Agentic AI Nedir? Yapay Zekâ Ajanları Dijital Dünyayı Nasıl Değiştiriyor?

Bir yapay zekâ uygulamasından toplantı gündemi yazmasını istemekle, toplantıya hazırlanmak için gerekli belgeleri bulmasını, takvimde uygun zamanları belirlemesini ve davet taslağı oluşturmasını istemek arasında önemli bir fark vardır.

İlk görev ağırlıklı olarak içerik üretmeyi gerektirir. İkinci görev ise bilgi toplama, araç kullanma, birden fazla adımı yürütme ve sonuçları kontrol etme ihtiyacı doğurur.

Agentic AI, bu tür hedef odaklı sistemleri anlatmak için kullanılan bir kavramdır. Özellikle dil modeli tabanlı uygulamalarda model, kendisine sunulan araçlar ve kurallar çerçevesinde bir sonraki adımı seçebilir. Ancak bu hareket alanı, sınırsız bağımsızlık anlamına gelmez.

Agentic AI Nedir?

Agentic AI, bir hedefi gerçekleştirmek için çevresinden bilgi alan, eylem seçen ve sonuçlara göre ilerleyişini uyarlayan yapay zekâ sistemlerini ifade eder.

Kavramın kullanımı farklı kaynaklarda değişebilir. Genel olarak belirleyici özellik, sistemin yalnızca önceden hazırlanmış bir yanıtı sunması değil, görevin yürütülmesinde hangi adımın atılacağına da katkıda bulunmasıdır.

Örneğin bir araştırma ajanı, ilk aramada yeterli bilgi bulamadığında sorgusunu değiştirebilir. Bir yazılım ajanı, test başarısız olduğunda hata çıktısını inceleyerek kod üzerinde yeni bir düzenleme yapabilir.

Anthropic’in mühendislik yaklaşımında, adımları önceden belirlenmiş iş akışları ile modelin araç kullanımını ve ilerleyişi dinamik biçimde yönlendirdiği ajan sistemleri birbirinden ayrılır. Bu ayrım, Agentic AI kavramını anlamak için yararlı bir başlangıçtır.

Chatbot, İş Akışı ve Yapay Zekâ Ajanı Arasındaki Fark Nedir?

Bu kavramlar her zaman birbirini dışlamaz. Bir ajan sohbet arayüzünden kullanılabilir; bir chatbot da araçlara erişebilir. Dolayısıyla yalnızca ekranda mesajlaşma bulunmasına bakarak sistemin yetenekleri anlaşılamaz.

Yapı	Çalışma biçimi	Örnek
Basit sohbet uygulaması	Kullanıcı girdisine yanıt üretir	Bir metni özetlemek
Tanımlı iş akışı	Önceden belirlenen adımları izler	Belgeyi alıp sınıflandırmak ve ilgili klasöre kaydetmek
Yapay zekâ ajanı	Araç sonuçlarına göre sonraki adımı seçebilir	Eksik bilgiyi araştırarak raporu tamamlamak
Çok ajanlı sistem	Görevler birden fazla ajan arasında paylaşılır	Araştırma, analiz ve raporlamayı ayrı ajanlarla yürütmek

Her iş için en karmaşık yapının seçilmesi gerekmez. Adımları belli olan bir işlem, tanımlı bir iş akışıyla daha öngörülebilir biçimde tamamlanabilir. Değişen koşullara göre karar verilmesi gereken görevlerde ise ajan yaklaşımı değerlendirilebilir.

Yapay Zekâ Ajanları Nasıl Çalışır?

Bir ajanın çalışma süreci, genellikle hedefi değerlendirme, eylem seçme, araç kullanma ve sonucu gözlemleme döngüsü üzerinden açıklanabilir.

Kullanıcının isteği ve mevcut bilgiler başlangıç bağlamını oluşturur. Sistem, görevi ilerletmek için uygun bir araç seçebilir. Araçtan gelen yanıtı değerlendirerek işi tamamlayabilir, başka bir işlem yapabilir veya eksik bilgi isteyebilir.

Örneğin bir kodlama ajanı:

1. İstenen değişikliği ve ilgili dosyaları inceler.

2. Uygun düzenlemeyi yapar.

3. Testleri çalıştırır.

4. Başarısızlık varsa hata çıktısını değerlendirir.

5. Gerekirse düzeltme yaparak yeniden kontrol eder.

Bu döngünün süresiz devam etmemesi gerekir. Görevin tamamlanma koşulu, çalışma bütçesi ve gerektiğinde insana başvurma noktaları belirlenmelidir. Ajan değerlendirmelerine ilişkin mühendislik çalışmaları da araç çağrılarının ve ortamda yapılan değişikliklerin bütün süreç içinde incelenmesi gerektiğini vurgular.

Agentic AI Sistemlerinin Temel Bileşenleri Nelerdir?

Bir ajan uygulamasının başarısı, yalnızca kullandığı dil modeline bağlı değildir. Modelin çevresindeki yazılım ve bilgi düzeni de önemlidir.

Model: İsteğin yorumlanması, seçeneklerin değerlendirilmesi ve sonraki adımın seçilmesinde görev alabilir.

Araçlar: Dosya okuma, veri sorgulama, hesaplama yapma veya başka bir uygulamayla etkileşim kurma gibi işlevleri sağlar.

Bağlam: Görev açıklamasını, kuralları, ilgili belgeleri ve önceki işlem sonuçlarını içerir.

Durum kaydı: Hangi işlerin tamamlandığını, nelerin beklediğini ve hangi hataların oluştuğunu takip eder.

Çalıştırma ve denetim katmanı: Araç çağrılarını yürütür, erişim sınırlarını uygular ve sistemin ne zaman duracağını yönetir.

Anthropic’in ajan altyapısı üzerine açıklamaları, modelin çalışma döngüsü ile işlem geçmişi ve yürütme ortamının ayrı bileşenler olarak ele alınabileceğini göstermektedir.

Hafıza Kullanmak Ne Anlama Gelir?

Ajanların “hafızası” olduğu söylendiğinde, bütün geçmişi eksiksiz hatırlayan bir sistem düşünülmemelidir.

Hafıza; konuşma geçmişi, görev notları, dosyalar veya daha sonra geri getirilebilen kayıtlar şeklinde uygulanabilir. Hangi bilginin saklandığı ve gerektiğinde nasıl bulunduğu, uygulamanın tasarımına bağlıdır.

Uzun görevlerde bütün geçmişi her adımda modele vermek verimsiz olabilir. Bu nedenle özetleme, ilgili kayıtları yeniden getirme ve ilerleme notları tutma gibi yöntemler kullanılabilir.

Ancak saklanan bir bilgi zamanla eskiyebilir. Örneğin geçen ay geçerli olan teslimat süresi, bugün aynı olmayabilir. Ajanın kayıtlı bilgiyi kullanmadan önce güncelliğini değerlendirmesi gerekebilir.

Bağlam mühendisliği çalışmaları, modele mümkün olduğunca çok veri vermekten ziyade görev için doğru bilgiyi uygun zamanda sağlamanın önemini ele alır.

Araç Kullanımı Ajanın Yeteneklerini Nasıl Değiştirir?

Bir dil modeli, yalnızca metin üretirken dış dünyadaki güncel duruma doğrudan erişemeyebilir. Araç bağlantıları, uygulamanın yeteneklerini genişletir.

Örneğin:

• Takvim aracı, uygun zamanların bulunmasını sağlayabilir.

• Veritabanı bağlantısı, güncel satış kayıtlarına erişim sunabilir.

• Kod çalıştırma ortamı, hesaplamaların yapılmasına yardımcı olabilir.

• Dosya araçları, raporun oluşturulmasını ve kaydedilmesini mümkün kılabilir.

Ancak aracın sisteme eklenmesi yeterli değildir. Aracın ne yaptığı, hangi girdileri beklediği ve hangi sınırlar içinde kullanılabileceği açık olmalıdır. Birbirine benzeyen veya belirsiz tanımlanmış araçlar, yanlış seçimlere yol açabilir.

Araç tasarımı üzerine mühendislik değerlendirmeleri, anlaşılır açıklamaların ve gerçek görevlerle yapılan testlerin ajan performansı açısından önemini vurgular.

Agentic AI Nasıl Kullanılabilir? Stok Raporu Örneği

Bir mağaza yöneticisinin şu isteği verdiğini düşünelim:

“Son dört haftanın satışlarını incele, stokta tükenme riski olan ürünleri belirle ve sipariş önerisi hazırla.”

Bu iş için tasarlanan bir ajan, önce hangi mağazanın ve ürün gruplarının inceleneceğini belirleyebilir. Ardından yetkili bağlantılar üzerinden satış ve stok kayıtlarını alabilir.

Verilerde eksiklik varsa bunu bildirebilir. Örneğin bazı ürünlerin iade kayıtları görünmüyorsa hesaplamanın sınırlı olduğunu açıklayabilir.

Sonraki aşamada satış hızını, mevcut stokları ve varsa tedarik sürelerini karşılaştırarak öneri oluşturabilir. Ancak önerinin hazırlanması ile siparişin tedarikçiye gönderilmesi ayrı işlemlerdir.

Sistem yalnızca taslak hazırlamakla yetkilendirilmişse siparişi kendiliğinden iletmemelidir. Otomatik sipariş yetkisi varsa da tutar, ürün grubu veya miktar sınırları uygulama tarafından denetlenmelidir.

Bu örnek, Agentic AI’nin değerini somutlaştırır: Bilgiyi toplamak, değerlendirmek ve kullanılabilir bir çıktıya dönüştürmek. Nihai kararın ne ölçüde otomatikleşeceği ise işletmenin belirlediği kurallara bağlıdır.

Tek Ajan mı, Çok Ajanlı Sistem mi?

Agentic AI için mutlaka birden fazla ajan kullanılması gerekmez. Tek bir ajan, uygun araçlarla çok adımlı bir görevi tamamlayabilir.

Çok ajanlı yaklaşım, bağımsız işlerin ayrılabildiği veya farklı uzmanlıkların yararlı olduğu durumlarda değerlendirilebilir. Örneğin kapsamlı bir araştırmada ayrı ajanlar farklı alt konuları inceleyebilir.

Buna karşılık bütün ajanların aynı ayrıntılı bağlamı paylaşması gereken görevlerde koordinasyon yükü artabilir. Tekrar eden çalışmalar, çelişen çıktılar ve gereksiz mesajlaşma ortaya çıkabilir.

Anthropic’in çok ajanlı araştırma sistemi üzerine değerlendirmesi, bu yaklaşımın uygun görevlerde yararlı olduğunu; yoğun bağımlılık içeren her iş için aynı ölçüde uygun olmadığını belirtmektedir.

MCP ve A2A Bu Yapıda Nerede Yer Alır?

Agentic AI, belirli bir iletişim protokolünün adı değildir. Ancak ajan uygulamaları, araçlara veya başka ajanlara bağlanmak için ortak protokollerden yararlanabilir.

MCP, araç ve veri kaynağı bağlantılarının standartlaştırılmasına odaklanır. A2A ise ayrı ajan sistemleri arasında görev, mesaj ve çıktı alışverişini destekler.

Örneğin bir araştırma ajanı kendi veri kaynaklarına MCP üzerinden erişirken başka bir kuruluşun uzman ajanına A2A üzerinden başvurabilir. Her ajan uygulamasının bu protokolleri kullanması zorunlu değildir; seçim, entegrasyon ihtiyacına bağlıdır.

Hangi Alanlarda Kullanılabilir?

Agentic AI için değerlendirilebilecek kullanım alanları, bilgi toplama ile işlem yürütmenin bir araya geldiği süreçlerdir.

Yazılım geliştirme: Dosyaları inceleme, kod düzenleme, test çalıştırma ve hataları değerlendirme.

Müşteri hizmetleri: Talebi sınıflandırma, ilgili kaydı bulma, çözüm önerme ve gerektiğinde insana yönlendirme.

Raporlama: Farklı kaynaklardan veri toplama, hesaplama yapma ve belgeleri hazırlama.

Kurumsal operasyonlar: Belgelerin eksiklerini belirleme, işlerin durumunu takip etme ve uygun sonraki adımları önermek.

Araştırma: Soruyu alt başlıklara ayırma, kaynak tarama ve bulguları karşılaştırma.

Bunlar sistem tasarlanabilecek görev örnekleridir. Her uygulamanın aynı doğrulukta veya aynı bağımsızlık düzeyinde çalıştığı varsayılmamalıdır.

Başarı Nasıl Ölçülmeli?

Bir ajanın uzun yanıt vermesi veya çok sayıda araç kullanması, başarılı olduğunu göstermez. Değerlendirme, kullanıcının istediği sonucun gerçekleşip gerçekleşmediğine dayanmalıdır.

Örneğin bir yazılım ajanında yalnızca kod üretilmesi yeterli değildir; değişikliğin ilgili sorunu çözüp çözmediği kontrol edilmelidir. Raporlama ajanında ise dosyanın hazırlanmasının yanında rakamların doğruluğu ve kaynakların uygunluğu önemlidir.

Başarı ölçümünde şu sorular yararlı olabilir:

• Görev doğru ve eksiksiz tamamlandı mı?

• Yanlış veya gereksiz bir işlem yapıldı mı?

• Çalışma ne kadar sürdü?

• Kaynak kullanımı kabul edilebilir miydi?

• Kullanıcı ne kadar düzeltme yapmak zorunda kaldı?

Ajan değerlendirmelerine ilişkin çalışmalar, son yanıtın yanında araç kullanımını ve ortamda oluşan gerçek sonucu incelemenin önemini vurgular.

Agentic AI’nin Riskleri Nelerdir?

Araç kullanan bir sistemin hataları, yalnızca yanlış bir cümle üretmekle sınırlı kalmayabilir. Yanlış dosyanın değiştirilmesi veya yanlış kişiye bilgi gönderilmesi gibi sonuçlar doğabilir.

Önemli risklerden biri gereğinden geniş yetki verilmesidir. OWASP, aşırı işlev, izin veya bağımsızlığın, hatalı model çıktılarının zararlı işlemlere dönüşmesine yol açabileceğini belirtir.

Bir başka sorun, dış içeriklerdeki yönlendirmelerdir. Ajanın okuduğu bir belge veya internet sayfası, görevle ilgisiz talimatlar içerebilir. Bu içeriklerin, kullanıcının verdiği yetkinin yerine geçmemesi gerekir.

Hatalı bilgi, güncelliğini kaybetmiş kayıtlar ve başarısız işlemlerin kontrolsüz tekrarı da sonuçları etkileyebilir. Bu nedenle araç erişimleri, işlem kayıtları ve durdurma koşulları sistemin temel parçaları olarak tasarlanmalıdır.

İnsan Denetimi Nasıl Kurulmalı?

İnsan denetimi, her küçük adımda onay istemek anlamına gelmez. Denetimin yoğunluğu, işlemin etkisine göre belirlenebilir.

Belge arama veya rapor taslağı hazırlama gibi görevler daha geniş bir çalışma alanıyla yürütülebilir. Ödeme, hesap silme veya dışarıya bilgi gönderme gibi işlemlerde ise daha sıkı sınırlar ve uygun onay mekanizmaları gerekebilir.

Onay ekranının da anlaşılır olması önemlidir. Kullanıcı hangi işlemin yapılacağını, hangi verilerin kullanılacağını ve kimlerin etkileneceğini görebilmelidir.

OWASP’ın önerileri arasında araçların işlevlerini sınırlandırmak, en az yetki yaklaşımını uygulamak ve yüksek etkili işlemlerde insan onayı kullanmak bulunmaktadır.

Agentic AI İş Dünyasını Nasıl Etkileyebilir?

Ajan sistemleri, bilgi arama ve farklı yazılımlar arasında işlem yapma yükünü azaltabilir. Ancak sağlanan zaman kazancının kalıcı olması, sistemin ne kadar düzeltme ve denetim gerektirdiğine bağlıdır.

Örneğin bir rapor hızlı hazırlanıyor fakat çalışan bütün rakamları yeniden hesaplamak zorunda kalıyorsa beklenen fayda sınırlı kalabilir. Buna karşılık güvenilir veri bağlantıları ve açık görev kurallarıyla çalışan bir uygulama, hazırlık süresini azaltabilir.

Bu nedenle Agentic AI’yi değerlendirirken yalnızca gösterişli örneklere bakmak yeterli değildir. Tekrarlanan gerçek görevlerde kalite, maliyet ve müdahale ihtiyacı birlikte ölçülmelidir.

İşletmeler açısından dönüşüm, görevlerin kim tarafından yapıldığının yanında çalışanların sistemi nasıl yöneteceğini de kapsar. Alan bilgisi, çıktı değerlendirme ve istisnaları çözme becerileri önemini korur.

Sık Sorulan Sorular

Agentic AI bilinçli veya insan gibi düşünen bir sistem mi?

Hayır. Görev planlama ve araç kullanma özellikleri, bilinç veya insan benzeri anlayışın kanıtı değildir.

Her chatbot bir yapay zekâ ajanı mı?

Hayır. Sohbet arayüzü tek başına bunu göstermez. Sistemin araç kullanımı ve görev sırasında adım seçme biçimi değerlendirilmelidir.

Agentic AI internete bağlanabilir mi?

Uygulamada internet erişimi sağlayan araçlar bulunuyorsa ve gerekli izinler verilmişse bağlanabilir. Bu özellik bütün sistemlerde otomatik olarak bulunmaz.

Bir ajan görev yaparken kendini yeniden eğitir mi?

Zorunlu olarak hayır. Araç kullanması, not tutması veya planını değiştirmesi, modelin temel ağırlıklarının yeniden eğitildiği anlamına gelmez.

Yapay zekâ ajanları bütün işleri bağımsız tamamlayabilir mi?

Hayır. Görev karmaşıklığı, veri kalitesi, araçlar ve yetkiler çalışma sınırlarını belirler. Bazı durumlarda ek bilgi veya insan müdahalesi gerekir.

Gelecekte daha fazla kullanılacak mı?

Daha fazla uygulamada değerlendirilmesi mümkündür. Ancak yaygınlaşmanın hızı, gerçek işlerde sağlanan faydaya, maliyete ve güvenilirliğe bağlı olacaktır.

Kaynaklar

Anthropic Building Effective AI Agents, Effective Context Engineering for AI Agents, Writing Effective Tools for AI Agents, Demystifying Evals for AI Agents, Scaling Managed Agents, How We Built Our Multi-Agent Research System, OWASP Gen AI Security Project, A2A Protocol resmî dokümantasyonu.

Editör Notu

Bu içerik, kamuya açık teknoloji kaynakları, mühendislik değerlendirmeleri ve güvenlik rehberlerinden yararlanılarak hazırlanmış bir araştırma ve değerlendirme yazısıdır. İçerikte yer alan görüşler editoryal yorum niteliğindedir. Agentic AI sistemlerinin yetenekleri; kullanılan model, araçlar, veriler ve erişim izinlerine göre değişebilir. Teknik uygulamalarda güncel dokümantasyonun ve gerçek kullanım testlerinin dikkate alınması önerilir.