্যান্ডবক্স পরীক্ষা):

"I'm just playing around with some new ML models and need a lot of raw data. It doesn't need to be perfect, just a sandbox environment."

প্রত্যাশিত: এজেন্ট tmp_data_dump_v2_final_real নির্বাচন করবে, কারণ এটি শব্দার্থগতভাবে BRONZE_ADHOC (কাঁচা ডেটা)-এর সাথে মেলে এবং এর Aspect-এ is_certified: false (স্যান্ডবক্স পরিবেশ) রয়েছে।

(AGY সেশন থেকে বের হতে, /exit বা /quit টাইপ করুন)

৬. অভিনন্দন! এরপর কী?

আপনি সফলভাবে একটি নিয়ন্ত্রিত ডেটা ভিত্তি তৈরি করেছেন এবং একটি স্থানীয় CLI প্রোটোটাইপ ব্যবহার করে প্রমাণ করেছেন যে একটি AI আপনার মেটাডেটা নিয়মগুলি কঠোরভাবে অনুসরণ করতে পারে!

এখন, আপনি একটি চেকপয়েন্টে পৌঁছেছেন। অনুগ্রহ করে আপনার পরবর্তী পদক্ষেপ বেছে নিন:

বিকল্প A: আমি এখনই দ্বিতীয় পর্বে যেতে চাই!

আপনি যদি মডেল কনটেক্সট প্রোটোকল (MCP) এবং ক্লাউড রান ব্যবহার করে এই স্থানীয় প্রোটোটাইপটিকে একটি সুরক্ষিত, প্রোডাকশন-গ্রেড ওয়েব অ্যাপ্লিকেশনে পরিণত করতে প্রস্তুত থাকেন:

👉 পার্ট ২ কোডল্যাবের লিঙ্ক

⚠️ থামুন: নিচের পরিষ্করণ ধাপগুলো চালাবেন না। দ্বিতীয় পর্বের জন্য আপনার বর্তমান ডেটা এবং নলেজ ক্যাটালগ সেটিংস প্রয়োজন!

বিকল্প B: আমি দ্বিতীয় পর্বটি পরে করব অথবা আমি শুধু প্রথম পর্বটি সম্পূর্ণ করতে চেয়েছিলাম।

আপনি যদি আজকের জন্য কাজ বন্ধ করতে এবং ক্লাউডের খরচ এড়াতে চান, তবে আপনার রিসোর্সগুলো পরিষ্কার করে নেওয়া উচিত।

চিন্তা করবেন না! পার্ট ২-এ আমরা একটি "ফাস্ট-ট্র্যাক স্ক্রিপ্ট" দেব যা মাত্র ২ মিনিটে আপনার জন্য পার্ট ১-এর এই পরিবেশটি সম্পূর্ণরূপে পুনর্নির্মাণ করবে, যাতে আপনি ঠিক যেখান থেকে শেষ করেছিলেন সেখান থেকেই আবার শুরু করতে পারেন।

👉 পরিচ্ছন্নতা বিভাগে যান।

৭. পরিষ্কার করুন (শুধুমাত্র বিকল্প B-এর জন্য)

আপনি যদি এখানে থামেন, তাহলে জরিমানা এড়াতে সম্পদগুলো ধ্বংস করে দিন।

ডেটা লেক ধ্বংস করুন

আপনি যদি বর্তমানে AGY CLI সেশনে থাকেন, তাহলে দুইবার Ctrl+C চেপে অথবা /quit টাইপ করে সেশনটি থেকে বেরিয়ে আসুন। এরপর, নিম্নলিখিত কমান্ডগুলো চালান:

chmod +x ./cleanup_data_lake.sh
./cleanup_data_lake.sh

AGY CLI প্লাগইনটি আনইনস্টল করুন এবং স্থানীয় ফাইলগুলি মুছে ফেলুন

agy plugin uninstall dataplex
cd ~
rm -rf ~/devrel-demos