Yapay Zekâ Ajanları Nedir? Nasıl Çalışır, Sınırları

Yapay zekâ ajanları nedir?

Yapay zekâ ajanı, yalnızca tek bir soruyu yanıtlamak yerine, hangi adımları atacağına karar vererek ve bunları araçlarla uygulayarak bir hedefe doğru çalışmak için bir yapay zekâ modeli kullanan sistemdir. OpenAI'ın geliştiricilere yönelik rehberi bunu basitçe ifade ediyor: ajanlar 'sizin adınıza görevleri bağımsız olarak yerine getiren sistemlerdir' ^[2]. Rehber ayrıca büyük bir dil modeli (LLM) kullanan ancak iş akışının kontrolünü ona bırakmayan uygulamaların, örneğin basit sohbet robotlarının, tek turlu modellerin veya duygu sınıflandırıcılarının ajan olmadığını ekliyor ^[2].

Birleşik Krallık Ulusal Siber Güvenlik Merkezi (NCSC), ajan tabanlı sistemleri bir hedefe ulaşmak için veri kaynaklarına erişebilen, bağlamı hatırlayabilen, karar verebilen, araç kullanabilen ve eylemde bulunabilen; bunu bazen sürekli insan müdahalesi olmadan ve hatta alt ajanlar oluşturarak yapabilen sistemler olarak tanımlıyor ^[3]. NCSC, onları yararlı kılan şeyin aynı zamanda ajan tabanlı olmayan yapay zekâ araçlarına göre daha tehlikeli kıldığını da belirtiyor ^[3].

Ajanlar ve iş akışları aynı şey mi?

Tam olarak değil. Claude'un arkasındaki şirket olan Anthropic, her ikisine de 'ajan tabanlı sistemler' diyor ancak aralarına bir çizgi çekiyor. İş akışları, LLM'lerin ve araçların önceden tanımlanmış kod yollarını izlediği sistemlerdir. Ajanlar ise LLM'nin kendi sürecini ve araç kullanımını dinamik olarak yönettiği ve görevi nasıl tamamlayacağı üzerindeki kontrolü elinde tuttuğu sistemlerdir ^[1]. Her zaman aynı üç adımı izleyen bir müşteri hizmetleri robotu bir iş akışıdır; hangi sayfaları okuyacağına, hangi dosyaları değiştireceğine ve ne zaman işini bitirdiğine kendisi karar veren bir sistem ise bir ajandır.

Yapay zekâ ajanları nasıl çalışır?

OpenAI üç temel bileşen tanımlıyor ^[2]:

• Model: Akıl yürütmeyi yapan ve kararları veren LLM.
• Araçlar: Ajanın bilgi toplamak veya eylemde bulunmak için kullanabileceği arama, kod çalıştırıcı ya da rezervasyon sistemi gibi harici işlevler veya API'ler.
• Talimatlar: Ajanın nasıl davranması gerektiğini tanımlayan açık yönergeler ve güvenlik önlemleri.

Anthropic, temel yapı taşını 'güçlendirilmiş LLM' olarak adlandırıyor: kendi arama sorgularını üretebilen, araç seçebilen ve hangi bilgileri saklayacağına karar verebilen, bilgi erişimi, araçlar ve bellekle donatılmış bir model ^[1].

Ajan döngüsü neye benzer?

Anthropic'e göre bir ajan, bir komutla veya bir kişiyle yapılan bir görüşmeyle işe başlar. Görev netleştiğinde plan yapar ve bağımsız olarak çalışır; her adımda ortamından gelen 'gerçek durumu', örneğin bir araç çağrısının veya çalıştırılan kodun sonucunu kontrol eder ^[1]. Kontrol noktalarında ya da takıldığında insan geri bildirimi için durabilir; geliştiriciler de çoğu zaman azami adım sayısı gibi durdurma koşulları ekler ^[1]. Anthropic'in ifadesiyle ajanlar 'genellikle ortamdan gelen geri bildirime dayanarak bir döngü içinde araç kullanan LLM'lerden ibarettir' ^[1].

OpenAI, bir ajanın bir iş akışının ne zaman tamamlandığını fark etmesi, gerektiğinde kendi eylemlerini düzeltmesi ve başarısız olursa durup kontrolü kullanıcıya geri vermesi gerektiğini ekliyor ^[2].

Ajanlar diğer uygulamalara nasıl bağlanır?

Pek çok ajan, Anthropic'in Kasım 2024'te yapay zekâ sistemlerini veri kaynaklarına ve araçlara bağlamak için yayımladığı açık bir standart olan Model Context Protocol (MCP)'yi kullanır ^[6]. Anthropic, Aralık 2025'te MCP'yi, Anthropic, Block ve OpenAI'ın ortak kurucusu olduğu ve Linux Foundation bünyesinde yönlendirilmiş bir fon olan Agentic AI Foundation'a devretti; o tarihte MCP'nin 10.000'den fazla aktif genel sunucusu bulunduğunu ve ChatGPT, Cursor, Gemini, Microsoft Copilot ve Visual Studio Code tarafından benimsendiğini açıkladı ^[7].

Yapay zekâ ajanları bugün neler yapabiliyor?

3 Kasım 2026 itibarıyla büyük yapay zekâ asistanları ajan özellikleri içeriyor; ancak bu özelliklere erişim plana ve ülkeye bağlı. Örnekler:

• ChatGPT agent. Temmuz 2025'te kullanıma sunulan bu ajan, görsel tarayıcı, metin tarayıcı, terminal ve API erişimi bulunan kendi sanal bilgisayarında çalışır ve Gmail ile GitHub gibi uygulamalara bağlayıcılar aracılığıyla erişebilir ^[4]. OpenAI, ajanın 'sonuç doğuran eylemlerden' önce izin istediğini ve kullanıcıların istedikleri zaman araya girebileceğini veya kontrolü devralabileceğini söylüyor ^[4]. OpenAI artık bu tanıtım yazısını güncelliğini yitirmiş olarak işaretliyor ve okurları daha yeni ürünlere, Workspace agents ve ChatGPT Work'e yönlendiriyor ^[4].
• Gemini Spark. Google bu ajanı 19 Mayıs 2026'da '7/24 kişisel yapay zekâ ajanı' olarak tanıttı; önce güvenilir test kullanıcılarına ve beta olarak Amerika Birleşik Devletleri'nde 18 yaş ve üzeri Google AI Ultra abonelerine sunuldu ^[5]. Google, 13 Ekim 2026'da Antigravity kodlama ajanını macOS için Gemini uygulamasına entegre etti; ajan arka planda kod oluşturup test ediyor ve inceleme için kullanıcıya bildirim gönderiyor ^[5].
• Kodlama ajanları. Bunlar bir görev tanımından yola çıkarak bir kod tabanındaki çok sayıda dosyayı düzenler; Anthropic kendi örnekleri arasında SWE-bench yazılım görevlerini çözen bir kodlama ajanını ve bir 'bilgisayar kullanımı' ajanını sayıyor ^[1].

Geliştiriciler ajanları kullanıyor, ancak henüz herkes değil. 2025 Stack Overflow Geliştirici Anketi'nde bu soruyu yanıtlayan 31.877 katılımcının %14,1'i işte yapay zekâ ajanlarını her gün, %9'u her hafta, %7,8'i ise ayda bir veya daha seyrek kullandığını belirtirken, %37,9'u kullanmayı planlamadığını söyledi ^[12].

Araştırma kuruluşu METR'in ajan yeteneklerini zaman içinde izleme girişimi aşağıdaki görünüm bölümünde ele alınıyor ^[8].

Yapay zekâ ajanlarının sohbet robotlarından ve sıradan otomasyondan farkı nedir?

Farklar, bir sonraki adıma kimin karar verdiğine ve sistemin dünyada eylemde bulunup bulunmadığına dayanır. Bir sohbet robotu yanıt verir; bir otomasyon betiği sabit kuralları izler; bir ajan ise karar verir ve harekete geçer.

OpenAI, ajanların kural tabanlı yaklaşımların yetersiz kaldığı işler için uygun olduğunu savunuyor ve ödeme dolandırıcılığı analizini örnek veriyor: Bir kural motoru kontrol listesi gibi çalışırken, bir LLM ajanı bağlamı ve ince örüntüleri tartabilir ^[2]. Ancak bir görevin bu yeteneklere açıkça ihtiyaç duymadığı durumlarda 'deterministik bir çözümün yeterli olabileceğini' de söylüyor ^[2]. Anthropic de benzer bir noktaya değiniyor: En basit çözümle başlayın ve karmaşıklığı yalnızca gerektiğinde ekleyin; bu da 'hiç ajan tabanlı sistem kurmamak anlamına gelebilir' ^[1]. Ajan tabanlı sistemler çoğu zaman daha iyi görev performansı karşılığında gecikme ve maliyetten ödün verir ^[1].

Yapay zekâ ajanlarının riskleri nelerdir?

NCSC'ye göre ajan tabanlı sistemler, jailbreak ve istem enjeksiyonuna açıklık gibi LLM'lerin bilinen risklerini devralır ve eylemde bulunabildikleri için bunlara yenilerini ekler. NCSC dört ek risk sıralıyor ^[3]:

• Harici sistemlere, verilere ve araçlara daha geniş erişim.
• Özellikle bir hedef, bir insanın beklemeyeceği şekillerde yorumlanabildiğinde öngörülemeyen davranış.
• Eylemler insanların inceleyebileceğinden daha hızlı gerçekleşebildiği için fark edilmesi daha zor sorunlar.
• İşin içindeki davranış ve araç çeşitliliği nedeniyle açıklanması zor eylemler.

İstem enjeksiyonu nedir?

İstem enjeksiyonu (prompt injection), bir girdinin modelin davranışını istenmeyen şekillerde değiştirmesidir ^[11]. Dolaylı biçiminde zararlı talimatlar, ajanın okuduğu bir web sitesi veya dosya gibi harici içeriklerin içinde yer alır ^[11]. OpenAI, bir web sayfasına gizlenmiş kötü niyetli bir istemi örnek veriyor ve istem enjeksiyonunu genel olarak ajan tabanlı sistemler için bir risk olarak tanımlıyor ^[4]. OWASP Gen AI Security Project, bunu önlemenin kusursuz yolları olup olmadığının belirsiz olduğunu söylüyor ^[11].

Ajanlar hata yaptığında ne olur?

Anthropic, özerkliğin daha yüksek maliyetler ve birbirine eklenerek büyüyen hata olasılığı getirdiğini belirtiyor ^[1]. Fortune, Temmuz 2025'te Replit'in yapay zekâ kodlama ajanının, SaaStr'ın kurucusu Jason Lemkin onu test ederken bir kod dondurma döneminde canlı bir üretim veritabanını sildiğini bildirdi; Replit'in CEO'su Amjad Masad bu silme işlemini 'kabul edilemez' olarak nitelendirdi ^[13]. İş riski de gerçek: Gartner, Haziran 2025'te ajan tabanlı yapay zekâ projelerinin %40'ından fazlasının artan maliyetler, belirsiz iş değeri veya yetersiz risk kontrolleri nedeniyle 2027 sonuna kadar iptal edileceğini öngördü ^[10]. Gartner ayrıca, yapay zekâ asistanları, robotik süreç otomasyonu ve sohbet robotları gibi mevcut ürünlerin ciddi ajan yetenekleri olmadan yeniden markalanması anlamına gelen 'agent washing' konusunda uyardı ve binlerce ajan tabanlı yapay zekâ sağlayıcısından yalnızca yaklaşık 130'unun gerçek olduğunu tahmin etti ^[10].

Yapay zekâ ajanlarını nasıl güvenli kullanabilirsiniz?

Aşağıdaki adımlar NCSC'nin, OWASP'ın ve ajan geliştiricilerinin kendi rehberlerinden alınmıştır. Kurumlar kadar bireyler için de geçerlidir.

1. Bir ajana ihtiyacınız olup olmadığını sorgulayın. NCSC, sürecin daha düşük riskli bir şekilde basitleştirilip basitleştirilemeyeceğini veya otomatikleştirilip otomatikleştirilemeyeceğini kontrol etmeyi öneriyor ^[3].
2. Küçük başlayın. Sıkı sınırları olan pilot uygulamalar ve açıkça tanımlanmış, düşük riskli görevlerle başlayın, ardından güveniniz arttıkça kapsamı genişletin ^[3].
3. Mümkün olan en az erişimi verin. Yalnızca asgari izinleri, en kısa süre için verin ve uzun ömürlü kimlik bilgileri yerine geçici olanları kullanın ^[3].
4. Ödemeler, silme işlemleri veya sizin adınıza gönderilen mesajlar gibi yüksek riskli eylemlerde süreçte bir insan bulundurun ^[11]. OpenAI, özellikle bir kullanıma alma sürecinin başında insan müdahalesini kritik bir güvenlik önlemi olarak görüyor ^[2].
5. Dışarıdan gelen içeriğe güvenmeyin. OWASP, web sayfaları ve belgeler gibi güvenilmeyen içeriklerin ayrılmasını ve açıkça işaretlenmesini öneriyor ^[11].
6. Önce bir korumalı alanda (sandbox) test edin. Anthropic, uygun güvenlik önlemleriyle korumalı ortamlarda kapsamlı testler yapılmasını öneriyor ^[1].
7. Kimin sorumlu olduğunu bilin. NCSC, bir ajanı kullanıma almanın, ona verilen erişimin ve sonuçlarının sorumluluğunun insanlarda kaldığını ve birinin ajanı durdurabilmesi gerektiğini söylüyor ^[3].

NCSC'nin ölçütü açık sözlü: Bir ajanın eylemlerini anlayamıyor, izleyemiyor veya sınırlayamıyorsanız, o ajan kullanıma hazır değildir ^[3].

İran'daki okurlar için: 3 Kasım 2026 itibarıyla OpenAI'ın ChatGPT'nin desteklendiği ülkeler listesinde İran yer almıyor ve OpenAI, listede olmayan ülkelerden erişimin hesabın engellenmesine veya askıya alınmasına yol açabileceği konusunda uyarıyor ^[14].

Yapay zekâ ajanları ne kadar hızlı gelişiyor?

Araştırma grubu METR, ajanları tamamlayabildikleri görevlerin uzunluğuyla, yani bu görevlerin yetkin insanlar için ne kadar sürdüğüyle ölçmeyi önerdi ^[8]. Mart 2025'te bu 'zaman ufkunun' altı yıl boyunca üstel olarak büyüdüğünü ve kabaca her yedi ayda bir ikiye katlandığını bildirdi ^[8]. O dönemde modeller, insanların 4 dakikadan kısa sürede yaptığı görevlerde neredeyse her zaman başarılı olurken, yaklaşık 4 saatten uzun süren görevlerde %10'dan daha az başarı gösteriyordu ^[8]. METR artık ikiye katlanma süresi de dahil olmak üzere bu ilk rakamların bir kısmının sonraki tahminlerle geçerliliğini yitirdiğini belirtiyor ^[8].

En yeni sistemleri ölçmek zorlaştı. METR, Mayıs 2026'da mevcut görev setiyle 16 saatin üzerindeki ölçümlerin güvenilir olmadığını belirtti ve 8 Eylül 2026'da zaman ufku sayfasının artık aktif olarak güncellenmediğini açıkladı ^[9]. METR ayrıca görevlerinin ağırlıklı olarak yazılım, makine öğrenimi ve siber güvenlik işlerinden oluştuğu konusunda uyarıyor; dolayısıyla bir zaman ufku, bir yapay zekânın o uzunluktaki her zihinsel görevi yapabileceği anlamına gelmiyor ^[9].

Öngörüler belirsizliğini koruyor. Gartner, 2028'e kadar günlük iş kararlarının en az %15'inin ajan tabanlı yapay zekâ aracılığıyla özerk olarak verileceğini (2024'te bu oran sıfırdı) ve yine 2028'e kadar kurumsal yazılım uygulamalarının %33'ünün ajan tabanlı yapay zekâ içereceğini (2024'te %1'in altındaydı) öngördü ^[10]. NCSC, tekrarlayan, iyi anlaşılmış ve düşük riskli görevlerde önemli faydalar bekliyor ve kurumları başarısızlığa karşı plan yapmaya çağırıyor ^[3].