etcjournal.com

Reaktiv Çatbotlardan Avtonom Əməkdaşlara: “Agentic AI” İnqilabı

Süni intellekt sənayesi son iki il ərzində əsasən istifadəçi sorğularına cavab verən (reaktiv) böyük dil modellərinin (LLM) təsiri altında idi. İstifadəçi sual verir, model isə mətn generasiya edirdi. Lakin bu paradiqma artıq köklü şəkildə dəyişir. Texnologiya dünyası sadə dialoq interfeyslərindən mürəkkəb mühakimə qabiliyyətinə malik, sərbəst qərar verə bilən və müəyyən olunmuş məqsədləri müstəqil şəkildə icra edən Agentik Süni İntellekt (Agentic AI) sistemlərinə keçid edir.

Agentik AI artıq sadəcə bir köməkçi və ya mətn yazma aləti deyil, təşkilat daxilində tamhüquqlu “rəqəmsal həmkar” (digital coworker) rolunu öz üzərinə götürür. Bu sistemlər verilən tapşırığı alt mərhələlərə bölür, lazımi xarici alətləri (API-lər, verilənlər bazaları, skriptlər) işə salır, xətaları analiz edərək özünü düzəldir və prosesi insan müdaxiləsi olmadan sona çatdırır.

Agentik Süni İntellektin Texniki Arxitekturası

Ənənəvi LLM-lərlə agentik sistemlər arasındakı əsas fərq onların arxitektur quruluşundadır. Tək bir modelin imkanları kontekst pəncərəsi və statik məlumat bazası ilə məhdudlaşdığı halda, Agentik AI dörd əsas sütun üzərində qurulur:

• Planlaşdırma və Mühakimə (Planning & Reasoning): Agent qarşıya qoyulan məqsədi dərk edir və Chain-of-Thought (Fikir zənciri) və ya Tree-of-Thoughts yanaşmaları ilə problemi məntiqi addımlara ayırır.
• Yaddaş Mexanizmi (Memory): Qısamüddətli (cari sessiya konteksti) və uzunmüddətli yaddaş (vektor bazaları – RAG vasitəsilə keçmiş təcrübələrin və biliklərin saxlanması).
• Alətlərdən İstifadə (Tool Calling): Modelin real dünya ilə əlaqəsi. Buraya SQL sorğuları icra etmək, brauzeri idarə edərək veb-skreypinq aparmaq, API sorğuları göndərmək və terminalda kod işə salmaq daxildir.
• Avtonom Əks-Əlaqə Dövrəsi (Reflection & Execution Loop): İcra olunan hər addımın nəticəsini qiymətləndirmək və xəta baş verdikdə fərqli strategiya seçərək prosesi davam etdirmək.

Biznes və İnformasiya Texnologiyalarında Tətbiq Sahələri

Agentik AI sistemləri ənənəvi avtomatlaşdırma (RPA) texnologiyalarından fərqli olaraq qeyri-müəyyənliklərlə işləyə bilir. Əsas tətbiq istiqamətləri bunlardır:

• IT Dəstək və İnsident İdarəetməsi: Daxil olan biletlərin (tickets) loglarını oxumaq, sistem konfiqurasiyalarını yoxlamaq, problemi aşkarlayıb serveri yenidən başlatmaq və nəticə barədə komandaya məlumat vermək.
• Maliyyə Əməliyyatları: Müxtəlif formatlı invoysların qarşılaşdırılması (reconciliation), anomaliyaların aşkarlanması və ERP sistemlərinə məlumatların avtonom daxil edilməsi.
• Proqram Təminatının İnkişafı: Tələblər əsasında arxitekturanın qurulması, kodun yazılması, testlərin işə salınması və CI/CD konveyerinə inteqrasiya edilməsi (Məsələn, Devin və bənzəri proqramçı agentlər).

Praktik Təlimat: Python və CrewAI ilə Sadə Avtonom Agentin Qurulması

Agentik AI konsepsiyasını daha yaxşı anlamaq üçün çox-agentli (multi-agent) arxitekturanı təmin edən müasir freymvorklardan biri olan CrewAI vasitəsilə sadə tədqiqat və analiz agentləri komandası quraq.

1. Mühitin Hazırlanması

Terminalda tələb olunan kitabxanaları quraşdırın:

pip install crewai crewai-tools langchain-openai

2. Agentlərin və Vəzifələrin Təyin Edilməsi

Aşağıdakı Python skriptində iki agent yaradılır: biri texnoloji araşdırma aparır, digəri isə bu məlumatları texniki xülasəyə çevirir.

import os
from crewai import Agent, Task, Crew, Process
from crewai_tools import SerperDevTool

# API açarlarını təyin edin
os.environ["OPENAI_API_KEY"] = "sk-..."
os.environ["SERPER_API_KEY"] = "serper_api_key_buraya"

# Axtarış aləti
search_tool = SerperDevTool()

# 1-ci Agent: Tədqiqatçı
researcher = Agent(
    role="Aparıcı Texnoloji Analitik",
    goal="2025-ci il üzrə Agentic AI trendlərini dərindən araşdırmaq",
    backstory="Sən qabaqcıl süni intellekt yeniliklərini izləyən təcrübəli analitiksən.",
    tools=[search_tool],
    verbose=True
)

# 2-ci Agent: Texniki Redaktor
writer = Agent(
    role="Baş Texniki Redaktor",
    goal="Araşdırma nəticələrini peşəkar hesabat halına salmaq",
    backstory="Sən mürəkkəb texniki konsepsiyaları anlaşıqlı və strukturlaşdırılmış formata salan redaktorsan.",
    verbose=True
)

# Vəzifələrin təyini
task1 = Task(
    description="Agentic AI-nin ən son 3 real tətbiq sahəsini araşdır və əsas xüsusiyyətlərini qeyd et.",
    expected_output="3 əsas tətbiq nümunəsi olan maddəli hesabat.",
    agent=researcher
)

task2 = Task(
    description="Araşdırma nəticələrini BITEP.net standartlarına uyğun xülasə məqaləyə çevir.",
    expected_output="Giriş, texniki analiz və nəticə hissəsindən ibarət yekun məqalə.",
    agent=writer
)

# Komandanın işə salınması
crew = Crew(
    agents=[researcher, writer],
    tasks=[task1, task2],
    process=Process.sequential
)

result = crew.kickoff()
print("\n--- YEKUN NƏTİCƏ ---\n")
print(result)

Bu nümunədə agentlər verilən məqsədə çatmaq üçün bir-birləri ilə əlaqə qurur, internetdə axtarış aparır və nəticəni tənzimləyərək insan müdaxiləsi olmadan son hesabatı təqdim edirlər.

Təhlükəsizlik Çağırışları və Risk Amilləri

Agentik sistemlər sistem resurslarına və xarici alətlərə birbaşa çıxış əldə etdikcə yeni kibertəhlükəsizlik vektorları yaranır:

• Qeyri-müəyyən Dövrələr (Infinite Loops): Modelin bir xətanı həll edə bilməyərək daimi olaraq eyni əməliyyatları təkrarlaması və resursları (token və hesablama gücü) tükətməsi.
• Sistem İcazələrinin Sui-istifadəsi (Excessive Agency): Agentə verilən səlahiyyətlərin həddindən artıq geniş olması (məsələn, bazadan sadəcə oxumaq əvəzinə, səhvən cədvəlləri silmə əmri icra etməsi).
• Dolayı Sorğu İnyeksiyası (Indirect Prompt Injection): Agentin oxuduğu xarici veb-səhifədə və ya sənəddə gizlədilmiş zərərli təlimatların modeli çaşdıraraq təhlükəli əmrlər icra etməsinə səbəb olması.

Nəticə

Süni intellekt “bizimlə danışan” sistemlərdən “bizimlə birlikdə işləyən” platformalara çevrilir. Agentic AI sadəcə məhsuldarlığı artıran əlavə proqram təminatı deyil; o, rəqəmsal işçi qüvvəsinin əsasını təşkil edəcək yeni hesablama paradiqmasıdır. Təşkilatlar üçün bu keçidə hazırlaşmaq — infrastrukturu API əsaslı arxitekturaya uyğunlaşdırmaq və agentlərin təhlükəsiz idarəetmə çərçivələrini formalaşdırmaq artıq strateji zərurətdir.