Çoğu "Yapay Zeka Ajanı" Aslında Pardösü Giymiş If Koşulundan İbaret

Demo Büyüsü ve Canlı Üretim Gerçekleri

Geçtiğimiz yıl bir "yapay zeka ajanı" (AI agent) geliştirdim ve bununla gurur duyuyordum. Bir planlayıcısı, kullanabildiği araçları ve ne yapacağına karar veren, kendi çıktısını değerlendirip adımları birbirine bağlayan bir akıl yürütme döngüsü (reasoning loop) vardı. Demolarda herkesi hayrete düşüren bu sistem, canlı üretime (production) alındığında tam bir hayal kırıklığı oldu: yavaş, son derece pahalı ve Salı günü çalışan şeyin Çarşamba günü nedeni anlaşılamayan otonom kararlar yüzünden patladığı, yeniden üretilemeyen hatalar silsilesi.

Sorunu çözmek adına sistemi basitleştirerek sıkıcı, doğrusal bir veri hattına (linear pipeline) dönüştürdüm: Sabit adımlar, akıl yürütme döngüsü yok. Sonuç; her açıdan daha hızlı, daha ucuz, test edilebilir ve hataları kolayca ayıklanabilir bir mimari oldu. Eski "ajanın" loglarını incelediğimde ise can sıkıcı bir gerçekle yüzleştim: Sistem istisnasız her seferinde aynı üç adımı atıyordu: Veriyi çek, dönüştür ve yanıtla. Sahip olduğu otonomiyi hiçbir zaman farklı bir yol seçmek için kullanmamıştı. Basit bir for döngüsüne sistem istemi verip ona "ajan" demiştim. 2026'da "ajan" olarak adlandırılan sistemlerin büyük kısmı, aslında pardösü giymiş bir pipeline'dan ibarettir; bu bir hakaret değil, mühendislik açısından büyük bir rahatlamadır.

"Ajan" Gerçekte Nedir? (Kimsenin Netleştirmediği Tanım)

"Ajan" terimi her anlama çekildiği için içini boşalttığımız kavramlardan biri haline geldi. Oysa aradaki tek ve en kritik fark şudur:

Ajan (Agent): Çalışma anında (runtime) kendi kontrol akışına (control flow) kendisi karar verir. Hangi aracın çağrılacağını, bir sonraki adımı, döngünün sürüp sürmeyeceğini ve ne zaman duracağını dinamik olarak model seçer; direksiyon modele bırakılmıştır.
Pipeline: Kontrol akışı geliştirici tarafından tasarım aşamasında (design time) sabitlenir. Birinci adım, ardından ikinci ve üçüncü adım; her seferinde aynı rota izlenir.

Sabit bir adımın içinde LLM kullanarak veri ayıklamak, destek biletini sınıflandırmak veya özet çıkarmak "ajanlık" değildir; yalnızca akıllı bir fonksiyon çağrısıdır. Çoğu sözde ajan direksiyonu modele devretmez; sadece sabit rotayı akıcı bir dille anlatıp buna "akıl yürütme" der.

Test: Akış Şemasını Önceden Çizebiliyor musunuz?

Geliştirdiğiniz mimariyi test etmek için tek satırlık pratik bir kural yeterlidir:

Sisteminizin çalışmadan önce ne yapacağını bir beyaz tahtaya akış şeması (flowchart) olarak çizebiliyorsanız, elinizdeki bir ajan değil, pipeline'dır.

Adım 1: Bağlamı getir, Adım 2: Aracı çağır, Adım 3: Yanıtı biçimlendir. Bunu önceden çizebiliyorsanız rota zaten bellidir. Gerçek bir ajana yalnızca sonraki adımın önceden tahmin edilemeyecek bir keşfe bağlı olduğu nadir durumlarda ihtiyaç duyarsınız. Çoğu iş senaryosunun adımları zaten bellidir.

Bu Kostüm Neden Pahalıya Mal Olur?

"Teknik olarak pipeline olsa ne çıkar, sonuçta çalışıyor" diyebilirsiniz. Ancak sabit adımlı bir süreci ajan kılığına sokmak; gereksiz token tüketimi, yüksek API maliyetleri, gecikme süreleri (latency) ve en kötüsü kontrol edilemeyen "otonom" hatalar doğurur. Yazılımcılar için pratik çıkarım nettir: Önceden kurgulanabilen işler için deterministik pipeline'lar kurun; LLM'i tüm akışı yöneten bir ajan yapmak yerine, yalnızca adımların içindeki özelleşmiş görevlerde kullanın.

Orijinal kaynağa buradan ulaşabilirsiniz.

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