Eğitimin Amacı ve Kapsamı
Agent'lar demo aşamasından çıktığında asıl zorluk, konuşma geçmişinin ötesinde iş durumunu tutarlı biçimde yönetmektir: hangi adım tamamlandı, hangi veri toplandı, süreç kesilirse nereden devam edilecek. Eğitim, state'i açık bir şema olarak modellemeyi ve iş akışını kontrol edilebilir bir grafik olarak tasarlamayı öğretir.
LangGraph StateGraph, reducer'lar, checkpointer'lar ve thread'ler ile Temporal gibi workflow engine'lerin rolü karşılaştırmalı işlenir. Katılımcılar kurumdaki bir onay veya başvuru sürecini, kesintiden sonra devam edebilen state'li bir agent iş akışı olarak modeller.
Kimler Katılmalı?
- Çok adımlı agent iş akışları geliştiren yazılım mühendisleri
- Agent'ları mevcut iş süreçlerine entegre eden çözüm mimarları
- Agent altyapısından sorumlu platform mühendisleri
- Ön koşul: Python ve temel LLM API deneyimi
Kazanımlar
- Agent state'ini typed bir şema ve reducer'larla modellemek
- Checkpoint'ler ile kesintiden sonra kaldığı yerden devam eden akışlar kurmak
- Thread ve oturum bazında state izolasyonu sağlamak
- Serbest agent döngüsü ile deterministik workflow arasında doğru dengeyi kurmak
- State geçmişini inceleyerek hataları yeniden üretmek ve düzeltmek
Konular
Konuşma Geçmişinden İş State'ine
- Mesaj listesi ile yapılandırılmış state arasındaki fark
- State şeması tasarımı: TypedDict ve Pydantic
Grafik Olarak İş Akışı
- Node, edge ve conditional edge kavramları
- State machine yaklaşımı ve geçiş kuralları
- Reducer'lar ile paralel güncellemeleri birleştirmek
Checkpoint ve Kalıcılık
- SQLite ve PostgreSQL checkpointer'ları
- Thread'ler, oturumlar ve state izolasyonu
- Time travel: geçmiş state'e dönme ve yeniden oynatma
Workflow Engine'leri ile Entegrasyon
- Temporal gibi durable workflow engine'lerinin rolü
- Agent mantığı ile süreç orkestrasyonunu ayırmak
Kurumsal Süreç Modelleme Atölyesi
- Gerçek bir onay sürecinin state'li agent'a dönüştürülmesi
- Kesinti ve yeniden başlatma senaryolarının test edilmesi
Bu Kategorideki Diğer Eğitimler
-
Agent'ların doğru kullanabileceği araçlar tasarlamak: isimlendirme, açıklama, JSON Schema parametreleri, hata mesajları, tool contract'ları, versiyonlama ve yetki kapsamları üzerine uygulamalı eğitim.
- Canlı Kurs
- 5 modül
-
LangGraph ile StateGraph, conditional edge, checkpointer, interrupt tabanlı human-in-the-loop, subgraph ve Send API kullanarak production'a hazır agent sistemleri geliştirmeyi öğreten uygulamalı teknik eğitim.
- Canlı Kurs
- 6 modül
-
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
Bizimle iletişime geçin
