Back to Blog
LLM
RAG
MCP
Agent

AI কীভাবে চিন্তা করে, তথ্য খুঁজে আনে এবং কাজ সম্পন্ন করে: LLM, RAG, MCP ও Agent সহজ ভাষায়

ChatGPT, Claude, Gemini, DeepSeek, RAG, MCP এবং Agent এগুলো এখন AI জগতের সবচেয়ে আলোচিত শব্দ। কিন্তু এদের কাজ কী, পার্থক্য কোথায় এবং কীভাবে একসাথে কাজ করে? এই লেখায় সহজ ভাষায় LLM, RAG, MCP ও AI Agent-এর বাস্তব ব্যবহার ও ভবিষ্যৎ গুরুত্ব তুলে ধরা হয়েছে।

June 26, 2026 3 min read 39 views
AI কীভাবে চিন্তা করে, তথ্য খুঁজে আনে এবং কাজ সম্পন্ন করে: LLM, RAG, MCP ও Agent সহজ ভাষায়

AI নিয়ে এখন এত আলোচনা হচ্ছে যে ChatGPT, Claude, Gemini, DeepSeek, RAG, MCP এবং Agent—এই শব্দগুলো প্রায়ই আমাদের সামনে আসছে। কিন্তু বাস্তবে অনেকেই এগুলোর নাম শুনলেও এদের কাজ এবং পার্থক্যটা স্পষ্টভাবে জানেন না।

আমিও শুরুতে বিষয়গুলো নিয়ে বেশ কনফিউজড ছিলাম।

LLM কী?

LLM (Large Language Model) হলো AI-এর মূল মস্তিষ্ক।

এটি বিপুল পরিমাণ বই, আর্টিকেল, ওয়েব কনটেন্ট, ডকুমেন্ট এবং কোড থেকে প্যাটার্ন শিখে মানুষের ভাষা বুঝতে ও উত্তর দিতে পারে।

এর মাধ্যমে AI—

  • প্রশ্নের উত্তর দিতে পারে
  • কোড লিখতে পারে
  • সমস্যা সমাধান করতে পারে
  • লেখালেখিতে সাহায্য করতে পারে
  • জটিল বিষয় সহজভাবে ব্যাখ্যা করতে পারে

ChatGPT, Claude, Gemini এবং DeepSeek মূলত LLM-এর উপর ভিত্তি করে তৈরি।

LLM-এর সীমাবদ্ধতা

LLM সবকিছু জানে না।

ধরুন আপনি জিজ্ঞাসা করলেন:

Next.js 16-এর নতুন Features কী?

যদি সেই তথ্য মডেলের Training-এর সময় না থাকে, তাহলে এটি সঠিক বা আপডেটেড উত্তর দিতে পারবে না।

এখানেই আসে RAG (Retrieval Augmented Generation)।

RAG কী?

RAG-এর কাজ হলো প্রয়োজনীয় তথ্য বিভিন্ন উৎস থেকে সংগ্রহ করে LLM-এর কাছে পৌঁছে দেওয়া।

এই তথ্য আসতে পারে—

  • PDF
  • Database
  • Documentation
  • Website
  • Knowledge Base
  • Internal Company Data

ফলে AI শুধু তার Training Data-এর উপর নির্ভর করে না, বরং বাইরের তথ্য ব্যবহার করে আরও নির্ভুল এবং আপডেটেড উত্তর দিতে পারে।

সহজভাবে বলতে গেলে—

RAG = AI-এর জন্য স্মার্ট সার্চ সিস্টেম

MCP কী?

এখন ভাবুন, AI যদি শুধু উত্তর না দিয়ে কাজও করতে পারে?

যেমন—

  • GitHub-এ Issue তৈরি করা
  • Jira-তে Task তৈরি করা
  • Database থেকে Report Generate করা
  • Calendar-এ Meeting Schedule করা
  • Email পাঠানো
  • Slack-এ Message পাঠানো

এখানে শুধু তথ্য জানাই যথেষ্ট নয়, বিভিন্ন সফটওয়্যার ও টুলের সাথে সংযোগ স্থাপন করতে হবে।

এই কাজের জন্য ব্যবহার করা হয় MCP (Model Context Protocol)।

MCP হলো এমন একটি স্ট্যান্ডার্ড প্রোটোকল যা AI-কে বিভিন্ন Tool ও Service-এর সাথে সংযুক্ত হতে সাহায্য করে।

উদাহরণ:

  • GitHub
  • Jira
  • Slack
  • Gmail
  • Database
  • File System
  • API Service

অর্থাৎ,

MCP AI-কে শুধু জানার ক্ষমতা দেয় না, কাজ করার ক্ষমতাও দেয়।

AI Agent কী?

AI Agent হলো এমন একটি সিস্টেম যা নিজে সিদ্ধান্ত নিতে পারে, তথ্য সংগ্রহ করতে পারে, প্রয়োজন হলে বিভিন্ন টুল ব্যবহার করতে পারে এবং নির্দিষ্ট লক্ষ্য পূরণের জন্য একাধিক ধাপ সম্পন্ন করতে পারে।

উদাহরণ:

"আগামী সপ্তাহের মিটিংগুলোর সারসংক্ষেপ তৈরি করে টিমকে ইমেইল পাঠাও।"

একজন Agent তখন—

  1. Calendar থেকে তথ্য আনবে
  2. মিটিং নোট সংগ্রহ করবে
  3. সারসংক্ষেপ তৈরি করবে
  4. Email Draft করবে
  5. সবার কাছে পাঠিয়ে দেবে

অর্থাৎ Agent হলো—

LLM + RAG + MCP + Decision Making Logic

এক লাইনে বুঝে নেওয়া যাক

👉 LLM = চিন্তা করে

👉 RAG = তথ্য খুঁজে আনে

👉 MCP = বিভিন্ন সিস্টেমের সাথে কাজ করে

👉 Agent = পরিকল্পনা করে, সিদ্ধান্ত নেয় এবং কাজ সম্পন্ন করে

কেন বিষয়গুলো জানা জরুরি?

আগামী কয়েক বছরে একজন Software Engineer-এর জন্য শুধু Programming Language বা Framework জানাই যথেষ্ট হবে না।

AI—

  • কীভাবে চিন্তা করে
  • কীভাবে তথ্য সংগ্রহ করে
  • কীভাবে বাহ্যিক সিস্টেমের সাথে কাজ করে
  • কীভাবে স্বয়ংক্রিয়ভাবে কাজ সম্পন্ন করে

এসব বিষয় সম্পর্কে ধারণা রাখা ক্রমশ গুরুত্বপূর্ণ হয়ে উঠছে।

কারণ AI এখন আর শুধু একটি Chatbot নয়, ধীরে ধীরে এটি একটি সম্পূর্ণ Working System-এ পরিণত হচ্ছে।