Multi-Agent Sistemler: Yapay Zekanın "Takım Oyunu"

"Birden çok beyin, tek görev"

Bir LLM ajanı bir şeyi iyi yapar. Karmaşık görevlerde:

• Planlama.
• Araştırma.
• Yazma.
• Doğrulama.
• Düzenleme.

Tek ajan hepsine odaklanamaz.

Çözüm: birden fazla uzman ajan birlikte çalışsın. Multi-agent system.

Klasik yapı

Planner Agent (görev böl)
   ↓
Researcher Agent (bilgi topla)
   ↓
Writer Agent (yaz)
   ↓
Critic Agent (gözden geçir)
   ↓
Editor Agent (düzelt)

Her ajan kendi promptuyla, kendi araçlarıyla çalışır.

Mimari desenler

Sequential

Ajanlar sırayla çalışır. Bir önceki çıktıyı bir sonraki alır.

Hierarchical

Supervisor ajan diğerlerini yönetir.

Parallel

Birden çok ajan paralel çalışır, sonuçlar birleşir.

Debate

İki ajan aynı problem üzerinde tartışır — daha iyi cevap.

Network/Mesh

Ajanlar birbirleriyle doğrudan konuşur, merkezi koordinator yok.

Modern framework'ler

AutoGen (Microsoft, 2023)

• Konuşma tabanlı ajanlar.
• "Group chat" deseni.
• Code execution kabiliyeti.

CrewAI

• Rol tabanlı.
• "Tasks" + "agents" + "process".
• Açık kaynak, hızla yayılıyor.

LangGraph

• Graph-based.
• Stateful.
• Kontrol akışı.

MetaGPT

• Yazılım üretimi için.
• "Şirket" simülasyonu — CTO, mühendis, vs.

OpenAI Swarm

• Hafif.
• Function handoff.

Anthropic

• Claude'un dahili multi-agent çerçevesi.
• Claude Code'da kullanılıyor.

Yazılım üretimi örneği

ChatDev, MetaGPT gibi sistemler:

1. CEO ajan: ürün kararı.
2. CTO ajan: teknik karar.
3. Designer ajan: UI/UX.
4. Coder ajan: kod yaz.
5. Tester ajan: test.
6. Reviewer ajan: code review.

İnsan müdahalesi olmadan basit uygulama üretebilir.

Bilimsel araştırma örneği

• Hypothesis generator.
• Literature reviewer.
• Experimenter (kod çalıştır).
• Analyzer.
• Writer.

Yeni araştırma fikri otonom üretme deneyi.

Avantajlar

• Uzmanlaşma: her ajan tek görevde iyi.
• Paralellik: hız.
• Modülerlik: ajan eklemek/değiştirmek kolay.
• Hata toleransı: bir ajan başarısız → diğerleri devam.
• Yorumlanabilirlik: hangi ajan ne yaptı görünür.

Zorluklar

• Koordinasyon: ajanlar nasıl haberleşir?
• Maliyet: çok LLM çağrısı = pahalı.
• Hata birikimi: bir ajan yanlış yaparsa zincir bozulur.
• Loop: ajanlar sonsuz konuşabilir.
• Goal drift: zamanla hedef kayar.

Modern paradigma değişimi

2024 öncesi: tek LLM.
2024-2025: multi-agent normalleşiyor.

Anthropic Claude Code: yardımcı ajanlar (sub-agents) yarattı.
OpenAI Swarm: function handoff.
Google AlphaCodium: çoklu codereview.

Türk uygulamaları

• Hukuki araştırma: araştırmacı + yazar + reviewer ajanlar.
• Müşteri hizmetleri: sorgu sınıflandırma + cevap üretme + doğrulama.
• İçerik üretim: konu seçen + yazan + düzelten.

Gerçek dünyada henüz olgun değil

Multi-agent erken aşama:

• Çoğu vaka tek ajan + iyi prompt ile çözülür.
• Karmaşık koordinasyon manuel halen.
• Reprodüksiyon zor.

Kim için iyi?

• Karmaşık çoklu adım.
• Farklı uzmanlık gerekli.
• Paralelleştirilebilir.
• Görevin sürekli akmaması kabul edilebilir.

Kim için kötü?

• Basit görev: tek ajan yeter.
• Düşük latency gerekli.
• Maliyet kritik.
• Tam deterministik sonuç gerekli.

Anthropic'ten ders

Claude Code yapısı multi-agent'ın gerçek dünya kullanımı:

• Ana agent: ana görev.
• Sub-agents: özel görevler için spawn edilir.
• Sub-agent sonucu ana agent'a döner.

Bu hiyerarşik desen şu an en güçlü.

Felsefe

Multi-agent temel mesajı: "Yapay zeka da takım olabilir".

İnsan toplumu rolleri bölmüşse, AI da bölmeli. Tek LLM her şeyi yapmak zorunda değil.

Gelecek

• Agent marketplace: paylaşılan ajanlar.
• A2A protocols: agent-to-agent iletişim standartı.
• Daha az insan denetimi: otonom.
• Özelleşmiş model her ajanda.

Kapanış

Multi-agent sistemler, modern AI'ın bir sonraki evresi. Henüz olgun değil ama hızla olgunlaşıyor.

Bir AI mühendisinin olgunluk işareti: ne zaman multi-agent, ne zaman tek agent kullanacağını bilmek.

"Tek ajan değil, takım" — yapay zekanın yeni stratejisi.