Kurs
Google ADK ile AI Ajanları Oluşturma
1 sa
5.3K
AI ajanları, bağlamı algılayan ve temel sohbet botlarından farklı olarak minimum gözetimle çok adımlı iş akışlarını yürüten, hedef odaklı gelişmiş sistemlerdir. API çağırabilir, yazılımı kullanabilir, verileri sorgulayabilir ve bellek ile geri bildirim döngülerinden yararlanabilirler.
Bu ajanlar, AI ekosisteminin temel bir parçası haline geldi ve onlar hakkında bilgi edinmek, AI kariyerinize başlamanıza veya mevcut becerilerinizi geliştirmenize yardımcı olacaktır. Yeni bir kavramı anlamanın en iyi yolu, pratik uygulamalar inşa etmektir.
Bu yazıda, her beceri düzeyi için faydalı 10 AI ajan projesini inceleyeceğiz:
- Başlangıç: Langflow, Flowise ve Make AI gibi düşük kodlu araçlarla hızlıca geliştirin.
- Orta Düzey: LangGraph, Mistral Agents ve Qwen-Agent gibi çerçeveleri kullanarak özel ajanlar oluşturun.
- İleri Düzey: Haystack, ADK ve CrewAI ile çoklu ajan sistemleri tasarlayın.
Başlangıç Seviyesi AI Ajan Projeleri
Kolay projeler, GUI veya düşük kodlu ajan araçlarını kullanır. Bileşenleri görsel olarak sürükleyip bırakabilir, LLM API anahtarınızı ekleyebilir ve hattı çalıştırabilirsiniz. Bu oluşturucular, durum bilgisi olan ajanları prototiplemenize, veri kaynaklarını ve API’leri entegre etmenize, istem ve araç çağrılarını şablon kod olmadan zincirlemenize olanak tanır.
1. Langflow ile Dil Eğitmeni
Langflow ile Dil Eğitmeni, öğrenenin mevcut kelime dağarcığına göre küçük okuma pasajları oluşturan küçük bir ajansal sistemdir. Langflow üzerinde Postgres veritabanı (Docker aracılığıyla) ile çalışır ve kelimeleri okumak/yazmak için psycopg2 kullanır.
Kelime listenizi bir CSV’den yüklersiniz, sohbetteki bir araçla yeni kelimeler eklersiniz ve bir hikâye aracı, kaydettiğiniz kelimeleri çekip seçtiğiniz dilde bir hikâye yazması için bir LLM’i yönlendirir. Ana ajan, “kelime ekle” veya “hikâye yaz” isteğinizi yönlendirir ve sonucu döndürür.
Rehber: Langflow: Demo Projeyle Rehber
2. Flowise ile Veri Analisti AI Ajanı
Flowise ile Veri Analisti AI Ajanı, bir veritabanı hakkında sorular sorup kullanılan tam SQL ile birlikte yanıtlar almanızı sağlayan bir iş akışıdır.
Flowise’i bir SingleStore veritabanına bağlar, tablo şemasını okumak için özel bir kod bloğu eklersiniz ve bunu, bir LLM’den (OpenAI ile bir LLM Chain üzerinden) SQL sorgusu üretmesini isteyen bir isteme beslersiniz.
Sorgu saklanır, temizlenir, başka bir özel kod bloğu üzerinden yürütülür ve sonuçlar ile sorgu, son bir istem ve LLM Chain tarafından biçimlendirilir.
Rehber: Flowise: Demo Projeyle Rehber
3. Make AI ile Müşteri Hizmetlerinin Otomasyonu
Make ile Müşteri Hizmetleri AI Ajanı, bir Tally formu üzerinden gönderilen kiralama taleplerine otomatik olarak yanıt verir.
Biri bir Tally formunu doldurduğunda, Make AI kiralama ayrıntılarını bir Google Dokümanından alır. Ardından, bir OpenAI modülü bu ayrıntılar ve kişinin sorusu kullanılarak bir yanıt yazar. Son olarak e‑posta modülü, yanıtı doğrudan formdaki e‑posta adresine gönderir.
Rehber: Make AI: Pratik Örneklerle Rehber
Orta Düzey AI Ajan Projeleri
Orta düzey AI Ajan projeleri, modern ajansal çerçeveler ve API’ler kullanarak eksiksiz iş akışları oluşturmayı hedefler. Bu aşamada yalnızca API’leri bağlamakla kalmaz, kullanıcıların ajanlarla doğrudan etkileşime geçebileceği basit arayüzler de tasarlarsınız.
4. Mistral Agents ile Beslenme Koçu
Mistral Agents ile Beslenme Koçu, öğünlerinizi kaydeden, kalorileri tahmin eden ve görüntüyle birlikte sağlıklı bir sonraki öğünü öneren bir AI ajan projesidir.
Uygulama, kalori tahminleri için bir web arama ajanı içeren Mistral’ın Agents API’sini barındırır. Ayrıca bir geri dönüş (fallback) tahminleyici, öğünleri, kalori sayımlarını ve zaman damgalarını kaydeden bir günlükleyici ile önerilen yemeği görselleştirmek için bir görsel üretim ajanı bulunur.
Kullanıcılar öğünlerini ve tercihlerini girer; uygulama kalori içeriğini arar veya tahmin eder, girişi kaydeder, takip eden bir öğün önerir ve kullanılan araçların net bir özetinin yanında, yemeğin otomatik oluşturulmuş bir görselini gösterir.
Rehber: Mistral Agents API: Demo Projeyle Rehber
5. Jan‑v1 ile Derin Araştırma Asistanı
AI Ajan projesi Jan‑v1 ile Derin Araştırma Asistanı, yerel Jan‑v1 çıkarımı, eşzamanlı olmayan web araması ve sıkı rapor biçimlendirmesi kullanarak bir konuyu derli toplu bir araştırma raporuna dönüştüren bir uygulamadır. Akıllı sorgular üretir, kaynakları çeker ve temiz, profesyonel bir metin sentezler.
Arayüz için Streamlit’i, yerelde bir Jan‑v1 GGUF modelini çalıştırmak için llama‑cpp’yi, web araması için Serper’i ve bölümlendirme ile temizlik için bir dizi yardımcı işlevi kullanır.
Kullanıcılar bir konu girer; derinlik, odak, zaman aralığı ve biçim seçer. Uygulama sorgular üretir, eşzamanlı olmayan aramalar yapar, notları derler ve Jan‑v1’den yapılandırılmış bir rapor üretmesini sağlar; ardından kaynakları gösterir ve TXT/JSON dışa aktarmanıza izin verir. İlerleme çubukları adımları izler ve oturum durumu, çalıştırmalar arasında modelin yeniden yüklenmesini önler.
Rehber: Jan‑V1: Demo Projeyle Rehber
6. Qwen-Agent ile Gerçek Zamanlı Web Özetleyici Uzantısı
Gerçek Zamanlı Web Özetleyici uzantısı, herhangi bir sayfanın görünen metnini yakalayan ve yerelde Ollama üzerinden Qwen3 ve bir FastAPI arka ucu ile desteklenen, temiz ve öz bir özeti gerçek zamanlı olarak yayınlayan bir Chrome eklentisidir.
Kullanıcılar, aşağıda gösterildiği gibi açılır pencerede “Özetle”ye tıklayabilir. Uzantı, sayfa metnini alır, http://127.0.0.1:7864/summarize_stream_status adresine gönderir ve akan yanıtı görüntüler.
Kurulum için Ollama kullanarak Qwen modelini çekmeniz, FastAPI sunucusunu başlatmanız, paketlenmemiş uzantıyı yüklemeniz gerekir; ardından her sayfada, düzenleyici tarzı net bir formatta anlık özetler alabilirsiniz.
Rehber: Qwen-Agent: Demo Projeyle Rehber
7. LangGraph ile Gerçek Zamanlı Analitik
Gerçek Zamanlı Analitik, soruları yanıtlayan, web’de arama yapan ve Python kodu çalıştıran LangGraph destekli bir asistandır. Akıl yürütme için Mistral Medium 3’ü, web araması için Tavily’yi ve kullanıcı istemlerine göre kod çalıştırmak için bir Python REPL’i birleştirir.
Kullanıcılar bir soru sorduğunda, ajan arama yapıp yapmayacağına, kod yürütüp yürütmeyeceğine veya her iki yöntemi de kullanıp kullanmayacağına karar verir. Ardından kullanılan araçlar hakkında bilgilerle birlikte nihai yanıtı sunar. Kurulum süreci; Tavily API anahtarını eklemeyi, gerekli paketleri kurmayı, LLM ve araçları başlatmayı, LangGraph ajanını oluşturmayı ve kullanıcı mesajlarıyla çağırmayı içerir.
Rehber: Mistral Medium 3 Eğitimi: Ajansal Uygulamalar İnşa Etme
İleri Düzey AI Ajan Projeleri
İleri düzey AI Ajan projeleri, tek bir iş akışı içinde birden fazla aracın birlikte çalıştığı çoklu ajanları bir araya getirir. Bu projeler, Haystack, ADK ve CrewAI gibi güçlü ajansal çerçevelerden yararlanarak ajanların koordinasyon, uzmanlaşma ve daha karmaşık görevleri ele alabileceği gelişmiş, işbirlikçi sistemler tasarlamanıza imkân tanır.
8. Haystack AI ile RAG ve Web AI Ajanları
Haystack Ajansal RAG ve Web Erişimi, özel bir bilgi tabanını ve gerektiğinde canlı web sonuçlarını kullanarak soruları yanıtlayan bir asistandır. Sorguları önce alma destekli üretime yönlendirir ve güncel, gerçek zamanlı bilgi için web aramasına geçer.
Haystack hatları ve ajanlarını, OpenAI gömlemeleriyle bellek içi bir belge deposunu, özel bir RAG aracını ve ComponentTool olarak sarmalanmış özel bir Tavily web arama aracını kullanır. Ajan, araç seçimini yönlendiren bir sistem istemiyle GPT 4.1 Mini tarafından çalıştırılır.
Kullanıcılar sorular yöneltebilir ve ajan, bilgi tabanından bilgi alır veya güncel konular için bir Tavily araması yapar. Ardından kullanılan araçlarla birlikte bir yanıt sağlar.
Rehber: Haystack AI Eğitimi: Ajansal İş Akışları Oluşturma
9. ADK ve A2A ile Seyahat Planlayıcı
ADK ve A2A ile Seyahat Planlayıcı, seyahatleri baştan sona planlamak için tasarlanmış kapsamlı bir çoklu ajan uygulamasıdır. Kullanıcılar yalnızca destinasyonlarını, seyahat tarihlerini ve bütçelerini girer. Uzmanlaşmış ajanlar; uçuş, konaklama ve etkinlik önerir. Koordine eden bir ana ajan tüm bileşenleri düzenler; Streamlit kullanıcı arayüzü ise tam gezi planını gösterir.
Kullanıcılar formu Streamlit’te doldurur, ana ajan yükü üç ajanın tamamına gönderir, onların JSON yanıtlarını birleştirir ve uçuşlar, oteller ve etkinliklerden oluşan yapılandırılmış bir plan döndürür.
Rehber: Agent Development Kit (ADK): Demo Projeyle Rehber
10. CrewAI ile Ajansal RAG
Ajansal RAG hattı, yerel PDF’lerden alınan sağlam bir bağlamla veya gerektiğinde canlı web’den yanıt veren bir sorgu yönlendirme sistemidir.
PDF parçaları üzerinde FAISS, hızlı LLM yanıtları için Groq ve harici bağlam için bir crewAI web iş akışı kullanır. Bir yönlendirici istem, yerel verinin yeterli olup olmadığına “Evet/Hayır” kararını verir; yardımcılar ise alma, web kazıma ve sentezi yönetir.
Kullanıcılar bir soru sorar ve yönlendirici PDF bağlamını kontrol eder. Yanıt "Evet" ise sistem, vektör veritabanından en iyi eşleşmeleri getirir. Yanıt "Hayır" ise web’de arama yapar, toplanan bilgileri birleştirir ve dil modeli nihai yanıtı formüle eder.
Rehber: Ajansal RAG: Adım Adım Eğitim ve Demo Proje
Son Düşünceler
Kendi AI projelerinizi sıfırdan inşa etmek, kariyerinizi geliştirmenin en iyi yollarından biridir. Teorinin ötesine geçmenizi ve pratik beceriler kazanmanızı sağlar. Bir problemi tanımlamayı, araçları ve ajanları bağlamayı, sonuçları doğrulamayı, basit bir kullanıcı arayüzü oluşturmayı ve gerçek kullanıcı geri bildirimlerine göre iyileştirmeyi öğrenirsiniz.
Tamamladığınız her proje, GitHub veya Hugging Face gibi platformlarda ya da canlı bir demo olarak paylaşabileceğiniz portföyünüze eklenir. Bu, potansiyel işverenlere yalnızca mevcut modelleri kullanmadığınızı, güvenilir sistemler tasarlayıp devreye alabileceğinizi gösterir. Ürün geliştirme ve mühendisliği anladığınızı ortaya koyarak, uygulamalı makine öğrenimi ve AI mühendisliği gibi alanlardaki işe alım yöneticileri için daha cazip hale gelmenizi sağlar.
Küçük projelerle başlamayı ve bunları sık aralıklarla yayımlamayı öneririm. Bırakın işleriniz kendini anlatsın; her proje, AI alanındaki büyümenizin ve uzmanlığınızın hikâyesini anlatır. Ajansal AI’a yeniyseniz, Introduction to AI Agents kursunu almanızı ve AI Agents Cheat Sheet sayfamıza göz atmanızı da tavsiye ederim.
