OpenCollab: এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়, নিয়ন্ত্রিত রানটাইম পরিবেশ এবং প্রোটোকল মেনে চলার মেট্রিক
ফ্রেমওয়ার্কটি এজেন্টদের পারস্পরিক ক্রিয়াকলাপের কাঠামো নির্ধারণ, পরীক্ষার জন্য একটি অভিন্ন পরিবেশ এবং ইভেন্টের বিস্তারিত ট্রেসিংকে একত্র করে; নতুন প্রবর্তিত Adherence মেট্রিকটি দেখায়, বাস্তব সম্পাদন ঘোষিত কাঠামোর সঙ্গে কতটা সামঞ্জস্যপূর্ণ। বেঞ্চমার্কে Duo কনফিগারেশন নতুন SOTA অর্জন করে, অন্যদিকে একক-এজেন্ট সংস্করণে টোকেন খরচ সবচেয়ে কম।

ফ্রেমওয়ার্কের উদ্দেশ্য
OpenCollab হলো মাল্টি-এজেন্ট ডেভেলপমেন্টের জন্য একটি ফ্রেমওয়ার্ক। এটি প্রোগ্রামযোগ্য পারস্পরিক ক্রিয়া এবং নিয়ন্ত্রিত রানটাইম পরিবেশের জন্য একটি একক অবকাঠামো দেয়।
মূল উপাদানগুলো:
- মাল্টি-এজেন্ট ডেভেলপমেন্ট;
- এজেন্টদের মধ্যে প্রোগ্রামযোগ্য পারস্পরিক ক্রিয়া;
- নিয়ন্ত্রিত রানটাইম পরিবেশ।
ব্যবহারিক তাৎপর্য: এজেন্টদের সমন্বয় যখন প্রোগ্রামগতভাবে নির্ধারণ করে নিয়ন্ত্রিত পরিবেশে চালাতে হয়, তখন এই ফ্রেমওয়ার্কটি কাজে লাগে।
পরিকল্পনার বিষয় হিসেবে এজেন্ট সংগঠন
OpenCollab এজেন্ট সংগঠনের নকশাকে এক্সিকিউশনের সঙ্গে যুক্ত করে। সংগঠনটি কনফিগারেশনের অংশ হয়ে ওঠে, বাইরের কোনো বিবরণ নয়।
নকশার আওতায় যা পড়ে:
- এজেন্ট সংগঠনের সদস্যবিন্যাস;
- ঘোষিত পারস্পরিক ক্রিয়ার কাঠামো;
- কাঠামোর সঙ্গে এক্সিকিউশনের সংযোগ।
মানদণ্ড: সংগঠনটিকে এমনভাবে বর্ণনা করতে হবে, যাতে সেটি পুনরায় তৈরি করা যায়। তা না হলে নকশাটি কেবল ঘোষণাতেই সীমাবদ্ধ থাকে।
নিয়ন্ত্রিত রানটাইম পরিবেশ ও পর্যবেক্ষণযোগ্যতা
OpenCollab একটি যৌথ রানটাইম পরিবেশে পরীক্ষামূলক নিয়ন্ত্রণ নিশ্চিত করে। এই পরিবেশ এজেন্টদের একই পরিসরে রাখে।

পরিবেশটি যা দেয়:
- তুলনাধীন কনফিগারেশনগুলোর জন্য একক এক্সিকিউশন শর্ত;
- পরীক্ষামূলক নিয়ন্ত্রণ;
- বিস্তারিত ইভেন্ট স্ট্রিম।
ব্যবহারিক মানদণ্ড: যৌথ পরিবেশ ও ইভেন্ট স্ট্রিম না থাকলে কনফিগারেশনগুলোর তুলনা পুনরুৎপাদনযোগ্যতা হারায়।
Adherence: নিয়মপালনের মেট্রিক
OpenCollab-এর লেখকেরা Adherence চালু করেছেন। এই সূচকটি পরিমাপ করে, ঘোষিত এজেন্ট সংগঠন বাস্তবে কতটা বাস্তবায়িত হয়েছে।
মেট্রিকটি যা নথিবদ্ধ করে:
- ঘোষিত এজেন্ট সংগঠন;
- বাস্তব এক্সিকিউশন;
- এ দুটির মধ্যে শতকরা ব্যবধান।
পরীক্ষায় কনফিগারেশনের যেকোনো একটি মাত্রা পরিবর্তন করলে Adherence বদলে গিয়েছিল। সূচকটির মান 47,2% থেকে 97,2% পর্যন্ত ছিল।
ব্যবহারিক মানদণ্ড: Adherence ঘোষিত সংগঠন ও বাস্তব এক্সিকিউশনের মধ্যে ব্যবধান দেখায়। চূড়ান্ত ফলাফলের পাশাপাশি এই মেট্রিকটিও মূল্যায়ন করা হয়।
এজেন্ট ডেভেলপমেন্ট বেঞ্চমার্কের ফলাফল
এজেন্ট ডেভেলপমেন্ট বেঞ্চমার্কে OpenCollab (Duo) নতুন SOTA দেখিয়েছে। লেখকেরা এর সঙ্গে Mini-SWE-agent, OpenHands, Codex CLI এবং Claude Code-এর তুলনা করেছেন।
লেখকদের ফলাফল অনুযায়ী, ভালোভাবে নকশা করা এজেন্ট সংগঠন শক্তিশালী বিদ্যমান harnesses-কে ছাড়িয়ে যেতে পারে। OpenCollab-এর একক-এজেন্ট কনফিগারেশনটি মূল্যায়িত সব টেস্ট সেটের মধ্যে সবচেয়ে কম টোকেন ব্যবহার করেছে।
| অংশগ্রহণকারী | ফলাফল |
|---|---|
| OpenCollab (Duo) | এজেন্ট ডেভেলপমেন্ট বেঞ্চমার্কে নতুন SOTA |
| Mini-SWE-agent | তুলনায় অংশ নিয়েছে |
| OpenHands | তুলনায় অংশ নিয়েছে |
| Codex CLI | তুলনায় অংশ নিয়েছে |
| Claude Code | তুলনায় অংশ নিয়েছে |
| OpenCollab-এর একক-এজেন্ট কনফিগারেশন | মূল্যায়িত সব টেস্ট সেটের মধ্যে সবচেয়ে কম টোকেন |
নির্বাচনের মানদণ্ড: শুধু SOTA-র শীর্ষ ফল নয়, নির্দিষ্ট কনফিগারেশনের টোকেন খরচও তুলনা করুন।
ব্যবহারিক নির্বাচনের মানদণ্ড
প্রথমে যাচাই করুন, এজেন্টদের সমন্বয় প্রোগ্রামগতভাবে নির্ধারণ করা যায় কি না। এরপর যাচাই করুন, ফ্রেমওয়ার্কটি ঘোষিত সংগঠন মেনে চলার মাত্রা পরিমাপ করে কি না। OpenCollab এ জন্য Adherence এবং একটি যৌথ রানটাইম পরিবেশ দেয়।
নির্বাচনের চেকলিস্ট:
- এজেন্টদের প্রোগ্রামযোগ্য সমন্বয়।
- Adherence মেট্রিকের উপস্থিতি।
- যৌথ রানটাইম পরিবেশ ও ইভেন্ট স্ট্রিম।
- এজেন্ট ডেভেলপমেন্ট বেঞ্চমার্কে তুলনাযোগ্য ফলাফল।
- নির্বাচিত কনফিগারেশনের টোকেন খরচ।
পাঁচটি বিষয়ই যাচাইযোগ্য হলে ফ্রেমওয়ার্কটি উপযুক্ত। কোনো বিষয় যাচাইযোগ্য না হলে নির্বাচনের ভিত্তি দুর্বল হয়ে যায়।
সাধারণ প্রশ্নোত্তর
বিভিন্ন উপাদান
সব উপাদান
Toollery: ফাইন-টিউনিং ছাড়াই কয়েক দশ হাজার বিকল্প থেকে LLM এজেন্টের জন্য টুল নির্বাচন
Toollery দক্ষতা ও টুলের বিবরণের ওপর ভিত্তি করে একটি সার্চ ইনডেক্স তৈরি করে এবং অনুরোধের সময় মডেলকে কেবল সীমিতসংখ্যক সম্ভাব্য প্রার্থী দেয়। কয়েক দশ হাজার ফাংশন পর্যন্ত বিস্তৃত লাইব্রেরিতে চালানো পরীক্ষায় দেখা গেছে, নির্দিষ্ট top-K বজায় রেখেও এই পদ্ধতি বাছাইয়ের মান ধরে রাখতে পারে, যদিও চূড়ান্ত ফল নির্ভর করে ব্যবহারের ধরন এবং প্রোভাইডারের ক্যাশিংয়ের ওপর।
11 নভেম্বর 2026
ড্যাশবোর্ড বিশ্লেষণে GUI এজেন্টদের ধাপে ধাপে ডায়াগনস্টিকস: DashAct বেঞ্চমার্ক
DashAct উপস্থাপন করা হলো—মানুষের দ্বারা যাচাই করা ৩৪৮টি ট্র্যাজেক্টরির একটি বেঞ্চমার্ক, যা ইন্টারঅ্যাকটিভ প্যানেলে GUI এজেন্টদের কাজকে তিনটি ধাপ ও চারটি ভিজ্যুয়াল পরিস্থিতিতে বিশ্লেষণ করে। ফলাফলগুলোতে অ্যাকশন পূর্বাভাস এবং ভিজ্যুয়াল লক্ষ্য শনাক্তকরণে ধারাবাহিক সমস্যা, পাশাপাশি প্রাসঙ্গিক ও স্থানিক সহায়তার ওপর এজেন্টদের প্রতিক্রিয়ার নির্ভরতা দেখা যায়।
11 নভেম্বর 2026
WILSON: রোগীর প্যাথোমরফোলজিক্যাল বিশ্লেষণ ও রিপোর্ট তৈরির জন্য ম্যাগনিফিকেশন ও স্লাইড একত্রিত করা
প্রিপ্রিন্টে WILSON উপস্থাপন করা হয়েছে—একটি ভিশন-ল্যাঙ্গুয়েজ মডেল, যা শুধু একটি আলাদা “সেরা” স্লাইড নয়, বরং সম্পূর্ণ স্লাইডের ছবি এবং একই রোগীর বিভিন্ন বিবর্ধনে তোলা নমুনার সিরিজ এনকোড করে। নির্দিষ্ট কাজের জন্য অতিরিক্ত প্রশিক্ষণ ছাড়াই, উল্লেখযোগ্যভাবে কম কম্পিউটেশনাল ব্যয়ে এটি বিভিন্ন মেট্রিকে বিশেষায়িত ও আরও বড় স্লাইড-মডেলগুলোকে ছাড়িয়ে যায়; পাশাপাশি, এর রোগনির্ণয়মূলক বর্ণনাগুলো প্যাথলজিস্টদের কাছ থেকে বেশি নম্বর পেয়েছে।
11 নভেম্বর 2026