AWS, çok ajanlı sistemler için Deep Insight'ı açık kaynak olarak yayımladı

AWS'nin çözüm mimarları ekibi, çok ajanlı yapay zekâ sistemlerinin üretim ortamında karşılaştığı sorunları ele almak için geliştirdiği Deep Insight adlı sistemi açık kaynak olarak yayımladı. Şirketin Machine Learning Blog'unda paylaşılan yazıya göre sistem, karmaşık veri analizini otomatik içgörülere dönüştürüyor.

Deep Insight'a bir CSV dosyası ve doğal dilde bir komut veriliyor. Sistem, birbirine bağlı sekiz ajan aracılığıyla veriyi yüklüyor, analizleri çalıştırıyor, grafikler üretiyor, hesaplamaları doğruluyor ve kaynak gösterimli profesyonel bir .docx raporu hazırlıyor. Blog yazısında verilen örnekte, kurgusal bir gıda şirketinin reklam verileri "satış ve pazarlama perspektifinden incele" komutuyla analiz ediliyor.

Deep Insight hangi ajanlardan oluşuyor?

Sistemde her biri kendi bağlamında çalışan ve yalnızca kendi uzmanlık görevini yapan sekiz ajan bulunuyor. Coordinator kullanıcı isteklerini yönlendiriyor, Planner görevi adımlara bölüyor, Plan Reviewer kullanıcı geri bildirimini topluyor, Supervisor ise plana göre ilgili uzman ajanları devreye alıyor. Coder analiz kodunu yazıp çalıştırıyor, Validator hesaplamaları doğruluyor, Reporter nihai raporu üretiyor ve Tracker ilerlemeyi takip ediyor.

Ekip, ajanlar arasındaki akışı kontrol etmek için Strands Agents SDK'nın iki desenini birleştiriyor. Graph deseni ajanların yürütme sırasını ve akışını tanımlarken, Agents-as-Tools deseni Supervisor'ın uzman ajanları yalnızca gerektiğinde araç olarak çağırmasını sağlıyor.

Analiz planı kullanıcı onayına sunuluyor

Mimarinin ilk katmanında Coordinator, Planner ve Plan Reviewer yer alıyor. Coordinator yalnızca sınıflandırma yaptığı için hafif model Claude Haiku üzerinde çalışıyor; böylece basit karşılamalarda daha pahalı modellerin maliyetinden kaçınılıyor. Planner ise analiz planını geliştirmek için genişletilmiş düşünme özelliği açık Claude Opus modelini kullanıyor ve isteği 5-10 net adıma bölüyor.

Plan Reviewer, insan denetimini devreye sokan bir adım. Oluşturulan planı kullanıcıya sunuyor ve onay ya da revizyon geri bildirimi topluyor. Geri bildirim gelirse akış planı revize etmesi için Planner'a dönüyor. Sonsuz döngüyü önlemek için azami revizyon sayısı sınırlandırılmış. Web sürümünde plan bir tarayıcı penceresinde gösteriliyor ve 300 saniye içinde yanıt gelmezse plan otomatik olarak onaylanıyor.

Üç farklı kurulum seçeneği var

Deep Insight, geliştirmeden üretime uzanan üç kurulum seçeneğiyle GitHub'da paylaşıldı. Kendi sunucunda çalıştırma sürümü komut satırı üzerinden çalışıyor ve yaklaşık 10 dakikada kuruluyor. Web sürümü, kod yazmadan veri yüklemeye, analiz planını incelemeye ve rapor indirmeye olanak tanıyan tarayıcı tabanlı bir arayüz sunuyor. Amazon Bedrock AgentCore üzerinde çalışan yönetilen sürüm ise ajanları özel bir sanal özel bulut (VPC) içinde, AWS Fargate üzerinde barındırılan ayrı bir kod yorumlayıcısıyla ve kullanıcı başına izole ortamlarda çalıştırıyor.

Üç seçenek de aynı çok ajanlı mimariyi paylaşıyor; bu sayede geliştirme ortamında doğrulanan bir ajan üretime olduğu gibi taşınabiliyor.

Neden önemli?

Blog yazısına göre açık kaynak çerçeveler ve bulut hizmetleri sayesinde bir ajanı birkaç günde kurmak artık kolay. Ancak ekipler pilot projeden gerçek iş uygulamalarına geçtiğinde ajanın iş mantığını izlememesi, doğrulama adımlarını atlaması ve uç durumları yakalamaması gibi tekrarlayan sorunlarla karşılaşıyor. Prompt değiştirmek ya da modeli değiştirmek bu sorunları çözmüyor; çünkü ajanlar sabit bir talimat dizisini izlemiyor, bağlama göre kendi yargılarını oluşturuyor. AWS ekibi bu nedenle ajanın düşünme biçimini, ne zaman doğrulama yapacağını ve bir şeyler ters gittiğinde ne yapacağını tasarlamak gerektiğini belirtiyor.

Yazı, Anthropic'in önerdiği bağlam mühendisliği tekniklerinin gerçek bir üretim ortamında nasıl uygulandığını da ele alan üç bölümlük bir serinin ilk parçası. Serinin ikinci bölümü bağlam mühendisliği tekniklerine, üçüncü bölümü ise Deep Insight'ın geliştirme ortamından üretime taşınmasına odaklanacak. Türkiye'deki kullanıcıların sistemi nasıl ve ne zaman deneyebileceğine dair ayrı bir açıklama yazıda yer almıyor; proje GitHub üzerinden erişilebilir durumda.