Eğitimin Amacı ve Kapsamı
Tek bir agent'a çok fazla araç ve sorumluluk yüklendiğinde araç seçimi bozulur ve talimatlar birbiriyle çelişir. Bu eğitim, ne zaman tek agent yerine multi-agent mimarisine geçilmesi gerektiğini ve uzmanlaşmış agent'lar arasındaki koordinasyon kalıplarını uygulamalı olarak öğretir.
Katılımcılar supervisor–worker, hiyerarşik, ardışık devir (handoff) ve paralel araştırma kalıplarını LangGraph ve OpenAI Agents SDK ile kurar; Agent-to-Agent (A2A) iletişim ilkelerini inceler ve kurumlarına uyarlanmış bir vaka üzerinde çalışan multi-agent örneği ile mimari kontrol listesi geliştirir.
Kimler Katılmalı?
- Karmaşık agent sistemleri geliştiren yapay zeka ve yazılım mühendisleri
- Kurumsal agent platformlarını tasarlayan çözüm ve sistem mimarları
- Ar-Ge ve yapay zeka mühendislik liderleri
- Ön koşul: Python ve tekli agent geliştirme deneyimi
Kazanımlar
- Tekli agent ile multi-agent mimarisi arasındaki doğru geçiş noktasını belirlemek
- Supervisor, handoff ve hiyerarşik orkestrasyon kalıplarını kodlamak
- Agent'lar arası mesajlaşma şemalarını ve paylaşılan durum alanlarını tasarlamak
- Çoklu agent döngülerinde kilitlenme, maliyet patlaması ve hata yayılımını önlemek
- Kurumsal senaryoya uygun multi-agent referans uygulaması oluşturmak
Konular
Ne Zaman Çoklu Agent? Mimari Karar Kriterleri
- Tekli agent sınırları: araç karmaşası ve context şişmesi
- Uzmanlaşma, izolasyon ve paralel yürütme avantajları
Orkestrasyon Kalıpları
- Supervisor–worker, hiyerarşik ağaç ve peer-to-peer handoff
- Paralel fan-out/fan-in ve tartışma/hakem (debate/judge) kalıpları
Framework Karşılaştırması ve Uygulama
- LangGraph subgraphs, OpenAI Agents SDK handoffs, CrewAI ve AutoGen
- Durum paylaşımı: ortak scratchpad vs mesaj geçişi
A2A Protokolü ve Birlikte Çalışabilirlik
- Agent Card tanımı, yetenek keşfi ve görev yaşam döngüsü
- Farklı ekip veya sistemlerdeki agent'ların güvenli haberleşmesi
Güvenilirlik, Maliyet ve İzlenebilirlik
- Sonsuz devir (handoff loop) ve hata yayılımını durdurma
- Dağıtık tracing ile agent bazlı gecikme ve token analizi
Bu Kategorideki Diğer Eğitimler
-
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
-
Çok adımlı agent sistemlerini uçtan uca ve adım bazında değerlendirme: trajectory evals, tool calling doğruluğu, görev tamamlama metrikleri, simüle edilmiş kullanıcı/ortam testleri ve CI/CD eval pipeline'ı.
- Canlı Kurs
- 5 modül
-
Araç kullanan ve dış sistemlerde işlem yapan agent'ların güvenliği: dolaylı prompt injection savunması, OAuth/OBO ile kullanıcı adına yetkilendirme, sandbox izolasyonu, guardrail'ler ve OWASP Agentic güvenlik kontrolleri.
- Canlı Kurs
- 5 modül
-
LLM tabanlı agent'ların nasıl çalıştığını öğreten temel program: model, araçlar, hafıza ve kontrol döngüsü; chatbot, iş akışı otomasyonu ve agent arasındaki farklar ve kurum için doğru ilk use case seçimi.
- Canlı Kurs
- 6 modül
Bizimle iletişime geçin
