SharePoint Embedded ile Vektör Veritabanısız AI Uygulaması
Kurumsal içerik üzerinde çalışan bir yapay zeka uygulaması geliştirirken soru hep aynı yere geliyor: güvenlik, uyumluluk ve yönetişimden ödün vermeden modeli şirket verisine nasıl bağlarsınız? Microsoft 365 Developer Blog’da Steve Pucelik imzasıyla yayımlanan yazı, bu sorunun SharePoint Embedded tarafındaki iki yanıtını anlatıyor: Microsoft 365 Copilot Retrieval API ve genel önizlemeye açılan SharePoint Embedded Model Context Protocol (MCP) server. Metin çıkarma, embedding üretme, vektör veritabanı işletme, izinleri senkron tutma… Bu zinciri kurmadan içeriğinizi temel alan AI deneyimleri oluşturabiliyorsunuz.
SharePoint Embedded neyi devralıyor?
SharePoint Embedded, AI destekli uygulamalar için yönetişimi hazır gelen bir içerik katmanı olarak konumlandırılıyor. API tabanlı olduğundan ekipler kurumsal içerik üzerine kurulu line-of-business ve çok kiracılı (multitenant) SaaS uygulamalarına odaklanabiliyor, paralel bir içerik, iş birliği ve uyumluluk yığınını sıfırdan kurma yükü ortadan kalkıyor.
İçerik Microsoft 365 içinde, ilgili kiracının (tenant) ayarları altında kalıyor. Yazıda sayılan Microsoft Purview kontrolleri şunlar:
- Denetim (audit)
- eDiscovery
- Saklama (retention) politikaları
- Veri kaybını önleme (DLP)
- Duyarlılık etiketleri (sensitivity labels)
- Koşullu erişim (conditional access)
Uygulamanız bu kurumsal yönetişimi miras aldığından aynı denetimleri yeniden inşa etmeniz gerekmiyor. Müşteriler için uygulama geliştiriyorsanız müşteri verisinin sorumluluğunu da üstlenmiyorsunuz.
Ticari model tarafında SharePoint Embedded, Azure aboneliği üzerinden tüketime dayalı pay-as-you-go sunuluyor, peşin taahhüt istenmiyor. Faturalamada iki seçenek var. Biri uygulamanın sahibi ya da geliştiricisi olan kiracıya standart faturalama, diğeri uygulamayı kullanmak üzere kayıtlı kiracıya pass-through faturalama.
Grounding için iki yol
SharePoint Embedded container’larında saklanan dosyalar üzerinde soru yanıtlayan bir deneyim kurmak isterseniz yazı iki yaklaşım tanımlıyor:
- Microsoft Foundry Agent Service + SharePoint knowledge source: Ajanı Foundry üzerinde kuruyorsanız, retrieval adımını ajanın bir parçası olarak Foundry yürütüyor.
- Microsoft 365 Copilot Retrieval API: Kendi grounding adımını çalıştıran özel ajanlar ve uygulamalar için. API’yi herhangi bir uygulamadan çağırabiliyorsunuz; SharePoint knowledge source kullanmayan bir Foundry ajanı da buna dahil.
Yazının odağı ikinci seçenek. Retrieval API, SharePoint Embedded içeriğinden ilgili pasajları dönduruyor, bu sonuçlar da AI deneyiminin grounding verisi oluyor. Prompt, orkestrasyon akışı ve model geliştiricinin kontrolünde kalırken kurumsal içerik genelindeki arama işini Microsoft 365 üstleniyor.
Vektör veritabanı neden gerekmiyor?
İçerik Microsoft 365 içinde kaldığı için ayrı bir içerik indeksleme altyapısı kurup bakımını yapmanız beklenmiyor. Pratikte bu, metni çıkaran, embedding üreten, bunları bir vektör veritabanında saklayan ve izinleri sürekli senkron tutan bir pipeline’ı uygulamanın ömrü boyunca işletmekten kaçınmak anlamına geliyor.
Erişim senkronizasyonu için de ek bir katman yazmıyorsunuz, Retrieval API sonuçları zaten her kullanıcının izinlerine göre kırpılmış (trimmed) dönüyor. Kurumsal RAG senaryolarında en çok hataya açık noktalardan biri böylece ortadan kalkıyor.
Lisanslama tarafında yazıda net bir ayrıntı var. Retrieval API’yi sorgulayan her kullanıcının Microsoft 365 Copilot lisansına sahip olması gerekmiyor, kiracıda en az bir kullanıcının Copilot lisansı bulunması yeterli. Semantik indeksi başlatan da o lisanslı kullanıcı veya kullanıcılar oluyor.
Retrieval API nasıl çalışıyor?
Akış şöyle tarif ediliyor. Geliştirici bir sorgu gönderiyor, veri kaynağı olarak sharePointEmbedded değerini belirtiyor. Faturalama, Copilot Studio message meter üzerinden pay-as-you-go ilerliyor. Kullanıcı soruyu sorduğunda uygulamanız Retrieval API’yi çağırıyor, API SharePoint Embedded container’larındaki içerikten ilgili metin parçalarını dönduruyor, uygulamanız da bu metinleri grounding verisi olarak kendi modeline aktarıyor.
Özel copilot’lar, alana özgü asistanlar, belge zekası çözümleri ve benzeri AI deneyimleri kurarken içerik yönetişimini müşteri beklentileriyle hizalı tutma esnekliği buradan geliyor.
MCP server: doğal dille uygulama kurma ve yönetme
Retrieval API çalışma zamanındaki deneyimi hedefliyor; genel önizlemedeki SharePoint Embedded MCP server ise kurulum ve yönetim tarafını kolaylaştırmayı amaçlıyor. Açık kaynak npm paketi @microsoft/spe-mcp sayesinde MCP uyumlu AI istemcileri SharePoint Embedded uygulamalarını doğal dille sağlayıp yönetebiliyor. Yazıda örnek olarak Visual Studio Code veya CLI üzerindeki GitHub Copilot, Claude, Cursor ve Azure AI Foundry sayılıyor.
Portallarda tıklamak, Microsoft Graph ile Azure CLI komutlarını elle birleştirmek yerine ne istediğinizi tarif ediyorsunuz, örneğin “uygulamam için bir trial container type oluştur” diyorsunuz, coding agent de gerekli SharePoint Embedded araçlarını sizin adınıza çağırıyor.
Desteklenen senaryolar şöyle sıralanıyor:
- Container type ve container oluşturma ve yönetme
- SharePoint Embedded uygulamalarını provision etme
- Faturalama yapılandırması
- İçerik yükleme ve yönetme
- Referans uygulama iskeleti oluşturma (scaffolding)
- Dokümantasyon ve öğrenme kaynaklarında arama
Nereden başlanıyor?
Yazıya göre en hızlı başlangıç, coding assistant’ınızı önizlemedeki SharePoint Embedded MCP Server’a yönlendirip örnek bir uygulamanın iskeletini ona kurdurmak. Önerilen komut:
npx @microsoft/spe-mcpArdından ajandan bir SharePoint Embedded projesi ve dosya yükleyebileceğiniz bir örnek uygulama oluşturmasını isteyebiliyorsunuz. Kullanım pay-as-you-go faturalandığından peşin taahhüt yok. Uygulama ayağa kalktıktan sonra sıra, grounding’li AI deneyimlerini Microsoft 365 Copilot Retrieval API ile kurmaya geliyor.
Yazı, kendi içeriğiniz üzerinde çalışan bir AI uygulamasına “bir öğleden sonrada” ulaşabileceğinizi, çalıştırmanız gereken bir vektör veritabanı ya da ayrı bir arama indeksi olmayacağını söylüyor. Bu ifade kaynağın kendi değerlendirmesi olarak okunmalı, gerçek süre senaryonuzun karmaşıklığına bağlı olacak.
Kaynaklar ve İleri Okuma
- Build AI-powered apps without creating a vector database — Microsoft 365 Developer Blog (Steve Pucelik)
- Microsoft Learn: Retrieval API kullanımı
- GitHub: SharePoint Embedded MCP Server
- Topluluk çağrısındaki SharePoint Embedded sunumu (video)
- Microsoft 365 Developer Blog
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
Yorum gönder