100 Fikir/Agentic Platform/#051

Getir Agent Hub

Getir’deki tüm AI agent’larını tek yerden kur, MCP ile araç bağla, eval’den geçir, maliyetini izle.

Fikir #051 / 100 Web uygulaması İç Ekip Agentic Platform AI destekli
Fikir

Problem → Çözüm

Problem

Her ekip kendi agent’ını kendi repo’sunda, kendi prompt’u ve API anahtarıyla yazıyor. Aynı “stok sorgula” aracı 7 farklı şekilde yazılmış, hangi agent’ın ne kadar token yaktığı ve hangi sürümün production’da olduğu bilinmiyor.

Çözüm

Agent Hub; agent registry, MCP tabanlı ortak araç kataloğu, sürümlenmiş prompt’lar, eval kapıları ve maliyet/latency gözlemini tek platformda birleştirir. Ekipler bir YAML manifest ile agent’ını tanımlar, Hub onu Temporal üzerinde dayanıklı workflow olarak çalıştırır ve A2A ile diğer agent’lara görev devredebilir.

Ürün

Temel özellikler

1Agent registryHer agent’ın sahibi, sürümü, izinli araçları, model bütçesi ve SLA’sı tek kartta.
2MCP araç kataloğuStok, sipariş, kurye, CRM gibi 40+ iç servis yetki kapsamlı MCP server olarak bir kez yazılır, her agent kullanır.
3Eval kapısıGolden set başarı oranı eşik altındaysa deploy otomatik bloklanır; canary %5 trafikle başlar.
4Maliyet & trace paneliAgent, ekip ve görev bazında token, TL maliyet, p95 latency ve tool hata oranı.
AI katmanı

Yapay zeka nerede devreye giriyor?

Supervisor agent görevi alt görevlere bölüp A2A protokolüyle uzman agent’lara dağıtır; her adım MCP araçlarıyla, yetki ve bütçe guardrail’leri altında çalışır.

  • LangGraph supervisor + uzman agent’lar; görev planı structured output (Pydantic) olarak üretilir, Temporal ile retry/timeout/compensation’lı yürütülür
  • Model router: basit sınıflandırma Claude Haiku / GPT-4o-mini, çok adımlı plan Claude Sonnet; ortalama görev maliyeti 0,42 TL → 0,18 TL
  • Guardrail katmanı: araç başına RBAC scope, yazma araçlarında human-in-the-loop onayı, PII redaksiyonu ve Langfuse ile uçtan uca trace
Mimari

Nasıl çalışır?

Hub UINext.js • registry & trace görüntüleme
Control PlaneFastAPI (async) • manifest, RBAC, bütçe
Supervisor AgentLangGraph • plan + A2A dağıtım
Workflow MotoruTemporal • dayanıklı çalıştırma
MCP Gateway40+ iç servis • scope’lu tool erişimi
GözlemLangfuse + ClickHouse • token/TL/latency
Teknoloji

Stack

Arayüz

Next.jsReactTailwindReact Flow

Backend

Python 3.12FastAPITemporalPydantic v2

AI / ML

Claude Sonnet / HaikuLangGraphMCPA2ALangfuse

Veri

PostgreSQLRedisKafkaClickHouse

Altyapı & DevOps

Kubernetes (EKS)AWS BedrockArgoCDOPA
Go-to-market

Pazarlama & lansman

1
İç “Agent Demo Day”Her ay ekipler Hub’da kurduğu agent’ı 5 dakikada canlı gösterir; en çok saat kazandırana ödül.
2
Golden path şablonları“Destek agent’ı”, “rapor agent’ı” gibi 6 hazır şablonla ilk agent 1 günde production’a çıkar.
3
Maliyet şeffaflığı raporuHer pazartesi Slack’e ekip bazlı LLM harcaması ve tasarruf önerileri düşer.
Ölçüm

Başarı metrikleri (hedef)

-%57görev başına LLM maliyeti (router + cache)
1 günyeni agent’ın production’a çıkış süresi
%99,5workflow tamamlanma oranı (Temporal retry)
Teslimat

MVP yol haritası

Hafta 1-2Registry + MCP gatewayStok, sipariş ve kurye servisleri MCP server olarak açılır, RBAC scope’ları tanımlanır.
Hafta 3-4Temporal yürütme + traceİlk 3 agent Hub’a taşınır, Langfuse trace’leri ve TL maliyet paneli devreye girer.
Hafta 5-8Eval kapısı + A2ACI’da golden set regression gate, supervisor’ın agent’lar arası görev devri.
Fİ
Fatih İnci — Full Stack Software Engineer

Bir fikri production’a taşırken ilk sorum şu: ölçülebilir mi ve mevcut sistemi bozmadan nasıl açılır? Yaklaşık 4 yıl, ayda yüz milyonlarca CDN isteği alan bir embed script üzerinde çalıştım. Kademeli geçiş ve gerçek test kapsamı benim için vazgeçilmez. Remote çalışmaya hazırım.