Eğitimin Amacı ve Kapsamı
LangGraph, agent'ları açık bir state grafiği olarak modelleyerek kontrol, kalıcılık ve izlenebilirlik sağlayan en yaygın açık kaynak framework'lerden biridir. Eğitim, basit bir tool-calling agent'tan başlayıp kalıcı hafızalı, onay adımları olan ve alt agent'lara iş dağıtan bir sisteme kadar ilerler.
StateGraph, prebuilt agent'lar, checkpointer'lar, interrupt() ile human-in-the-loop, subgraph'lar, streaming ve LangSmith ile tracing laboratuvarlarla uygulanır. Program kurumun teknoloji yığınına göre uyarlanır; çıktı, kurum senaryosu üzerinde çalışan ve test edilmiş bir LangGraph uygulamasıdır.
Kimler Katılmalı?
- Python ile LLM uygulamaları geliştiren yazılım geliştiriciler
- Agent prototiplerini production'a taşımak isteyen yapay zeka mühendisleri
- LangChain kullanan ve daha fazla kontrol arayan ekipler
- Ön koşul: Python, async programlama ve LLM API temelleri
Kazanımlar
- LangGraph ile state, node ve edge'lerden oluşan agent grafikleri kurmak
- Checkpointer'larla kalıcı ve devam ettirilebilir agent'lar geliştirmek
- interrupt ile onay ve düzenleme adımları eklemek
- Subgraph ve Send API ile çoklu agent ve paralel akışlar tasarlamak
- LangSmith tracing ile agent davranışını izleyip debug etmek
Konular
LangGraph Temel Kavramları
- StateGraph, node, edge ve conditional edge
- Prebuilt ReAct agent ile özel grafik karşılaştırması
Araçlar, Streaming ve Structured Output
- ToolNode ve tool calling entegrasyonu
- Token ve event streaming
- Structured output ile güvenilir ara sonuçlar
Kalıcılık ve Hafıza
- Checkpointer'lar, thread'ler ve time travel
- Store ile uzun dönem hafıza
Human-in-the-Loop
- interrupt() ve Command ile onay, düzenleme ve red akışları
- Hassas araç çağrılarının durdurulması
Subgraph'lar ve Çoklu Agent
- Supervisor ve handoff desenleri
- Send API ile map-reduce tarzı paralel işler
Deployment ve Gözlemlenebilirlik
- LangSmith ile tracing ve eval
- Agent'ı API olarak sunma ve test stratejisi
Bu Kategorideki Diğer Eğitimler
-
OpenAI Agents SDK ve Responses API ile function tool'lar, web search ve file search gibi hosted araçlar, handoff'lar, guardrail'ler, session'lar ve yerleşik tracing kullanarak araç tabanlı agent'lar geliştirme eğitimi.
- Canlı Kurs
- 5 modül
-
Model Context Protocol ile tools, resources ve prompts sunan MCP sunucuları ve bunları kullanan istemciler geliştirme; stdio ve Streamable HTTP, OAuth tabanlı yetkilendirme, güvenlik ve test üzerine uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
Supervisor, hiyerarşik, orchestrator-worker ve swarm desenleriyle çoklu agent sistemleri tasarlama; context izolasyonu, görev dağıtımı, maliyet kontrolü ve LangGraph, CrewAI ile Microsoft Agent Framework karşılaştırması.
- Canlı Kurs
- 5 modül
-
Agent sistemlerinde working memory, episodic, semantic ve procedural hafıza katmanlarını; context özetleme, vektör ve graf tabanlı bellek depoları, bellek güncelleme ve unutma stratejileriyle kurgulayan uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
LLM ve veri analizi/kodlama agent'larının ürettiği kodu gVisor, Firecracker microVM, container izolasyonu, ağ/dosya sistemi kısıtlamaları ve kaynak kotalarıyla güvenli çalıştırma mimarilerini öğreten teknik eğitim.
- Canlı Kurs
- 5 modül
-
Agent sistemlerinde uçtan uca başarı, yörünge (trajectory) ve tool seçim doğruluğunu ölçme; OpenTelemetry, LangSmith, Arize Phoenix ve Langfuse ile dağıtık tracing ve canlı üretim izleme kurma eğitimi.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
