mediation AutoGen Mimarisi
AutoGen'in temel soyutlamaları: ConversableAgent (LLM + araç + insan proxy soyutlaması), GroupChat (birden fazla ajanın katıldığı yuvarlak masa görüşmesi), GroupChatManager (konuşmayı yöneten koordinatör). AutoGen 0.4 ile gelen AgentChat API; ajan ekipleri (RoundRobinGroupChat, SelectorGroupChat) ve asenkron mesaj geçişini standart hâle getirir.
AutoGen Kullanım Senaryoları
terminal Kod Yazma & Debug
Kullanıcı proxy'si görevi tanımlar; coder ajan kodu yazar, executor sandbox'ta çalıştırır, hata varsa coder düzeltir. İnsan onayı isteğe bağlıdır.
fact_check Araştırma & Doğrulama
Araştırmacı web'i tarar, doğrulayıcı ajan çapraz kontrol yapar, eleştirmen çelişkileri işaretler. Çok tur tartışmayla daha güvenilir çıktı üretilir.
psychology Uzman Panel
Finans, hukuk, teknik gibi farklı uzmanlık rollerine sahip ajanlar bir konuyu çok perspektiften tartışır; yönetici ajan nihai kararı sentezler.
AutoGen Mimarisi ve Temel Kavramlar
- check_circle ConversableAgent: AutoGen'in temel yapı taşı: her ajan LLM destekli veya insan destekli olabilir. UserProxyAgent: insan veya kod çalıştırma simülasyonu yapar. AssistantAgent: LLM tabanlı; görev çözme ve yanıt üretme. GroupChat: birden fazla ajan aynı sohbete katılır; yönetici (manager) hangi ajanın konuşacağına karar verir.
- check_circle Otomatik Kod Çalıştırma: AssistantAgent kod üretir; UserProxyAgent sandbox'ta çalıştırır. Hata döngüsü: çalıştırma başarısız → hata assistant'a iletilir → düzeltme. Docker sandbox: güvenli izole kod çalıştırma. Bu özellik AutoGen'i kod tabanlı görevlerde güçlü kılar.
- check_circle AutoGen Studio: Görsel arayüz: ajan ve iş akışı tanımı kodsuz. Şablon: hazır ajan kurulumları (kodlayıcı + test edici + gözden geçirici). Web tabanlı sohbet: kurulu ajan takımıyla tarayıcıdan etkileşim. v0.4 (2024): yeniden tasarlanmış olay odaklı mimari.
AutoGen Kullanım Senaryoları ve Rakipler
Microsoft Research tarafından geliştirilen AutoGen, çok ajan iş akışlarını basitleştirmeye odaklanır. Kullanım senaryoları: yazılım geliştirme pipeline'ı (gereksinim → tasarım → kod → test → gözden geçirme), veri analizi (veri yükleme → temizleme → görselleştirme ajan zinciri), araştırma asistanı (web arama + özetleme + rapor), oyun ve simülasyon (çok ajan rol yapma). Rakipler: CrewAI (rol odaklı), LangGraph (durum makinesi), Semantic Kernel (kurumsal), Amazon Bedrock Agents. AutoGen vs CrewAI: AutoGen konuşma odaklı; CrewAI yapılandırılmış rol atamaya daha elverişli. v0.4 yenilikleri: asenkron çalışma, topic-based yayın, bileşen modülerliği.
quiz Sık Sorulan Sorular
- check_circle CrewAI ve LangGraph ile kıyaslama?: AutoGen diyalog odaklıdır; ajanlar birbirleriyle konuşarak ilerlir. CrewAI görev-rol atamasına, LangGraph ise akış grafiğine odaklanır.
- check_circle AutoGen Studio nedir?: No-code arayüz; ajan ekiplerini görsel olarak tanımlamayı, test etmeyi ve yerel olarak çalıştırmayı sağlar. Üretim deploy için AutoGen Core kullanılır.
- check_circle Hangi modeller desteklenir?: OpenAI API'si ile uyumlu tüm modeller (GPT-4, Claude, Gemini, Ollama, vLLM vb.) desteklenir.
- check_circle AutoGen nedir?: Microsoft Research'ün geliştirdiği çok ajan konuşma çerçevesidir. Birden fazla AI ajanın birbiriyle konuşarak karmaşık görevleri çözmesine olanak tanır. Özellikle kod üretme ve çalıştırma iş akışlarında güçlüdür.
- check_circle AutoGen ile LangChain arasındaki fark nedir?: LangChain: zincirleme ve araç kullanımı odaklı; tek ajan mimarisi ağırlıklı. AutoGen: çok ajan konuşma odaklı; ajanlar birbirine mesaj gönderir. Kullanım: karmaşık çok rollü görev → AutoGen; tek araç/RAG pipeline → LangChain.
- check_circle AutoGen güvenli midir?: Kod çalıştırma özelliği sandbox gerektiriyor. Docker sandbox önerilir: host sistemden izole. İnsan onayı: UserProxyAgent'ı human_input_mode='ALWAYS' ile kurarsan her kod çalışmadan önce onay istenir.
- check_circle AutoGen Python'da nasıl kurulur?: pip install pyautogen. AssistantAgent + UserProxyAgent kurulumu 10 satır kod. Azure OpenAI veya OpenAI API anahtarı gerekli. Açık model: ollama ile Llama/Mistral da desteklenir.