AI Agent, verilen bir hedefe ulaşmak için kendi kararlarını veren, araçları kullanan ve adımları arasında hafıza tutan yapay zeka sistemidir. Chatbot bir soruya cevap verirken, agent kendi başına 15-20 adımlık bir işlem zincirini yürütebilir. 2026 itibarıyla yazılım geliştirme, satış, müşteri hizmetleri ve DevOps operasyonlarının önemli bir kısmı AI Agent altyapısına geçmiş durumda.
Bu rehberde AI Agent nedir, hangi bileşenlerden oluşur, LLM’den ne farkı vardır, hangi mimariler kullanılır ve kendi ilk agent’ınızı nasıl kurarsınız — tüm bu soruları uygulanabilir seviyede yanıtlayacağız.
AI Agent ile LLM Arasındaki Fark
Bir LLM (Large Language Model) yalnızca metin üretir. Girdiyi alır, olasılıksal olarak çıktı verir. Durum tutmaz, dış dünyayı etkileyecek karar veremez. Bir AI Agent ise LLM’i bir “beyin” olarak kullanır, buna 4 kritik katman ekler:
- Araçlar (tools): API çağrısı, veritabanı sorgusu, kod çalıştırma.
- Hedef döngüsü (loop): Görev bitene kadar iteratif ilerleme.
- Hafıza (memory): Bağlam ve öğrenme.
- Karar mekanizması: Ne zaman hangi aracı çağıracağını belirler.
Bir Agent’ın Temel Bileşenleri
1. Planlama Modülü
Görevi alt adımlara böler. Bazı mimariler baştan tüm planı çıkarır (plan-and-execute), bazıları ise adım adım karar verir (ReAct).
2. Araç Kullanımı
Web arama, kod çalıştırma, veritabanı sorgulama, dosya okuma-yazma, API çağrısı. 2026’da MCP (Model Context Protocol) sayesinde araç bağlama standartlaştı.
3. Hafıza Yönetimi
Kısa vadeli hafıza bağlam penceresinde tutulur. Uzun vadeli hafıza için pgvector, Pinecone, Weaviate veya Qdrant gibi vektör veritabanları kullanılır.
4. Öz-Değerlendirme
Sonucun hedefe ulaşıp ulaşmadığını kontrol eder. Bazı mimarilerde bunun için ayrı bir “critic” agent görev alır.
5. Güvenlik Katmanı
Prompt injection, veri sızıntısı ve maliyet patlaması gibi riskleri sınırlar.
Yaygın Agent Mimarileri
ReAct
Reasoning + Acting. Model “düşün, hareket et, gözlemle” döngüsüyle ilerler. En yaygın basit agent modelidir. LangChain’in ilk agent implementasyonu ReAct tabanlıydı.
Plan-and-Execute
Önce tüm plan çıkarılır, sonra ayrı bir yürütücü çalıştırır. Uzun görevlerde daha stabil, model dolaşmayı azaltır. LangGraph bu mimariyi destekler.
Multi-Agent Sistemleri
Birden fazla agent (araştırmacı, yazar, eleştirmen, koordinatör) birbirine mesaj gönderir. CrewAI, LangGraph, AutoGen ve OpenAI Swarm bu mimariyi destekler.
Reflection Pattern
Model çıktısını değerlendirip iyileştirir. Kod yazımında ve içerik üretiminde kaliteyi ciddi şekilde artırır.
Tree of Thoughts
Farklı çözüm yollarını paralel keşfeder. Karmaşık akıl yürütme problemlerinde tercih edilir.
Gerçek Dünya Örnekleri
- Müşteri destek agentları: bilet oluşturur, iade başlatır, sipariş takibi yapar.
- DevOps agentları: log analizi, otomatik rollback, alarm önceliklendirme.
- Satış agentları: leadleri araştırır, kişisel e-posta yazar, CRM’i günceller.
- Kodlama agentları: test yazar, PR açar, code review yapar (Claude Code, Cursor Agents, Devin).
- Araştırma agentları: literatür tarar, özetler, kaynakça çıkarır.
- Muhasebe agentları: fatura eşleştirme, mutabakat, gider kategorizasyonu.
- SEO agentları: rakip analizi, içerik takvimi, meta bilgisi üretimi.
Kendi Agent’ınızı Nasıl Kurabilirsiniz?
- Hedef ve başarı kriterini net tanımlayın. Ölçülebilir olmalı.
- Araç setini (tools) belirleyin. Az sayıda ama iyi seçilmiş araç, çok sayıda karışık araçtan iyidir.
- MCP veya OpenAI Function Calling ile araçları bağlayın.
- Kısa vadeli bağlam için özet sistemleri, uzun vadeli için pgvector kullanın.
- Sonuç değerlendiricisi (evaluator) ekleyin.
- Loglama ve gözlemlenebilirlik (Langfuse, Helicone).
- Bütçe ve zaman limiti koruması.
- Küçük başlayın, gerçek kullanıcılarla test edin.
Kullanılabilecek Frameworkler
- LangGraph: state machine tabanlı, kurumsal ölçek.
- CrewAI: multi-agent ekipler, hızlı prototip.
- AutoGen: Microsoft, çift yönlü konuşan agent’lar.
- OpenAI Agents SDK: resmi, sade API.
- Claude Agent SDK: Anthropic ekosistemi için ideal.
Riskler ve Best Practice
Agent’lar döngüye girerse maliyet çok hızlı yükselir. Mutlaka şu 5 korumayı ekleyin:
- Adım limiti (maksimum 20-40 tool call).
- Zaman aşımı (görev başına).
- Aylık bütçe alarmı.
- Kritik araçlar için insan onayı (HITL).
- Prompt injection koruması ve input sanitizasyonu.
Sıkça Sorulan Sorular
AI Agent ile chatbot arasındaki fark nedir?
Chatbot tek adımlı bir cevap verir. Agent hedefe ulaşana kadar birden fazla adım atar, karar verir ve araç çağırır.
Agent’ları yerelde çalıştırabilir miyim?
Evet. Llama 3, Mistral veya Qwen serisi açık modeller + MCP + LangGraph ile self-host mümkün.
Hangi dil daha iyi?
Python en zengin ekosisteme sahip. TypeScript hızla büyüyor, özellikle üretim entegrasyonlarında tercih ediliyor.
Agent yatırımı KOBİ için ne zaman anlamlı olur?
Tekrarlanan iş akışlarında (ayda 200+ tekrar) 3-6 ayda kendini geri öder.
Sonuç
AI Agent, 2026-2027 döneminde yazılım sektörünün en büyük dönüşümlerinden biri olacak. Kod yazan, satış yapan, destek veren agent’lar hızla üretime giriyor. Erken öğrenen ekipler bu geçişte kariyer ve iş açısından çok büyük avantaj elde edecek. Küçük bir agent’la başlayın, gerçek kullanıcı verisiyle iyileştirin, üretim ölçeğine adım adım çıkın.