AI agent nasıl çalışır?

Bu derste yapay zekânın en çok konuşulan kavramlarından biri olan AI agent mimarisini baştan sona inceliyoruz: bir ajanı sıradan sohbet botundan ayıran yapı, model–araç–bellek üçlüsü ve adım adım çalışma döngüsü. Ajan kavramını henüz öğrenmediysen önce AI agent nedir dersine göz atabilirsin; bu derste ise perdenin arkasına, yani çalışma mantığına odaklanıyoruz. Alanın tamamı için Yapay Zekâ dersleri sayfamıza bakabilirsin.

AI Agent Tam Olarak Nedir, Ne Yapar?

AI agent, kendisine verilen bir hedefi gerçekleştirmek için kendi başına plan yapan, gerektiğinde dış araçları kullanan ve sonucu değerlendirip yoluna devam eden bir yazılımdır. Klasik sohbet botu her soruya tek seferde yanıt üretir; agent ise hedefe ulaşıncaya kadar çok adımlı bir döngü işletir. Bu farkı tek bir formüle indirgeyebiliriz: Agent = Model + Araçlar + Bellek + Döngü. Model ne yapılacağına karar verir, araçlar kararı eyleme çevirir, bellek geçmişi tutar, döngü de süreci hedef tamamlanana kadar sürdürür.

Bir AI Agent'ın Temel Bileşenleri

Her agent farklı kurulsa da iskelet hemen hemen aynıdır. Beş temel bileşeni tanıyalım:

• Model (beyin): Kararları veren büyük dil modeli; görevi nasıl böleceğini ve hangi aracı çağıracağını burada belirler. Hangi modelin neyi daha iyi yaptığı merak ediliyorsa Yapay zekâ modeli karşılaştırma dersine bakabilirsin.
• Araçlar (eller): Modelin dış dünyaya dokunmasını sağlayan fonksiyonlar: web araması, dosya okuma-yazma, kod çalıştırma, veritabanı sorgusu, e-posta gönderme gibi.
• Bellek: Hedefi, atılan adımları ve araç çıktılarını tutar; ajanın aynı hatayı tekrarlamasını engeller. Kısa süreli bellek modelin bağlam penceresinde yaşar; uzun süreli bilgi ise genellikle vektör veritabanında saklanır ve RAG nedir? dersinde anlattığımız teknikle görev sırasında devreye alınır.
• Düzenleyici döngü (orchestrator): Adımları sıraya koyan, araç çağrılarını fiilen çalıştıran ve sonuçları modele geri veren altyapı katmanı.
• Sistem talimatı: Ajana kim olduğunu, hangi kurallara uyacağını ve görevlere nasıl yaklaşacağını anlatan yönerge metni.

Agent Döngüsü: Adım Adım Çalışma Mantığı

Güncel agent'ların çoğu kısaca "düşün → harekete geç → gözlemle" diye özetlenebilecek bir döngüyle çalışır. Somut bir görev üzerinden izleyelim; görevimiz şu olsun: "Bu ayın en çok satan beş ürününü bul ve kısa bir rapor yaz."

1. Hedef alınır: Kullanıcının isteği ajanın belleğine yazılır ve modele bağlam olarak iletilir.
2. Plan kurulur: Model görevi küçük adımlara böler: satış veritabanını sorgula → sonuçları sırala → raporu yaz.
3. Araç çağrısı üretilir: Model, hangi aracın hangi parametrelerle çağrılacağını yapılandırılmış bir istek hâlinde bildirir.
4. Araç çalıştırılır, gözlem döner: Döngü katmanı aracı fiilen çalıştırır ve çıktıyı modele "gözlem" olarak geri verir.
5. Değerlendirme yapılır: Model hedefe ulaşıp ulaşmadığını denetler; sorgu hata döndüyse hatayı okur, sorguyu düzeltip yeniden dener. Hedef tamamlandığında nihai yanıtı yazar ve döngü biter.

Bu döngünün en kritik noktası beşinci adımdır: iyi bir agent sonucu tek seferde kabul etmez, gözlemle doğruladıkça ilerler. İstenmeyen sonsuz döngüleri önlemek için ise genellikle "en fazla adım sayısı" gibi güvenlik sınırları konur.

Araç Kullanımı ve Fonksiyon Çağrısı (Function Calling)

Sık yapılan bir yanılgıyı burada netleştirelim: model araçları kendisi çalıştırmaz. Model yalnızca "şu aracı şu değerlerle çağır" anlamına gelen, JSON benzeri biçimde yazılmış bir çağrı üretir; çağrıyı fiilen çalıştıran agent altyapısıdır ve dönen sonucu yeniden modele verir. Araçlar teknik olarak birer API ucu olduğundan işin temeli API mimarisine dayanır: API nedir? dersi bu temeli kurar, AI API nasıl kullanılır? dersi ise kendi kodundan yapay zekâ servislerini çağırmanın yollarını gösterir.

Tipik bir agent'a verilen araç seti şöyle görünebilir:

• web_search(sorgu): Güncel bilgiyi web'de arar.
• run_code(kod): Kodu izole bir ortamda çalıştırıp çıktısını döndürür.
• read_file / write_file: Dosya sistemi üzerinde okuma ve yazma yapar.
• sql_query(sorgu): Veritabanına soru sorar, sonucu tablo hâlinde getirir.
• send_email(alıcı, konu, metin): E-posta gönderir.

Sık Yapılan Hatalar ve Yanılgılar

• "Agent çalışırken öğreniyor." Hayır. Ajan bir görev sırasında modelin ağırlıklarını değiştirmez; aynı oturum içindeki iyileşme, belleğe aldığı gözlemlerden gelir. Kalıcı öğrenme ayrı bir mühendislik işidir: bkz. Fine-tuning nedir?
• "Chatbot ile agent aynı şey." Chatbot yanıtlar; agent karar verir, araç kullanır ve görevi uçtan uca tamamlar.
• "Aracı modelin kendisi çalıştırır." Hayır; model yalnızca çağrıyı üretir, çalıştırma her zaman döngü katmanının işidir.
• "Ne kadar çok araç o kadar iyidir." Aşırı kalabalık araç seti modeli kararsızlığa düşürür; iyi seçilmiş 3-5 araç çoğu görev için yeterlidir.
• "Agent her zaman doğru planlar." Yanlış aracı çağırabilir, döngüye takılabilir. Bu yüzden adım sınırları, kritik eylemlerde insan onayı (human-in-the-loop) ve titizlikle test edilmiş talimatlar şarttır.

Gerçek Hayattan Agent Örnekleri

2024-2025 döneminde agent mimarisi birçok üründe karşımıza çıkıyor:

• Kodlama ajanları: Hata mesajını okuyup ilgili dosyayı açan, düzeltmeyi yazan, testleri çalıştıran ve sonucu raporlayan araçlar. Bu akışın temellerini AI ile kod yazma dersinde bulabilirsin.
• Müşteri destek ajanları: Sipariş sisteminden kaydı sorgulayan, iade sürecini başlatan, kargo durumunu bildiren ajanlar.
• Araştırma ajanları: Web'de arama yapıp kaynakları derleyen, karşılaştırmalı özet hazırlayan ajanlar.
• Bilgisayar kullanan ajanlar: Ekran görüntüsünü okuyup fare ve klavye eylemleriyle masaüstü ya da tarayıcı görevlerini yürüten sistemler; ekranı anlayabilmeleri Multimodal AI nedir? dersinde işlediğimiz çok kipli modeller sayesinde mümkündür.

Özetle bir AI agent, dil modelini bir döngünün ortasına yerleştirip ona araç ve bellek vererek "soruyu yanıtlayan" sistemden "işi bitiren" sisteme geçiş yapmaktır. Bileşenleri bir kez anladığında, hangi aracın neden çağrıldığını ve bir ajanın nerede zorlandığını okumak çok daha kolay hâle gelir.