Eğitimin Amacı ve Kapsamı
Prototip bir agent'ı birkaç satır kodla çalıştırmak kolaydır; zor olan, uzun görevlerde kararlı çalışan, durumu yönetilebilen ve hataları izlenebilen bir agent inşa etmektir. Program, LangGraph ile graph tabanlı agent mimarisini, OpenAI Agents SDK ve Claude Agent SDK ile hızlı geliştirmeyi karşılaştırmalı olarak ele alır.
Katılımcılar kurumlarına uyarlanmış bir görev için (örneğin araştırma ve rapor hazırlama) araç kullanan, checkpoint ile durumunu saklayan, adım ve bütçe sınırları olan bir agent geliştirir; LangSmith veya Langfuse ile tracing ekler ve container olarak dağıtıma hazırlar.
Kimler Katılmalı?
- Yapay zeka mühendisleri ve LLM uygulama geliştiricileri
- Agent platformu kuran backend ve platform ekipleri
- Teknik liderler ve çözüm mimarları
- Ön koşul: iyi düzeyde Python, LLM API ve tool calling deneyimi
Kazanımlar
- LangGraph ile durum, düğüm ve koşullu geçişlerden oluşan bir agent kurmak
- Agent SDK'larının güçlü ve zayıf yönlerine göre framework seçmek
- Adım sayısı, bütçe ve zaman sınırlarıyla kontrollü otonomi sağlamak
- Tracing ile agent kararlarını izlemek ve hata ayıklamak
- Agent'ı API olarak paketleyip dağıtıma hazırlamak
Konular
Agent Mimarileri ve Framework Seçimi
- ReAct, plan-and-execute ve graph tabanlı yaklaşımlar
- LangGraph, OpenAI Agents SDK, Claude Agent SDK karşılaştırması
LangGraph ile Durumlu Agent
- State, node, edge ve koşullu yönlendirme
- Checkpointer ile kalıcı durum ve kaldığı yerden devam
Araçlar ve Dış Sistemler
- Araç kaydı, MCP sunucularına bağlanma
- Kod çalıştırma ve dosya işlemleri için sandbox
Kontrollü Otonomi
- Adım, bütçe ve süre sınırları; durdurma koşulları
- Döngüye girme ve tekrar eden hataları önleme
Tracing ve Hata Ayıklama
- LangSmith ve Langfuse ile çalışma izleri
- Başarısız çalışmaları analiz etme
Dağıtıma Hazırlık
- Agent'ı API olarak sunma ve container'a paketleme
- Asenkron görevler, kuyruklar ve gizli bilgi yönetimi
Bu Kategorideki Diğer Eğitimler
-
Agent'ların çok adımlı görevleri nasıl planlayıp yürüttüğünü ele alan teknik program: ReAct, plan-and-execute, görev ayrıştırma, reflection ve yeniden planlama, reasoning modellerinin kullanımı ve döngü sonlandırma stratejileri.
- Canlı Kurs
- 6 modül
-
Uzun soluklu görevlerde ve çok oturumlu etkileşimlerde agent hafızası ve context yönetimi: kısa süreli çalışma belleği, epizodik/semantik uzun süreli hafıza, context sıkıştırma, Mem0 ve LangGraph Store ile kalıcı hafıza mimarisi.
- Canlı Kurs
- 5 modül
-
Karmaşık görevleri uzmanlaşmış agent'lara bölen multi-agent mimarileri: supervisor, hiyerarşik ve swarm kalıpları, LangGraph, CrewAI ve AutoGen karşılaştırması, A2A protokolü ve paylaşılan durum yönetimi.
- Canlı Kurs
- 5 modül
-
Kritik kararlarda insan kontrolünü koruyan human-in-the-loop agent mimarisi: kesme/devam etme (interrupt/resume) akışları, risk bazlı onay eşikleri, eskalasyon kuyrukları ve geri bildirimle öğrenen agent'lar.
- Canlı Kurs
- 5 modül
-
Model Context Protocol (MCP) ile kurumsal veri tabanları, API'ler ve iç sistemleri LLM ve agent'lara standart ve güvenli biçimde bağlama: MCP server/client geliştirme, yetkilendirme ve kurumsal entegrasyon mimarisi.
- Canlı Kurs
- 5 modül
-
Kurumsal bilgi, prosedür ve araçları agent'ların tekrar kullanabileceği modüler yetkinlik paketlerine (skills) dönüştürme: SKILL.md yapısı, aşamalı yükleme (progressive disclosure), şablonlar ve yönetişim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
