AI এজেন্ট ট্রাফিক বিশ্লেষণ

আপনার অ্যাপ ও API-এর জন্য AI এজেন্ট ট্রাফিক বিশ্লেষণ

মানুষ, AI-সহায়িত ব্যবহারকারী এবং স্বয়ংক্রিয় এজেন্টরা আপনার অ্যাপ্লিকেশন কীভাবে ব্যবহার করে তা রুট ধরে বুঝুন, প্রতিটি শ্রেণিবিন্যাস দৃশ্যমান প্রমাণ দ্বারা সমর্থিত।

প্রাথমিক access পান কীভাবে কাজ করে তা অন্বেষণ করুন

দ্বারা Toshendra SharmaFounder & CEO, AgentCredia · Updated November 13, 2026

আপনার ড্যাশবোর্ড এমন এক বিশ্ব গণনা করছে যা বদলে গেছে

বেশিরভাগ বিশ্লেষণ স্ট্যাক তৈরি হয়েছিল এক প্রশ্নের উত্তর দিতে: আমার সাইটে মানুষ কী করছে? session, page view, funnel এবং campaign সবই ধরে নেয় প্রতিটি ইন্টারঅ্যাকশনের পেছনে একজন মানুষ আছে।

এই ধারণা আর প্রতিটি ইন্টারঅ্যাকশনের ক্ষেত্রে সত্য নয়। AI assistant ব্যবহারকারীর হয়ে পৃষ্ঠা খুলে দেয়; উদাহরণস্বরূপ, OpenAI একটি ChatGPT-User agent নথিভুক্ত করেছে যা ব্যবহারকারী ChatGPT-কে প্রশ্ন করলে পৃষ্ঠা ভিজিট করে (OpenAI crawler documentation). স্বয়ংক্রিয় এজেন্ট কাজ সম্পন্ন করতে API এবং MCP tool কল করে। মানুষ একই session-এ AI-এর সঙ্গে কাজ করে, কখনও তা ঘোষণা করে, কখনও করে না। crawler এবং script তারা যেটুকু পৌঁছাতে পারে সবই পড়তে থাকে।

ফলে আপনার দল যে সংখ্যাগুলোর ওপর নির্ভর করে তাতে এক নীরব বিকৃতি তৈরি হয়। conversion rate এমন কারণে বদলে যায় যা কেউ ব্যাখ্যা করতে পারে না। একটি জনপ্রিয় API route দেখা যায় কয়েকটি স্বয়ংক্রিয় client দ্বারা চালিত। যে spike marketing সাফল্য বলে মনে হয়েছিল, তা আসলে agent-দের documentation পড়া ছিল। actor context ছাড়া প্রতিটি chart খুব ভিন্ন আচরণকে এক লাইনে মিশিয়ে ফেলে। কিছু tool আপনার সামনে আসার আগেই ছবির একটি অংশ সরিয়েও দেয়: Google বলে Google Analytics স্বয়ংক্রিয়ভাবে পরিচিত bot এবং spider-এর traffic বাদ দেয়, এবং কতটা বাদ দেওয়া হয়েছে আপনি দেখতে পারবেন না (Google Analytics: known bot-traffic exclusion).

AI এজেন্ট ট্রাফিক বিশ্লেষণ প্রতিটি ইন্টারঅ্যাকশনে একটি নতুন মাত্রা যোগ করে এটি ঠিক করে: কে বা কী কাজ করছে, এবং আপনি কতটা নিশ্চিত হতে পারেন। কীভাবে বোঝবেন ওয়েবসাইট ট্রাফিক AI agent থেকে এসেছে কি না শীর্ষক ব্লগ পোস্টে সেই মাত্রার পেছনের signal ব্যাখ্যা করা হয়েছে, আর website use case একটি production site-এ সেটি কীভাবে প্রয়োগ হয় তা দেখায়।

actor-aware বিশ্লেষণ আপনাকে কী দেখায়

Proof of Actor আপনার traffic-কে চারটি শ্রেণিতে সাজায়, যা Human, AI-assisted or agent: a taxonomy for app traffic-এ ব্যাখ্যা করা হয়েছে, এবং প্রতিটির সঙ্গে প্রমাণ সংযুক্ত রাখে।

Human: এমন ইন্টারঅ্যাকশন যেখানে পর্যবেক্ষণযোগ্য signal মানব নির্দেশনার ইঙ্গিত দেয়।
Human + AI: এমন ইন্টারঅ্যাকশন যেখানে AI সহায়তা ঘোষণা করা হয়েছে বা একটি সমর্থিত ইন্টিগ্রেশনের মাধ্যমে পর্যবেক্ষিত হয়েছে।
Agent: স্বয়ংক্রিয় বা agent-উৎপত্তি ইন্টারঅ্যাকশন, যা যাচাইযোগ্য পরিচয় বা সতর্কভাবে যোগ্যতাসম্পন্ন অনুমান দ্বারা সমর্থিত।
Unknown: এমন ইন্টারঅ্যাকশন যেখানে প্রমাণ নির্ভরযোগ্য নির্ধারণকে সমর্থন করে না।

প্রতিটি ফলাফলের একটি ভিত্তিও থাকে: verified, declared, inferred বা unknown। এই দ্বিতীয় মাত্রাই বিশ্লেষণকে বিশ্বাসযোগ্য করে তোলে। যদি একটি dashboard বলে আপনার API traffic-এর এক-তৃতীয়াংশ agent, তবে সেটি সম্পূর্ণ ভিন্ন অর্থ বহন করে, নির্ভর করে সেই ফলাফলগুলো যাচাই করা signature নাকি request pattern থেকে নেওয়া inference। Proof of Actor-এর সঙ্গে আপনি দুটোই দেখতে পারেন, এবং যেকোনো একটির ভিত্তিতে ফিল্টার করতে পারেন।

রুট এবং workflow অনুযায়ী

একটি অ্যাপ্লিকেশনের মধ্যে actor মিশ্রণ অনেকটাই ভিন্ন হয়। public documentation, pricing এবং catalog page প্রায়ই agent ও assistant আকর্ষণ করে। signup, checkout এবং account settings-এ agent কম আসে, কিন্তু এরা এলে গুরুত্ব বেশি। API route এবং MCP tool স্বয়ংক্রিয় client দ্বারা আধিপত্য বিস্তার করতে পারে। Proof of Actor ফলাফলকে route এবং workflow অনুযায়ী ভেঙে দেয়, যাতে প্রতিটি দল নিজের অংশটি দেখতে পায়।

সময়ের সঙ্গে

Trend আপনাকে জানায় আপনার product কোন দিকে যাচ্ছে। যেসব route গুরুত্বপূর্ণ সেখানে agent এবং AI-সহায়িত কার্যকলাপের ভাগ কীভাবে বদলায় তা দেখুন, নতুন agent operator কখন আপনার content পড়া শুরু করে তা দেখুন, এবং আরও client তাদের request sign করলে Unknown থেকে verified-এ traffic কতটা সরে যায় তা অনুসরণ করুন।

ব্যাখ্যাসহ

Dashboard-এর যেকোনো সংখ্যা individual interaction পর্যন্ত খুলে দেখা যায়। প্রতিটির জন্য আপনি class, ভিত্তি, কী জানা আছে, কী জানা নেই এবং কোন policy output প্রযোজ্য হবে তা দেখতে পাবেন। এটাই একটি chart-কে এমন কিছুতে বদলে দেয় যার উপর আপনার product, platform এবং security দল একসঙ্গে কাজ করতে পারে।

এটি কীভাবে কাজ করে

Proof of Actor evidence-first পথে চলে। সম্পূর্ণ বর্ণনা আপনি How It Works-এ পড়তে পারেন।

আপনার অ্যাপ্লিকেশন একটি request বা event গ্রহণ করে: page view, API call, MCP tool call বা in-app action।
আপনার integration সেই context-এ উপলব্ধ signal সংগ্রহ করে: server-এ request context এবং signature, যেখানে collector চলে সেই browser-এ interaction signal, client এবং আপনার নিজের application থেকে declaration।
Signal যাচাই করা হয়, ভিত্তি অনুযায়ী লেবেল দেওয়া হয় এবং একত্র করা হয় একটি শ্রেণিবিন্যাসে।
ফলাফলটি রেকর্ড করা হয় তার ভিত্তি এবং প্রমাণ সারাংশসহ, এবং আপনার analytics-এ প্রবাহিত হয়।
আপনার অ্যাপ্লিকেশন সিদ্ধান্ত নেয় শুধু observe করবে, নাকি policy প্রয়োগ করবে।

কারণ analytics এবং decision একই ফলাফল ব্যবহার করে, আপনি যে সংখ্যা অধ্যয়ন করেন সেটিই সেই সংখ্যা যার উপর আপনার policy কাজ করবে। dashboard যা বলে এবং application যা করে তার মধ্যে কোনো ফাঁক নেই।

Detect, Understand, Route

AI agent traffic analytics তিনটি Proof of Actor সক্ষমতার মাঝখানে বসে।

Detect

প্রতিটি integration-এর জন্য উপলব্ধ actor signal সংগ্রহ করুন এবং verified assertion-কে behavioral inference থেকে আলাদা করুন। Unknown নিজস্ব শ্রেণি হিসেবেই দৃশ্যমান থাকে, তাই coverage gap কখনও অন্য কোনো সংখ্যার মধ্যে লুকিয়ে থাকে না।

Understand

এটি analytics স্তর: actor breakdown, interaction trend, route-স্তরের view এবং ব্যাখ্যাযোগ্য শ্রেণিবিন্যাস। দলগুলো এটি ব্যবহার করে প্রশ্নের উত্তর দেয় যেমন কোন route agent বেশি নির্ভর করে, একটি workflow কতটা AI-সহায়িত activity দেখে, এবং policy সমর্থনের জন্য প্রমাণ কোথায় যথেষ্ট শক্তিশালী।

Route

যখন analytics একটি স্পষ্ট pattern দেখায়, তখন আপনার নিজস্ব rule দিয়ে পদক্ষেপ নিন। verified agent-দের জন্য তারা যে content সবচেয়ে বেশি পড়ে সেখানে একটি কাঠামোবদ্ধ পথ দিন। human-directed session-গুলির জন্য standard অভিজ্ঞতা বজায় রাখুন। সংবেদনশীল action-এ review যোগ করুন কেবল তখনই যখন আপনার নিজের শর্ত তা যুক্তিযুক্ত করে। Unknown এবং timeout-এর জন্য স্পষ্ট fallback নির্ধারণ করুন।

অ্যাপ, API এবং MCP server-এর জন্য তৈরি

Agent activity সেখানে বেশি কেন্দ্রীভূত হয় যেখানে machine-কে স্বাগত জানানো হয়: API, documentation, catalog এবং tool-এ। এই কারণেই Proof of Actor page view-এর চেয়েও বেশি কিছু কভার করে।

SaaS app এবং website browser session এবং তাদের পেছনের server route-এর জন্য actor context দেখে। আরও পড়ুন SaaS Apps & Websites-এ।
API request-level context পায় যা signed client identity-কে API credential এবং authorization থেকে আলাদা করে। আরও পড়ুন APIs-এ।
MCP server প্রতিটি tool call-এর জন্য actor context পায়, যাতে আপনি দেখতে পারেন কোন client কোন tool ব্যবহার করছে। আরও পড়ুন MCP Servers-এ।

Founding team আমাদের engineer-দের সরাসরি সহায়তায় ইন্টিগ্রেট করে। একটি Node.js app-এ actor context যোগ করা-র guide দেখায় typical request handler-এ ইন্টিগ্রেশনটি কোথায় বসে।

কেন প্রমাণ ভলিউমের চেয়ে বেশি গুরুত্বপূর্ণ

agent traffic-এর জন্য একটি বড় সংখ্যা তৈরি করা সহজ। browser fingerprint ছাড়া প্রতিটি request গণনা করুন এবং সেটিকে automation বলুন। সমস্যা হলো, এমন সংখ্যা দিয়ে সিদ্ধান্ত সমর্থন করা যায় না, কারণ এর কতটা বাস্তব তা কেউ জানে না।

Proof of Actor এমনভাবে তৈরি করা হয়েছে যাতে প্রতিটি সংখ্যার পক্ষে যুক্তি দেওয়া যায়। verified ফলাফল আসে সত্যিই উত্তীর্ণ হওয়া check থেকে। declaration-কে declaration হিসেবেই লেবেল করা হয়। inference-কে inference হিসেবেই লেবেল করা হয়। Unknown-কে Unknown হিসেবে রিপোর্ট করা হয়। যখন আপনি নেতৃত্ব, security team বা customer-দের কাছে agent traffic উপস্থাপন করেন, তখন আপনি স্পষ্টভাবে ব্যাখ্যা করতে পারেন প্রতিটি figure কোথা থেকে এসেছে।

এটি সময়ের সঙ্গে analytics-কে আরও কার্যকর করে তোলে। agent operator-রা যখন RFC 9421 HTTP Message Signatures-ভিত্তিক signed request গ্রহণ করে, এবং Web Bot Auth-এর মতো standard কাজ IETF webbotauth working group-এ এগোয়, তখন আপনার traffic-এর আরও বেশি অংশ verified basis-এ চলে যায়। আপনি সেগুলো কীভাবে পড়েন তা না বদলিয়েই আপনার chart আরও স্পষ্ট হয়।

আগে observe করুন, তারপর সিদ্ধান্ত নিন

প্রতিটি Proof of Actor deployment observation মোডে শুরু হয়। ফলাফল রেকর্ড হয়, analytics পূরণ হয়, এবং আপনার application আগের মতোই সাড়া দেয়। সেই সময়ে আপনার দল baseline তৈরি করে, আপনি ইতিমধ্যে যে outcome জানেন তার সঙ্গে result তুলনা করে, এবং কোন route-এ policy সত্যিই উপকারী হবে তা চিহ্নিত করে।

আপনি প্রস্তুত হলে, একটি workflow-এর জন্য policy সক্ষম করুন, প্রভাব পরিমাপ করুন, এবং সেখান থেকে বিস্তার করুন। Proof of Actor ইনস্টল হওয়ার কারণে কিছুই block হয় না। প্রতিটি enforcement সিদ্ধান্ত আপনার।

founding developer program-এ যোগ দিন

Proof of Actor private beta-তে আছে। নির্বাচিত founding developer দল সম্মত ব্যবহার সীমার মধ্যে 12 মাস পর্যন্ত বিনামূল্যে অ্যাক্সেস পেতে পারে, hands-on product feedback-এর বিনিময়ে। আপনি সরাসরি integration support, নতুন সক্ষমতার প্রাথমিক অ্যাক্সেস, এবং roadmap-এর ওপর প্রভাব পাবেন।

আপনি যদি এমন AI এজেন্ট ট্রাফিক বিশ্লেষণ চান যেটির উপর আপনার পুরো দল নির্ভর করতে পারে, প্রারম্ভিক অ্যাক্সেসের জন্য আবেদন করুন। আপনার application, আপনি যে route-গুলিকে সবচেয়ে বেশি গুরুত্ব দেন, এবং আপনার analytics কোন প্রশ্নের উত্তর দিক তা আমাদের জানান।

Proof of Actor অন্বেষণ করুন, এটি কীভাবে কাজ করে দেখুন, অথবা প্রমাণ কী প্রতিষ্ঠা করতে পারে পড়ুন।

Sources

OpenAI crawler-এর সারসংক্ষেপ, OpenAI.
Known bot-traffic exclusion, Google Analytics Help.
RFC 9421: HTTP Message Signatures, IETF, February 2024.
Web Bot Auth (webbotauth) working group charter, IETF.

ডেভেলপারদের জন্য

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record

{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}

class: Human, Human + AI, Agent বা Unknown।
basis: evidence কতটা শক্তিশালী: verified, declared, inferred বা unknown।
evidence: result-এর পেছনের signals, যাতে আপনার team কারণটি দেখতে পারে।

observation mode-এ শুরু করুন: results আপনার logs-এর পাশে record করুন এবং আপনি কোনো policy বেছে না নেওয়া পর্যন্ত কিছুই পরিবর্তন করবেন না। Node.js integration guide পড়ুন

প্রায়শই জিজ্ঞাসিত প্রশ্ন

AI এজেন্ট ট্রাফিক বিশ্লেষণ কী?

এটি হলো আপনার অ্যাপ্লিকেশনের কার্যকলাপের কতটা অংশ মানুষ, AI-এর সঙ্গে কাজ করা মানুষ, স্বয়ংক্রিয় এজেন্ট এবং অজ্ঞাত উৎস থেকে আসে তা মাপার পদ্ধতি, যা রুট, ওয়ার্কফ্লো এবং সময় অনুযায়ী ভাগ করা হয়।

এটি আমার ওয়েব বিশ্লেষণ টুল থেকে কীভাবে আলাদা?

ওয়েব বিশ্লেষণ টুল তৈরি করা হয় মানব ভিজিট এবং ক্যাম্পেইন গণনার জন্য। Proof of Actor প্রতিটি ইন্টারঅ্যাকশনে কে বা কী কাজ করছে তা শ্রেণিবদ্ধ করে, ফলাফলের পেছনের প্রমাণ দেখায়, এবং পৃষ্ঠা ছাড়াও API ও MCP server কভার করে।

এতে কি API এবং MCP ট্রাফিক অন্তর্ভুক্ত?

হ্যাঁ। সার্ভার-সাইড এবং MCP ইন্টিগ্রেশন API কল এবং টুল কল-এ actor context আনে, যা প্রায়ই সেই জায়গা যেখানে এজেন্ট কার্যকলাপ সবচেয়ে বেশি।

সংখ্যাগুলো কি অনুমানের ভিত্তিতে?

প্রতিটি শ্রেণিবিন্যাস তার ভিত্তি জানায়: verified, declared, inferred বা unknown। আপনি ভিত্তি অনুযায়ী আপনার বিশ্লেষণ ফিল্টার করতে পারেন, তাই verified agent traffic এবং inferred agent traffic কখনো মিশে যায় না।

এটি কি আমার অ্যাপ কীভাবে সাড়া দেয় তা পরিবর্তন করে?

ডিফল্টভাবে নয়। বিশ্লেষণ observation মোডে চলে। আপনার দল policy সক্ষম করলে তবেই আপনার অ্যাপ আচরণ পরিবর্তন করে।

আমি কীভাবে অ্যাক্সেস পাব?

প্রারম্ভিক অ্যাক্সেসের জন্য আবেদন করুন। নির্বাচিত founding developer দল সম্মত ব্যবহার সীমার মধ্যে 12 মাস পর্যন্ত বিনামূল্যে অ্যাক্সেস পেতে পারে।

কে আপনার app ব্যবহার করছে, তা জানুন।

Founding developer-এর একটি ছোট group-এর জন্য private beta।

প্রাথমিক access পান মূল্য দেখুন

আগে কথা বলতে চান? Founders-এর সঙ্গে কথা বলুন