Eğitimin Amacı ve Kapsamı
Agent hatalarının önemli bir kısmı modelden değil, kötü tasarlanmış araçlardan kaynaklanır: belirsiz açıklamalar, fazla parametre, anlaşılmaz hata mesajları ya da gereğinden geniş yetkiler. Eğitim, mevcut iç API'leri agent'ların güvenle kullanabileceği araçlara dönüştürmenin tasarım ilkelerini ele alır.
Tool contract'ları (girdi/çıktı şeması, ön ve son koşullar, yan etkiler, idempotency), sayfalama ve yanıt boyutu kontrolü, versiyonlama ve yetki kapsamları uygulamalı işlenir. Katılımcılar kurumun bir iç API'sini, eval ile ölçülen bir araç setine dönüştürür ve tasarım kontrol listesi çıkarır.
Kimler Katılmalı?
- Agent'lara araç ve entegrasyon sağlayan backend geliştiricileri
- Agent uygulamaları geliştiren yapay zeka mühendisleri
- İç API'leri agent'lara açmaktan sorumlu API ve platform ekipleri
- Ön koşul: REST API tasarımı ve JSON Schema'ya aşinalık
Kazanımlar
- LLM'in doğru seçip çağırabileceği araç isimleri ve açıklamaları yazmak
- Girdi ve çıktıları açık tool contract'larıyla tanımlamak
- Agent'ın kendini düzeltebileceği hata mesajları tasarlamak
- Yan etkili araçlarda idempotency ve yetki kapsamı uygulamak
- Araç seçim doğruluğunu eval setiyle ölçüp iyileştirmek
Konular
Agent Gözünden Araç
- Modelin araç seçimini etkileyen faktörler
- API endpoint'i ile agent aracı arasındaki fark
- Az ama iyi tasarlanmış araç ilkesi
İsimlendirme, Açıklama ve Şema
- Açıklama yazımı, örnekler ve kullanım sınırları
- JSON Schema parametreleri, enum'lar ve zorunlu alanlar
- Strict mode ve structured output
Tool Contract'ları
- Ön ve son koşullar, yan etkiler ve idempotency
- Çıktı formatı, sayfalama ve yanıt boyutu kontrolü
- Versiyonlama ve geriye dönük uyumluluk
Hata Tasarımı ve Güvenlik
- Agent'ın aksiyon alabileceği hata mesajları
- Yetki kapsamları, okuma/yazma ayrımı ve onay gerektiren araçlar
Araç Setini Ölçmek
- Tool selection ve parametre doğruluğu için eval seti
- Açıklama ve şema iterasyonlarının etkisini ölçmek
- Kurum API'si için tasarım kontrol listesi
Bu Kategorideki Diğer Eğitimler
-
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
-
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
Bizimle iletişime geçin
