Bir LLM’e kod yazması söylendiğinde makul görünen bir çıktı üretir. Ama model compile edip etmediğini, testleri geçip geçmediğini bilemez. Kodu yazdığı projenin özelliklerini bilmeden sadece bahsettiğiniz işi yapan, bağlamdan ayrık bir şekilde işini yapar. Bu bir AI Agent’tır: belirli bir görevi yapan, sınırları net bir bileşen.
Agentic AI ise sadece token üretmez; ortamını analiz eder, ortamla uyumlu kodu üretir ve çalıştırır, hataları görür ve analiz eder, düzeltmeleri de iteratif olarak yapar. Artık bir üründen değil, bir davranış biçiminden bahsediyor oluruz.
Farkı netleştirelim:
AI Agent: Belirli bir görevi otonom şekilde yerine getiren yazılım bileşeni. Belirli bir test senaryosunu yazan bir bot veya gelen PR’ı özetleyen bir araç. Görevi belli, kapsamı nettir. Yalnızca kendisi tasarlanırken tanımlanmış problemleri çözer.
Agentic AI: Bir sistemin planlama, karar alma, araç kullanma, bu sırada adımlarını kendisinin dinamik olarak belirleyebilme yeteneği. Öngörülmemiş durumlara uyum sağlayabilme kapasitesi.
Peki bir agent’ı agentic yapan asıl kırılma noktası nedir?
Ortam.
Bir LLM’e terminal, dosya sistemi, kullanabileceği araçlar ve test sonuçları gibi bir ortam sunduğunuzda, ona bir geribildirim döngüsü (feedback loop) kazandırmış olursunuz. Agent bir eylem gerçekleştirir, ortamdan geri bildirim alır ve bir sonraki adımını buna göre belirler. Ortamsız agent, kağıda kod yazan bir geliştirici gibidir: çıktının nasıl bir şey olabileceği ile ilgili bir fikri vardır ama doğruluğundan emin olamaz.
Kod otomasyonu örneğine bu açıdan bakarsak:
Bir kod tamamlama yardımcısı bir AI Agent’tır. Belirli bir iş yapar, sınırları nettir.
Bir sistemin problemi analiz etmesi, çözüm planı oluşturması, kodu yazması, test etmesi ve hata bulursa geri dönüp düzeltmesi, işte bu agentic davranıştır.
Ve tüm bunları mümkün kılan şey, agent’ın içinde hareket edebildiği bir ortamın varlığıdır.
Kod yazmayı otomatikleştiren şey tek bir akıllı agent değil; bir ortam içinde planlama, araç kullanımı ve iteratif problem çözme gibi agentic yeteneklerin bir araya gelmesidir. Artık önemli olan sadece daha iyi modeller değil, daha zengin ortamlar ve daha iyi orkestrasyon olacak.
Kaynak: Matti Blume, Wikipedia
Son bir not: Bu yazıyı hazırlarken aklıma 1959’da Cahit Arf’ın, Atatürk Üniversitesi’nde “Makine Düşünebilir Mi ve Nasıl Düşünebilir?” başlıklı bir konferans vermiş olduğu geldi. Acaba orada şimdi Agentic AI dediğimiz kavramın ipuçları olabilir mi diye merak edip tekrar konuşmayı kontrol ettim.
Cahit Arf,
Bir makinenin çözebileceği problem sayısını onbine çıkarsak bile, bunlar yalnızca makine yapılırken çözülmüş problemlerse, ona yapay beyin gözü ile bakamayız
düşüncesindeydi. Asıl gereken şeyin “intibak kabiliyeti” yani öngörülmemiş sorunları da çözebilmek olduğunu savunuyordu. Hatta düşünen bir makinenin mimarisini bile çizmiş konferanstaki kouşmasının tam metninde: ön hafıza (context window), kontrol merkezi (orchestrator), hafıza (memory), dönüşüm cihazı (LLM reasoning) ve “filân adama sormalı, filân kitaba bakmalı” dediği yardımcı hafıza (tool use). 10 TL’nin üzerindeki büyük bilim insanımız, AI Agent ile Agentic AI arasındaki farkı 67 yıl önce tarif etmiş.
Son anda hatırladığım bu konuşma normalde “AI agent mı, Agentic AI mı” şeklinde belirlediğim başlığı değiştirmem için güzel bir vesile oldu.