Microsoft Agent Framework in Practice (.NET)

Program Başlangıcı: 30 Haziran 2026 Neden Bu Eğitim? Yapay zekâ, artık yalnızca “gelecekte deneyimlenecek bir teknoloji” olmaktan çıkarak birçok gerçek dünya uygulamasının temel bileşeni haline geldi. Buna rağmen birçok ekip, LLM API’leriyle hızlı bir demo üretse bile; güvenilirlik, maliyet, güvenlik, gözlemlenebilirlik ve bakım yapılabilirlik gibi üretim gereksinimlerinde zorlanır. Bu eğitim, Microsoft Agent Framework ve .NET ile uçtan uca agentic sistemler geliştirmek isteyen geliştiriciler için tasarlanmıştır. Generative AI / LLM temellerinden başlayarak token, embedding ve prompt engineering konularını; ardından tools (function calling), MCP ve human-in-the-loop onayı, oturum ve bağlamsal bellek, middleware, çok-etkenli iş akışları (workflow) ve desenleri, A2A ile entegrasyon, OpenTelemetry ile izleme / loglama / sağlık kontrolleri ve son olarak semantic search + RAG mimarisini uygulamalı şekilde ele alırsınız. Böylece eğitim sonunda, kurumsal dokümanlarla beslenen, izlenebilir ve ölçeklenebilir production-ready agent’lar tasarlayıp geliştirebilir hale gelirsiniz. Bu Eğitimde Neler Öğreneceksiniz? Bu bölüm, müfredattaki oturumların sonunda katılımcıların hangi bilgi ve becerileri kazanacağını özetler. Kazanımlar oturumlar ilerledikçe adım adım inşa edilir ve her konu bir öncekinin üzerine konumlanır. Generative AI ve LLM’lerin temel çalışma prensiplerini (token, bağlam penceresi, çıktı üretimi) açıklamak Embedding, semantic search ve vektör veritabanı kavramlarını; veri alma (ingestion), chunking ve indeksleme adımlarıyla birlikte uygulamak Microsoft Agent Framework mimarisini (Agent, Session, Memory, Middleware, Workflow) anlayabilir Prompt engineering, zero-shot/few-shot yönlendirme ve yapılandırılmış çıktı (JSON şeması) yaklaşımlarını kullanmak Microsoft Agent Framework’ün mimarisini, temel soyutlamalarını (Agent, IChatClient, Session, Memory, Middleware, Workflow) ve çalışma modelini açıklamak Azure OpenAI, OpenAI, Anthropic ve yerel modeller (Ollama) gibi farklı LLM sağlayıcılarına güvenli şekilde bağlanmak (kimlik doğrulama, ortam ayrımı) Fonksiyon araçları (tools), OpenAI function calling, MCP sunucuları ve human-in-the-loop onayı gibi yetenekleri bir agent’a entegre etmek Konuşma geçmişi ve oturum yönetimini; bellek içi ve hizmet yönetimli seçeneklerle tasarlamak, bağlamsal bellek sağlayıcılarıyla kişiselleştirme yapmak Middleware ile loglama, güvenlik, yeniden deneme, kısa devre (terminate) ve yanıt dönüştürme gibi çapraz-kesit yeteneklerini uygulamak Grafik tabanlı çok-etkenli iş akışları tasarlamak; ardışık, paralel, el değiştirme ve yönetici (manager) desenlerini kurgulamak A2A protokolü ile agent’ları dış sistemlere yayınlamak, uzak agent’lara bağlanmak ve streaming/uzun süreli görev senaryolarını yönetmek OpenTelemetry ile dağıtık izleme (traces), metrikler ve yapılandırılmış loglamayı kurmak; sağlık denetimi (health checks) eklemek RAG (Retrieval-Augmented Generation) mimarisi kurarak agent yanıtlarını kurumsal dokümanlarla zenginleştirmek; gerekirse hybrid search ve re-ranking ile kaliteyi artırmak Her oturumda Fatih Çakıroğlu rehberliğinde lab çalışmaları ile teoriyi pratiğe dönüştüreceksiniz. Bu Eğitime Kimler Katılmalı? .NET ve C# bilen ve AI tabanlı sistemlere geçmek isteyen geliştiriciler LLM ve agent teknolojilerini production seviyede kullanmak isteyenler Backend geliştiriciler (özellikle API, microservice ve cloud tarafında çalışanlar) AI sistemlerini sadece kullanan değil, tasarlayan ve geliştiren olmak isteyenler Kurumsal, ölçeklenebilir ve gözlemlenebilir AI çözümleri üretmek isteyenler Ayrıca tüm katılımcılar özel WhatsApp grubuna dahil edilir. Bu grup üzerinden, 2026 yılı sonuna kadar eğitmen Fatih Çakıroğlu'na direkt soru sorabilir, teknik konularda danışabilir. Bu program, yalnızca teknik bilgi sunmakla kalmaz; 1 yıl boyunca profesyonel gelişim yolculuğunuzun yanında yürüyen bir mentörluk deneyimi sağlar. Program Program Başlangıcı: 30 Haziran 2026 4 hafta boyunca, haftada 2 gün – toplam en az 16 saat canlı eğitim Salı ve Perşembe, 20.00–22.00 Canlı, interaktif ve uygulamalı oturumlar + her ders eğitmen rehberliğinde lab Eğitmenin paylaştığı örnek kodlara ve kaynaklara GitHub üzerinden erişim Ders İçeriği Oturum 1: Generative AI ve LLM Temelleri How generative AI and LLMs work (GenAI ve LLM’ler nasıl çalışır?) Agents: Agent kavramı, agent vs. chatbot, agent runtime döngüsü Tokens: tokenizasyon, context window, maliyet ve performansa etkisi Embeddings: anlamsal temsil, embedding vs. text generation farkı Vector databases: vektör indeksleri, benzerlik araması, filtreleme ve metadata Data ingestion: doküman toplama, temizleme, chunking, indeksleme Prompt engineering: rol, talimat, kısıtlar, formatlama ve test etme Chain-of-thought prompting: ne zaman faydalı/zararlı, yapılandırılmış düşünce yerine alternatifler Zero-shot ve few-shot learning: örnekle yönlendirme, prompt içinde örnek tasarımı Retrieval-augmented generation (RAG): retrieval + generation akışı ve temel mimari OpenAI function calling: tool seçimi, parametre şeması, tool-result mesajlaşma modeli Oturum 2: Microsoft.Extensions.AI ile .NET’te Yapay Zeka Microsoft.Extensions.AI nedir? .NET uygulamalarında AI servislerini tek bir API ile entegre etme OpenAI, Azure OpenAI, Hugging Face, Ollama gibi farklı sağlayıcılarla çalışma Temel Abstraction’lar IChatClient: Chat tabanlı AI modelleriyle etkileşim IEmbeddingGenerator: Metin veya veri için embedding üretimi Middleware ve Telemetry entegrasyonu Provider Seçimi ve Konfigürasyon Farklı AI sağlayıcılarını kolayca değiştirme Bağımlılık enjeksiyonu ile provider ekleme Uygulama Senaryoları Chatbot, metin üretimi, embedding tabanlı arama, görsel ve ses işleme Otomatik tool çağırma ve izlenebilirlik Oturum 3: Framework Mimarisi ve İlk Agent AIAgent temel sınıfı ve runtime yürütme modeli (giriş işleme -> model -> araç döngüsü) İki temel katman: bireysel Agent’lar ve grafik tabanlı Workflow’lar Kurucu yapı taşları: model istemcileri, oturum, bağlamsal bellek, middleware, MCP istemcisi Agent mi, Workflow mu? Karar kriterleri ve kullanım örnekleri Hızlı başlangıç: NuGet kurulumu, Azure OpenAI bağlantısı, ilk sorgu Oturum 4: LLM Sağlayıcılar ve SDK Entegrasyonu Saglayici destek matrisi: Azure AI Foundry, Azure OpenAI, OpenAI, Anthropic, Ollama, GitHub Copilot SDK secim tablosu: Azure OpenAI SDK, OpenAI SDK, Azure AI Inference SDK, Anthropic SDK ChatCompletion vs. Responses API: ozellik farklari ve ne zaman ne kullanilir Kimlik dogrulama: DefaultAzureCredential (gelistirme) vs.ManagedIdentityCredential (uretim) Ollama ile yerel model calıstırma: maliyet sifir, internet baglantisi yok Ozel saglayici: IChatClient / SupportsChatGetResponse uygulama Oturum 5: Agent Tipleri ve Çalışma Modeli ChatClientAgent (C#) ve Agent sinifi (Python): dahili yetenekler Hizmet yonetimli gecmis vs. bellek ici gecmis: fark ve tercih kriterleri Streaming yanit: RunStreamingAsync / agent.run(stream=True) ve AgentResponseUpdate Yapilandirilmis cikti: JSON sema tanimlama, varlık cikarma ve siniflandirma Oturum 6: Araçlar (Tools): Fonksiyon, MCP ve Onay Fonksiyon aracı tanımı: AIFunctionFactory.Create() (C#) ve @tool niteliği (Python) Çoklu araç kaydı ve araç setleri Fonksiyon çağrı döngüsü: agent nasıl, ne zaman ve neden araç çağırır? Insan onayi (Human-in-the-Loop): approval_mode ile hangi eylemler onay ister Yerleşik servis araçları: Kod Yorumlayıcı, Dosya Arama, Web Arama MCP (Model Context Protocol): hosted ve yerel MCP sunucuları Agent bileşenlemesi: bir agent'i başka bir agent'a araç olarak vermek Oturum 7: Konuşma, Oturum ve Bağlamsal Bellek ChatMessage yapisi: roller (system, user, assistant, tool) ve icerik tipleri AgentSession: oturum soyutlamasi ve coklu calisma arasinda durum koruma Hizmet yonetimli oturum (bulut depolamasi) vs. bellek ici oturum Baglamsal bellek saglayicilari: kullanici profili, geçmis ve disaridan veri enjekte etmek Ozel baglamsal saglayici yazmak ve enjeksiyon sirasi kontrolu Uzun konusma stratejileri: ozet, kayan pencere, baglam penceresi yonetimi Oturum 8: Middleware: Loglama, Güvenlik ve Dönüşüm Uc middleware tipi: Agent Calisma, Fonksiyon Cagri, IChatClient Middleware zinciri: next() calısma sirasi ve zincirleme mantigi Calisma duzeyinde kayit: agent-duzeyi (kalici) vs. calisma-duzeyi (per-request) Middleware sonlandirma: context.terminate ile agent calismasini engellemek Yanit gecersiz kilma: streaming ve streaming-disi senaryolarda ozel yanit dondurmek Fonksiyon tabanli, sinif tabanli ve dekorator tabanli middleware (Python) Oturum 9: Çok-Etkenli İş Akışları: Temel Kavramlar Is akisi (Workflow) vs. agent orkestrasyonu: otonom vs. acik kontrol Dort temel kavram: Executor'lar, Edge'ler, Event'ler, Workflow Builder Executor: AI agent veya ozgul mantık birimini grafik dugumu olarak tanimlamak Edge: dugumler arasi mesaj akisini ve kosullu yonlendirmeyi tanimlamak Superstep yurutme modeli: grafik ilerlemesinin calısma sekli Kontrol noktası (Checkpointing): uzun surecler icin durum kaydetme ve geri yukleme Oturum 10: İş Akışı Desenleri: Ardışık, Paralel, El Değiştirme Ardışık (Sequential) desen yapısı Paralel (Concurrent) desen: birden fazla agent'in aynı anda çalıştırılıp sonuçların birleştirilmesi El Değiştirme (Hand-off) desen: bir uzman agent'in işlemi devralıp tamamlaması Yönetici (Manager) desen: merkezi yönetici agent'in işçileri koordine etmesi Koşullu edge'ler: mesaj içeriğine veya tipine göre farklı dallara yönlendirmek Fan-out ve fan-in: tek çıktıyı çoğa, çoğ çıktısı teke dönüştüren düğümler Oturum 11: Gözlemlenebilirlik: İzleme, Log ve Sağlık Gözlemlenebilirlik üçlüsü: Logs, Metrics, Traces IChatClient middleware ile token kullanımı ve gecikme takibi OpenTelemetry .NET SDK: otomatik araç (HTTP, EF Core, ASP.NET Core) Özel span ve aktivite oluşturma: ActivitySource ile agent çalışma izleme OTLP protokolü ile Jaeger, Zipkin veya Azure Monitor'a gönderme Yapılandırılmış loglama: Serilog ile korelasyon kimlikli JSON logu Sağlık denetim endpoint'leri: veritabanı, LLM servisi ve MCP bağlantısı Oturum 12: Semantic Search ve RAG (Retrieval-Augmented Generation) RAG (Retrieval-Augmented Generation) nedir? Framework mimarisindeki yeri Neden RAG? Halüsinasyon azaltma, kaynaklı cevap üretme ve kurumsal bilgiye erişim Semantic search temelleri: embedding, vektör uzayı, benzerlik (cosine/dot) ve top-k alma Vektör veritabanı seçenekleri: Azure AI Search, PostgreSQL/pgvector, Qdrant, Milvus Embedding üretimi: Azure OpenAI / OpenAI / yerel (Ollama) modeller Belge hazırlama ve indeksleme: temizleme, metadata, chunking stratejileri (sabit boyut, anlamsal bölme) RAG pipeline: indexer → retriever → augmentation → generation Gelişmiş RAG: hybrid search (keyword+vector), re-ranking, query rewriting, citation/alıntı ekleme Agent Framework’te RAG entegrasyonu: bağlamsal bellek sağlayıcısı, tool/middleware ile kaynak çekme Multi-agent RAG senaryoları: arama uzmanı agent, özetleyici agent, doğrulayıcı agent ve hand-off Operasyonel konular: cache, erişim kontrolü, PII maskeleme, gözlemlenebilirlik (retrieval metrikleri) Oturum 13: Model Context Protocol (MCP) ile AI Entegrasyonu MCP nedir? AI uygulamalarının dış veri kaynakları ve araçlarla standart şekilde entegrasyonu Açık protokol, dil ve platform bağımsızlığı MCP mimarisi Host, Client, Server kavramları JSON-RPC üzerinden iletişim Araç ve kaynak keşfi Sunucudan araç, kaynak ve prompt listesini dinamik olarak çekme Şema tabanlı giriş/çıkış ve güvenli entegrasyon .NET ve C# SDK ile uygulama NuGet paketleri ve hızlı entegrasyon Microsoft.Extensions.AI ile derin entegrasyon Elicitation: Kullanıcıdan interaktif veri toplama C# MCP SDK ile MCP geliştirme MCP SDK ile kendi Host, Client veya Server bileşenlerini yazma Özelleştirilmiş araç ve veri kaynakları ekleme Protokol binding ve endpoint yapılandırma Test ve debugging için SDK araçları Kazanımlar AI uygulamalarında dış kaynaklarla güvenli, ölçeklenebilir ve otomasyon dostu entegrasyon Araçların ve veri kaynaklarının dinamik keşfi ve kullanımı MCP SDK ile kendi entegrasyonlarını geliştirme ve özelleştirme Oturum 14: Agent to Agent (A2A) Entegrasyonu Agent‑to‑Agent (A2A) nedir? Agent’ların servis olarak dışa açılması Yerel ve uzak agent farkı A2A mimarisi A2A protokolü ve Agent Card kavramı Framework/dil bağımsız agent entegrasyonu Uzak agent kullanımı Uzak agent’ı standart AIAgent olarak sarmalama RunAsync ve RunStreamingAsync ile çağırma Agent discovery yöntemleri .well-known/agent-card.json Registry / katalog tabanlı keşif Doğrudan endpoint tanımı Çok‑agent senaryoları Manager agent → uzak uzman agent Organizasyonlar arası agent iş birliği Ön Koşullar Programlama Dili: C# (Temel Düzey) Backend Teknolojisi: ASP.NET Core REST API Web Teknolojisi: ASP.NET Core MVC & Razor Pages Ödeme Kolaylığı 3 aya kadar vade farksız taksit 12 aya kadar taksit imkânı Bize Ulaşın WhatsApp: 👉 +90 850 305 9600 Telefon ile arama: 👉 +90 850 305 9600 Birlikte Daha Güçlü! Arkadaş grubunuzla kayıt olmayı planlıyorsanız, sizin için özel avantajlarımız var! Detaylar için WhatsApp üzerinden uzman ekibimizle iletişime geçmeniz yeterli.