Yapay zekâ ajanı, büyük dil modelinin yalnızca bir soruyu yanıtlamakla kalmayıp hedefe ulaşmak için kendi adımlarını yönlendirdiği ve araç kullandığı sistemdir. Sohbet botu ise genellikle gelen mesaja cevap verir ve konuşma orada biter. Anthropic'in Aralık 2024'te yayımladığı yazı bu ayrımı iki kavramla anlatıyor: iş akışları ve ajanlar.
İş akışı ile ajan arasındaki fark
Yazıya göre iş akışları, dil modellerinin ve araçların önceden tanımlanmış kod yollarıyla düzenlendiği sistemlerdir. Ajanlar ise dil modellerinin kendi süreçlerini ve araç kullanımını dinamik olarak yönettiği sistemlerdir. Aradaki fark, adımların kimin tarafından belirlendiğinde yatıyor. İş akışında geliştirici yolu baştan çizer. Ajanda ise model, hedefe giden yolda hangi aracı ne zaman kullanacağına kendisi karar verir.
İş akışlarının beş temel kalıbı
Yazı, iş akışlarını beş kalıpta topluyor:
- Prompt chaining (istem zinciri): Görev bir dizi adıma bölünür ve her model çağrısı bir önceki çağrının çıktısını işler.
- Routing (yönlendirme): Girdi sınıflandırılır ve uzmanlaşmış bir sonraki göreve gönderilir.
- Parallelization (paralelleştirme): Modeller aynı görev üzerinde eşzamanlı çalışır, çıktılar program tarafından birleştirilir. Yazı bunun iki çeşidi olarak bölümlemeyi ve oylamayı sayıyor.
- Orchestrator-workers (düzenleyici ve işçiler): Merkezi bir model görevi dinamik olarak parçalara ayırır, işçi modellere dağıtır ve sonuçları birleştirir.
- Evaluator-optimizer (değerlendirici ve iyileştirici): Bir model yanıt üretir, bir diğeri değerlendirip geri bildirim verir ve bu döngü tekrarlanır.
Yazının önerisi basit: mümkün olan en basit çözümü bulmak, karmaşıklığı yalnızca gerektiğinde artırmak. Çok adımlı ajan sistemleri de ancak daha basit çözümler yetmediğinde eklenmeli.
Ajan ne zaman gerekir?
Yazıya göre ajanlar, kaç adım gerekeceği önceden kestirilemeyen ve yolu sabit kodla belirlenemeyen açık uçlu problemler için uygundur. Bunun bedeli de var: ajanın özerkliği daha yüksek maliyet ve birikerek büyüyen hata riski getirir. Yazı, ajanlı sistemlerin görev başarısı için gecikme ve maliyetten ödün verdiğini belirtiyor ve bu takasın değip değmeyeceğinin ayrıca düşünülmesi gerektiğini söylüyor.
Ajan döngüsünde geri bildirim
Yazıya göre ajanın her adımda ortamdan gerçek bilgi alması çok önemli. Bu bilgi bir araç çağrısının sonucu ya da kod çalıştırmanın çıktısı olabilir. Pratikte ajan, ortamdan gelen geri bildirime dayanarak araçları bir döngü içinde kullanan bir dil modelidir. Yani ajan, bir kez yanıt verip durmak yerine sonucu görüp bir sonraki adımı ona göre seçer.
Yazının öne çıkardığı alanlar
Yazı, ajanların özellikle değerli bulunduğu iki alan anlatıyor: müşteri desteği ve kodlama. Kodlama tarafında örnek olarak SWE-bench görevlerini çözen bir kodlama ajanı veriliyor. Bu alanlar yazının ekinde ayrıca ele alınıyor.
Sohbet botu ve ajan pratikte nasıl ayrılır?
Bir örnekle düşünelim. "Bu hafta kaç toplantım var?" sorusu, bir sohbet botunun tek bir yanıtla cevaplayabileceği bir sorudur. "Toplantılarımı takvime yerleştir ve çakışanları bildir" gibi bir istek ise takvime erişmeyi, çakışmaları kontrol etmeyi ve sonuca göre yeniden düzenlemeyi gerektirir. Ajan, bu çok adımlı ve araçlı işi kendi döngüsü içinde yürütmeye çalışan sistemdir. (Bu örnek açıklama için seçildi; yazının bir parçası değil.)
Merak edilenler
Ajanlar neden daha pahalı? Yazıya göre ajanın özerkliği daha yüksek maliyet ve birikerek büyüyen hata riski getiriyor. Yazı, ajanlı sistemlerin gecikme ve maliyet açısından bir takas olduğunu da belirtiyor.
Her zaman ajan mı gerekir? Hayır. Yazı, önce en basit çözümün denenmesini ve ajanın yalnızca daha basit çözümler yetmediğinde kullanılmasını öneriyor.
Yazı ne zaman yayımlandı? Anthropic yazısı Aralık 2024'te yayımlandı. Ekim 2026 itibarıyla, yazının kendi notuna göre anlatılan araçların önemli bir kısmı değişti; sayfa daha yeni bir yazıya, yönetilen ajanlara (Managed Agents) işaret ediyor. Bu rehber yalnızca 2024 yazısındaki kavramları anlatıyor.
