Yeni Başlayanlar İçin LLM Ajan Mimarisi
LangChain
CrewAI
Dify
LlamaIndex
Meta
LM Studio
İç bir buluşmada yapılan bir konuşmaya dayanan makale, ham bir LLM sunucusunun tam bir ajan sistemine nasıl dönüştüğünü açıklıyor. Sohbet bağlamı depolama, internet araması, yerel veriler için RAG (Bilgi Alma Artırımı), araçlar, sistem istemleri, orkestrasyon ve MCP protokolü gibi temel bileşenleri kapsıyor.
Makale, kısa süreli hafızası ve hareket etme yeteneği olmayan çıplak bir LLM sunucusunu tanımlamak için Dory adlı bir balık metaforunu kullanıyor. Onu kullanışlı hale getirmek için birkaç katman eklenir: sohbet geçmişi için sohbet bağlamı depolama; güncel verilere dayalı yanıtlar için internet araması; özel bilgileri dahil etmek için RAG (Retrieval-Augmented Generation, Getirme Artırılmış Üretim) ile yerel getirme; modelin dış sistem tarafından yürütülen eylemleri talep etmesine izin veren araçlar; tutarlı davranış için sistem istemleri; ve özerklik için planla-uygula-kontrol döngüsü ile orkestrasyon. MCP protokolü, araç arayüzlerini standartlaştırır ve yazar, modeller daha yetenekli hale gelirken çekirdeklerinde basit kaldıklarını belirtiyor. Makale, bu ilkeler üzerine inşa edilen LangChain, CrewAI, Dify, LlamaIndex ve diğerleri gibi çerçeve ve araçları listeleyerek sona eriyor.
Kaynak: Habr — хаб ML —
orijinal