Türkçe altyazı Turkish subtitles
0:00 Bir yapay zeka ajanının, eğitim verisindeki bilgi dışında bir görevi tamamlamak için ihtiyaç duyduğu bilgiyi sağlamanın farklı yolları vardır. There are different ways to give an AI agent the knowledge it needs to complete a task beyond the knowledge that it just has in its training data. 0:07 Gelin, bunlardan dördüne, yani becerilere, MCP'ye, RAG'e ve belleğe bakalım ve farklı durumlarda hangi yöntemlerin en iyi olduğunu tanımlayalım. So let's look at four of them, skills, MCP, RAG and memory and define which methods are best in different situations. 0:18 Diyelim ki elimizde bir web uygulaması var ve bu web sayfasına bakıyoruz, ah-oh, bu sayfa o korkunç 500 iç sunucu hatasını veriyor. So let us consider that we've got some kind of web app here and we look at this webpage, and uh-oh, this webpage is throwing error the dreaded 500 internal server error. 0:36 Tamam, bunu düzeltmemiz gerekiyor. Okay we need to fix this. 0:38 Peki, bir yapay zeka ajanının amacı tam olarak bunu yapmaktır. Well the goal of an AI agent is to do just that. 0:45 Bu hatayı çözmek istiyoruz. We want to resolve this error. 0:48 Sanırım bu 500 hatası için ajan desteği almak konusunda içgüdüsel cevap, mümkün olduğunca çok bağlam toplamak olur. Now I think instinctively the answer to getting some agentic help for this 500 error is just to kind of gather as much context as possible? 0:59 Sonra da bunu ajanın kendisinin bağlam penceresine atarız. Then throw that into the context window from the actual agent itself. 1:05 Bu bağlam penceresinde bir sürü çalışma kılavuzu saklayabilir, belki bir dizi gösterge paneli de aktarırız ve burada biraz da müşteri geçmişi bulundurabiliriz. So in this context window we might store a bunch of runbooks and then maybe we'd also pass it a bunch of dashboards and perhaps also we'd have a little bit of customer history in here as well 1:21 Ve bunları sadece bağlam penceresine atıp yapay zeka ajanının bu hatayı nasıl çözeceğini kendisinin bulmasına bırakırız. and just throw it in the context window and then let the AI agent figure out how to resolve this error. 1:30 Ancak bu, bu tür bir hatayı çözmek için oldukça etkisiz bir yöntem olabilir, çünkü yapay zeka ajanının kaybolması, çıkmaz sokaklara girmesi veya bu belirli ödeme sayfasının aslında nasıl çalıştığını yansıtmayan genel bir şekilde hareket etmesi için bolca alan vardır. But that can be quite an ineffective means to resolve an error like, this because there's plenty of scope for this AI agent to kind of get lost or to go down dead ends or just act in a generalized way that doesn't really represent how this specific checkout page actually works. 1:49 Yani sadece bağlamı ateşe atmak en iyi yol olmayabilir. Belki daha iyi bir yaklaşım şunu kullanmak olurdu... So just throwing context into the fire it might not be the best way to go. Perhaps a better approach would be to use... 1:58 Beceriler, MCP, RAG veya bellek, belki hepsi birden, ama nasıl? Bu web sayfasını bu yapay zeka ajanıyla nasıl çözebileceğimizi tek tek ele alacağım. Skills or MCP or RAG or memory maybe all of the above, but how, well i'm going to take these one at a time as to how we can get this web page resolved with this AI agent 2:12 Ve ilk olanla başlayalım, o da ajan becerilerini kullanmak. and let's start with the first one which is to use agent skills. 2:19 Peki, bir ajan becerisi, aslında ajanın eline verebileceğimiz talimat setidir. Now, an agent skill is really just kind of a set of instructions that we can hand to the agent. 2:27 Belirli bir tür görevi yapmak için. Doing one particular kind of task. 2:30 Bazen buna biraz da kod ekli olabilir. So sometimes it might also have a bit of code attached as well. 2:33 Bir prosedür, yani izlenecek adımları ve bunları ne zaman izleyeceğe dair bazı yargıları listeleyebilir ve ajan, bu beceriyi ancak görev gerçekten gerektirdiğinde, buna kademeli ifşa denilen bir şey aracılığıyla çeker. Now it might list a procedure, like the steps to follow, along with some judgment about when to follow them, and the agent only pulls the skill in when the task actually calls for it through something called progressive disclosure. 2:47 Yani buradaki bu ödeme hatası için, oluşturduğumuz özel bir beceriyi ajana verebiliriz. So for this checkout error we've got here, we might give the agent a special skill that we have created. 2:53 Buna triyaj becerisi diyelim. Let's call this the triage skill. 2:57 Ve bu beceri, çalışma kitabını ortaya koyar. And that skill lays out the run book. 3:00 Yani belki şöyle der: İlk olarak, hata oranına bakmamız gerekiyor. So maybe it says, first of all, we need to take a look at the error rate. 3:07 Yapmamız gereken ilk şey bu. That's the first thing we need do. 3:09 Ve bunu yaptıktan sonra, beceri bir sonraki adımın son zamanlardaki dağıtımların durumunu kontrol etmek olduğunu söyler. And then once we've done that, the skill says the next thing to do is to check on the status of the recent deployments. 3:17 Yani bunlar takip edilecek adımlar. So these are the steps to follow. 3:19 Ancak alınacak adımların ötesinde, iyi bir beceri biraz da yargı gücü taşıyabilir. But beyond the steps, to take, a good skill can also carry a bit of judgment as well. 3:24 Örneğin, ajanın ne zaman durması gerektiği. Like, when the agent should stop. 3:26 Kendi başına etrafta dolaşmak yerine, sorunu çözmek için gerçek bir insana eskale etmesi gerektiği. Poking around on its own and instead it should escalate to maybe a actual human to help with the problem. 3:35 Şimdi bu triyaj becerisi olmadan, ajan muhtemelen tüm bu şeyleri yapması gerektiğini bilemezdi, çünkü bu bilgi modelin eğitim verilerinde hiçbir yerde bulunmuyor; dolayısıyla bir beceri, ajana nasıl çalışacağına dair net bir prosedür ve belki de biraz yargı gücü verir. Ama iş orada biraz durur. Now without this triage skill the agent probably wouldn't know to do all of these things, because this information is not sitting in the model's training data anywhere, so a skill gives the agent a clear procedure and maybe a bit of judgment about how to run it. But, it kind of stops there. 3:56 Beceri, ajana hata oranını kontrol etmeye gitmesini söyleyebilir, ancak ajanın o hata oranını aslında okuyabilmek için panele erişmesi her zaman mümkün olmayabilir. The skill can tell the agent to go and check the the error rate but the agent still can't necessarily reach the dashboard to actually read that error rate in the first place. 4:07 Dolayısıyla hata oranlarını ve benzeri bilgileri elde etmenin bir yolu, MCP'yi, yani model bağlam protokolünü kullanmaktır. So one way to deal with getting that error rates and stuff like that is to use MCP, that's the model context protocol. 4:16 Bu, ajanı dış dünyaya bağlayarak aslında dışarı çıkıp işler yapmasını sağlar. It can connect the agent to the outside world so it can actually go out and do things. 4:22 Şimdi, çalışma şekli şu: Ajan ile ulaşması gereken şeyler arasında standart bir MCP protokolü bulunur. Now, the way it works is there is a standard MCP protocol sitting between the agent and whatever it needs to reach. 4:30 Kendi başına ajan, MCP ana makinesi olarak kabul edilir ve konuşmak istediği her sistem bir MCP sunucusunun arkasında durur. Now the agent itself, that is considered the MCP host and each system it wants to talk to that sits behind an MCP server. 4:45 Yani... So... 4:45 Bu model tek başına, belirli bir arka uca nasıl sorgu atılacağını belki de bilmez, oysa o kayıt yığınına ait MCP sunucusu ona nasıl bağlanacağını bilir ve bunu ajanın çağırabileceği bir şey olarak sunar. This model on its own maybe hasn't got a clue how to say query a particular backend that has a logging stack, but the MCP server for that logging stack does know how to connect to it and it exposes that as something that the agent can then call. 5:01 Yani 500 hatama geri dönersek, hata oranını kontrol etmesi söylenen beceriye. So if we go back to my 500 error here, the skill that's said to check the error rate. 5:08 Peki, MCP ile ajan tüm bu bilgilere ulaşabilir, böylece bir MCP çağrısı yaparak tüm günlükleri elde edebilir. Well, with MCP, the agent could reach all of that information so it can get hold of all of the logs by performing an MCP call. 5:18 Aynı şeyi yaparak metrikleri de elde edebilir ve hata oranını gerçekten okuyabilir. It can get hold of the metrics as well by doing the same thing and it can read the error rate for real. 5:27 Tamam, yani hata oranını elde etme sorunu MCP ile çözülmüş oluyor. Right so getting the error rate is is solved by MCP. 5:31 Başka bir servise çağrı yapıyoruz ama ajanın henüz bilmediği şey, bu web sayfasının bu özel kurulumunun nasıl davrandığı, normalin ne olduğu, bağımlılıkların neler olduğu ve bu sorunlardan bazılarının daha önce neyin tetiklediği konusunda gerçek bir bilgiye sahip olmaması. We're calling out to another service but what the agent still doesn't know yet is well it doesn't really have any real knowledge of how this particular set up for this webpage behaves like what's normal or what the dependencies are and what's maybe caused some of these issues before. 5:49 Peki bu bilgi nereden geliyor? So where does that knowledge come from? 5:51 Muhtemelen tahmin ettiniz. Well, you probably guessed it. 5:53 Benim listedeki diğer iki şeyden geliyor. It comes from the other two things on my list here. 5:55 O halde RAG ile başlayalım. So let's start with RAG. 5:58 Bu, Geri Getirme Destekli Üretimi (Retrieval Augmented Generation) ifade ediyor. This is Retrieval Augmented Generation. 6:03 Fikir, her şeyi baştan bağlam penceresine doldurmak yerine, ajanın dış bir kaynaktan ihtiyaç duyduğu ilgili bilgi parçalarını yalnızca gerçekten gerektiğinde çekmesidir. And the idea is instead of stuffing everything into the context window up front, the agent is just gonna pull in the information that it needs, some sort of relevant piece of information from some outside source, and to only do it when it actually needs it. 6:18 Yani ödeme hatamız için RAG'ı kendi belgelerimizin bir koleksiyonuna yönlendirebiliriz. So for our checkout error, we might point RAG at a collection of our own documents. 6:26 Bunlar kılavuzlar veya bağımlılık haritaları gibi şeyler olabilir ve ardından ajan sorusunu sorar, RAG da eşleşen parçaları So these might be like manuals or dependency maps, stuff like that, and then the agent gets to ask its question and then RAG is going to retrieve the matching pieces by 6:42 anlamsal bir arama gerçekleştirerek bulur ve ilgili eşleşen parçalar ajanın bağlam penceresine geri döner. İşte bu RAG'dır. performing something called a semantic search and relevant matching chunks then they get returned back to the agent's context window. That's RAG. 6:56 Ve sonra... And then... 6:57 Konuşacağımız son şey hafıza. The last one to talk about is talking about memory. 7:03 Hafıza ilk bakışta RAG'a oldukça benzer, çünkü ajan ihtiyaç duyduğunda ilgili bilgi parçalarını çeker, ancak bu ikisi arasında bir fark var. And memory at first glance sounds quite a bit like RAG, where the agent pulls in relevant pieces of knowledge when it's needed, but there is a difference between these two things. 7:15 Fark, bilginin nereden geldiğidir. And the difference is where the knowledge comes from. 7:18 RAG, bir vektör veritabanında saklanan belgeleri okur. So RAG it reads documents which are stored in a vector database. 7:23 Ve bu belgeler, oraya kasıtlı olarak yerleştirilen, yani bilinçli olarak saklanan insan tarafından eklenmiş belgelerdir. And those documents were put in that vector database by a person, like they were stored there deliberately. 7:29 Ama hafıza, ajanın daha önce yaşanan olaylardan kendisinin edindiği ve ileride kullanmak üzere bir nevi depoladığı şeylerdir. But memory is the stuff that the agent has picked up itself and kind of stored for later from things that have happened previously. 7:39 Yani ajan, önceki hata durumları gibi bir tür hafızaya geri bakabilir. So the agent can look back at some kind of memory like previous error situations. 7:45 Belki de tam bu hata son seferinde olduğunda, gerçek neden buradaki çalışma kitabında (run book) belgelenmemiş bir şeydi ve zor yoldan çözülmek zorunda kalmıştı. Maybe last time this exact error happened the real cause was not something that was documented in the the run book over here and it kind of had to get worked out the hard way. 7:55 İşte o hafıza, o zor yolun ne olduğunu bize söyleyebilir. Well that memory can tell us what that hard way was. 7:59 Ve bu inatçı 500 hatası nihayet düzeltildiğinde, bellek de yapılan düzeltmenin ne olduğunu geri yazabilir. And when this pesky 500 error is finally fixed, then the memory can also write back what the fix actually was. 8:08 Böylece ajan, bir sonraki sefer için bunu elinde bulundurur. So the agent has that for next time. 8:11 Yani temelde, ajanik bellekte deneyim birikmektedir. So basically experience is building up here in the agentic memory. 8:17 Bu, dört anahtardan ve her birinin ne zaman kullanılacağına dair kabaca bir kuraldır. So that is all four and a rough rule of thumb on when to use each one. 8:24 Eğer birinin yazıya döktüğü bir bilgiyse, bu RAG'dir. Well, if it's knowledge that somebody has written down That's RAG. 8:30 Eğer ajanların deneyimden edindiği bir bilgiyse, bu bellektir. If it's knowledge the agents picked up from experience, that's memory. 8:36 Eğer tekrarlanabilir bir prosedürü takip etmekse, bu bir ajan becerisidir. If its a procedure to follow something repeatable, that is an agent skill. 8:42 Ve bir ajan, özel kod kullanmadan dünyada bir şeyi gerçekten araştırmak zorundaysa, bu MCP olabilir. And if an agent needs to go and actually look something up in the world without using proprietary code, that can be MCP. 8:52 Peki söyleyin, bu, yapay zeka ajanlarıyla bilgiyi nasıl entegre ettiğinizi yansıtıyor mu? So tell me, does that reflect how you incorporate knowledge with AI agents? 8:56 Yorumlarda bana bildirin. Let me know in the comments. Altyazı bilgisayarımda üretildi ve videoyla ilerler; bir satıra tıklayın, o ana atlasın. Subtitles generated on my computer; they follow the video — click a line to jump there.
Yapay zeka ajanlarının bağlam penceresine sadece ham bilgi yüklemek yerine, beceriler, MCP, RAG ve hafıza gibi yöntemleri duruma göre nasıl kullanmaları gerektiğini açıklıyor. It explains how AI agents should use methods such as skills, MCP, RAG, and memory depending on the situation, rather than simply loading raw information into their context window.
Bu video youtube.com üzerinde yayımlandı; buradaki oynatıcı YouTube’undur. Türkçe özet ve altyazı AiPulse için hazırlanmıştır. This video is published on youtube.com ; the player here is YouTube’s. The Turkish summary and subtitles are prepared for AiPulse .
YouTube’da izle Watch on YouTube AI Kritik → AI Critique →