Agent Lightning v1.0: Ajanları Gerçek Ortamında Eğitmek

Microsoft Research Asia, 7 Ekim 2026’da Agent Lightning çerçevesinin baştan yazılmış 1.0 sürümünü açık kaynak olarak yayımladı. Çerçeve, yapay zekâ ajanlarını pekiştirmeli öğrenme (RL) ile eğitmek için tasarlandı. Asıl iddiası, ajanın canlıda kullanılan hâliyle, yeniden yazılmadan eğitilebilmesi. Üstelik bütün sistem yaklaşık 3.500 satır koddan oluşuyor.

Ne Değişti?

Pekiştirmeli öğrenme, bir sistemin deneme yanılma yoluyla, ödül ve cezalarla öğrenmesi demek. Ajanları bu yolla iyileştirmek mümkün, ama bugüne kadar önemli bir engel vardı. Klasik ajan RL sistemleri, ajanın çalışma döngüsünü eğitim çerçevesinin içinde yeniden kurmayı gerektiriyordu. Bu hem pahalı, hem de riskli. Çünkü eğitilen ajan, canlıya çıkan ajanla tam olarak aynı davranmayabiliyor.

Bugünkü kodlama ajanlarının her biri kendi bağlam yönetimini, araç protokollerini ve çalışma mantığını getiriyor. Microsoft’un yazısında mini-SWE-agent, OpenHands, OpenCode, Claude Code ve Codex örnek olarak sayılıyor. Bunları eğitim için yeniden yazmak giderek zorlaşıyor.

Agent Lightning farklı bir yol izliyor. Ajan ile model arasına bir dil modeli vekil sunucusu (proxy) yerleştiriyor. Ajan eskisi gibi çalışmaya devam ediyor. Geliştiricinin tek yapması gereken, ajanın model API’sine giden adresini Agent Lightning’e çevirmek. Böylece eğitim sistemi tüm model çağrılarını görüp kaydedebiliyor. Microsoft bu yaklaşıma “Harnessed Agentic RL” adını veriyor: Canlıda hangi ajan altyapısı kullanılıyorsa eğitimde de doğrudan o kullanılıyor.

Teknik Olarak Öne Çıkanlar

Sistem üç ana parçadan oluşuyor. API ağ geçidi, OpenAI uyumlu bir vekil olarak çalışıyor ve eğitim için gereken istem, cevap ve olasılık kayıtlarını tutuyor. Çalıştırma denetleyicisi ajanları yerel süreç ya da standart Kubernetes işi olarak başlatıyor. Özelleştirilmiş eğitici ise verl üzerine kurulu.

Kubernetes desteği maliyet açısından önemli. Benzer çerçeveler ajanları çoğu zaman Modal ya da E2B gibi ücretli sanal alan hizmetlerinde çalıştırıyor ve ölçek büyüdükçe fatura kabarıyor. Agent Lightning ise mevcut kendi kümelerinizi, bulut Kubernetes’i ya da yerel altyapıyı kullanabiliyor.

Bir diğer yenilik “Collocated Async RL”. Ajan çalıştırma ve model güncelleme aynı GPU’ları paylaşıyor. Microsoft bu yöntemin senkron RL’ye göre uçtan uca yaklaşık iki kat hız sağladığını ve klasik asenkron yönteme göre daha az GPU kullandığını söylüyor.

Ekip yaklaşımı bir kodlama ajanı üzerinde denedi. SWE-smith, mini-SWE-agent ve Qwen3.5-9B modeliyle kurulan uçtan uca hatta yalnızca yaklaşık 6.000 eğitim örneği kullanıldı. Sadece RL eğitimiyle modelin SWE-bench Verified üzerindeki Pass@1 başarısı yüzde 41,8’den yüzde 56,4’e çıktı. Bu, 14,6 puanlık mutlak bir artış. Büyük ölçekli hesaplama gücü gerekmemesi, sonucu küçük ekipler için de anlamlı kılıyor.

Kimi İlgilendiriyor?

Kendi ajanını geliştirip belirli bir görevde daha iyi hâle getirmek isteyen yapay zekâ ekipleri bu çerçevenin doğrudan hedef kitlesi. Özellikle açık ağırlıklı küçük modellerle çalışanlar için, mevcut ajan kodunu değiştirmeden eğitim yapabilmek ciddi zaman kazandırabilir. Kodun kısa ve okunabilir tutulması da araştırmacıların sistemi anlayıp değiştirmesini kolaylaştırıyor.

Türkiye’den Kullanıcılar İçin

Çerçeve açık kaynak olduğu için Türkiye’deki üniversiteler ve girişimler de doğrudan kullanabilir. Kendi Kubernetes kümesi ya da yerel GPU sunucusu olan ekipler, ücretli sanal alan hizmetlerine bağımlı kalmadan deney yapabilir. Teknik rapor ve GitHub deposu Microsoft’un duyurusundan erişilebilir durumda.