Anthropic'in Dinamik İş Akışları Claude Ajanlarını Nasıl Koordine Ediyor?

AI Engineer New York 2026 konferansında Anthropic teknik ekip üyeleri CJ Avilla ve Harrison Stall, geliştiricileri boğmadan büyük projelerin üstesinden gelebilecek çok-ajanlı sistemlerin nasıl kurulacağını anlattı. Sunumda tanıtılan ve "akışlar" (flows) olarak adlandırılan dinamik iş akışları (dynamic workflows), geliştiricilerin en iddialı ve karmaşık iş yükleri için tasarlanmış yeni nesil bir çok-ajanlı orkestrasyon yaklaşımıdır.

Sunucular, Ken Thompson'ın orijinal Unix işletim sistemini geliştirmesinden Linus Torvalds ve katmanlı güvenilir bakımcı (maintainer) hiyerarşisine evrilen Linux tarihine kadar uzanan önemli paralellikler kurdu. Buradan çıkarılan ana ders şudur: Yapay zeka ajanları büyük ölçekli projelere dahil edildikçe, geliştiriciler GitHub üzerinde binlerce PR (Pull Request) incelemek zorunda kalarak operasyonel bir darboğaza dönüşmektedir. Projelerin sürdürülebilirliği, yazılım dünyasındaki gibi hiyerarşik ve organize bir ajan yönetimi gerektirir.

Ajan Listelerinden Dinamik İş Akışlarına#

Claude Code ekosistemindeki "her görev için özel bir koşum takımı" (harness) vizyonundan doğan dinamik iş akışları, tek bir ajanın veya sabit ajan listelerinin sınırlarını aşar. Bu yeni mimaride Claude, kendi çok-ajanlı topolojisini çalışma anında dinamik olarak belirler.

Yazılım mühendisliği ve pratik uygulama açısından sistem şu adımlarla çalışır:

• Dinamik Planlama ve Orkestrasyon: Lider ajan ilk olarak görevi analiz ederek kapsamlı bir plan oluşturur. Ardından alt ajanları başlatan, sonuçları toplayan ve bilgi akışını yöneten özel bir orkestrasyon kodu yazar.
• Ayrık ve Doğrulanabilir İş Birimleri: Geliştiricinin ajanlar arası bağlantıları elle yapılandırmasına gerek kalmadan, iş akışı her aşamada bağımsız ve doğrulanabilir birimler halinde yürütülür.
• Hibrit Kontrol ve İzolasyon: Geliştiriciler dilerse sisteme önceden yapılandırılmış uzman alt ajanlar ekleyebilir. Claude Console API üzerinden erişilen bu yapı, görevleri izole bağlamlara dağıtarak bağlam kirliliğini (context pollution) engeller.

Sunumda paylaşılan hisse senedi tarayıcısı örneği bu deseni somutlaştırır: Tarama fazında her hisse kodu izole bağlama sahip ajanlara dağıtılır; denetim fazında ise tüm bulgular sentezlenerek nihai rapor oluşturulur.

Soru-Cevap: Bütçeler ve Öz-Gelişimin Sınırları#

Etkinliğin soru-cevap bölümünde, dinamik orkestrasyonun üretim ortamındaki sınırları ve riskleri tartışıldı. Öne çıkan kritik mühendislik soruları şunlardır:

• Ajan Dağıtımı ve Patlama Riski: Claude'un bir görev için kaç alt ajana ihtiyaç duyacağını nasıl belirlediği ve basit bir görevin gereksiz ajan üretim patlamasına yol açıp açmayacağı sorgulandı.
• Bütçe ve Güvenilirlik Sınırları: Ajanların kontrolsüz maliyet ve token tüketimini engellemek için bütçe limitlerinin tanımlanması ve modellerin kendi kendini geliştirme sınırlarının netleştirilmesi gerektiği vurgulandı.

Öğrenme platformu açısından temel çıkarım; üretim ortamında güvenilir ajan sistemleri kurarken statik koordinatörler yerine dinamik, doğrulanabilir ve sınırları iyi çizilmiş hiyerarşik iş akışlarının tercih edilmesidir.

---

Bu konuyu derinlemesine öğrenmek isterseniz: Production'da Agent Güvenilirliği modülüne göz atın.