Semih Kışlar

Bir LLM’e prompt gönderip cevap almak işin en kolay kısmı. Peki işin içine Tools, RAG, Memory, Skills ve bir Agent Runtime girince ne değişiyor? Agentic AI öğrenirken benim en çok takıldığım yer buydu. Bu parçaların ne olduğunu tek tek anlatan çok fazla kaynak var ama hangi problemi çözmek için eklendiklerini, birbirlerinden nasıl ayrıldıklarını ve birlikte nasıl çalıştıklarını kafamda oturtmak daha zordu. Bir de çoğu zaman atlanan başka bir soru vardı: Bunların hangilerine gerçekten ihtiyacım var? Ben de bunu kod üzerinde öğrenmek için Java-first, açık kaynak bir proje geliştirmeye başladım: Agentic Developer Handbook. Basit bir model çağrısından başlayıp adım adım ilerleyen çalışan Java örnekleri var. Şu anda 7 lab tamamlandı. Model → Structured Output → Tools → RAG → Memory → Skills → Agent Runtime şeklinde ilerliyor ve 7. lab’de ilk bounded agent runtime’ı kuruyoruz. Sonrasında da öğrendiklerinizi bir araya getirdiğiniz bir Capstone var. Burada amaç her şeyi kullanmak değil; hangi capability’ye gerçekten ihtiyacınız olduğuna karar vermek. Hatta bunun için ayrıca bir Agentic System Readiness Assessment ekledim. Bazı senaryolarda sonuç gayet rahat şekilde “burada agent’a, hatta LLM’e bile ihtiyacın yok” olabiliyor. Bundan sonra MCP, Evaluation, Observability, Security ve Deployment tarafına doğru devam edecek. Şimdi biraz da geliştirici gözüyle dışarıdan bakılmasına ihtiyacım var. Anlaşılmayan bir yer, eksik olduğunu düşündüğünüz bir konu ya da “bunu gerçek bir senaryo üzerinde görmek isterdim” dediğiniz bir şey varsa yazın. Mevcut bir lab’i iyileştirmek, bir örnek veya skill hazırlamak ya da ileride eklenebilecek bir integration önermek isteyenler için GitHub’da issue template’leri de hazır.