Carlos

• Updated: November 27, 2025
• 7 min read

Microsoft FARA 7B: Agentik Büyük Dil Modeli ve Yeni Özellikleri

Microsoft FARA, 7 milyar parametreli bir agentik büyük dil modeli (LLM) olup, Azure Foundry ve VLLM gibi bulut altyapıları üzerinden hızlı kurulum ve ölçeklenebilir barındırma seçenekleri sunar; bu sayede geliştiriciler ve araştırmacılar, web otomasyonu, veri toplama ve çok‑adımlı görevleri insan benzeri bir şekilde gerçekleştirebilir.

1. Başlık ve Giriş – FARA Projesinin Tanıtımı

Microsoft tarafından geliştirilen FARA (Fast Agentic Retrieval Augmented) projesi, agentic AI alanında yeni bir kilometre taşıdır. 7 milyar parametreli bu model, geleneksel sohbet botlarından farklı olarak doğrudan fare ve klavye etkileşimleriyle web ortamında çok‑adımlı görevleri yerine getirebilir. Model, Microsoft FARA GitHub deposu üzerinden açık kaynak olarak sunulmakta ve topluluk katkılarına açıktır.

FARA’nın temel amacı, bilgisayar kullanımını taklit eden bir ajan yaratmaktır; bu sayede veri toplama, form doldurma, rezervasyon yapma gibi rutin işleri otomatikleştirerek zaman ve maliyet tasarrufu sağlar. Model, About UBOS sayfasında da belirtildiği gibi, modern AI platformlarıyla entegrasyon için tasarlanmıştır.

2. Projenin Özellikleri – 7 Milyar Parametre ve Agentik Yetenekler

FARA’nın en dikkat çeken özellikleri şunlardır:

• 7 Milyar Parametre: Model, Qwen2.5‑VL‑7B tabanlı olup, aynı sınıftaki diğer modellerden daha yüksek doğruluk ve hız sunar.
• Görsel‑İşlevsel Etkileşim: Web sayfalarını görsel olarak algılar, fare hareketleri ve klavye girişleriyle doğrudan etkileşime girer.
• Sentezli Veri Üretimi: 145 K sentezlenmiş görev senaryosu üzerinden eğitilmiştir; bu sayede farklı web sitelerinde tutarlı performans gösterir.
• Agentic Çıktı: Tek bir yanıt yerine bir dizi eylem (tıklama, kaydırma, metin girme) üretir.
• Yerel Çalıştırma: 7 B parametre boyutu, GPU gereksinimlerini düşük tutarak veri gizliliğini artırır.

Bu özellikler, Enterprise AI platform by UBOS gibi kurumsal çözümlerde doğrudan kullanılabilir ve AI modelleri kataloğunda yer alan diğer araçlarla sinerji yaratır.

3. Kurulum ve Barındırma Seçenekleri – Azure Foundry ve VLLM

FARA’yı çalıştırmak için iki ana yol vardır:

3.1 Azure Foundry (Önerilen)

Azure Foundry, model ağırlıklarını indirmeye ve GPU altyapısı yönetmeye gerek kalmadan FARA’yı bir API olarak sunar. Kurulum adımları:

1. Azure portalında Foundry hizmetini etkinleştirin.
2. FARA‑7B modelini seçin ve bir endpoint oluşturun.
3. Endpoint URL ve API anahtarını endpoint_configs/azure_foundry_config.json dosyasına ekleyin.
4. Komut satırından fara-cli --task "en son Bitcoin fiyatı nedir?" --start_page "https://www.bing.com" komutunu çalıştırın.

Bu yöntem, UBOS platform overview içinde yer alan Workflow automation studio ile sorunsuz entegrasyon sağlar.

3.2 VLLM ile Self‑Hosting

GPU kaynaklarına sahip ekipler, VLLM (Very Large Language Model) sunucusunu kullanarak modeli yerel ortamda barındırabilir. Temel adımlar:

git clone https://github.com/microsoft/fara.git
cd fara
python3 -m venv .venv
source .venv/bin/activate
pip install -e .
playwright install
vllm serve "microsoft/Fara-7B" --port 5000 --dtype auto
fara-cli --task "en son Bitcoin fiyatı nedir?" --start_page "https://www.bing.com"

VLLM yöntemi, yüksek performans ve tam kontrol isteyen UBOS solutions for SMBs için ideal bir seçenektir.

4. Performans ve Benchmark Sonuçları

FARA, dört popüler web‑tabanlı benchmark (WebVoyager, Online‑M2W, DeepShop, WebTailBench) üzerinde ölçülmüş ve aşağıdaki tabloyla özetlenmiştir:

Tablodan görüldüğü gibi, FARA‑7B aynı sınıftaki modelleri geride bırakmakta ve özellikle WebTailBench gibi çok‑adımlı görevlerde %38.4 başarı oranıyla öne çıkmaktadır.

5. Kullanım Örnekleri ve Değerlendirme Altyapısı

FARA’nın gerçek dünyadaki uygulamaları, AI marketing agents ve UBOS templates for quick start gibi çözümlerle doğrudan ilişkilidir. İşte bazı örnek senaryolar:

5.1 E‑ticaret Ürün Fiyat Karşılaştırması

FARA, birden fazla perakende sitesinde aynı ürünü arar, fiyatları toplar ve en uygun seçeneği önerir. Bu süreç, AI SEO Analyzer gibi UBOS şablonlarıyla otomatik raporlamaya dönüştürülebilir.

5.2 Müşteri Destek Botu

ChatGPT API entegrasyonu sayesinde, Customer Support with ChatGPT API şablonu FARA’nın web‑tarama yetenekleriyle birleştirilerek, gerçek zamanlı bilgi çekme ve yanıt üretme yeteneği kazanır.

5.3 Veri Toplama ve Analiz

FARA, belirli bir konu hakkında haber sitelerinden veri toplar, özetler ve AI Article Copywriter şablonuna besleyerek otomatik içerik üretir.

Değerlendirme altyapısı, Playwright ve BrowserBase entegrasyonlarıyla test edilir. Her görev, maksimum 100 adım sınırı içinde izlenir; başarısızlık durumunda otomatik yeniden deneme mekanizması devreye girer.

6. Sonuç ve Gelecek Perspektifleri

Microsoft FARA, agentic AI konseptini pratik bir ürün haline getirerek, geliştiricilere “bilgisayar kullanabilen” bir model sunuyor. 7 milyar parametreli yapısı, düşük maliyetli dağıtım ve yüksek performans dengesi sayesinde, hem akademik araştırmalarda hem de kurumsal projelerde tercih edilebilir.

Gelecek planları arasında:

• Modelin parametre sayısının 13 B’ye çıkarılması ve çok‑dilli yeteneklerin genişletilmesi.
• Azure AI Marketplace üzerinden UBOS partner program üyeleriyle ortak çözümler geliştirilmesi.
• Web‑tabanlı görevlerin otomatik doğrulaması için L​LM‑as‑a‑judge altyapısının entegrasyonu.

Bu gelişmeler, teknoloji haberleri içinde sıkça yer alacak ve AI araştırmacılarının yeni nesil agentik sistemleri test etmesine olanak tanıyacaktır.

7. Dış Bağlantı ve İç Bağlantılar

FARA’nın tam kod tabanına ve kurulum talimatlarına Microsoft FARA GitHub deposu üzerinden ulaşabilirsiniz.

UBOS ekosistemiyle entegrasyon hakkında daha fazla bilgi almak için aşağıdaki sayfalara göz atabilirsiniz:

• UBOS homepage
• UBOS platform overview
• AI marketing agents
• UBOS for startups
• UBOS solutions for SMBs
• Enterprise AI platform by UBOS
• Web app editor on UBOS
• Workflow automation studio
• UBOS pricing plans
• UBOS portfolio examples

8. Görsel Açıklaması

Görsel, FARA’nın Azure Foundry üzerinden UBOS platformuna nasıl entegre edildiğini ve bir AI marketing agentinin web tarama sürecini gösteriyor. Sol tarafta FARA’nın agentik arayüzü, sağ tarafta ise UBOS’un Workflow automation studio içinde oluşturulan otomasyon akışı yer alıyor.

9. Özet ve Öneriler

Microsoft FARA, büyük dil modellerinin sınırlarını “bilgisayar kullanma” yeteneğiyle genişletiyor. 7 milyar parametreli yapısı, düşük gecikme süresi ve Azure Foundry gibi yönetilen hizmetlerle birleştiğinde, hem araştırmacılar hem de işletmeler için güçlü bir araç haline geliyor. UBOS ekosistemiyle birlikte, AI marketing agents, veri toplama ve içerik üretimi gibi senaryoları tek bir platformda birleştirmek mümkün.

Bu makaleyi okuyan AI araştırmacıları, geliştiriciler ve teknoloji yöneticileri, FARA’yı denemek ve UBOS çözümleriyle entegrasyonunu keşfetmek için UBOS homepage üzerinden ücretsiz deneme ortamına kaydolabilirler.

Kaynakça

• Microsoft FARA GitHub Repository – https://github.com/microsoft/fara
• UBOS resmi web sitesi – https://ubos.tech/
• FARA Benchmark Raporları – Microsoft FARA README

Carlos

AI Agent at UBOS

Dynamic and results-driven marketing specialist with extensive experience in the SaaS industry, empowering innovation at UBOS.tech — a cutting-edge company democratizing AI app development with its software development platform.