Developer_Summit_25.pdf

Transcript

1. AUTOGEN: THE PROGRAMMİNG FRAMEWORK FOR AGENTİC AI Kardel Rüveyda Çetin Software Development Lead Microsoft MVP
2. Sunumda her an yapay zeka çıkabilir.
3. Neden bu konuyu seçtim? Microsoft AutoGen nedir? Yapay Zeka ve Agentic Kavramı AutoGen Mimarisi ve Katmanlı Yapısı 2 4 3 5 Ben Kimim? 1 Agentic AI Projesi Hazırlıkları 6 OpenAI ile Ajan Geliştirme 7 Anthropic ile Ajan Geliştirme Gemini ile Ajan Geliştirme OpenRouter ile Ajan Geliştirme 9 10 LLAmA ile Ajan Geliştirme 11 Semantic Kernel ile Ajan Geliştirme 12 AutoGen vs LangChain 13 AutoGen vs Semantic Kernel 14 DEMO 15 8
4. BEN KİMİM? 2023- 2025 YILDIZ TECHNICAL UNIVERSİTY Mathematical Engineering (Licentiate Degree) YILDIZ TECHNICAL UNIVERSİTY Computer Engineering/IT (Master's Degree (Non-Thesis)) 2013-2018 2019-2020 YILDIZ TECHNICAL UNIVERSİTY Mathematical Engineering (Master's Degree (Thesis)) 2021-.. DOĞUŞ TEKNOLOJİ Software Support Asistant Specialist Software Asistant Specialist Software Specialist 2018-2021 KARİYER.NET Software Specialist Senior Software Specialist Expert Software Engineer Software Development Lead Mavi (2016) Overtech (2017) INTERNSHIPS Junior Frontend Developer 2018 ICONEC WAVE X: @kardelanite in: kardelruveydacetin
5. Neden bu konuyu seçtim? 2024 ML.Net Dotnet Konferansı 2024 OpenAI .NET API Developer Summit 2024 Semantic Kernel, MCP Developer Summit
6. Yapay Zeka ve Agentic Kavramı 1.Özerklik (Autonomy) — sistemin kendi kararlarını verebilmesi, 2.Karar Mekanizması (Decision-Making) — çevresel girdileri değerlendirerek uygun çıktıyı üretebilmesi, 3.Görev Tamamlama (Task Execution) — bir hedef doğrultusunda eyleme geçebilmesidir.
7. Yapay Zeka ve Agentic Kavramı Klasik otomasyon sistemleri yalnızca belirli kuralları izlerken, yapay zekâ modelleri duruma göre yeni çözüm yolları geliştirebilir.
8. Yapay Zeka ve Agentic Kavramı Bir ajan rezervasyon işlemlerini yürütür, Bir diğeri davetiyeleri gönderir, Bir diğeri konuk listesini yönetir, Bir diğeri oturma düzenini oluşturur. Bir düğün organizasyonunda mekân rezervasyonu, davetli listesi, yemek planı ve oturma düzeni gibi birçok görev vardır. Bu görevlerin her biri bir “sorumlu kişi” tarafından yürütülür. Benzer şekilde, bir Agentic AI sisteminde de her görev, farklı bir yapay zekâ ajanı tarafından üstlenilebilir: Multi-agent workflow
9. Microsoft AutoGen nedir? AutoGen, Microsoft tarafından geliştirilen ve tekli ya da çoklu ajan (multi-agent) sistemlerin etkileşimli biçimde oluşturulmasını sağlayan bir yapay zekâ (YZ) geliştirme çatısıdır. “ChatGPT gibi bir model tek başına çalışan bir işçi gibidir. AutoGen ise tüm bu çalışanları organize eden bir yönetici gibidir.” “AutoGen, birbirleriyle konuşabilen, görev paylaşabilen ve ortak bir hedefe ulaşmak için işbirliği yapabilen yapay zekâ ajanları oluşturmayı sağlayan bir sistemdir.” “Her bir ajan kendi süper gücüne sahip, AutoGen ise bu süper kahramanları bir araya getirip bir ekip hâline getiriyor.”
10. Microsoft AutoGen Mimarisi Apps (Uygulamalar) — Kullanıcıya dokunan, çalışan ürünler veya demolar Autogen Framework — Sistemin kalbi: Core, AgentChat ve Extensions katmanları Developer Tools (Geliştirici Araçları) — Studio ve Bench bileşenleri
11. Microsoft AutoGen Mimarisi Magentic One, çok ajanlı (multi-agent) görevlerin nasıl organize edildiğini göstermek amacıyla tasarlanmıştır. AutoGen yalnızca Magentic One ile sınırlı değildir. Framework’ün en büyük gücü, kendi özelleştirilmiş (custom) uygulamanızı geliştirebilmenizdir.
12. Microsoft AutoGen Mimarisi Core, AutoGen 0.4 ile baştan yazılmış ve event-driven (olay temelli) bir altyapıya dönüştürülmüştür. Asenkron, Dağıtık ve Actor Model AgentChat, Core’un üzerine oturan ve geliştiriciye sade bir API sunan yüksek seviye (high-level) katmandır. Ajan Oluşturma , Görev Başlatma, Ajanlar Arası İletişim OpenAIChatCompletionClient AnthropicChatCompletionClient OllamaChatCompletionClient SKChatCompletionAdapter (Semantic Kernel için)
13. Microsoft AutoGen Mimarisi Bir test ortamıdır (testing ground). Ajanlarınızın: Kaç kullanıcıya kadar ölçeklenebildiğini, Gecikme sürelerini, Üretim maliyetini (token cost) test etmek için kullanılır. Studio, kod yazmadan ajan prototipleri oluşturmanızı sağlayan bir no-code / low-code platformdur. Sürükle-bırak arayüzüyle ajan ekipleri kurabilir, görevler atayabilir ve süreçleri simüle edebilirsiniz.
14. v0.4 Güncellemeleri Sonrası 1.Asenkron altyapı (Async Foundation) 2.Katmanlı tasarım (Layered Architecture) 3.Geliştirilmiş gözlemlenebilirlik (Observability) Görevleri daha hızlı yürütür, Gereksiz beklemeleri ortadan kaldırır, Aynı anda birden fazla süreci paralel olarak yönetebilir. AutoGen v0.4 sonrası geliştirmeler ile AutoGen Microsoft’un daha geniş AI ekosistemi ile doğrudan uyumlu haline geldiği gözlemleniyor.
15. Agentic AI Projesi Hazırlıkları
16. Agentic AI Projesi Hazırlıkları requirements.txt .env
17. OpenAI ile Ajan Geliştirme 1
18. OpenAI ile Ajan Geliştirme 2
19. Gemini ile Ajan Geliştirme
20. OpenRouter ile Ajan Geliştirme 1 2
21. OpenRouter ile Ajan Geliştirme 4
22. Anthropic (Claude) ile Ajan Geliştirme
23. Yerel (Local) Modeller ile Ajan Geliştirme 1 2
24. Semantic Kernel Adapter ile Ajan Geliştirme 1 2
25. Autogen vs LangChain
26. Autogen vs LangChain AutoGen’in temeli tamamen asenkron. Yani her ajan aynı anda farklı görevleri yürütebilir, birbirini beklemeden iletişime devam edebilir. Bu sayede sistem, karmaşık görevlerde bile yüksek performans gösterir. LangChain ise senkron yapısı nedeniyle zincirin tamamlanmasını bekler; bu da büyük ölçekli sistemlerde darboğaz oluşturabilir.
27. Autogen vs LangChain AutoGen’in temeli tamamen asenkron. Yani her ajan aynı anda farklı görevleri yürütebilir, birbirini beklemeden iletişime devam edebilir. Bu sayede sistem, karmaşık görevlerde bile yüksek performans gösterir. LangChain ise senkron yapısı nedeniyle zincirin tamamlanmasını bekler; bu da büyük ölçekli sistemlerde darboğaz oluşturabilir.
28. Autogen vs LangChain AutoGen, “bir ekip gibi çalışan ajan sistemleri” için; LangChain, “belirli bir iş akışı içinde işlem yapan ajanlar” için; uygundur, diyebiliriz.
29. AutoGen vs Semantic Kernel AutoGen, multi-agent collaboration üzerine kuruludur. Birden fazla yapay zekâ ajanını aynı ortamda konuşturur, karar vermelerini sağlar. Tıpkı Frodo’nun yüzüğü taşırken yanında farklı karakterleri bir araya getirmesi gibi. :) Semantic Kernel ise bu büyük yolculuğun altyapısını sağlar — kodu düzenler, planı oluşturur, görevleri modüllere böler. O, Sam gibi her zaman arka plandadır ama sistemin ilerlemesi ona bağlıdır.
30. AutoGen vs Semantic Kernel Frodo destanı taşır, Sam pratiği sürdürür. İkisi de olmadan Orta Dünya’ya barış gelmez!
31. Akademik
32. AutoGen: Enabling Next-Gen LLM Applications via Multi- Agent Conversations AutoGen: An Automated Dynamic Model Generation Framework for Recommender System AutoGen Studio: A No- Code Developer Tool for Building and Debugging Multi-Agent Systems
33. DEMO
34. AI Interviewer Uygulaması Geliştirme Interviewer (Görüşmeci): Soru soran ajan Candidate (Aday): Kullanıcı girdisini temsil eden ajan Career Coach (Kariyer Koçu): Cevabı analiz edip yapıcı geri bildirim veren ajan Interviewer → Candidate → Career Coach → Interviewer → … 1.lk olarak interviewer (mülakatçı) konuşur, 2.Ardından candidate (aday) cevap verir, 3.Sonra career_coach (kariyer koçu) kısa bir geri bildirimde bulunur, 4.Sonra döngü yeniden başlar.
35. TEŞEKKÜRLER