Eğitimin Amacı ve Kapsamı
Tek bir agent'a çok fazla araç ve sorumluluk yüklemek kaliteyi düşürür; ancak gereksiz multi-agent mimariler de maliyeti ve hata yüzeyini büyütür. Eğitim, ne zaman birden fazla agent'a ihtiyaç olduğunu ve bu agent'ların nasıl koordine edileceğini mimari düzeyde ele alır.
Supervisor, hiyerarşik ekipler, orchestrator-worker ve swarm desenleri, agent'lar arası context aktarımı, paralel alt görevler ve sonuçların birleştirilmesi LangGraph, CrewAI ve Microsoft Agent Framework örnekleriyle uygulanır. Katılımcılar kurum senaryosu için bir multi-agent akışı geliştirir ve tek agent'lı alternatifle ölçerek karşılaştırır.
Kimler Katılmalı?
- Karmaşık agent sistemleri tasarlayan yapay zeka mühendisleri ve mimarlar
- Agent platformu kuran platform ekipleri
- Agent framework seçimine karar veren teknik liderler
- Ön koşul: tool calling ve en az bir agent framework'ü ile deneyim
Kazanımlar
- Multi-agent mimarinin gerekli olduğu durumları gerekçelendirmek
- Supervisor, hiyerarşik ve swarm desenlerini uygulamak
- Agent'lar arası context aktarımını ve izolasyonunu tasarlamak
- Paralel alt görevlerin sonuçlarını güvenilir biçimde birleştirmek
- Çoklu agent sistemin maliyet, gecikme ve kalitesini ölçmek
Konular
Tek Agent mı, Çok Agent mı?
- Araç sayısı, uzmanlık ve context window sınırları
- Multi-agent sistemlerin maliyet ve hata riskleri
Orkestrasyon Desenleri
- Supervisor ve hiyerarşik ekipler
- Orchestrator-worker ve paralel alt görevler
- Swarm ve ağ tipi topolojiler
Context ve İletişim
- Paylaşılan state ile mesaj tabanlı iletişim
- Context izolasyonu ve özetleme ile aktarım
Framework Karşılaştırması
- LangGraph, CrewAI ve Microsoft Agent Framework yaklaşımları
- Seçim kriterleri ve birlikte çalışabilirlik
Ölçüm ve Kurumsal Uygulama
- Agent bazlı trace, maliyet ve başarı metrikleri
- Kurum senaryosu için multi-agent akış ve tek agent karşılaştırması
Bu Kategorideki Diğer Eğitimler
-
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
-
Uzun süreli ve çok adımlı agent'larda API kesintileri, rate limit, kısmi hata ve süreç çökmelerine karşı retry, fallback, idempotency, telafi (compensation) ve Temporal/LangGraph ile durable execution eğitimi.
- Canlı Kurs
- 5 modül
-
Prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer ve otonom agent desenlerini mimari ödünleşimleriyle inceleyen; doğru probleme en sade agentic mimariyi seçtiren tasarım eğitimi.
- Canlı Kurs
- 5 modül
-
ReAct akıl yürütme döngüsünü, Plan-and-Execute planlama katmanını ve açık state/checkpoint yönetimini tek bir hibrit agent mimarisinde birleştirmeyi öğreten, geliştiricilere yönelik uygulamalı eğitim.
- Canlı Kurs
- 5 modül
Bizimle iletişime geçin
