AI Agents | The .NET Blog

Microsoft Agent Framework Bölüm 3: Araçlardan İş Akışlarına — Yapı Taşları Yerine Oturdu

Emiliano Montesdeoca — Tue, 05 May 2026 00:00:00 +0000

Bu yazı otomatik olarak çevrilmiştir. Orijinal sürüm için buraya tıklayın.

.NET’teki Building Blocks for AI serisini takip ettiyseniz: Bölüm 1 bize IChatClient‘ı (evrensel model arayüzü), Bölüm 2 ise Microsoft.Extensions.VectorData‘yı (semantik arama ve RAG) verdi. Her ikisi de temel yapı taşları ve kendi başlarına kullanışlı. Ama her şeyin birbirine bağlanmaya başladığı yer burası.

Bölüm 3 Microsoft Agent Framework hakkında — dürüst olmak gerekirse, .NET’te görmek için sabırsızlandığım parça bu. 1.0 Nisan’da çıktı. API kararlı. Gerçek agentlar inşa etme zamanı geldi.

Agent gerçekte nedir (chatbot’a karşı)

Koda dalmadan önce bu ayrımı netleştirelim. Chatbot girdi alır, modeli çağırır, çıktı döndürür. Basit döngü.

Agentın özerkliği vardır. Bir görev hakkında akıl yürütebilir, hangi araçları kullanacağına karar verebilir, onları çağırabilir, sonuçları değerlendirebilir ve sıradaki adıma karar verebilir — her senaryo için açık adım adım mantık yazmadan. Araçlar ve talimatlar verirsiniz, orkestrasyon kendiliğinden gerçekleşir.

Şöyle düşünün: IChatClient bir konuşma yapmak gibi. Agent, birine görev listesi devretmek gibi.

10 satırda ilk agentınız

dotnet add package Microsoft.Agents.AI

AIAgent agent = new AzureOpenAIClient(
 new Uri(endpoint),
 new DefaultAzureCredential())
 .GetChatClient(deploymentName)
 .AsAIAgent(
 instructions: "You are good at telling jokes.",
 name: "Joker");

Console.WriteLine(await agent.RunAsync("Tell me a joke about a pirate."));

.AsAIAgent() uzantı yöntemi köprüdür. MEAI’dan .AsIChatClient() ile aynı desen — sağlayıcının SDK’sını kararlı bir soyutlamaya sarar. Azure OpenAI, OpenAI, GitHub Models, Microsoft Foundry veya yerel modellerle çalışır.

Akış da işe yarar:

await foreach (var update in agent.RunStreamingAsync("Tell me a joke about a pirate."))
{
 Console.Write(update);
}

Agenta araçlar vermek

Burada agentlar süslü chatbot olmaktan çıkar. Araçlar, modelin kullanıcının istediklerine göre çağırmaya karar verebileceği fonksiyonlardır. Yönlendirme mantığına gerek yok — model kendisi çözüyor.

[Description("Get the weather for a given location.")]
static string GetWeather(
 [Description("The location to get the weather for.")] string location)
 => $"The weather in {location} is cloudy with a high of 15°C.";

AIAgent agent = chatClient.AsAIAgent(
 instructions: "You are a helpful assistant",
 tools: [AIFunctionFactory.Create(GetWeather)]);

İki şeye dikkat edin. Birincisi, AIFunctionFactory MEAI’dan — normal bir IChatClient ile kullanacağınız araç fabrikasıyla aynı. Sohbet senaryoları için araç tanımladıysanız, burada da çalışır.

İkincisi, Description öznitelikleri çok önemlidir. Modelin bir aracın ne yaptığını ve ne zaman kullanılacağını anlama biçimi budur. Bunlara insanlar için değil, yapay zekanız için belgeler gibi davranın.

Oturumlar: Gerçekten hatırlayan konuşmalar

AgentSession session = await agent.CreateSessionAsync();

Console.WriteLine(await agent.RunAsync("Tell me a joke about a pirate.", session));

Console.WriteLine(await agent.RunAsync(
 "Now add some emojis and tell it in the voice of a pirate's parrot.",
 session));

Oturum olmadan her RunAsync çağrısı durumsuz. Oturumla, agent hangi şakadan bahsettiğinizi bilir. AgentSession, turlar arasında konuşma geçmişini korur.

Üretim durumsuz servisleri için oturumlar temiz bir şekilde serileştirilebilir:

JsonElement sessionState = await agent.SerializeSessionAsync(session);
// ... bir yerde saklayın ...
var restoredSession = await agent.DeserializeSessionAsync(sessionState);
Console.WriteLine(await agent.RunAsync("What were we just talking about?", restoredSession));

Agentınız sunucusuz veya yatay ölçeklenmiş ortamda çalışıyorsa bu kritiktir.

AIContextProvider: Oturumlar arası kalıcı bellek

Oturumlar, konuşma geçmişini bir oturum içinde korur. Peki oturumlar arasında kullanıcı hakkında bir şeyler bilmek? AIContextProvider bunu ele alır.

İki kancası var:

ProvideAIContextAsync — her etkileşimden önce çalışır, agenta bağlam enjekte eder
StoreAIContextAsync — her etkileşimden sonra çalışır, öğrenmeye ve kalıcılaştırmaya olanak tanır

Desen zarif: birden fazla sağlayıcıyı yığın şeklinde kullanabilirsiniz — biri kullanıcı tercihleri için, biri son etkileşimler için, biri ilgili belgeler için VectorData deposunu sorgulayan. Sonuncusu tam olarak Bölüm 2’den RAG deseni, artık her agent çağrısında otomatik olarak çalışıyor.

Çok agentlı iş akışları

Framework’ün adını hak ettiği yer burası. Yürütücülerin (agentlar, fonksiyonlar, her neyse) kenarlar üzerinden bağlandığı grafik tabanlı bir iş akışı sistemi içerir.

Yerel olarak desteklenen bazı desenler:

Sıralı: Agent A’nın çıktısı Agent B’ye gider
Eşzamanlı (fan-out/fan-in): Paralel olarak birden fazla agenta gönderir, sonuçları toplar
Koşullu yönlendirme: Çıktıya göre farklı agentlara iş yönlendirir
Yazar-eleştirmen döngüleri: Bir agent yazar, diğeri değerlendirir, onaylanana kadar döngü
Alt iş akışları: İş akışlarını hiyerarşik olarak oluşturur

Yazar-eleştirmen örneği:

WorkflowBuilder builder = new(writerAgent);
builder
 .AddEdge(writerAgent, criticAgent)
 .AddEdge(criticAgent, writerAgent, condition: result => !result.IsApproved)
 .WithOutputFrom(criticAgent, condition: result => result.IsApproved);
var workflow = builder.Build();

Temiz, okunabilir ve koşul tabanlı yönlendirme, döngü mantığını kendiniz yazmanız gerekmediği anlamına gelir.

Human-in-the-Loop

Her şey tamamen özerk çalışmamalı. Hassas operasyonlar için — veritabanı yazmaları, finansal işlemler, iletişim gönderme — agentın yürütmeden önce bir insanın onaylamasını istersiniz.

Framework, FunctionApprovalRequestContent ve FunctionApprovalResponseContent aracılığıyla bunun için yerleşik desteğe sahip. Agent araç çağrısını önerir, uygulama kodunuz bunu kullanıcıya sunar ve yanıt yürütmenin devam edip etmeyeceğini belirler.

Kurumsal ortamlarda agentlar hakkında düşünmenin doğru yolu bu: tam özerk değil, muhafızlı özerklik.

Tam tablo

Bir adım geri çekilirseniz:

MEAI herhangi bir modele evrensel arayüz sağlar
VectorData semantik arama yoluyla agentlarınıza kuruluşunuzun bilgisine erişim verir
Agent Framework her şeyi orkestre eder — dahili olarak IChatClient kullanır, bağlam sağlayıcılarıyla birleşir ve iş akışları üzerinden koordinasyon sağlar

Her parça diğerleriyle birleşecek şekilde tasarlanmış. Jeremy Likness’ın orijinal gönderisi ve tam örnekler için Agent Framework GitHub deposuna bakın.

Sonuç

Microsoft Agent Framework Bölüm 3 gönderisi yapı taşları serisindeki döngüyü kapatıyor. Araçları kullanan, şeyleri hatırlayan ve koordine eden gerçek AI agentları — sadece chatbot değil — oluşturmak isteyen .NET geliştiricileri için bu ilerlemenin yolu.

Kararlı 1.0 sürümü, bunu üretimde inşa edebileceğiniz anlamına gelir. .NET’te agent geliştirmeye atlamak için bekliyordunuz, doğru zaman şu an.

SQL MCP Server Azure App Service'te — Konteyner Gerekmez

Emiliano Montesdeoca — Tue, 05 May 2026 00:00:00 +0000

Bu yazı otomatik olarak çevrilmiştir. Orijinal sürüm için buraya tıklayın.

Dürüst olmak gerekirse: bir öğreticide “konteyner gerektirir” ifadesini her gördüğümde içimden bir ah çıkıyor. Konteynerler harika — ta ki ekibinizin bir konteyner stratejisi olmayana kadar, ve basit görünen bir özellik aniden kimsenin planlamadığı beklenmedik orkestrasyon karmaşıklığına takılıp kalıyor.

İşte bu yüzden bu dikkatimi çekti. SQL MCP Server artık Azure App Service’te çalışabiliyor — Docker yok, Kubernetes yok, yalnızca SQL veritabanınızı MCP, REST ve GraphQL üzerinden açığa çıkaran aynı Data API Builder (DAB) yapılandırma dosyasıyla.

SQL MCP Server Nedir?

Henüz tanışmadıysanız hızlı bir giriş. SQL MCP Server, AI ajanınız ile SQL veritabanı arasına konumlanır. Ajana veritabanına doğrudan erişim vermek yerine (berbat bir fikir), tablolarınızı ve görünümlerinizi tanımlı izinlere sahip varlıklar olarak bir soyutlama katmanıyla açığa çıkarır.

Data API Builder üzerine inşa edilmiştir; bu da tek bir yapılandırma dosyasının MCP ve REST ve GraphQL’i aynı anda yönettiği anlamına gelir. Ajanınız MCP uç noktasıyla konuşur. Geleneksel uygulamanız REST veya GraphQL ile konuşur. Aynı yapılandırma, aynı çalışma zamanı, farklı yüzeyler.

Bu gerçekten kullanışlı — iki ayrı API katmanını sürdürmenize gerek yok.

Konteyner Sorunu (ve Çözümü)

SQL MCP Server’ın orijinal dağıtım modeli konteyner kullanıyordu. Pek çok ekip için iyi çalışıyor — ama hepsi için değil. Birçok .NET ekibi Azure App Service veya sanal makinelerde standartlaşmış. Yalnızca bir SQL uç noktasını açığa çıkarmak için konteyner çalışma zamanı gerektirmek, kimsenin istemediği bir sürtünme yaratıyor.

Yeni kılavuz konteyneri tamamen atlama yöntemini gösteriyor. Her şey dab start komutuyla çalışıyor ve App Service üzerinde standart bir .NET 8 web süreci olarak barındırılıyor.

# Data API Builder'ı yükleyin
dotnet tool install microsoft.dataapibuilder --prerelease -g

# Yapılandırmayı başlatın
dab init --database-type mssql --host-mode Development --connection-string "@env('SQL_CONNECTION_STRING')"

# Bir varlık ekleyin
dab add products --source dbo.products --permissions "authenticated:*"

# App Service kimlik doğrulama sağlayıcısını yapılandırın
dab configure --runtime.host.authentication.provider AppService

# Sunucuyu başlatın
dab start

Bu noktada /mcp‘de MCP’niz var, aynı süreçten REST ve GraphQL var — ve hiçbir şey bir konteynerde çalışmıyor.

Paylaşılan API Anahtarı Olmadan Kimlik Doğrulama

En çok değer verdiğim kısım bu. App Service’e dağıtırken Microsoft Entra ID’yi kimlik doğrulama sağlayıcısı olarak yapılandırıyorsunuz. Yapılandırma dosyalarında paylaşılan sır yok, döndürülecek API anahtarı yok.

Bağlantı dizesi App Service ortam değişkenlerinde tutuluyor (dab-config.json‘da değil) ve MCP uç noktası platform kimlik doğrulamasıyla korunuyor. Azure iş yükleriniz Entra ID ile zaten uyumluysa bu doğal bir şekilde entegre oluyor.

Yerel geliştirme için Simulator moduna ve STDIO aktarımına geçin. Dağıtımdan önce AppService moduna geri dönün. Temiz ve açık.

App Service’e Dağıtım

az appservice plan create \
 --name <plan-name> \
 --resource-group <resource-group> \
 --sku B1 \
 --is-linux

az webapp create \
 --name <app-name> \
 --resource-group <resource-group> \
 --plan <plan-name> \
 --runtime "DOTNETCORE:8.0"

az webapp config set \
 --name <app-name> \
 --resource-group <resource-group> \
 --startup-file "dab start"

Ardından ekibinizin halihazırda kullandığı kod dağıtım yöntemini kullanarak DAB projenizi dağıtın. Önemli nokta: bu bir kod dağıtımıdır, konteyner dağıtımı değil.

.NET Geliştiricileri İçin Neden Önemli

.NET’te AI ajanları geliştiriyorsanız, er ya da geç ajanınızın bir veritabanıyla iletişim kurması gerekecek. SQL MCP Server, ham bağlantı dizelerini açığa çıkarmadan bunu yapmanın yapılandırılmış bir yolunu sunuyor.

Tam kılavuzu orijinal blog yazısında ve GitHub örnek deposunda inceleyin.

Sonuç

App Service’teki SQL MCP Server, konteyner stratejisi olmaksızın ajanlara yapılandırılmış SQL veri erişimi sağlamak isteyen .NET ekipleri için pratik bir seçenek. Deneyin — ajanlarınız temiz API yüzeyini takdir edecek.

Agent Governance Toolkit ile .NET'te MCP Araç Çağrılarını Yönetme

Emiliano Montesdeoca — Mon, 04 May 2026 00:00:00 +0000

Bu gönderi otomatik olarak çevrilmiştir. Orijinal sürüm için buraya tıklayın.

Governing MCP Tool Calls in .NET with the Agent Governance Toolkit .NET sistemlerini büyük ölçekte oluşturuyorsanız veya çalıştırıyorsanız, yakından incelemeye değer.

Benim bakış açıma göre, önemli olan başlık özelliği değil; bir ekibin bunu ne kadar hızlı daha güvenli ve tekrarlanabilir bir mühendislik iş akışına dönüştürebileceğidir.

.NET ekipleri için neden önemli

Çoğu ekip, teslimat hızı, platform tutarlılığı ve yönetim arasında denge kurmaya çalışmaktadır. Bu güncelleme, her şeyi yeniden yazmadan bu kısıtlamalardan birini iyileştirmek için daha somut bir yol sunduğu için faydalıdır.

Pratik sonraki adımlar

Özelliği, üretime benzer verilerle küçük bir .NET pilotunda doğrulayın.
Daha geniş bir dağıtımdan önce net geri alma ve gözlemlenebilirlik kontrol noktaları ekleyin.
Uygulama kalıbını iç şablonlarınıza kaydedin, böylece diğer ekipler onu yeniden kullanabilir.

Kaynak

Orijinal makale: https://devblogs.microsoft.com/dotnet/governing-mcp-tool-calls-in-dotnet-with-the-agent-governance-toolkit/

Visual Studio Nisan Güncellemesi: .NET İş Akışları için Cloud Agent Entegrasyonu