Eğitimin Amacı ve Kapsamı
Tool calling, LLM'i yalnızca metin üreten bir modelden kurumsal sistemlerde işlem yapabilen bir bileşene dönüştürür; ancak kötü tasarlanmış araçlar yanlış çağrılara, döngülere ve güvenlik açıklarına yol açar. Program; OpenAI, Claude ve Gemini'de function calling akışını, tool açıklaması ve parametre şeması tasarımını, tool choice ayarlarını, paralel çağrıları ve araç hatalarının modele geri bildirilmesini kapsar.
Araçları standartlaştırmak için Model Context Protocol (MCP) sunucusu yazılır; yan etkili işlemler için onay adımları, en az yetki ilkesi ve tool çıktıları üzerinden gelen prompt injection riskleri uygulamalı olarak ele alınır.
Kimler Katılmalı?
- LLM'i iç sistemlere ve API'lere bağlayacak yazılım geliştiriciler
- Agent ve asistan projeleri yürüten yapay zeka mühendisleri
- Entegrasyon ve güvenlik politikalarından sorumlu platform ekipleri
- Ön koşul: LLM API kullanımı ve REST API bilgisi
Kazanımlar
- Modelin doğru seçebileceği net tool tanımları ve parametre şemaları yazar
- Çok adımlı ve paralel tool calling döngüsünü güvenli sınırlarla uygular
- Mevcut bir iç servisi MCP sunucusu olarak sunar
- Yan etkili işlemler için onay ve yetki kontrolleri tasarlar
- Tool seçimi doğruluğunu test senaryolarıyla ölçer
Konular
Function Calling Akışı
- Model, uygulama ve araç arasındaki mesaj döngüsü
- OpenAI, Claude ve Gemini'de tool choice ve paralel çağrılar
Tool Tasarımı ve Şema Kalitesi
- İsimlendirme, açıklama ve parametre tasarımı
- Araç sayısı arttıkça seçim doğruluğunun korunması
Hata Yönetimi ve Döngü Kontrolü
- Araç hatalarının modele anlamlı biçimde döndürülmesi
- Maksimum adım, timeout ve idempotency
Model Context Protocol (MCP) ile Standart Araçlar
- MCP sunucusu ve istemcisi mimarisi
- Bir iç servisin MCP sunucusu olarak yayınlanması
Güvenlik ve Yetkilendirme
- En az yetki, kullanıcı bağlamında yetkilendirme ve onay adımları
- Tool çıktısı kaynaklı prompt injection ve OWASP LLM riskleri
Uygulama: İç Sistemlere Bağlı Asistan
- Kurum senaryosuyla birden fazla aracı kullanan asistan
- Tool seçimi doğruluğu için test seti
Bu Kategorideki Diğer Eğitimler
-
LLM uygulamalarında system prompt, şablon, few-shot örnek, retrieval sonucu, bellek ve tool tanımlarının context window'a nasıl yerleşeceğini tasarlayan context engineering programı; versiyonlama ve eval odaklı iterasyon dahil.
- Canlı Kurs
- 6 modül
-
Yüz binlerce token'lık context window'larda lost-in-the-middle, KV cache maliyeti ve latency sorunlarını çözen; context sıkıştırma, özetleme, bellek katmanları ve needle-in-a-haystack testlerini kapsayan program.
- Canlı Kurs
- 6 modül
-
Tek bir büyük modele bağımlı kalmadan, görev karmaşıklığına göre küçük ve büyük LLM'ler arasında dinamik yönlendirme (routing), cascade, fallback ve LLM gateway mimarisi kurmayı öğreten mühendislik programı.
- Canlı Kurs
- 6 modül
-
Görsel, taranmış belge, tablo, grafik, ses ve video girdilerini işleyen multimodal LLM uygulamaları geliştirme programı; VLM API'leri, open-weight vision modelleri, OCRsız belge anlama ve doğruluk ölçümü.
- Canlı Kurs
- 6 modül
-
Sparse Mixture of Experts (MoE) modellerinin router, aktif parametre ve uzman dengesi mantığını; VRAM hesaplamasını, vLLM/SGLang ile expert parallelism sunumunu ve LoRA ile uyarlanmasını kapsayan ileri seviye program.
- Canlı Kurs
- 6 modül
-
SSE, WebSockets ve WebRTC ile düşük gecikmeli metin, yapılandırılmış veri ve çift yönlü ses akışı sunan gerçek zamanlı LLM uygulamaları geliştirme; TTFT optimizasyonu, kesme (barge-in) ve eşzamanlılık yönetimi.
- Canlı Kurs
- 6 modül
Bizimle iletişime geçin
