Projenin amacı
Farklı stratejilerin aynı piyasa koşullarında nasıl göründüğünü incelemek için hazırlanmış bir ajan ve portföy simülasyonu. Panelde dört ayrı yatırım karakteri bulunuyor. Her biri için nakit, tutulan varlıklar ve portföy değeri ayrı gösteriliyor. Bu çalışma gerçek aracı kurum hesabıyla işlem yapmıyor.
Veri ekrana nasıl geliyor?
Piyasa katmanı fiyatları alıyor; hesap katmanı nakit ve varlık adetlerini tutuyor. Portföyün güncel değeri, eldeki varlıklarla o anki fiyatlar birleştirilerek hesaplanıyor. Sonuçlar dolar ve Türk lirası karşılığıyla panelde gösteriliyor.
Mevcut sunum panelinde stratejilere göre hazırlanmış başlangıç pozisyonları da var. Bu yüzden ekranda bir portföy görmek, o anda bütün alım kararlarını yapay zekânın yeni verdiği anlamına gelmiyor. Panel, kayıtlı sanal hesapları ve bunların değerini görünür hale getiriyor.
MCP burada ne yapıyor?
MCP, ajanın hesap veya veri aracına hangi kuralla ulaşacağını tanımlayan bağlantı katmanı. Modelin doğrudan veritabanını değiştirmesi yerine belirli araçları çağırması sağlanıyor. Python bu araçları ve hesap işlemlerini yürütüyor.
Gradio kullanıcı ekranını, Pandas tablo verilerini, Plotly de portföy grafiklerini hazırlıyor. İşlem kayıtları sayesinde yalnızca son bakiyeyi değil, hesaba nasıl gelindiğini de incelemek mümkün oluyor.
Ekranı nasıl kontrol ettim?
Yerel paneli başlatıp piyasa şeridini, portföy değerlerini, varlık tablolarını ve sanal işlem geçmişini açtım. Görseller bu çalışan panelden alındı. Fiyatların kaynağı ve son yenileme zamanı arayüzde ayrıca gösteriliyor; ekran görüntüsü yalnızca çekildiği anın durumunu temsil ediyor.
Ne öğrendim?
Bir ajanın verdiği metinsel karar ile bu kararın hesaba doğru uygulanması ayrı problemler. Bu projede görev tanımı, araç erişimi, hesap kaydı ve görsel takip arasındaki ilişkiyi öğrendim. Mülakatta sonuçları bir kazanç vaadiyle değil, sistemin çalışma biçimiyle açıklayabilirim.
Bu sürümde ne geliştirdim?
Hesap veritabanı uygulamanın klasörüne sabitlendi; ACCOUNTS_DB ile ayrı bir dosya seçilebiliyor. Diğer model sağlayıcılarının istemcileri yalnızca o model seçilince oluşturuluyor ve eksik anahtar açıkça bildiriliyor. SQLite bağlantıları işlem sonunda kapatılıyor; Windows’ta veritabanı dosyasının kilitli kalması önleniyor. Bu davranışlar için API çağrısı yapmadan çalışan otomatik testler ekledim.
Mülakatta sorulabilecek bir soru
Modelin cevabı ile hesap işlemi arasındaki fark ne?
Model bir yorum veya araç çağrısı üretiyor. Hesap katmanı işlemin geçerli olup olmadığını kontrol edip bakiyeyi ve kayıtları güncelliyor. Böylece sonucun hangi işlemden oluştuğu takip edilebiliyor.
Ajan geliştirme çalışması: ders deposu ve temel örnekler.
Kısa Özet
Farklı yatırım yaklaşımlarını temsil eden ajanların sanal portföylerini karşılaştıran bir proje üzerinde çalıştım. Python ve MCP, ajanların veri ve hesap araçlarına bağlanmasını sağlıyor. Gradio panelinde portföy değeri, nakit, işlemler ve grafikler gösteriliyor. Mevcut paneli çalıştırıp gerçek piyasa fiyatlarıyla değerlenen örnek sanal hesapları inceledim. Burada öğrendiğim, modelin yorumuyla hesap hareketlerinin ayrı tutulması ve işlemlerin izlenebilmesi gerektiği.