Yapay Zeka Ajanı Nasıl Çalışır?

Anthropic'in ajanlar üzerine yayımladığı mühendislik yazısındaki tanıma göre ajanlar, büyük dil modellerinin kendi süreçlerini ve araç kullanımını dinamik olarak yönlendirdiği, işi nasıl tamamlayacakları üzerinde denetimi ellerinde tuttukları sistemlerdir. Aynı yazıda iş akışları (workflow) ayrı tanımlanıyor: modellerin ve araçların önceden yazılmış kod yolları üzerinden yönetildiği sistemler.

Microsoft'un ajan tasarım dokümanı aynı kavrama ürün tarafından bakıyor. O sayfanın giriş cümlesine göre ajanlar, Copilot ve Microsoft 365 Chat içinde çalışan, özel bilgi, beceri ve araçlarla donatılmış uzmanlaşmış yapay zeka asistanlarıdır; iç bilgi kaynaklarına ve dış API'lere bağlanarak Copilot'un işlevselliğini genişletir ve daha uzmanlaşmış iş akışlarını mümkün kılarlar. Bu tanım Microsoft'un kendi ürün ailesi içindir.

İki tanımın ortak noktası şu: ajan yalnız metin üretmez, bir hedefe doğru adım atar ve dış sistemlere dokunur.

Bu farkı dikkatli yazmak gerekiyor. Birincil kaynakların hiçbiri "ajan ile chatbot arasındaki fark şudur" diye tek cümlelik resmi bir tanım vermiyor. Kaynakların kendi cümleleriyle desteklenebilen iki fark var:

• Eylem yeteneği: Microsoft'un ajan tanımında Skills adında bir bileşen var ve sayfa bunu "ajanın kullanıcı isteklerini yerine getirmek için yapabildiği eylemler, tetikleyiciler ve iş akışları" diye tarif ediyor; örnek olarak içerik özetleme, toplantı planlama, görev ya da dosya oluşturma ve mesaj gönderme sayılıyor.
• Adım sırasını kimin belirlediği: Anthropic'in ayrımına göre önceden yazılmış kod yolları varsa bu bir iş akışıdır, model kendi sürecini ve araç kullanımını yönlendiriyorsa ajandır.

Bu ikisini birleştiren sade cümle şudur: klasik sohbet kutusu soruya cevap yazar, ajan hedefi alır, hangi adımları atacağına kendi karar verir ve bağlı olduğu sistemlerde fiilen işlem yapar. Bu cümle iki kaynağın birleşimidir, tek bir kaynağın alıntısı değildir.

"Ajanlar chatbot'un yerini alır" ya da "ajanlar insan gerektirmez" gibi cümleleri burada yazmıyoruz, çünkü hiçbir birincil kaynakta böyle bir iddia yok. Aksine Anthropic'in yazısı iyi tanımlanmış işlerde iş akışlarının daha öngörülebilir olduğunu söylüyor.

Microsoft'un ajan tasarım dokümanındaki bileşen tablosu, bir ajanı konuşurken en işe yarar çerçevedir.

Aynı sayfa tam özerklik gereken durumlar için ayrı bir tip tarif ediyor: planlama, karar verme ve bağımsız çalışma özerkliği gereken karmaşık iş akışları için uygun olan özel motorlu ajanlar.

Ajanın dış dünyaya dokunma biçimi araç kullanımıdır. Anthropic'in dokümanındaki tanıma göre araç kullanımı, aynı zamanda function calling diye anılır ve modelin sizin tanımladığınız fonksiyonları çağırmasına izin verir; model, kullanıcının isteğine ve aracın açıklamasına bakarak bir aracı ne zaman çağıracağına karar verir ve uygulamanızın çalıştıracağı yapılandırılmış bir çağrı döndürür.

Kritik nokta şu: model aracı kendisi çalıştırmaz, hangi aracın hangi parametrelerle çağrılacağını söyler; çalıştırmak uygulamanın işidir. Aynı dokümana göre bunun istisnası, Anthropic'in kendi sunucusunda çalıştırdığı araçlardır. OpenAI'ın dokümanı da aynı mekanizmayı beş adımda anlatıyor:

1. Modele, çağırabileceği araçlarla birlikte bir istek gönderilir.
2. Modelden bir araç çağrısı gelir.
3. Uygulama tarafında, çağrıdaki girdiyle kod çalıştırılır.
4. Araç çıktısıyla modele ikinci bir istek gönderilir.
5. Modelden son yanıt gelir ya da yeni araç çağrıları gelir.

İki terim aynı şeyi anlatıyor. Anthropic "tool use, aynı zamanda function calling", OpenAI "function calling, aynı zamanda tool calling" diyor. Bunları birbirinden ayrı iki yetenek gibi anlatmak yanlış olur.

Model Context Protocol'ün kendi dokümanındaki tanım şu: MCP, yapay zeka uygulamalarını dış sistemlere bağlamak için açık kaynak bir standarttır. Aynı sayfaya göre MCP sayesinde Claude ya da ChatGPT gibi uygulamalar veri kaynaklarına (yerel dosyalar, veri tabanları), araçlara (arama motorları, hesap makineleri) ve iş akışlarına bağlanabiliyor.

Sayfanın kendi benzetmesi de akılda kalıcı: MCP'yi yapay zeka uygulamaları için bir USB-C girişi gibi düşünün. USB-C cihazları bağlamak için standart bir yol sunuyorsa, MCP de yapay zeka uygulamalarını dış sistemlere bağlamak için standart bir yol sunuyor. Mimarinin iki ucu var: MCP sunucusu veriyi ve araçları dışa açar, MCP istemcisi bu sunuculara bağlanan uygulamadır.

Function calling ile MCP karıştırılmasın. Function calling bir modelin araç çağırma yeteneğidir ve model API'sinin bir özelliğidir. MCP ise araçların ve veri kaynaklarının uygulamalara standart bir biçimde bağlanmasını sağlayan açık bir protokoldür.

Anthropic'in yazısı bu soruya doğrudan cevap veriyor: iş akışları iyi tanımlanmış işlerde öngörülebilirlik ve tutarlılık sunar, ajanlar ise ölçekte esneklik ve modelin karar vermesi gerektiğinde daha iyi seçenektir. Aynı kaynağa göre ajanların uygun olduğu problem tipi, gereken adım sayısını önceden kestirmenin zor ya da imkansız olduğu ve sabit bir yolun kodlanamadığı açık uçlu problemlerdir.

Pratikte kurulum karma da olabilir: akışın iskeleti kural tabanlıdır, yalnız karar gerektiren tek adım modele bırakılır. Bu yaklaşımın kural tarafı iş süreci otomasyonu nedir, yapay zeka tarafı yapay zeka otomasyonu nedir ve KOBİ'ler için yapay zeka otomasyonu sayfalarında.

Vera Bilişim, mevcut ERP, CRM ve e-ticaret altyapınızı değiştirmeden üzerine bir yapay zeka katmanı kuruyor: doğal dille veri sorgusu, segmentasyon ve anomali bildirimi bu kapsamda. Ayrıntı ve kapsam için özel AI entegrasyonları sayfasına bakabilirsiniz. Fiyat kapsam keşif görüşmesinde belirlenir ve teklifte kalem kalem yazılır.