Üretken Yapay Zekâda Ajan Sistemleri: Yapıları, İşlevleri ve Türleri

AI Agent (Yapay Zekâ Ajanı), belirli bir hedefi gerçekleştirmek için çevresinden veya kullanıcıdan bilgi alan, durumu değerlendiren, karar veren ve gerektiğinde araçları kullanarak eylem gerçekleştiren yapay zekâ sistemidir. Klasik bir chatbot çoğunlukla verilen soruya yanıt üretirken, bir AI Agent yalnızca “cevap vermekle” sınırlı değildir; hedefe ulaşmak için plan yapabilir, alt görevler oluşturabilir, araç/API kullanabilir, sonuçları kontrol edebilir ve sonraki adımı belirleyebilir. Basitçe:

Chatbot: “Bana ne sorarsan cevaplarım.”
AI Agent: “Hedefini söyle; gerekli işlemleri planlayıp gerçekleştireyim.”

Örneğin kullanıcı “Önümüzdeki hafta İstanbul’a yapacağım seyahati planla” dediğinde gelişmiş bir agent; seyahat tarihlerini değerlendirir, uçuş ve otel seçeneklerini araştırır, hava durumunu kontrol eder, alternatifleri karşılaştırır ve izin verilmişse rezervasyon sistemleriyle etkileşime geçebilir.

AI Agent Nasıl Çalışır?

Genel çalışma döngüsü şöyledir: Hedef → Algılama/Bilgi Toplama → Planlama → Karar → Araç Kullanımı/Eylem → Sonucu Gözlemleme → Gerekirse Planı Güncelleme → Hedef

Bu döngü, agent kavramının temelini oluşturur. Ancak her AI Agent bütün bu yeteneklere aynı düzeyde sahip değildir.

AI Agent Türleri

AI agentların tek ve evrensel bir sınıflandırması yoktur. Klasik yapay zekâ literatüründeki ajan sınıfları ile günümüzde LLM tabanlı agent sistemleri için kullanılan sınıflandırmaları ayırmak daha doğrudur.

Klasik Yapay Zekâdaki Agent Türleri

1. Simple Reflex Agent – Basit Tepkisel Ajan: Mevcut duruma önceden belirlenmiş “eğer–ise” kurallarıyla doğrudan tepki verir.

2. Model-Based Reflex Agent – Model Tabanlı Tepkisel Ajan: Yalnızca mevcut girdiyi değil, çevrenin nasıl çalıştığına ilişkin içsel bir modeli de kullanarak karar verir.

3. Goal-Based Agent – Hedef Tabanlı Ajan: Eylemlerini önceden tanımlanmış bir hedefe ulaşıp ulaşmayacağına göre seçer.

4. Utility-Based Agent – Fayda Tabanlı Ajan: Birden fazla olası sonuç arasından fayda değerini en yüksek düzeye çıkaracak eylemi seçmeye çalışır.

5. Learning Agent – Öğrenen Ajan: Deneyim ve geri bildirimlerden yararlanarak zaman içerisinde davranışını veya performansını geliştirir.

Üretken Yapay Zekâ ve LLM Dünyasındaki Agent Türleri

6. LLM-Based Agent – Büyük Dil Modeli Tabanlı Ajan: Muhakeme, planlama ve karar mekanizmasının merkezinde GPT benzeri bir büyük dil modeli bulunan ajandır.

7. Tool-Using Agent – Araç Kullanan Ajan: Arama motoru, hesap makinesi, veri tabanı, kod çalıştırma sistemi veya API gibi dış araçlardan yararlanabilir.

8. Conversational Agent – Konuşma Ajanı: Kullanıcıyla çok turlu doğal dil etkileşimini sürdürerek görevleri yerine getirir.

9. Task-Oriented Agent – Görev Odaklı Ajan: Belirli bir işi tamamlamak üzere tasarlanır; randevu oluşturma veya rapor hazırlama buna örnektir.

10. Planning Agent – Planlama Ajanı: Karmaşık bir hedefi alt görevlere ayırır, işlem sırası oluşturur ve planı aşamalı olarak uygular.

11. Research Agent – Araştırma Ajanı: Kaynak arama, bilgi toplama, kaynakları değerlendirme ve bulguları sentezleme gibi araştırma süreçlerini yürütebilir.

12. Coding Agent – Kodlama Ajanı: Kod yazma, dosyaları inceleme, hata bulma, test çalıştırma ve yazılım geliştirme görevlerini gerçekleştirebilir.

13. Data Analysis Agent – Veri Analizi Ajanı: Veri dosyalarını inceleyebilir, uygun analizleri gerçekleştirebilir ve sonuçları raporlayabilir.

14. Workflow Agent – İş Akışı Ajanı: Bir iş sürecindeki birden fazla uygulama ve görevi belirli bir akış içerisinde koordine eder.

15. Autonomous Agent – Otonom Ajan: Genel bir hedef verildikten sonra daha sınırlı insan müdahalesiyle gerekli alt görevleri ve eylemleri kendisi belirleyebilir.

16. Semi-Autonomous Agent – Yarı Otonom Ajan: Bazı işlemleri bağımsız yürütürken kritik karar veya eylemlerde kullanıcı onayı ister.

17. Reactive Agent – Reaktif Ajan: Uzun vadeli kapsamlı planlamadan çok mevcut olay veya çevresel değişikliklere hızlı tepki verir.

18. Proactive Agent – Proaktif Ajan: Yalnızca gelen taleplere cevap vermek yerine hedef doğrultusunda gerekli olabilecek sonraki eylemleri kendisi başlatabilir.

19. Memory-Augmented Agent – Bellek Destekli Ajan: Önceki etkileşimlerden veya saklanan bilgilerden yararlanarak sonraki kararlarını bağlama uygun hâle getirir.

20. Retrieval-Augmented Agent – Bilgi Erişim Destekli Ajan: Gerektiğinde harici bilgi kaynaklarından veri getirerek karar ve yanıtlarını güncel veya özel bilgilerle destekler.

21. Multimodal Agent – Çok Modlu Ajan: Metnin yanında görüntü, ses, video veya başka veri türlerini algılayıp bunlarla işlem yapabilir.

22. Web Agent – Web Ajanı: Web üzerinde arama, sayfa inceleme ve izin verilen web tabanlı işlemleri gerçekleştirmek üzere tasarlanır.

23. Computer-Use Agent – Bilgisayar Kullanım Ajanı: İnsanların kullandığı grafik arayüzlerle etkileşime girerek bilgisayarda çok adımlı görevler gerçekleştirebilir.

24. Browser Agent – Tarayıcı Ajanı: Web tarayıcısındaki sayfalarda gezinme ve web tabanlı görevleri gerçekleştirmeye odaklanan ajandır.

25. Multi-Agent System – Çok Ajanlı Sistem: Farklı rollere veya uzmanlıklara sahip birden fazla ajanın ortak bir hedef için birlikte çalıştığı yapıdır.

26. Hierarchical Agent – Hiyerarşik Ajan: Üst düzey bir ajanın planlama ve koordinasyon yaptığı, alt ajanların ise uzmanlaşmış görevleri yerine getirdiği sistemdir.

27. Collaborative Agent – İş Birlikçi Ajan: Birden fazla ajanın bilgi ve görev paylaşarak ortak çözüm üretmesine dayanır.

28. Competitive/Debate Agent – Rekabetçi/Tartışmacı Ajan: Farklı ajanların alternatif görüş veya çözümler üretip birbirlerini eleştirmesiyle daha güçlü bir sonuca ulaşmayı amaçlar.

29. Human-in-the-Loop Agent – İnsan Denetimli Ajan: Kritik aşamalarda insanın onay, düzeltme veya karar mekanizmasına dahil edildiği ajan sistemidir.

30. Domain-Specific Agent – Alana Özgü Ajan: Sağlık, hukuk, finans, akademik araştırma veya eğitim gibi belirli bir uzmanlık alanındaki görevler için yapılandırılmış ajandır.

Agent ile Chatbot Arasındaki Temel Fark

Örneğin “Bana İstanbul’daki otelleri söyle” talebine cevap veren sistem chatbot niteliğinde olabilir. “İstanbul seyahatimi planla; uygun otelleri araştır, fiyatları karşılaştır, program oluştur ve rezervasyon aşamasına geldiğinde benden onay iste” biçimindeki çok aşamalı görevi araçlar kullanarak yürüten sistem ise agent yaklaşımına daha yakındır.

En önemli nokta: Her chatbot agent değildir, her AI Agent da tamamen otonom değildir. Günümüzde “AI Agent” terimi pazarlama dilinde oldukça geniş kullanılmaktadır. Bir sistemi teknik olarak değerlendirirken yalnızca adına değil; hedef yönetimi, planlama, bellek, araç kullanımı, çevreden geri bildirim alma ve eylem gerçekleştirme yeteneklerine bakmak daha doğru olur.