LangChain ile Hava Durumu ve Web Arama Ajanına Bellek Eklemek: InMemorySaver ile Bağlamı Hatırlayan Ajan

Bu bölüm Part 4 olarak, hava durumu ve web araması yapabilen bir LangChain ajanını bellek katmanıyla tamamlama adımı. Önceki videolarda anlık hava, üç günlük tahmin ve internet araması için araçlar kurulmuş, bu videoda ise eksik kalan bağlam yönetimi ele alınıyor ve kısa bir gösterimle neden gerekli olduğu kanıtlanıyor.

Belleksiz çalışmanın bedeli iki küçük diyalogla gösteriliyor: ajana adın Yemi deniyor ve hemen ardından adın ne diye sorulunca yanıt bilmiyorum oluyor, benzer şekilde Seattle için hava sorulup yarın nasıl denince şehir bağlamı kayboluyor. Sorun modelin unutkanlığı değil, konuşma durumunu saklayan bir katman olmaması ve her çağrının sıfırdan başlaması.

Çözüm LangGraph tarafındaki InMemorySaver sınıfı. Videoda from langgraph.checkpoint.memory import InMemorySaver satırıyla içe aktarılıyor, bir checkpointer nesnesine örnekleniyor ve graf derlenirken compile(checkpointer=checkpointer) ile bağlanıyor. Bu haliyle bellek yalnızca bilgisayar belleğinde duruyor, hızlı prototip ve hata ayıklama için tasarlanmış bir yapı olarak tanıtılıyor.

Bağlamı ayıran anahtar thread_id oluyor. Çağrılar invoke edilirken configurable içinde thread_id taşınıyor, aynı kimlikle yapılan ardışık çağrılar aynı sohbeti sürdürüyor, farklı kimlik yeni bir oturum açıyor. Böylece aynı ajan birden fazla diyaloğu birbirine karıştırmadan ve her oturumun geçmişini ayrı tutela biliyor.

Canlı gösterim komut satırında main.py ile yapılıyor. Aynı thread içinde Yemi adı bir kez verilince ikinci soruda ajan adın Yemi diye doğru yanıt veriyor, işlem kapatılıp yeni bir thread_id ile başlatılınca aynı soruya adını bilmiyorum dönerek yalıtım doğrulanıyor. Sunucu kalıcı belleğin bir sonraki videoda ele alınacağını ve mevcut çözümün oturum içi olduğunu özellikle vurguluyor.

Hava durumu bağlamı da aynı mekanizmayla düzeliyor. Seattle için hava nasıl sorusundan hemen sonra ya yarın denince ajan artık şehri hatırlayarak 4 Eylül için tahmin döndürüyor. Önceki bölümde yarım kalan bu anlama adımı, bellek eklenince ek bir yönlendirme veya şehir tekrarı olmadan çözülüyor ve araç çağrısı doğru parametreyle tetikleniyor.

Video komut satırının son durak olduğunu açıkça söylüyor ve mimariyi bir sonraki adıma taşıyor. Plan FastAPI ile çok kullanıcılı bir API katmanı kurmak ve üzerine Streamlit ile hafif bir sohbet arayüzü eklemek. Böylece ajan terminal dışına çıkıyor, her oturum kendi geçmişiyle REST üzerinden servis ediliyor ve proje sergilenebilir bir ürüne dönüşüyor.