AI agent (yapay zeka ajanı), bir dil modeliyle sonraki adımlarına kendisi karar veren, iş yapmak için araç çağıran, sonuçları kontrol eden ve hedefe ulaşana kadar devam eden bir yazılımdır. Bu rehberde agent'ların chatbot'lardan farkını, çalıştırdıkları döngüyü, hangi parçalardan oluştuklarını, gerçek örnekleri ve ne zaman kullanmaman gerektiğini anlatıyoruz.
- AI agent, döngü içindeki bir dil modelidir: bağlam toplar, bir araçla bir işlem yapar, sonucu kontrol eder ve görev bitene kadar tekrarlar.
- Chatbot her seferinde tek bir mesaja cevap verir; agent ise bir hedefe doğru birkaç adımı az gözetimle planlar ve uygular.
- Her agent'ın dört parçası var: bir model, araçlar, talimatlar ve bir tür bellek ya da context yönetimi.
- Adımları önceden yazılamayan açık uçlu işlerde agent kullan; adımlar baştan biliniyorsa sabit bir iş akışı kullan.
- Agent'lara dar yetkiler, bir sandbox ve kendi işlerini doğrulayacakları bir yol ver, ürettiklerini de incele.
AI agent nedir?
AI agent'lar (yapay zeka ajanları), büyük bir dil modelinin sonraki adıma karar verdiği, bu adımı atmak için araç kullandığı, sonuca baktığı ve bir hedefe ulaşana kadar tekrarladığı programlardır. Agent'a bir sonuç verirsin ("başarısız testi düzelt", "üç tedarikçi bul ve fiyatlarını karşılaştır"), adımları agent kendisi çıkarır.
Anthropic'in mühendislik ekibi bu ayrımı Building effective agents yazısında net biçimde koyuyor: iş akışları (workflow) "LLM'lerin ve araçların önceden tanımlanmış kod yolları üzerinden yönetildiği sistemler", agent'lar ise "LLM'lerin kendi süreçlerini ve araç kullanımlarını dinamik olarak yönlendirdiği sistemler." Kilit kelime yönlendirmek. Bir agent'ta hangi aracın çağrılacağını, hangi sırayla ve ne zaman durulacağını model seçer.
Bu tanım, agent diye pazarlanan pek çok ürünü dışarıda bırakıyor. Bir soruyu cevaplayan chatbot agent değildir. Her yeni e-postayı bir modele gönderip özetini dosyalayan bir script, bir iş akışıdır. Agent ise e-postayı okuyup bir siparişe bakması gerektiğine karar veren, sipariş sistemini çağıran, siparişin eksik olduğunu fark eden, bir iş arkadaşına soran ve sonra cevap yazan sürümdür.
Önce altta yatan teknolojiyi anlamak istiyorsan büyük dil modellerinin nasıl çalıştığını okuyabilirsin. Bu rehberin geri kalanı, bir LLM'in metin tahmin ettiğini ve talimatlara uyabildiğini bildiğini varsayıyor.
AI agent ile chatbot arasındaki fark ne?
Chatbot tek bir mesaja cevap verir ve seni bekler; agent ise bir hedef alır ve ona doğru birkaç adımı kendi başına uygular. İçerideki model aynı olabilir. Fark, etrafındaki döngü ve araçlardadır.
| Chatbot | İş akışı | Agent | |
|---|---|---|---|
| Adımlara kim karar verir | Sen, her seferinde bir mesajla | Geliştirici, kodda | Model, çalışma anında |
| Sistemler üzerinde işlem yapabilir mi | Hayır, yalnızca metin yazar | Evet, sabit işlemler | Evet, araçlar arasından seçer |
| Adım sayısı | Mesaj başına bir cevap | Sabit | Göreve göre değişir |
| Öngörülebilirlik | Yüksek | Yüksek | Daha düşük |
| Neye uygun | Sorular, taslaklar, açıklamalar | Tekrarlanan süreçler | Açık uçlu görevler |
| Örnek | Bir regex istemek | Her destek talebini özetlemek | Beş dosyaya yayılan bir hatayı düzeltip testleri çalıştırmak |
İşe yarayan bir test: ikinci adımı almak için birinci adımın çıktısını sohbete geri yapıştırman gerekiyorsa chatbot kullanıyorsun. Sistem birinci adımı kontrol ettikten sonra ikinci adımı kendisi atıyorsa agent kullanıyorsun.
Yapay zeka ajanları nasıl çalışır? Agent döngüsü
AI agent'lar bir döngü çalıştırarak işler: bağlam topla, bir işlem yap, sonucu doğrula, tekrarla. Anthropic, Claude Agent SDK ile agent geliştirme yazısında tam olarak bu döngüyü anlatıyor: "bağlam topla, işlem yap, işi doğrula, tekrarla."
Başarısız bir testi düzeltmesi istenen bir kodlama agent'ı için her adım şöyle görünür:
- Bağlam topla. Agent depoda arama yapar, test dosyasını açar, test edilen fonksiyonu okur ve son değişikliklere bakar. İyi agent'lar her şeyi yüklemek yerine ihtiyaç duyduklarını arar.
- İşlem yap. Agent fonksiyonu düzenler ya da hatayı tekrar üretmek için bir komut çalıştırır. Her işlem bir araç çağrısıdır: "bu dosyayı düzenle", "bu kabuk komutunu çalıştır", "bu URL'yi getir".
- Doğrula. Agent test paketini çalıştırır ve çıktıyı okur. Bir linter ya da test başarısız olursa hata mesajı yeni bağlam olur.
- Tekrarla ya da dur. Testler geçerse agent sonucu bildirir. Geçmezse öğrendikleriyle döngüye bir tur daha girer.
Perdenin arkasında her tur sıradan bir model çağrısıdır. Program o ana kadarki konuşmayı ve kullanılabilir araçların listesini gönderir; model ya metinle ya da bir aracı çağırma isteğiyle cevap verir; program aracı çalıştırıp sonucu ekler, sonra modeli yeniden çağırır. Sadeleştirilmiş hali şöyle:
messages = [{"role": "user", "content": goal}]while True: reply = model.respond(messages, tools=TOOLS) messages.append(reply) if not reply.tool_calls: # the model thinks it is done break for call in reply.tool_calls: result = run_tool(call.name, call.arguments) messages.append(tool_result(call.id, result))Bir agent ürünündeki diğer her şey (planlama, bellek, izinler, alt agent'lar) bu döngünün etrafına kurulur. Gerçek bir SDK ile tam çalışan bir sürüm için Python ile AI agent yazma rehberimize bak.
Bir AI agent hangi parçalardan oluşur?
Her AI agent dört parçadan oluşur: akıl yürüten bir model, iş yapan araçlar, hedefi ve kuralları belirleyen talimatlar ve ilgili bilgiyi görünür tutan bellek ya da context yönetimi.
Model
Model durumu okur ve sonraki adıma karar verir. Daha güçlü modeller uzun görevlerde daha iyi kararlar verir, hatalardan daha sık toparlanır ve ne zaman duracağını bilir. Anthropic temel yapı taşına "augmented LLM" (güçlendirilmiş LLM) diyor: arama, araç ve bellekle donatılmış bir model.
Araçlar
Araçlar (tools), agent'ın çağırabildiği fonksiyonlardır: bir dosyayı okumak, bir kabuk komutu çalıştırmak, web'de arama yapmak, bir veritabanını sorgulamak, bir mesaj göndermek. Her aracın bir adı, bir açıklaması ve bir girdi şeması vardır; model araçları bu açıklamalara göre seçer. Anthropic'in tavsiyesi, bu agent ile bilgisayar arasındaki arayüzü bir kullanıcı arayüzü kadar özenle tasarlamak: açık adlar, iyi belgeler ve yanlış kullanılması zor biçimler (örneğin göreli yerine mutlak dosya yolları).
Model Context Protocol (MCP), her biri için özel entegrasyon yazmadan agent'lara araç ve veri kaynağı bağlamayı sağlayan açık bir standart. Issue takip aracın için bir MCP sunucusu olan bir kodlama agent'ı, talepleri okuyup güncelleyebilir. MCP nedir yazımız nasıl çalıştığını anlatıyor.
Talimatlar
Talimatlar agent'a işin ne olduğunu ve nasıl davranacağını söyler: hedef, kısıtlar, kurallar ve "bitti"nin ne anlama geldiği. Kodlama agent'larında bunlar çoğu zaman depodaki bir dosyada durur; Claude Code için CLAUDE.md, diğer araçlar için AGENTS.md gibi. Agent bu dosyayı her oturumun başında okur.
Bellek ve context
Bir model yalnızca context window'unda olanı görebilir. Agent'ların doğru bilgiyi görünür tutmanın yollarına ihtiyacı var: tüm dosyaları okumak yerine dosyalarda arama yapmak, konuşma uzadığında eski geçmişi özetlemek (genelde compaction denir), yan görevleri kendi context'i olan alt agent'lara (subagent) devretmek ve oturumlar arasında kalıcı notlar yazmak.
Gerçek AI agent örnekleri neler?
Bugün en olgun AI agent'lar kodlama agent'ları; onları araştırma agent'ları, tarayıcı ve bilgisayar kullanan agent'lar ve destek agent'ları izliyor. Hepsi aynı döngüyü paylaşır, araçlarında ayrışır.
| Agent türü | Kullandığı örnek araçlar | Tipik görev |
|---|---|---|
| Kodlama agent'ı | Dosya okuma ve düzenleme, kabuk, git, test çalıştırıcı | Bir özellik eklemek, bir hatayı düzeltmek, pull request açmak |
| Araştırma agent'ı | Web araması, sayfa getirme, not alma | Bir pazar ya da konu hakkında kaynaklı bir rapor hazırlamak |
| Tarayıcı ya da bilgisayar kullanan agent | Tıklama, yazma, ekran görüntüsü | Bir form doldurmak, API'si olmayan sitelerden veri toplamak |
| Destek agent'ı | Bilgi bankası araması, sipariş sorgulama, talep sistemi | Bir müşteri sorusunu çözmek ya da üst kademeye aktarmak |
| Veri agent'ı | SQL, Python sandbox, grafik | Bir iş sorusunu veritabanından cevaplamak |
Kodlama agent'ları
Kodlama agent'ları en net örnek, çünkü kod onlara işlerini doğrulamak için hızlı ve nesnel bir yol verir: testler ya geçer ya geçmez. Claude Code belgelerinde "kod tabanını okuyan, dosyaları düzenleyen, komut çalıştıran ve geliştirme araçlarınla entegre olan agent tabanlı bir kodlama aracı" olarak tanımlanıyor. Ona "auth modülü için testler yaz, çalıştır ve başarısız olanları düzelt" gibi bir görev verebilirsin; test paketi yeşile dönene kadar döngüde kalır. OpenAI'ın Codex'i, GitHub Copilot'un agent modu, Cursor ve Gemini CLI benzer şekilde çalışıyor. Claude Code rehberimiz ilk görevi adım adım anlatıyor.
Araştırma ve tarayıcı agent'ları
Araştırma agent'ları çok sayıda arama yapar, sayfaları okur ve kaynak gösteren bir rapor yazar. Tarayıcı agent'ları ekran görüntülerine ya da sayfa yapısına bakıp tıklayarak gerçek bir tarayıcıyı kullanır. API'si olmayan siteler için faydalıdırlar; ama bir API varsa ondan daha yavaş ve daha az güvenilirdirler. Güncel durumu yapay zeka ile tarayıcı otomasyonu yazımızda anlatıyoruz.
Destek ve operasyon agent'ları
Bir destek agent'ı yardım merkezinde arama yapabilir, bir hesaba bakabilir ve bir cevap taslağı yazabilir ya da gönderebilir; emin olmadığında ya da istek hassas olduğunda bir insana aktarır. Operasyon agent'ları log'ları ve alarmları okuyup düzeltme önerir. İki durumda da tasarım sorusu aynı: agent hangi işlemleri tek başına yapabilir, hangileri onay gerektirir?
Ne zaman AI agent kullanmalı, ne zaman kullanmamalı?
Görev açık uçluysa, adımlar önceden yazılamıyorsa ve sonucu kontrol etmenin bir yolu varsa AI agent kullan. Adımlar biliniyorsa sabit bir iş akışı ya da tek bir model çağrısı kullan.
Anthropic'in tavsiyesi "en basit çözümle başlamak" ve karmaşıklığı ancak sonuçları ölçülebilir biçimde iyileştirdiğinde eklemek. Agent'lar esneklik karşılığında maliyetten, hızdan ve öngörülebilirlikten ödün verir; hatalar da çok sayıda adım boyunca birikebilir. Basit bir karar rehberi:
- Doğru bağlamla iyi yazılmış tek bir prompt işi görür mü? Tek bir model çağrısı kullan.
- Adımlar hep aynı mı? Bir iş akışı yaz: aralarında kontroller olan bir model çağrıları ve kod zinciri.
- Girdiler birkaç bilinen kategoriye mi ayrılıyor? Her kategoriyi kendi prompt'una ya da modeline yönlendir.
- Adımlar başlamadan bilinmiyor ve başarı kontrol edilebiliyor mu? İşte burada agent iyi bir seçim.
- Bir hata pahalı ya da geri alınamaz mı? Ne seçersen seç, o adımda bir insanı döngüde tut.
İyi ilk agent görevlerinin üç ortak özelliği var: net bir bitiş çizgisi ("tüm testler geçiyor", "rapor bu beş soruyu cevaplıyor"), çalışmak için güvenli bir yer ve önem kazanmadan önce bir insanın inceleyebileceği bir çıktı, örneğin bir pull request ya da bir taslak.
Kötü agent görevlerinde ise hedef bulanıktır, geri bildirim sinyali yoktur ya da para göndermek veya müşteri verisini silmek gibi geri alınamayan işlemler vardır.
AI agent'lar güvenle nasıl kullanılır?
AI agent'ları güvenle kullanmak için dokunabileceklerini sınırlar, onları yalıtılmış ortamda çalıştırır, işlerini doğrulayacakları bir yol verir ve çıktıları önemli bir yere ulaşmadan önce incelersin.
- En az yetki. Agent'a yalnızca görevin gerektirdiği araçları ve kimlik bilgilerini ver. Bir kodlama agent'ının depona ihtiyacı var, üretim veritabanının parolasına değil.
- İzolasyon. Agent'ları bir konteynerde, sanal makinede ya da ayrı bir sunucuda çalıştır; böylece kötü bir komut ana makinene zarar veremez. Agent'lar gözetimsiz ne kadar uzun çalışırsa bu o kadar önem kazanır.
- Onay kapıları. Çoğu agent aracı; kabuk komutları, ağ erişimi ya da kod push'lamak gibi riskli işlemler için onay istemeni sağlar. Agent'ın nasıl davrandığını öğrendikçe bunları yavaş yavaş gevşet.
- Yerleşik doğrulama. Testler, linter'lar, tip kontrolleri ve ekran görüntüleri, agent'ın kendi hatalarını sen görmeden yakalamasını sağlar.
- İstem enjeksiyonuna dikkat et. Web sayfalarını, issue'ları ya da e-postaları okuyan bir agent'a o içeriğe gizlenmiş talimatlar yedirilebilir. Agent'ın dışarıdan okuduğu her metni güvenilmez say. Agent dışarıdan içerik okuduktan hemen sonra yapabileceklerini sınırla.
- Sonucu incele. Diff'i, raporu ya da taslağı oku. Agent'lar hızlıdır ve çoğu zaman haklıdır, yine de kendinden emin hatalar yaparlar.
Ayrıntılı önlemler için kodlama agent'larını güvenle çalıştırma yazımıza bakabilirsin.
Uzun süre çalışan agent'larda pratik bir sorun da nerede çalıştıkları. Laptop'unda çalışan bir agent, kapağı kapattığında ya da makine uyuduğunda durur. Bu yüzden insanlar agent'ları uzak bir sunucuya taşıyor ya da onlar yokken çalışmaya devam eden arka plan kodlama agent'larını kullanıyor. Kodlama agent'ları için seçeneklerden biri Orkio: Claude Code gibi agent'ların sen laptop'unu kapattıktan sonra da çalışmaya devam ettiği, her zaman açık ve yalıtılmış bir bulut kutusu kiralıyor; pull request'lerini sonra incelersin.
AI agent'larla bugün nasıl başlarsın?
Agent'ları anlamanın en hızlı yolu, bu hafta gerçek ve düşük riskli bir görevde birini kullanmak, sonra bir ürün mü benimseyeceğine yoksa kendin mi yazacağına karar vermek.
- Bitiş çizgisi olan bir görev seç. Örnekler: "kapsam eşiği geçene kadar bu modüle test ekle", "bu 20 PDF'i kaynak gösteren bir tabloda özetle".
- Kendin yazmadan önce mevcut bir agent'ı dene. Claude Code ya da Codex gibi bir kodlama agent'ı veya sohbet asistanındaki araştırma modu, döngüyü iş başında gösterir.
- Talimatları yazıya dök. Hedefi, kısıtları ve bitmiş işin nasıl görüneceğini birkaç kısa satırda yaz.
- Onaylar açıkken başla. Agent'ın hangi işlemleri yaptığını izle, sonra güvenli olanlar için izinleri gevşet.
- Çıktıyı bir iş arkadaşının işi gibi kontrol et. Oku, çalıştır, sorgula.
- Yalnızca ürünler uymadığında kendin yaz. Resmi bir SDK ile düz bir döngüden başla; neye ihtiyacın olduğunu bildiğinde AI agent framework'lerini karşılaştır.
Sık sorulanlar
ChatGPT bir AI agent mı?
Düz bir sohbet agent değildir, çünkü model cevap verir ve seni bekler. ChatGPT ve Claude'da araştırma modları ve web'de gezinen, kod çalıştıran ya da bilgisayar kullanan araçlar gibi agent özellikleri var. Bu özellikler kendi başlarına birkaç adım attıkları için agent gibi davranır.
AI agent ile Zapier gibi otomasyon araçları arasındaki fark ne?
Klasik otomasyon önceden tanımladığın bir yolu izler: X olunca Y'yi yap. Agent ise yolu çalışma anında, gözlemlediklerine göre seçer. Gerçek sistemlerin çoğu ikisini birleştirir; sabit otomasyon adımları vardır ve muhakeme gereken kısmı bir agent üstlenir.
Yapay zeka ajanları zamanla öğrenir mi?
Çoğu agent çalışırken alttaki modelini değiştirmez. Bir görev içinde geri bildirimleri okuyarak gelişir; görevler arasında ise ancak ona bellek verirsen gelişir. Bu bellek not dosyaları, bir veritabanı ya da oturumlar arasında kalıcı olan proje talimat dosyaları olabilir.
AI agent kullanmak güvenli mi?
AI agent ancak ona verdiğin yetkiler kadar güvenlidir. Üretim sistemlerine, e-postaya ya da ödeme araçlarına erişimi olan bir agent, bir görevi yanlış anlarsa ya da kötü niyetli talimatlar okursa gerçek zarar verebilir. Agent'ları yalıtılmış ortamlarda çalıştır, araçlarını sınırla ve geri alınamayan her şey için insan onayı iste.
Framework kullanmadan kendi AI agent'ımı yazabilir miyim?
Evet. Agent, konuşmayı bir modele gönderen, modelin istediği aracı çalıştıran, sonucu ekleyen ve tekrarlayan bir döngüdür. Bunu resmi bir model SDK'sıyla yüz satırdan kısa bir kodla yazabilir, gerekirse sonra bir framework ekleyebilirsin.
