Skip to main content

MATLAB & Simulink ile Agentic AI

Yapay zeka ajanlarıyla mühendislik süreçlerini uçtan uca otomatikleştirin.
Bizimle İletişime Geçin
Üretken yapay zeka (Generative AI), bilgisayarlarla etkileşim biçimimizi dönüştürmeye devam ediyor. Geçmişte büyük dil modellerinden (LLM) bir mühendislik problemini çözmesini istemek; kodu kopyalayıp yapıştırmayı, hataları manuel olarak düzeltmeyi ve yapay zekanın mühendislik alanınıza hâkim olmasını ummayı gerektiriyordu. Ancak asıl dönüşüm, yapay zeka sistemlerinin MATLAB ve Simulink iş akışlarını otonom şekilde planlayabilmesi, karar verebilmesi ve yürütebilmesiyle mümkün oluyor. Agentic AI, bu dönüşümü mümkün kılan yaklaşımı ifade eder.
Sohbet tabanlı geleneksel yapay zekâdan, tam otonom Agentic AI sistemlerine uzanan evrim.
Sohbet tabanlı geleneksel yapay zekâdan, tam otonom Agentic AI sistemlerine uzanan evrim.

Sohbetten Eyleme: Neden Agentic AI?

MATLAB kodu yazarken ChatGPT® veya Claude® kullandıysanız, muhtemelen şu sürece aşinasınızdır: Bir soru sorarsınız, bir kod önerisi alırsınız, kodu MATLAB’a yapıştırırsınız, bir hata ile karşılaşırsınız, tekrar sohbete dönüp hatayı açıklarsınız, yeni bir kod alırsınız ve aynı döngü devam eder. Bu yöntem işe yarasa da zaman alıcı ve verimsiz olabilir.

Agentic AI, bu döngüyü ortadan kaldırır.

Agentic Olmayan Yapay ZekâAgentic AI
İstek üzerine kod parçacıkları üretir.→Kodu yazar ve doğrudan çalıştırır.
Kodu manuel olarak kopyalamanızı, yapıştırmanızı ve çalıştırmanızı gerektirir.→Görev tamamlanana kadar yinelemeli olarak çalışır.
Hataları yorumlamanızı ve yeni istemler oluşturmanızı bekler.→Hataları algılar ve otomatik olarak düzeltir.
Dosyalarınıza veya verilerinize erişemez.→Çalışma alanınıza (workspace) ve verilerinize erişebilir.
Kodun doğru çalıştığını doğrulayamaz.→Test edebileceğiniz, çalışan sonuçlar sunar.

Bir Sohbet Botunu İş Arkadaşına Dönüştüren Dört Yetkinlik

Agentic olmayan yapay zeka, rapor hazırlayan bir danışmana benzer. Agentic AI ise işi gerçekten yapan bir ekip arkadaşı gibidir. Problemi çözer, sonuçları size sunar ve gerekli görülmesi halinde değişiklik yapmak isteyip istemediğinizi sorar.
YetenekAnlamıMATLAB Örneği
Akıl Yürütme
(Reasoning)		Karmaşık problemleri yönetilebilir adımlara böler.“Bu denetleyiciyi optimize etmek için önce sistemi analiz edeceğim, ardından bir PID denetleyici tasarlayıp son olarak ayarlarını optimize edeceğim.”
Planlama
(Planning)		Belirlenen hedefe ulaşmak için gerekli adımları planlar ve sıralar.“Adım 1: Veriyi yükle. Adım 2: Modeli eğit. Adım 3: Doğrula. Adım 4: Dışa aktar.”
Araç Kullanımı
(Tool Use)		Harici araçları, fonksiyonları ve API’leri çağırarak kullanır.trainnet, sim veya özel MATLAB fonksiyonlarını çalıştırır.
Uyum Sağlama
(Adaptation)		Geri bildirimlerden ve hatalardan öğrenerek çözümünü geliştirir.“Bir hata oluştu; boyutları kontrol edip tekrar deneyeyim.”

Neden Agentic AI ile MATLAB ve Simulink Birlikte Kullanılmalı?

⚙️

Model Tabanlı Tasarım

Karmaşık sistemleri devreye almadan önce modelleyin, simüle edin ve test edin.

🧪

Simülasyon Yetenekleri

Simulink ile entegre çalışarak sistem seviyesinde simülasyon, test ve doğrulama gerçekleştirin.

🧠

Alan Uzmanlığı

Sinyal işleme, kontrol sistemleri, derin öğrenme ve daha birçok alanda 100’den fazla toolbox ile kapsamlı mühendislik çözümlerine erişin.

💻

Profesyonel Geliştirme Araçları

Kod analizi, görselleştirme ve uygulama dağıtımı (deployment) için yerleşik araçlardan yararlanın.

📊

Güvenilir Hesaplama

Büyük dil modelleri (LLM’ler) matematiksel işlemlerde hatalar üretebilirken, MATLAB hesaplamaları doğru ve güvenilir şekilde gerçekleştirir.

Model Context Protocol’ü (MCP) Anlamak

Bir büyük dil modelinin (LLM) MATLAB’ı kullanabilmesi için, hangi araçların kullanılabilir olduğunu keşfetmesi, bu araçları doğru parametrelerle çağırması ve elde edilen sonuçları alabilmesi gerekir. Model Context Protocol (MCP) tam olarak bunu sağlayan, yapay zekâ ile araçlar arasındaki etkileşimi standartlaştıran bir iletişim çerçevesidir.

MCP’yi, yapay zekâ için bir USB-C bağlantı noktası gibi düşünebilirsiniz. Nasıl ki USB-C farklı cihazların farklı çevre birimlerine bağlanmasını sağlayan evrensel bir standartsa, MCP de farklı yapay zekâ modellerinin MATLAB ve Simulink dâhil olmak üzere çeşitli araçlara standart bir yöntemle bağlanmasına olanak tanır.

MCP Mimarisi: Yapay Zeka Ajanları ile MATLAB Arasındaki Bağlantı
MCP Mimarisi: Yapay Zeka Ajanları ile MATLAB Arasındaki Bağlantı
MCP Server, yapay zeka istekleri ile MATLAB yürütmesi arasında çeviri görevi görür. Yapay zeka ajanı ne yapılacağına karar verir; hesaplamaları ise MATLAB gerçekleştirir.

Kurulum

MATLAB MCP Server’ı GitHub üzerinden edinin:
# Depoyu klonlayın
git clone https://github.com/matlab/matlab-mcp-server

# Yapay zeka istemciniz için kurulum adımlarını takip edin
# (Claude Desktop, VS Code + Copilot, Gemini CLI vb.)
MCP Server, yapay zeka ajanları ile MATLAB arasında temel bağlantıyı sağlayan altyapıyı sunar. Simulink Agentic Toolkit ise bu altyapıyı modele özgü yeteneklerle genişletir. Hem MATLAB Agentic Toolkit hem de Simulink Agentic Toolkit, bu protokol üzerine inşa edilmiştir.

MATLAB Agentic Toolkit

MATLAB Agentic Toolkit, yapay zekâ kodlama ajanlarına MATLAB konusunda uzman bilgi sağlayan ve yerel bir MATLAB oturumuyla canlı bağlantı kurmalarını mümkün kılan, GitHub üzerinde sunulan ücretsiz ve açık kaynaklı bir pakettir.

Toolkit, iki temel bileşenden oluşur: MATLAB MCP Server ve özenle hazırlanmış agent skills kümesi.

MATLAB Agentic Toolkit kullanan bir yapay zekâ ajanının, Filter Analyzer uygulamasında FIR filtre tasarımlarını karşılaştırması.

İki Temel Bileşen: MCP Server ve Agent Skills

MATLAB MCP Server

MATLAB MCP Server, MCP uyumlu herhangi bir yapay zekâ ajanına bilgisayarınızda çalışan MATLAB ortamına doğrudan erişim sağlar. Sunucu, aşağıdaki beş yerleşik aracı (tool) sunar:
AraçGörevi
evaluate_matlab_codeMATLAB kodunu çalıştırır ve Komut Penceresi (Command Window) çıktısını döndürür.
run_matlab_fileBir MATLAB program dosyasını çalıştırır.
run_matlab_test_fileruntests komutunu kullanarak testleri çalıştırır ve yapılandırılmış başarılı/başarısız sonuçlarını sunar.
check_matlab_codeCode Analyzer kullanarak MATLAB kodunun statik analizini gerçekleştirir.
detect_matlab_toolboxesYüklü MATLAB sürümünü ve toolbox’ları listeler.

Sunucu ayrıca, MCP Server kullanan yapay zekâ sistemleri için özel olarak hazırlanmış iki MCP kaynağı (resource) sağlar. matlab_coding_guidelines kaynağı, yapay zekâya iyi MATLAB kodlama uygulamalarını öğretirken, plain_text_live_code_guidelines kaynağı ise yapay zekâya düz metin (plain text) Live Script’lerin nasıl oluşturulacağını açıklar.

Yapay zeka ajanı, ihtiyaç duyduğunda bu kaynaklara otomatik olarak başvurarak daha doğru ve kaliteli çıktılar üretir.

Agent Skills

Agent Skills, yapay zekâ ajanlarına MATLAB’a özgü mühendislik uygulamalarını öğreten Markdown tabanlı talimat dosyalarıdır. Bunlar birer kod kütüphanesi değil, ajanın davranışlarını yönlendiren yapılandırılmış istemlerdir (structured prompts).

Agent Skills, Claude Code‘da /creating-live-scripts örneğinde olduğu gibi doğrudan çağrılabilir veya yapay zekâ ajanı ilgili bir görevi algıladığında otomatik olarak etkinleştirilebilir.

Agent Skills, yapay zekâ ajanlarına eğitim süreçlerinde edinmedikleri ayrıntılı bilgi ve uzmanlığı kazandırır. Bu sayede yapay zekâ ajanları, karmaşık bilimsel ve mühendislik problemlerini daha hızlı, daha güvenilir ve daha düşük maliyetle çözebilir.

Agentic Toolkit kapsamında sunulan Agent Skills sürekli olarak geliştirilmektedir. Güncel olarak kullanılabilen yeteneklere Skills Catalog üzerinden ulaşabilirsiniz.

Kurulum ve Yapılandırma

Gereksinimler

  • MATLAB R2020b veya daha yeni bir sürüm
  • Desteklenen bir yapay zeka kodlama ajanı
  • Git

Kurulum İş Akışı

  1. MATLAB Agentic Toolkit deposunu GitHub üzerinden klonlayın.
  2. Yapay zeka kodlama ajanınızı depo klasöründe açın.
  3. Ajanınıza "set up the toolkit" komutunu verin.
  4. Kurulum yeteneği (setup skill), geri kalan işlemleri otomatik olarak gerçekleştirir.
    • Yerel MATLAB kurulumunu algılar.
    • MCP Server’ı yükler.
    • MCP Server’ı yapay zekâ ajanına kaydeder.
      • MATLAB MCP Server, yaklaşık iki haftada bir güncellenmektedir. En güncel sürümü kullanabilmek için depodaki son güncellemeleri belirli aralıklarla çekmeniz önerilir.

Agentic AI İş Akışı Nasıl Çalışır?

Toolkit etkinleştirildiğinde, yapay zeka ajanı MATLAB kodlarını kopyala-yapıştır işlemine gerek duymadan okuyabilir, yazabilir, çalıştırabilir, test edebilir ve analiz edebilir. Tipik bir iş akışı aşağıdaki gibidir:

  1. Görevinizi doğal dil kullanarak tanımlarsınız.
  2. Yapay zeka ajanı, Agent Skills ve kodlama yönergelerinden yararlanarak MATLAB standartlarına uygun kodu oluşturur.
  3. Ajan, oluşturduğu kodu MCP Server aracılığıyla çalıştırır ve elde edilen sonuçları analiz eder.
  4. Bir hata oluşursa, hatayı analiz eder, gerekli düzenlemeleri yapar ve görev tamamlanıncaya kadar kodu yeniden çalıştırarak yinelemeli şekilde süreci sürdürür.
  5. Son olarak, nihai çıktıyı inceleyip değerlendirirsiniz.

Yapılandırılmış İş Akışı: Araştırma, Planlama ve Uygulama (RPI)

Büyük ölçekli projelerde, yapılandırılmış bir iş akışı daha etkili sonuçlar sağlar. Bunun için RPI (Research, Plan, Implement) yaklaşımı kullanılabilir.

  1. Araştırma
    Yapay zeka ajanı, verdiğiniz istem (prompt) doğrultusunda bir Ürün Gereksinimleri Dokümanı oluşturur. Siz de açıklayıcı sorular ve referans dokümanlarla bu içeriği yinelemeli olarak geliştirirsiniz.
  2. Planlama
    Yapay zekâ ajanı, uygulama yaklaşımını adım adım açıklayan PLAN.md ve aşamalara ayrılmış TASKS.md dosyalarını oluşturur.
  3. Uygulama
    Görevler aşama aşama yürütülür. Her fazın sonunda gerekli değerlendirmeler yapılarak sonraki adıma geçmeden önce süreç gerektiğinde güncellenebilir.

Bu yapılandırılmış yaklaşım, Agentic AI ile kod geliştirme sürecini öngörülemez olmaktan çıkararak daha yönetilebilir ve kontrollü hâle getirir. Planlama dokümanları, uzun süren oturumlar boyunca yapay zekâ ajanının aynı hedef doğrultusunda çalışmasını sağlar ve bağlamın zamanla kaybolmasını önler.

Güvenliğin Temel İlkeleri

  • Yapay zeka ajanının erişimini yalnızca ilgili proje klasörüyle sınırlandırın.
  • Şeffaflık sağlamak ve gerektiğinde kolayca geri dönebilmek için Git kullanın.
  • Oluşturulan tüm kodları, komutları ve dosya işlemlerini gözden geçirin.
  • Gizli veya düzenlemelere tabi verileri yapay zeka kodlama ajanlarıyla paylaşmaktan kaçının.
  • Güvenilir MCP Server ve Agent Skills kullanın.
Toolkit, Claude Code, GitHub Copilot® ve OpenAI Codex™ dâhil olmak üzere MCP’yi destekleyen tüm yapay zeka ajanlarıyla çalışır. Yapılandırma adımları kullanılan ajana göre farklılık gösterse de temel yaklaşım aynıdır: Ajanın MCP ayarları MATLAB MCP Server’ı işaret edecek şekilde yapılandırılır. Desteklenen her platform için bu yapılandırma işlemi, setup skill tarafından otomatik olarak gerçekleştirilir.

Keşfetmeye Devam Edin

Simulink Agentic Toolkit

Simulink Agentic Toolkit, ajan tabanlı yapay zeka ekosistemini Model Tabanlı Tasarım (Model-Based Design) alanına taşır. MATLAB Agentic Toolkit, ajanlara MATLAB kodlarını çalıştırma yeteneği kazandırırken, Simulink Agentic Toolkit ajanların Simulink modellerine; model mimarisi, sinyaller, parametreler ve simülasyon davranışı gibi bileşenlere yapılandırılmış bir şekilde erişmesini sağlar.Simulink Agentic Toolkit, MATLAB MCP Server üzerine inşa edilmiş bir GitHub deposudur. Bu toolkit, Simulink ve Model Tabanlı Tasarım’a özgü MCP araçları ile ajan yetenekleri (agent skills) ekleyerek MATLAB MCP Server’ın yeteneklerini genişletir.

Simulink MCP Araçları ve Agent Skills

MATLAB MCP Server tarafından sunulan araçlara ek olarak, Simulink Agentic Toolkit; model yapısını okumak, blokları ve bağlantıları düzenlemek, parametreleri sorgulamak ve simülasyonları çalıştırmak için Simulink’e özel araçlar sağlar. Bu özel araçlar, bir agent’ın model hiyerarşisi içinde gezinmesine, ihtiyaç duyduğu bilgileri incelemesine ve hedefe yönelik değişiklikler yapmasına olanak tanır.

Toolkitte yer alan agent yetenekleri (agent skills) ise bu araçları kullanarak Model Tabanlı Tasarım’da yaygın olarak gerçekleştirilen görevler için önerilen iş akışlarını uygular. Her bir yetenek, ilgili mühendislik bağlamını içerdiğinden agent, her seferinde iş akışını sıfırdan oluşturmak yerine, göreve uygun ve yerleşik mühendislik yaklaşımlarını izleyerek çalışır.

Simulink Agentic Toolkit düzenli olarak güncellenmektedir. Güncel araç ve yetenek listesini GitHub repository‘de bulabilirsiniz.

Kurulum ve Yapılandırma

Kurulum yönergeleri, desteklenen agent’lar ve yapılandırma adımları hakkında ayrıntılı bilgi için Simulink Agentic Toolkit GitHub repository‘sini inceleyebilirsiniz.

Depodaki README dosyası, desteklenen her agent için kurulum adımlarını açıklar ve her yeni sürümle birlikte güncel tutulur.

Gereksinim Yönetiminde Agentic AI

MATLAB Agentic Toolkit‘in en güçlü kullanım alanlarından biri gereksinim mühendisliğidir (requirements engineering). Bir yapay zekâ ajanı aşağıdaki işlemleri gerçekleştirebilir:

  • Doğal dilde yazılmış açıklamalardan veya mevcut dokümanlardan gereksinimler oluşturabilir.
  • Her bir gereksinimi, onu gerçekleştiren model bileşenleriyle ilişkilendirebilir.
  • Tasarımlar geliştikçe gereksinim izlenebilirliğini (traceability) koruyabilir.
  • Kapsama (coverage) eksikliklerini gösteren gereksinim izlenebilirlik matrisleri (traceability matrices) oluşturabilir.

    • Bu yetenekler, projeleri yavaşlatan manuel dokümantasyon yükünü önemli ölçüde azaltır. Yapay zekâ ajanı önerileri oluşturur; mühendis ise bunları gözden geçirir ve onaylar.

Tasarımın Uygulanması

Yapay zekâ ajanları, mevcut modelleri düzenleyebilir veya verilen gereksinimler doğrultusunda yeni sistemler oluşturabilir. Desteklenen model türleri şunlardır:

  • Simulink blok diyagramları
    (Standart sinyal akışı modelleri)
  • Stateflow diyagramları
    (Durum makineleri ve karar mantığı)
  • Simscape modelleri
    (Termal, elektriksel, mekanik ve hidrolik gibi fiziksel sistemler)
  • System Composer mimarileri
    (Sistem seviyesinde mimari modeller)
Önerilen iş akışı beş adımdan oluşur:
AdımİşlemAçıklama
1ÖnerYapay zekâ ajanı; mimari, denklemler ve parametreler gibi içerikleri doğal dil kullanarak taslak hâlinde oluşturur.
2OnaylaOluşturulan taslağı gözden geçirir, gerekli düzenlemeleri yapar ve onaylarsınız.
3OluşturYapay zekâ ajanı, Simulink’e özgü araçları kullanarak uygulama (implementation) betiklerini oluşturur.
4ÇalıştırMCP Server, oluşturulan kodu çalışan Simulink modeli üzerinde yürütür.
5DoğrulaSimulink ortamında elde edilen çıktıları doğrular ve sonuçları değerlendirirsiniz.

Örnek: Termal Fren Simülasyonu

Simulink Agentic Toolkit blog yazısında , Guy Rouleau, disk frenlerinin termal davranışını modelleyen bir Simulink modelinin, tamamen öner–onayla–oluştur–çalıştır–doğrula iş akışı kullanılarak nasıl geliştirildiğini adım adım göstermektedir. İlk olarak yapay zekâ ajanına şu istem verilir:

“Ortalama bir sedan otomobilde kullanılan tipik disk frenlerin termal davranışını simüle edecek bir model oluşturmak için bana bir plan hazırla.”

Bunun üzerine yapay zekâ ajanı; sistem mimarisi, fren balatası ve disk için ısı transferi denklemleri, çevresel koşullar, bileşen diyagramları ve kapsamlı bir parametre listesi içeren iki ayrı teknik doküman oluşturur. Mimari üzerinde gerçekleştirilen üç yineleme sonunda (kapsam daha sonra basit bir boylamsal araç modeli de içerecek şekilde genişletilmiştir) ajan, eksiksiz Simulink modelini üretir.

Test aşamasında ise ajan, hem bileşen seviyesindeki alt sistem testlerini hem de kapalı çevrim sürüş senaryolarını oluşturarak bunları Simulink Test Manager ortamında uygular. İlk istemden doğrulanmış Simulink modeline kadar tüm süreç, manuel model oluşturma ihtiyacı olmadan beş adımlı iş akışı izlenerek tamamlanır.

Simülasyon, Test ve Doğrulama

Toolkit, uçtan uca doğrulama döngüsünü destekler:

  • Yapılandırma yönetimi ve paralel çalıştırma dâhil olmak üzere simülasyonların yürütülmesi.
  • Test senaryoları oluşturarak ve temel nedenleri (root cause) izole ederek bildirilen problemlerin yeniden oluşturulması.
  • Simulink Test kullanılarak testlerin oluşturulması.
  • Çözüm önerileri geliştirilmesi ve doğrulama için testlerin yeniden çalıştırılması.

Mühendisler, kurulum ve süreç yönetimiyle ilgilenmek yerine sonuçları yorumlamaya ve değerlendirmeye odaklanır.

Model Tabanlı Sistem Mühendisliği

MBSE metodolojisini kullanan ekipler için toolkit, tam RFLP çerçevesini destekler: Gereksinimler, Fonksiyonel, Mantıksal ve Fiziksel.

Simulink Agentic Toolkit , System Composer ve Requirements Toolbox ile birlikte kullanıldığında, bir yapay zekâ ajanı aşağıdaki işlemleri gerçekleştirebilir:

  • Mimari bileşenlerle bağlantılı gereksinimleri oluşturabilir ve yönetebilir.
  • Fonksiyonel, mantıksal ve fiziksel mimari modeller oluşturabilir.
  • Arayüz sözlükleri (interface dictionaries) ve stereotipler oluşturabilir.
  • Analitik görünümler (analytical views) ve tahsis kümeleri (allocation sets) oluşturabilir.

Amaç, başlangıç sistem çıktılarının hızlı bir şekilde prototiplenmesini sağlayarak mühendislik kaynaklarını standart kurulum işlemleri yerine daha kapsamlı problem çözme süreçlerine yönlendirmektir.

Mühendisi Sürecin Merkezinde Tutmak

Simulink Agentic Toolkit, insan denetimini esas alacak şekilde tasarlanmıştır. Tüm yetenekler aynı temel ilkeye dayanır: Yapay zekâ ajanı önerir, kararı ise mühendis verir.

Pratik İpuçları

  • Özel olarak geliştirdiğiniz agent skills‘lerin, toolkit’in sunduğu yeteneklerle çakışıp çakışmadığını kontrol edin. Birbiriyle örtüşen yönergeler, yapay zekâ ajanının daha verimsiz yöntemlere yönelmesine neden olabilir.
  • Yapay zeka ajanı uygun olmayan bir yaklaşım kullandığında, onu açıkça Simulink’e özgü araçları kullanacak şekilde yönlendirin.
  • Uygulamaya geçmeden önce, tasarım kararlarının erken aşamada netleşmesini sağlamak için yapay zeka ajanından planlama dokümanları ve tasarım spesifikasyonları hazırlamasını isteyin.
  • Çalışmalarınızı, yapay zeka ajanının daha güvenilir şekilde yönetebileceği küçük ve yönetilebilir parçalara ayırın.

Keşfetmeye Devam Edin

Etkili Yapay Zekâ Ajanları Oluşturma

LLMs with MATLAB ve MATLAB MCP HTTP Client kullanarak MATLAB kodu ile yapay zekâ ajanları oluşturabilirsiniz. Bu araçlar; LLM’lere (örneğin, OpenAI uyumlu API’ler veya Ollama™ üzerinde çalışan modeller) bağlanmak ve harici MCP araçlarını çağırmak için MATLAB fonksiyonları sağlar. Agentic iş akışlarını oluşturmak için uygulanabilecek farklı tasarım ve geliştirme yaklaşımları bulunmaktadır.

Yaklaşım 1: ReAct (Reasoning + Acting)

En yaygın yapay zeka ajanı yaklaşımı, düşünme ve eyleme geçme adımlarını dönüşümlü olarak gerçekleştirir. LLM, bir sonraki adımda ne yapılması gerektiğini değerlendirir, ilgili eylemi gerçekleştirir, elde edilen sonucu gözlemler ve görev tamamlanıncaya kadar bu döngüyü tekrar eder.
% ReAct loop pattern

while ~taskComplete

    % Thought: LLM reasons about next step
    thought = generate(chat, [context, "What should I do next?"]);

    % Action: Execute tool if needed
    if needsTool(thought)
        result = executeTool(thought.tool_call);
        context = [context; result];
    end

    % Observation: Update state based on results
    taskComplete = checkCompletion(context);

end

Yaklaşım 2: Araç Zincirleme (Tool Chaining)

Karmaşık görevler, birden fazla aracın belirli bir sırayla kullanılmasını gerektirir. Bu yaklaşımda, bir aracın çıktısı bir sonraki aracın girdisi olarak kullanılır.
AdımİşlemAmaç
1Kod OluşturYapay zeka, isteğiniz doğrultusunda MATLAB kodunu oluşturur.
2Kodu Analiz EtOlası hataları, kodlama standartlarına uygunluğu ve potansiyel sorunları kontrol eder.
3Kodu ÇalıştırKodu MATLAB ortamında çalıştırır ve elde edilen çıktıları toplar.
4Sonuçları DeğerlendirYapay zeka çıktıları analiz eder; hata varsa düzeltir, başarılıysa görevin tamamlandığını doğrular.

Yaklaşım 3: İnsan Denetimli İş Akışı (Human-in-the-Loop)

Güvenlik açısından kritik uygulamalarda, iş akışına onay adımları eklenir.
% Human-in-the-loop pattern

proposedAction = generate(chat, query);

% Display proposed action for approval
fprintf("Proposed: %s\n", proposedAction.description);

approval = input("Approve? (y/n): ", "s");

if strcmp(approval, "y")
    result = executeAction(proposedAction);
else
    disp("Action cancelled.");
end

Pratik Kılavuz

Güvenilir yapay zeka ajanları geliştirmek için aşağıdaki temel uygulamaların benimsenmesi önerilir:

  • Küçük başlayın: Karmaşık iş akışları oluşturmadan önce tek bir aracın doğru şekilde çalıştığından emin olun.
  • Gözlemlenebilirlik sağlayın: Her LLM çağrısını ve araç çalıştırmasını kaydedin. Bu kayıtlar, hata ayıklama ve analiz süreçlerinde büyük önem taşır.
  • Hataları etkili bir şekilde yönetin: LLM’ler hata yapabilir. Bu nedenle, exponential backoff (üstel geri çekilme) stratejisini kullanan yeniden deneme mekanizmaları oluşturun.
  • Sınırlar belirleyin: Yineleme sayısını, token bütçesini ve yapay zekâ ajanının erişebileceği araçları sınırlandırın.
  • Zorlu senaryolarla test edin: Yapay zekâ ajanını kullanıcılarla buluşturmadan önce, uç durumlar (edge cases) oluşturarak dayanıklılığını test edin.

İlgili Ürünler

terminal

MATLAB Agentic Toolkit

Yapay zekâ kodlama ajanlarına MATLAB konusunda uzman mühendislik yetenekleri kazandırın ve çalışan bir MATLAB oturumuyla canlı bağlantı sağlayın.

account_tree

Simulink Agentic Toolkit

Agentic AI yeteneklerini Simulink ile Model Tabanlı Tasarım iş akışlarına entegre ederek akıllı ve otonom mühendislik süreçleri oluşturun.

Kurumsal
MATLAB & Simulink
İletişim
Kurumsal e-bültenimize abone olarak FİGES hakkındaki güncel gelişmelerden haberdar olabilirsiniz.
E-Bültene Kayıt Ol
Sosyal Medya'da FİGES

© FİGES A.Ş. Tüm hakları saklıdır. Tasarım ordek.co.