Blog

Sıfırdan Yapay Zeka Ajanları Oluşturma: Adım Adım Rehber

Ashley Goolam

Ashley Goolam

2 December 2025

Sıfırdan Yapay Zeka Ajanları Oluşturma: Adım Adım Rehber

Kurumsal Apidog

Şirket İçi Dağıtım

SSO & RBAC

SOC 2 Uyumlu

Apidog Enterprise'ı Keşfet

Büyük dil modellerinin ve esnek yapay zeka araçlarının yükselişi, özel yapay zeka ajanları oluşturmayı her zamankinden daha erişilebilir hale getirdi. İster görevleri otomatikleştirmeye yardımcı olacak, ister araştırmaya destek olacak, kullanıcı etkileşimlerini destekleyecek veya yeni hizmetlere güç verecek bir ajan isteyin; sıfırdan başlamak ve ihtiyaçlarınıza göre tasarlamak genellikle en esnek ve güçlü sonuçları verir. Bu kılavuzda, bir yapay zeka ajanını sıfırdan oluşturmak için dokuz adımlık bir süreci ele alıyoruz — amaç belirlemekten etrafına bir kullanıcı arayüzü veya API oluşturmaya kadar.

💡
Harika API Dokümantasyonu oluşturan harika bir API Test aracı mı istiyorsunuz?

Geliştirici Ekibinizin maksimum verimlilikle birlikte çalışması için entegre, Hepsi Bir Arada bir platform mu istiyorsunuz?

Apidog tüm taleplerinizi karşılıyor ve Postman'ı çok daha uygun bir fiyata değiştiriyor!
düğme

Adım 1: Ajanınızın Amacını ve Kapsamını Tanımlayın

Tek bir kod satırı veya komut istemi yazmadan önce, ajanınızın ne yapması gerektiği konusunda net olmalısınız. Bu şu anlama gelir:

Örnek: Bir “satış asistanı” ajanı istediğinizi varsayalım. Şunları tanımlayabilirsiniz: potansiyel müşterinin profil verilerini girdi olarak alır, potansiyel müşterinin genel bilgilerini araştırır, potansiyel müşteri uygunluğunu puanlar ve bir taslak tanıtım e-postası çıktısı verir. Bu kapsam net bir şekilde tanımlandığında, komut istemlerinden veri akışına kadar her şeyin planlanması daha kolay hale gelir.

Adım 2: Açık Girdi / Çıktı Şemaları Oluşturun

Amaç netleştiğinde, her şeyi serbest biçimde bırakmak yerine yapılandırılmış girdi ve çıktı şemaları tasarlayın. Bu, API'lerin istek ve yanıt yapılarını tanımlamasına benzer şekilde, ajanıza istikrarlı bir “sözleşme” sağlar.

from pydantic import BaseModel, Field
from typing import Optional, List

class LeadProfile(BaseModel):
    name: str
    email: Optional[str]
    company: Optional[str]
    description: Optional[str]

class OutreachEmail(BaseModel):
    subject: str
    body: str
    lead_score: float = Field(..., ge=0, le=1)

# Example usage:
lead = LeadProfile(name="Alice Johnson", email="alice@example.com", company="Acme Corp")
print(lead.json())
Kod Örneği

Bu şema öncelikli yaklaşım, tutarlılığı sağlar, çıktıları doğrulamayı kolaylaştırır ve diğer sistemler veya kullanıcı arayüzleri ile entegrasyonu basitleştirir.

Adım 3: Sistem Talimatlarını Yazın

Şema yerleştirildikten sonra, ajanınız için ayrıntılı rol tanımları ve sistem talimatları yazın. Esasen, yapay zekaya şunu söylersiniz: “Sen X'sin. İşte sorumlulukların, kısıtlamaların, tarzın, tonun ve çıktı formatın.”

Bu stili destekleyen herhangi bir Büyük Dil Modelini (LLM) kullanabilirsiniz — örn. GPT-4, Claude veya diğer modeller. Birçok geliştirici, sistem talimatlarını doğrudan ajan başlatmalarına dahil eder.

Adım 4: Akıl Yürütmeyi ve Harici Eylemleri Etkinleştirin

Bir ajan, mantıksal olarak akıl yürütebildiğinde ve harici sistemlerle — veritabanları, API'ler, araçlar, web araması, kod yürütme vb. — etkileşim kurabildiğinde çok daha güçlü hale gelir.

Bu adım, ajanınızı “akıllı bir metin üreticisi” olmaktan çıkarıp, sadece “yanıtlamak” yerine gerçekten eylem yapabilen bir “ajan” haline getirir.

import openai, os, json

openai.api_key = os.getenv("OPENAI_API_KEY")

SYSTEM_PROMPT = """
You are a helpful assistant. Use the available tools when needed.
Return output in JSON with keys: {action, action_input} or {final_answer}.
"""

TOOLS = {
    "search": lambda query: f"[search results for: {query}]",
    # add more tools as needed
}

def call_llm(messages):
    resp = openai.chat.completions.create(
        model="gpt-4o",
        messages=messages
    )
    return resp.choices[0].message["content"]

def agent_loop(user_input):
    messages = [{"role":"system","content":SYSTEM_PROMPT},
                {"role":"user","content":user_input}]
    while True:
        reply = call_llm(messages)
        data = json.loads(reply)
        if "action" in data:
            result = TOOLS[data["action"]](data["action_input"])
            messages.append({"role":"assistant","content":reply})
            messages.append({"role":"tool","content":result})
        elif "final_answer" in data:
            return data["final_answer"]

if __name__ == "__main__":
    answer = agent_loop("Find the population of France and compute 10% of it.")
    print(answer)
Kod Örneği

Adım 5: Gerekirse Birden Fazla Ajanı Koordine Edin

Çok adımlı bir satış hunisi, veri analizi + raporlama hattı veya çok departmanlı iş akışları gibi karmaşık iş akışları için, her birinin tanımlanmış bir rolü olan birden fazla ajanın birlikte çalışmasını isteyebilirsiniz.

Bu, sisteminizi modüler, sürdürülebilir ve karmaşık veya büyük ölçekli görevleri yönetebilecek hale getirir.

Adım 6: Hafıza ve Bağlam Ekleyin

Birçok kullanışlı ajan — sohbet asistanları, destek botları, araştırma ajanları, kişisel asistanlar — zaman içinde önceki etkileşimleri veya kalıcı bilgileri hatırlamalıdır. Hafıza olmadan, her etkileşim durum bilgisi olmayan ve bağlamdan yoksun olur.

Hafıza ekleyerek, ajanınız süreklilik, kişiselleştirme ve giderek daha kullanışlı davranışlar sağlayabilir.

class ConversationMemory:
    def __init__(self):
        self.history = []

    def add(self, message: str):
        self.history.append(message)
        # Optional: trim if too long

    def get_context(self) -> str:
        return "\n".join(self.history)

mem = ConversationMemory()

def run_conversation(input_text):
    mem.add(f"User: {input_text}")
    # pass context to agent
    # agent generates response...
    response = "..."  # from LLM
    mem.add(f"Agent: {response}")
    return response

# Example usage
run_conversation("Hello, who are you?")
run_conversation("Remember my name is Alice.")
Kod Örneği

Adım 7: Multimedya Yeteneklerini Entegre Edin

Ajanın amacına bağlı olarak, görüntüler, ses, video veya dosya/belge işleme desteği eklemek isteyebilirsiniz veya istemeyebilirsiniz (oluşturmaya çalıştığınız Yapay Zeka Ajanına bağlı olarak bu adım başkaları için isteğe bağlı olabilir, ancak çoğu için oldukça gereklidir).

Multimedya desteği, ajanınızın belge özetlemeden görüntü tabanlı analize veya etkileşimli kullanıcı arayüzü görevlerine kadar ele alabileceği görev aralığını genişletir.

Adım 8: Çıktıyı Biçimlendirin ve Teslim Edin

Ajanınızın çıktısı, hem insanlar hem de diğer programlar veya sistemler için iyi yapılandırılmış, temiz ve kullanılabilir olmalıdır.

Bu, çıktıların güvenilir, ayrıştırılabilir olmasını ve kullanıcı arayüzleri, veri hatları veya alt sistemlere entegrasyonunun daha kolay olmasını sağlar.

Adım 9: Bir Kullanıcı Arayüzü veya API Katmanı Oluşturun

Son olarak, yapay zeka ajanıza bir kullanıcı arayüzü veya API katmanı ekleyin, böylece başkaları — ister dahili kullanıcılar, ister müşteriler, isterse diğer sistemler olsun — tarafından kullanılabilir.

Seçenekler şunları içerir:

Apidog'da API Uç Noktalarını Test Etme
Apidog'da API Uç Noktalarını Test Etme

Bu son adım, ajanı bir “proje” olmaktan çıkarıp, kullanılabilir bir araca — etkin bir şekilde, değer sunan bir ürüne — dönüştürür.

from fastapi import FastAPI
from pydantic import BaseModel

app = FastAPI()

class AgentRequest(BaseModel):
    prompt: str

class AgentResponse(BaseModel):
    result: str

@app.post("/api/agent", response_model=AgentResponse)
def call_agent(req: AgentRequest):
    response = agent_loop(req.prompt)  # assume agent_loop is defined
    return {"result": response}
Kod Örneği

Sıkça Sorulan Sorular

S1. Neden serbest biçimli metin yerine yapılandırılmış girdi/çıktı şemaları tanımlanmalı?
Yapılandırılmış şemalar (Pydantic, JSON Şeması vb. aracılığıyla) güvenceler sağlar — ajanın beklenen alanları almasını ve tahmin edilebilir, makine tarafından okunabilir çıktılar döndürmesini garanti eder. Bu, hatalı veri olasılığını azaltır, doğrulamayı basitleştirir ve diğer sistemlerle entegrasyonu çok daha sağlam hale getirir.

S2. ReAct nedir ve neden kullanışlıdır?
ReAct, “Akıl Yürütme + Eylem” anlamına gelir. Bir ajanın düşünme (akıl yürütme) ve yapma (bir aracı çağırma veya bir eylem gerçekleştirme) arasında geçiş yaptığı, ardından sonucu gözlemlediği ve gerektiğinde akıl yürütmeye devam ettiği bir tasarım desenidir. Bu, ajanların çok adımlı mantık yürütmesine, harici araçları veya API'leri çağırmasına ve sonraki adımları sonuçlara dayandırmasına olanak tanır — bu da onları basit, tek seferlik komut-yanıt botlarından çok daha güçlü hale getirir.

S3. Ne zaman tek bir ajan yerine birden fazla ajan kullanmalıyım?
Görev karmaşık olduğunda ve uzmanlaşmadan faydalanan belirgin alt görevler (örneğin planlama, yürütme, doğrulama veya veri getirme, akıl yürütme ve raporlama gibi farklı alanlar) içerdiğinde birden fazla ajan kullanın. Çoklu ajan kurulumları modülerliği, netliği ve sağlamlığı artırır. (Empathy First Media'da pratik kılavuz)

S4. Hafıza bir ajanı nasıl geliştirir — ve en iyi hafıza türü nedir?
Hafıza, ajanların önceki etkileşimleri, kullanıcı tercihlerini, geçmiş kararları veya birikmiş bilgiyi hatırlamasını sağlayarak süreklilik sağlar. Kısa süreli (oturum bağlamı) çok turlu konuşmalara yardımcı olur; uzun süreli (vektör veritabanları, belge depoları) ise bilgi geri alımını, kişiselleştirmeyi ve zaman içinde akıl yürütmeyi destekler. Birçok uygulama için bir kombinasyon idealdir.

S5. Bir yapay zeka ajanını güvenli bir şekilde nasıl dağıtırım — ve kontrol dışı döngüleri veya güvensiz davranışları nasıl önlerim?
Dağıtımdan önce güvenlik ve izleme ekleyin: istek başına akıl yürütme veya araç çağırma döngüsü sayısını sınırlayın; hassas eylemler için günlükleme, hata işleme ve insan döngüsü kontrol noktaları uygulayın; kullanımı, maliyeti ve performansı izleyin; ve uç durumları kapsamlı bir şekilde test edin.

Sonuç

Sıfırdan bir yapay zeka ajanı oluşturmak ödüllendirici — ve giderek daha erişilebilir — bir çabadır. Yapılandırılmış bir süreci takip ederek — amaç belirleme, net şemalar tasarlama, sağlam talimatlar yazma, akıl yürütme ve araç kullanımını etkinleştirme, isteğe bağlı olarak birden fazla ajanı koordine etme, hafıza ve bağlam ekleme, çıktıları doğru biçimlendirme ve kullanılabilir bir arayüz sunma — özel ihtiyaçlarınıza göre güçlü, güvenilir ajanlar oluşturabilirsiniz.

Ne inşa ediyor olursanız olun (bir satış asistanı, bir araştırma aracı, bir sohbet botu veya bir otomasyon motoru), bu adım adım kılavuz size bir taslak sunar. Düşünceli tasarım ve iyi bir mimari ile yapay zeka ajanınız bir prototipten kullanışlı, bakımı yapılabilir ve ölçeklenebilir bir araca dönüşebilir.

İlk ajanınızı oluşturmaya hazırsanız — basit bir amaç seçin, şemasını yazın ve deneyin. Temel işlevler çalışmaya başladığında, hafıza, araçlar ve arayüz katmanlarını ekleyebilir ve yaratımınızın gerçekten güçlü bir şeye dönüştüğünü görebilirsiniz.

💡
Harika API Dokümantasyonu oluşturan harika bir API Test aracı mı istiyorsunuz?

Geliştirici Ekibinizin maksimum verimlilikle birlikte çalışması için entegre, Hepsi Bir Arada bir platform mu istiyorsunuz?

Apidog tüm taleplerinizi karşılıyor ve Postman'ı çok daha uygun bir fiyata değiştiriyor!
düğme

API Tasarım-Öncelikli Yaklaşımı Apidog'da Uygulayın

API'leri oluşturmanın ve kullanmanın daha kolay yolunu keşfedin

Ücretsiz Kaydolİndir