Ajan mantığına giriş

# Bir "ajan" (agent), model çıktısının bir kısmını "ARAÇ ÇAĞRISI" (tool call) olarak
# YORUMLAYIP GERÇEK bir fonksiyon çalıştıran, sonucu TEKRAR bağlama EKLEYEN bir sistemdir.
# İlk ARAÇ: güvenli bir hesap makinesi. NEDEN ham eval() KULLANMIYORUZ?
OPS = {ast.Add: operator.add, ast.Sub: operator.sub, ast.Mult: operator.mul,
       ast.Div: operator.truediv, ast.Pow: operator.pow, ast.USub: operator.neg}

def guvenli_hesapla(ifade):
    def degerlendir(dugum):
        if isinstance(dugum, ast.Constant):
            return dugum.value
        if isinstance(dugum, ast.BinOp):
            return OPS[type(dugum.op)](degerlendir(dugum.left), degerlendir(dugum.right))
        if isinstance(dugum, ast.UnaryOp):
            return OPS[type(dugum.op)](degerlendir(dugum.operand))
        raise ValueError(f"Desteklenmeyen ifade: {ast.dump(dugum)}")
    agac = ast.parse(ifade, mode="eval")
    return degerlendir(agac.body)

print(f"guvenli_hesapla('30 * 2') = {guvenli_hesapla('30 * 2')}")

# Ham eval() KULLANSAYDIK ne olurdu? Model çıktısı (ya da KÖTÜ niyetli bir kullanıcı)
# ZARARLI bir "ifade" göndererek KEYFİ kod ÇALIŞTIRABİLİRDİ:
ZARARLI_GIRDI = '__import__("os").system("echo bu calismamali")'
try:
    guvenli_hesapla(ZARARLI_GIRDI)
    print("GÜVENLİK AÇIĞI: zararlı kod çalıştı!")
except (ValueError, KeyError, SyntaxError) as e:
    print(f"\nZararlı girdi ('{ZARARLI_GIRDI}') GÜVENLİ biçimde REDDEDİLDİ: {type(e).__name__}")
print("Sadece SAYI ve ARİTMETİK işlem düğümlerine (BinOp) izin veren bir ayrıştırıcı (AST),")
print("ham eval()'ın açtığı KEYFİ KOD ÇALIŞTIRMA riskini TAMAMEN kapatıyor.")

# İkinci ARAÇ: 11. dersteki AYNI TF-IDF getirme motoru.
BELGELER = [
    "Academyou AI, yapay zeka eğitimi sunan bir platformdur.",
    "Academyou AI ücretsiz derslerini 2026 yılında yayınlamaya başladı.",
    "Academyou AI platformunda Türkçe dilinde 150'den fazla ders bulunur.",
    "İade politikamıza göre, satın alınan ürünler 30 gün içinde iade edilebilir.",
    "Müşteri destek ekibimize hafta içi 09.00-18.00 arasında ulaşabilirsiniz.",
    "Şirketimiz 2023 yılında İstanbul'da kuruldu.",
]

def tokenize(s):
    return s.lower().replace(".", "").replace(",", "").replace("'", "").split()

def tf(belge):
    kelimeler = tokenize(belge)
    return {k: v / len(kelimeler) for k, v in Counter(kelimeler).items()}

def idf(belgeler):
    N = len(belgeler)
    sayim = Counter()
    for b in belgeler:
        for k in set(tokenize(b)):
            sayim[k] += 1
    return {k: math.log(N / v) for k, v in sayim.items()}

idf_degerleri = idf(BELGELER)
tum_kelimeler = sorted(set(k for b in BELGELER for k in tokenize(b)))

def tfidf_vektor(belge):
    tf_d = tf(belge)
    return [tf_d.get(k, 0) * idf_degerleri.get(k, 0) for k in tum_kelimeler]

def kosinus(a, b):
    dot = sum(x * y for x, y in zip(a, b))
    na, nb = math.sqrt(sum(x*x for x in a)), math.sqrt(sum(x*x for x in b))
    return dot / (na * nb + 1e-10)

def belge_ara(sorgu):
    sv = tfidf_vektor(sorgu)
    benzerlikler = [(i, kosinus(sv, tfidf_vektor(b))) for i, b in enumerate(BELGELER)]
    en_iyi = max(benzerlikler, key=lambda x: x[1])
    return BELGELER[en_iyi[0]], en_iyi[1]

sonuc, skor = belge_ara("iade süresi")
print(f"\nbelge_ara('iade süresi') = (\"{sonuc}\", {skor:.3f})")

# Bir AJAN DÖNGÜSÜ (ReAct tarzı): DÜŞÜN -> ARAÇ SEÇ -> ÇALIŞTIR -> GÖZLEMLE -> TEKRARLA
# -> SON CEVAP. Model bu ortamda GERÇEK bir LLM olmadığı için, "DÜŞÜNCE" adımları
# ÖĞRETİCİ amaçlı ELLE senaryolandırıldı -- ama ARAÇ ÇAĞRILARININ SONUÇLARI GERÇEKTİR.
SORU = "İade süresi kaç gün, ve bu sürenin 2 katı kaç gün eder?"
print(f"\nSoru: \"{SORU}\"\n")

print("Adım 1 -- DÜŞÜNCE: Önce iade süresini bulmam lazım.")
print("Adım 1 -- ARAÇ ÇAĞRISI: belge_ara(\"iade süresi\")")
belge, skor = belge_ara("iade süresi")
print(f"Adım 1 -- GÖZLEM: \"{belge}\" (benzerlik: {skor:.3f})")

print("\nAdım 2 -- DÜŞÜNCE: Belgede '30 gün' yazıyor. Şimdi 30'un 2 katını hesaplamalıyım.")
print("Adım 2 -- ARAÇ ÇAĞRISI: guvenli_hesapla(\"30 * 2\")")
iki_kati = guvenli_hesapla("30 * 2")
print(f"Adım 2 -- GÖZLEM: {iki_kati}")

print(f"\nSON CEVAP: İade süresi 30 gün; bunun 2 katı {iki_kati} gün eder.")
print("\nBu döngüde İKİ araç (getirme + hesaplama) SIRAYLA çağrıldı -- HER aracın SONUCU,")
print("BİR SONRAKİ adımın bağlamının PARÇASI oldu (17. dersteki otoregresif üretimle AYNI ilke,")
print("şimdi ARAÇ SONUÇLARIYLA genişletilmiş bir bağlamda).")

# 2. dersteki UYARIYI HATIRLA: her ajan ADIMI, bağlama YENİ token'lar ekler -- uzun bir
# ajan döngüsü, AYNI karesel maliyet büyümesi riskini TAŞIR.
adim_token_maliyetleri = [15, 22, 18, 25]  # ÖĞRETİCİ amaçlı örnek (her adımın YAKLAŞIK token maliyeti)
kumulatif = 0
print(f"\n{'Adım':<8} {'Bu adımın maliyeti':<20} {'Kümülatif bağlam'}")
for i, m in enumerate(adim_token_maliyetleri, 1):
    kumulatif += m
    print(f"{i:<8} {m:<20} {kumulatif}")
print(f"\n4 adımlık bir ajan döngüsü, bağlamı {adim_token_maliyetleri[0]}'ten {kumulatif}'e büyüttü --")
print("2. dersteki AYNI 'her tur tüm geçmişi taşır' riski, ajan döngülerinde de GEÇERLİDİR,")
print("hatta ARAÇ SONUÇLARI (belge parçaları, API yanıtları) genelde METİNDEN DAHA UZUNDUR.")