"Agentic AI sihir değil, mühendisliktir. Sembolik planlama, bellek yönetimi, orkestrasyon ve modüler mimari ile çalışan zekâyı mümkün kılıyoruz."
YZ sistemleri daha otonom ve bağlama duyarlı hâle geldikçe, Agentic AI daha derin bir mimari kavrayış gerektiriyor. Agentic AI; yalnızca tanım ve karşılaştırmalardan ibaret değil, planlama yapıları, etkileşim protokolleri ve dinamik orkestrasyon modellerinin hedef odaklı davranışı mümkün kıldığı bütüncül bir tasarım yaklaşımıdır.
Bu yazı; Agentic AI’yi sistem mühendisliği ve teknik açıdan ele alır; reaktif ya da yalnızca üretken sistemlerden ayıran iç işleyişi, kuramsal temelleri ve devreye alma yöntemlerini özetler.
Planlama: Çekirdek Motor
Her ajanın kalbinde bir planlayıcı vardır: Kullanıcının soyut hedeflerini uygulanabilir, sıralı eylemlere dönüştüren alt sistem.
Mevcut ajan sistemleri, üst hedefi alt hedeflere yinelemeli olarak bölen hiyerarşik görev ayrıştırma tekniğinden de yararlanır. Eylemler genellikle şu mekanizmalarla belirlenir:
- Sezgisel Kurallar: Sistem içinde saklanan öğrenilmiş / tanımlı tercih kuralları
- Sembolik Planlama: STRIPS, PDDL gibi mantık temelli planlayıcılar
- Olasılıklı Planlama: Belirsizliği modelleyen MDP / POMDP yaklaşımları
- LLM Destekli Akıl Yürütme: Talimatlardan alt plan üreten dönüştürücü modeller
Hibrit mimariler; sembolik akıl yürütme ile LLM tabanlı planlamayı birleştirerek esnek yorumlama ve sağlam yürütmeyi bir arada sunar.
Significant Agent Architectures in Practice
1. BDI Modeli (Belief–Desire–Intention)
İnsan bilişinden ilham alan bu klasik model, ajanın şu yapıları yönetmesini sağlar:
- Beliefs (İnançlar): Dünya ve çevre hakkında bilgi
- Desires (İstekler): Olası hedefler
- Intentions (Niyetler): Seçilmiş hedefler ve taahhütlü eylemler
BDI, yeni sensör verisi ya da kullanıcı girdisi gibi değişen inançlara yanıt olarak niyetlerin dynamik güncellenmesini destekler.
2. ReAct (Reasoning + Acting)
ReAct, akıl yürütme adımlarını eylem planlarına entegre eder. Ajanlar şu döngüyü izler:
- Dahili akıl yürütme
- Araç/ API kullanımı
- Geri bildirim üzerine yansıtma
Sonuç: yorumlanabilir ve gerçek zamanlı uyarlanabilen davranış.
3. ReWOO (Read, Write, Observe, Operate)
ReWOO, LLM akıl yürütmesini dış dünyadan ayrıştırır ve şunları önceler:
- Read/Write: İç belleğin okunup yazılması
- Observe/Operate: Dış API/ araçların güvenli kullanımı
Bu ayrıştırma, çoklu ajan ortamlarında güvenli çalışmayı kolaylaştırır.
4. Çoklu Ajan Mimarileri
CrewAI, AutoGen, CAMEL gibi yaklaşımlar şunları getirir:
- Uzman ajanlar (planlayıcı, icracı, değerlendirici)
- İletişim protokolleri (paylaşımlı bellek, mesajlaşma)
- Rol tabanlı iş akışları (yönetici–kodlayıcı vb.)
Bu modülerlik; merkezi karmaşıklığı artırmadan sağlamlık ve ölçeklenebilirlik sağlar.
Araç Kullanımı ve API Entegrasyonu
Agentic AI, harici araç ve ortamlara bağlanarak şunları yapabilir:
- Gerçek zamanlı veri çekmek
- E-posta göndermek
- Etkinlik planlamak
- CI/CD hatlarını tetiklemek
Bunu mümkün kılan bileşenler:
- Fonksiyon çağırma API'leri (OpenAI tools, LangChain, Semantic Kernel)
- Kod yorumlayıcılar (Azure Code Interpreter, Python REPL ortamları)
- Dış eylem sarmalayıcıları (Selenium, Postman API'leri)
Ajanların gerçek dünyaya etki eden eylemler öncesinde doğrulama, izole çalışma ve izin denetimi yapması gerekir.
Bellek Sistemleri: Durumsuzdan Bilişselliğe
Ajan sistemlerinde şu bellek türleri bulunur:
- Kısa süreli bellek: Oturum düzeyinde durum saklama
- Uzun süreli bellek: Kullanıcı tercihleri, dünya modelleri
- Epizodik bellek: Önceki karar ve sonuçların günlükleri
Kullanılan teknolojiler:
- Vektör veritabanları (Pinecone, Weaviate, Qdrant)
- Graf depoları (Neo4j)
- Bellek içi önbellekler (Redis)
İyi yönetilen bellek, karmaşık iş akışlarında tutarlı bağlamı garanti eder.
Orkestrasyon Kalıpları
Geliştiriciler ajanları şu kalıplarla orkestre eder:
- Görev Koşucuları (ör. Airflow, LangChain Agents)
- Dinamik Görev Yönlendirme
- Kalite değerlendirmesi için geri bildirim döngüleri
- Alt ajanları koordine eden meta ajanlar
Yaygın yığınlar:
- LangChain + Azure OpenAI + Cosmos DB: Kurumsal düzey orkestrasyon
- AutoGen + VS Code + Python Araçları: Özelleştirilmiş geliştirici araçları için
- CrewAI + Pinecone + Zapier: SaaS genelinde iş otomasyonu
Tasarım İlkeleri
Güvenilirlik ve şeffaflık için şu ilkelere odaklanılır:
- Durdurulabilirlik: İnsan denetimi (human-in-the-loop)
- Açıklanabilirlik: Şeffaf ve izlenebilir mantık
- Gözlemlenebilirlik: Loglama, panolar ve telemetri
- Ölçeklenebilirlik: Durumsuz servisler ve paylaşılan bellek
İleri Yol Haritası
Yakın gelecekte şu gelişmeler beklenir:
- Sembolik ve vektör uzayları arasında birleşik bellek
- Yeniden kullanılabilir stratejiler üreten uyarlanabilir planlayıcılar
- İş birliği ve yetenek paylaşımı için ajan pazar yerleri
- Çalışma anında öğrenen, kendi kendini iyileştiren ajanlar
Yarının geliştiricileri yalnızca uygulama değil, başlı başına ajan ekosistemleri inşa edecek.
Kısaca: Bu Teknik Derinlik Neden Önemli?
Agentic AI sihir değil; mühendisliktir. Sembolik planlama, bellek yönetimi, orkestrasyon ve modüler mimari ile şunları mümkün kılıyoruz:
- Geliştiricilerin sadece sohbetbot değil, akıllı uygulamalar geliştirmesi
- Kurumsal süreçlerin şeffaf ve kontrollü biçimde otomasyonu
- Araştırmacıların ortaya çıkan davranış ve koordinasyon kalıplarını incelemesi
İşte üretken zekânın operatif zekâya dönüştüğü yer burasıdır.
Serinin Sıradaki Yazısı: Agentic AI Türleri ve İlk Ajanınızı Nasıl Kurarsınız
Uygulamalı çerçeveler, ajan arketipleri ve pratik iş akışlarını ele alacağız.