Agentic AI: Modellerin Araç Kullanıp Otonom İş Yapması

"Cevap veren" model → "iş yapan" model

2022 ChatGPT: soru sor, cevap al.
2024 GPT-4 ve Claude: soru sor, arama yap, kod çalıştır, dosya oluştur, e-posta gönder, web'de tıkla.

Fark: agentic (ajan benzeri) davranış.

Tanım: LLM bir hedef alır, otonom olarak araçlar kullanır, çok adımlı plan yapar, sonuçları gözlemler, gerekirse stratejisini değiştirir.

ReAct paradigması (Yao et al., 2022)

Temel desen: Reasoning + Acting döngüsü.

Thought: kullanıcı hava durumunu istiyor → web aramasına ihtiyacım var
Action: search("Istanbul weather today")
Observation: 14°C, parçalı bulutlu
Thought: yeterli bilgi → cevap ver
Final Answer: "Bugün İstanbul 14°C ve parçalı bulutlu."

LLM kendi adımlarını yazıyor, dış araçları çağırıyor.

Tool use (Araç kullanımı)

LLM, prompt'ta tanımlanan JSON şemalı fonksiyonları çağırır:

{
  "name": "get_weather",
  "parameters": { "city": "string" }
}

Model çıktısı: {"call": "get_weather", "args": {"city": "Istanbul"}}. Sistem işletir, sonucu modele geri verir.

OpenAI, Anthropic, Google — hepsi standart function calling API'leri sunar.

Çok adımlı ajanlar

AutoGPT (2023): tek hedef → LLM kendi alt görevlerini üretir → otonom çalışır.

İlk demonstrasyonlar büyük ses getirdi ama güvenilirlik düşük çıktı: ajan döngüye girer, mantıksız adımlar atar, hedefi kaybeder.

Modern çözümler: planlama + yürütme + doğrulama ayrımı, daha küçük "sub-agents".

Computer Use (Bilgisayar kullanımı)

Anthropic Claude Computer Use (Ekim 2024): model ekran görüntüsü alır, fareyi/klavyeyi kontrol eder → herhangi bir GUI'yi kullanır.

Demonstrasyon: form doldurma, web siteleri arasında geçiş, dosya yönetimi.

Risk: gerçek dünya aksiyonlarına doğrudan eriştiği için her hata gerçek. Sandboxing, izinler, insan onayı kritik.

Mimari

Çoğu agentic sistem şu parçalara sahip:

1. Planner: hedefi alt hedeflere böler.
2. Executor: araçları çağırır.
3. Memory: vector DB ile geçmişi sakla.
4. Reflector: ara sonuçları değerlendir, gerekirse planı değiştir.
5. Critic: çıktıyı doğrula.

LangChain, LlamaIndex, CrewAI, AutoGen gibi framework'ler standartlaşıyor.

Değerlendirme

Yeni benchmark'lar:

• WebArena: ajan gerçek (kopyalanmış) web sitelerinde iş yapabiliyor mu?
• SWE-bench: GitHub issue'larını ajan tek başına çözebiliyor mu? (Claude 3.5 Sonnet 2024: %49)
• OSWorld: tam masaüstü görevleri.
• τ-bench (Anthropic): müşteri hizmetleri senaryoları.

Zorluklar

• Hata birikimi: 10 adımlı görevde her adımda %95 başarı → toplam %60.
• Hedef kayması: uzun döngülerde model hedefi unutabilir.
• Maliyet: her aksiyon LLM çağırır → pahalı.
• Güvenlik: prompt injection ile ajan kötüye kullanılabilir (e-posta okuduğu için aldatıcı talimatlar alır).
• Yetki: ajana ne kadar izin verilmeli? (insan onayı vs. otonom)

"Agentic" hilesi

Çoğu duyuru "agentic" der ama gerçekte tek-adımlı tool use yapar. Gerçek agentic davranış: çok adımlı, otonom, hatadan öğrenen sistem.

Geleceği

• 2025 trendi: özel "computer use" ajanları (ticari ürün halinde).
• Reasoning + agent: o1/R1 gibi düşünen modeller ajanlık için daha iyi.
• Multi-agent: birkaç model takım gibi çalışır (CrewAI, AutoGen).
• Tarayıcıda native: Chrome, Edge kendi LLM ajanlarını entegre ediyor.

Kapanış

Agentic AI, LLM'i statik soru-cevap aracından iş yapan asistana dönüştürüyor. Daha çok hata yapıyor ama hızla iyileşiyor. 2025-2026 büyük olasılıkla ajan yılı olacak.