tag LangGraph
Bu sayfada LangGraph etiketi ile işaretlenmiş tüm yapay zeka kavramlarını inceliyorsunuz.
Agent Framework (Ajan Çerçevesi)
Agent Framework (Ajan Çerçevesi), LLM tabanlı ajanların döngüsel düşünme, araç kullanımı, bellek yönetimi ve diğer ajanlarla iletişim gibi temel davranışlarını standart bir şekilde uygulamak için hazır altyapı sunan yazılım çerçevelerinin genel adıdır. Tek bir API çağrısından öteye geçen, çok adımlı, araç kullanan, bellek saklayan ve gerektiğinde insan onayı bekleyen karmaşık ajan sistemleri inşa etmek için bu çerçeveler kullanılır. LangGraph, CrewAI, AutoGen, Semantic Kernel ve Amazon Bedrock Agents bu kategorinin önde gelen örnekleridir. Bir ajan çerçevesi genellikle şu bileşenleri sunar: Orchestration (ajan döngüsünü yöneten çalıştırıcı), Tool Integration (Python fonksiyonları veya API'lerin araç olarak kaydedilmesi), Memory Management (kısa/uzun vadeli bellek ve konuşma geçmişi), State Management (çok adımlı görevlerde durum takibi) ve Multi-Agent Coordination (birden fazla ajan arasında görev dağılımı ve mesajlaşma). Bazı çerçeveler bunlara ek olarak insan-döngüde (human-in-the-loop) onay kapıları, hata kurtarma mekanizmaları ve dağıtık yürütme desteği de sunar. Ajan çerçeve seçimi uygulamanın ihtiyaçlarına göre değişir. Hızlı prototip için CrewAI'ın yüksek soyutlama katmanı tercih edilebilirken, karmaşık döngüsel iş akışları için LangGraph'ın düşük seviye graf kontrolü uygundur. 2024-2025 döneminde bu alandaki rekabet yoğunlaşmış; her büyük bulut sağlayıcısı kendi ajan çerçevesini sunmaya başlamıştır. Anthropic'in Model Context Protocol (MCP) ve OpenAI'ın Agents SDK'sı, bağımsız ajan entegrasyonunu standartlaştırma hedefiyle geliştirilmektedir.
AutoGen (AutoGen)
AutoGen, Microsoft Research tarafından geliştirilen ve çoklu AI ajanlarının mesajlaşarak karmaşık görevleri birlikte çözdüğü açık kaynak bir Python çerçevesidir. Temel fikir, farklı yeteneklere sahip ajanların (insan proxy'si, kod yürütücüsü, uzman LLM) birbirleriyle yapılandırılmış konuşmalar yürütmesidir. AutoGen 0.4'ten itibaren asenkron, olay güdümlü mimariyle yeniden tasarlanmış; üretim ölçeğinde dağıtık ajan sistemleri için temel platform hâline getirilmiştir.
CrewAI (CrewAI)
CrewAI, çoklu AI ajanlarını rol tabanlı bir ekip (crew) olarak organize eden açık kaynak bir Python çerçevesidir. Her ajan; belirli bir rol (araştırmacı, yazar, analist), hedef ve araç seti ile tanımlanır. Görevler (tasks) ajanlara atanır; çerçeve görev bağımlılıklarını ve ajan etkileşimlerini yönetir. 2024'te hızla popülerleşen CrewAI; LangGraph'ın düşük seviye graf kontrolüne kıyasla üst düzey soyutlama sunar ve üretime hazır çok-ajan uygulamaları için kısa sürede prototip çıkarmayı kolaylaştırır.
LangGraph (LangGraph)
LangGraph, LangChain ekibi tarafından geliştirilen ve çok adımlı, durum bilgili (stateful) AI ajan iş akışlarını yönlendirilen graflar (directed graphs) olarak modellemeye olanak tanıyan bir Python/TypeScript çerçevesidir. LangChain'in doğrusal zincir soyutlamasının yetersiz kaldığı döngüsel, koşullu ve paralel ajan akışları için tasarlanmıştır. Her düğüm (node) bir LLM çağrısı, araç kullanımı veya işlem adımı temsil eder; kenarlar (edge) koşullu yönlendirmeyi sağlar. Bu sayede insan-döngü onayları, paralel alt görevler ve hata kurtarma dalları kolayca modellenir.
LLM Agent (LLM Ajanı)
LLM Agent (LLM Ajanı), büyük bir dil modelinin (LLM) merkezi 'beyin' rolünü üstlendiği ve otonom biçimde görev planlama, araç çağrısı, bellek yönetimi ve ortamla etkileşim yürüttüğü yapay zeka sistemidir. Sohbet botlarından farklı olarak LLM ajanı yalnızca yanıt üretmez; çok adımlı planlar yapar, çeşitli araçları (web arama, kod çalıştırma, API çağrısı, dosya yönetimi) kullanır ve her adımın çıktısını bir sonraki adımı planlamak için değerlendirir. LLM ajanlarının temel bileşenleri şöyle sıralanabilir: Planlama (ReAct, CoT veya tree-of-thought ile görev ayrıştırma), Araç Kullanımı (function calling, MCP araçları), Bellek (kısa vadeli konuşma geçmişi ve uzun vadeli vektör veritabanı) ve Yürütme (araç sonuçlarını gözlemleyip bir sonraki eyleme geçme). Bu döngü görev tamamlanana ya da bir engelle karşılaşılana dek sürer. Pratikte LLM ajanları; yazılım geliştirme (Claude Code, Devin), araştırma otomasyonu, e-ticaret işlemleri ve bilgi yönetimi gibi alanlarda aktif olarak kullanılmaktadır. Güvenilirlik, hata yönetimi ve uzun görevlerde bağlam kaybı bu alanın önde gelen araştırma sorunları olmaya devam etmektedir. LangGraph, CrewAI, AutoGen ve Amazon Bedrock Agents gibi ajan çerçeveleri bu sistemlerin üretim ortamında konuşlandırılmasını kolaylaştırmaktadır.