Kore Ulusal İstatistik Portalı (KOSIS) resmi bir MCP pilot hizmeti başlattı; ben de bunu dizüstünde çalışan 9B’lik yerel bir modele bağladım. API anahtarı olmadan toplam doğurganlık oranını bulup grafik çiziyor, CSV olarak kaydetmeye çalıştığınız anda ise bir onay penceresi açılıyor. Bunun nedeni, dosya yazma gibi insan onayı (HITL) gerektiren işlemlerin UI üzerinden bir kişi tarafından kontrol edilip onaylanacak şekilde ayarlanmış olmasıdır.
Demo videosu (1 dakika 21 saniye, Korece altyazı): https://youtu.be/zARRVLg-7xA?cc_load_policy=1&cc_lang_pref=ko
- Tek bir "Toplam doğurganlık oranını göster" komutuyla KOSIS araması → istatistik tablosu doğrulaması → gerçek veri sorgulama → area chart oluşturma (2015’te 1.20 → 2024’te 0.73)
- Aynı istatistik tablosunda 12 ülkeyi rose chart ile, 8 ülkenin 2015 vs 2024 verisini heatmap ile karşılaştırma
- "Özeti CSV olarak kaydet" isteğinde dosya yazma işlemi L4 risk seviyesi olduğu için onay penceresi açılıyor; gerçek kayıt ancak Approve’a basınca yapılıyor
- Model yerelde çalıştığı için prompt’lar dışarı gitmiyor. Kullanılan API anahtarı sayısı: 0.
Bu demoda kullanılan proje, açık kaynaklı Spring AI Playground’dur (Spring AI Community incubation sürecinde).
Başlangıçta Spring AI özelliklerini tek tek denemeye yönelik bir playground idi; ancak Spring AI 2.0 ile ajanlar ve MCP framework çekirdeğine girince yön değiştirdi. Artık özellik demosundan çok, yerel LLM ajanlarını geliştirmek ve test etmek için bir workbench’e daha yakın.
Normalde bir ajanı doğrudan bağlamak için MCP bağlantısı, araç arama, onay geçitleri gibi parçaları ayrı ayrı kodla uygulamak gerekir. Spring AI Playground ise bu akışları Java kodu yazmadan masaüstü uygulamasında doğrulamaya odaklanıyor. MCP proxy özelliği sayesinde mevcut MCP araçları için de UI üzerinden HITL ayarlanabiliyor.
Gerekli araçlar isteğe göre dinamik olarak aranıp bağlanabiliyor (Dynamic Tool Discovery) ve dosya yazma gibi riskli işlemlerde risk düzeyine (L0~L5) göre onay penceresi çıkıyor. Onay ve reddin ayrı ayrı nasıl işlendiğini de doğrudan görebiliyorsunuz. Sohbet, araç çağrıları, token, maliyet ve risk verileri Observability panosunda birlikte görülebiliyor.
Model yerelde (Ollama) çalıştığı için prompt’lar dışarı gitmiyor. Ajanların, MCP istemci/sunucusunun ve HITL'nin Java ve Spring ile nasıl uygulandığını da kod üzerinden inceleyebilirsiniz.
GitHub: https://github.com/spring-ai-community/spring-ai-playground
Dokümantasyon: https://spring-ai-community.github.io/spring-ai-playground/
İndir (Windows/macOS/Linux): https://spring-ai-community.github.io/spring-ai-playground/…
KOSIS MCP, Ulusal Veri Kurumu’nun pilot hizmeti olduğundan endpoint değişebilir. Bu proje, ilgili hizmeti kullanan bağımsız bir açık kaynak projesidir.
Kamu verisi MCP’yi gerçek ajanlara bağlama deneyiminiz varsa veya HITL (Human-in-the-Loop) tasarımı hakkında görüşünüz bulunuyorsa geri bildirimlerinizi bekliyoruz.
Henüz yorum yok.