Agent Yığını — Agent'ları Nasıl Geliştiriyorum
Geliştiricilerin bana en çok sorduğu soruya kendi görüşlerimle verdiğim yanıt. Bu yaşayan bir doküman — alan ilerledikçe güncelliyorum. Her tercihin tek satırlık bir görüşü var ve asıl mesele o görüşler.
Orchestration
LangGraph
Gerçek dallanma, döngü ve durumlara sahip agent'lar için açık grafik tabanlı kontrol akışı.
görüşAçık grafikler örtük zincirleri yener; ajanınızın gerçek bir kontrol akışı varsa, bunu prompt olarak değil, grafik olarak modelleyin.
Temporal
Uzun süre çalışan agent görevleri için dayanıklı, devam ettirilebilir workflow yürütmesi.
görüşAgent işi, dağıtık sistemler işidir; bir adım çökebiliyorsa, iş akışını dayanıklı ve devam ettirilebilir yapın.
Ray
Paralel agent yürütmesi için dağıtık hesaplama ve serving.
görüşSürü ölçeğinde paralel yürütme öncelikle bir hesaplama problemidir; daha fazla zekâya başvurmadan önce Ray'e başvurun.
K8s / Fly.io
Agent'ları ölçeklenebilecekleri ve temiz bir şekilde sonlanabilecekleri yerde çalıştırmak.
görüşAgent'ları ölçeklenebilecekleri ve temiz bir şekilde sonlanabilecekleri yerde çalıştırın; bir worker'ı yeniden başlatamayan orkestrasyon production değildir.
Araç kullanımı ve fonksiyon çağırma
Fonksiyon/araç çağırma + yapılandırılmış çıktılar (JSON şeması)
JSON şemasıyla zorunlu kılınan çıktılara sahip tipli araç imzaları.
görüşModele düzyazı değil, bir sözleşme verin; tüm ajan, yalnızca araçlarının imzaları kadar güvenilirdir.
First-class action API
Agent'ın içinde hareket ettiği ortam için bir makro/aksiyon API'si (görüntü tabanlı agent çalışmalarındaki desen).
görüşBir dünyada eylemde bulunmak için birinci sınıf bir action API'sine ihtiyacınız var — agent'a her alanda gerçek tutamaçlar ve bir verifier verin.
MCP — Model Context Protocol
Modelleri araçlara ve veri kaynaklarına bağlayan standartlaştırılmış bir veri yolu.
görüşModelin dünyaya erişimini standartlaştırın; ortak bir tool bus, yirmi adet özel connector'dan iyidir.
Hafıza & bağlam
Kısa vadeli bağlam + vektör retrieval (RAG)
Agent'ın turlar arasında bilmesi gerekeni bir bilgi tabanından alarak kalıcı hale getirme.
görüşAgent'ın bilmesi gerekeni kalıcı hale getir; durumsuz bir agent, bir işçi değil, bir replay-loop'tur.
Not defteri ve çalışma belleği
Çok adımlı planlama ve tool sonuçları için yapılandırılmış ara durum.
görüşHer şeyi pencereye sıkıştırmayın; agent'ın bilinçli olarak okuyup yazdığı bir çalışma belleği tutun.
Değerlendirme ve gözlemlenebilirlik
Ortama dayalı doğrulayıcılar
Agent'ı eylemde bulunduğu dünyada değerlendiren sandbox'lar, simülatörler ve oyunlar.
görüşAjanı, hislere karşı değil, eylemde bulunduğu dünyada değerlendirin. Değerlendirme bir ortam sorunudur, bir rubrik sorunu değil.
LLM-as-judge (idareli, denetlenmiş)
Model tabanlı puanlama, deterministik kontrollerle iki kez doğrulandı.
görüşDeğerlendiriciler temel referanstır, gerçeğin kendisi değil; onları deterministik kontrollerle ayrıca doğrulayın.
Hata taksonomileri + size ait bir benchmark
Sınıflandırılmış bir hata kataloğu (yanlış komut, eksik adım, mantık hatası) ve sürdürdüğünüz bir benchmark.
görüşHata modlarınızı bir taksonomi içinde sevk edin — zor bug'lar böyle debug edilebilir hale gelir ve her birinden böyle ders çıkarırsınız. Yeniden üretilebilir bir hata bir araştırma sonucudur.
Cost/latency budgets as first-class metrics
Her çalıştırma için harcamayı ve latency'yi diğer metrikler gibi takip edin.
görüşMakul bir maliyetle çalışan bir koşu, on katı fiyata daha gösterişli olandan iyidir.
İzler (OpenTelemetry / LangSmith tarzı)
Adım düzeyinde trace'ler ve tam agent çalışmalarının replay'i.
görüşYeniden oynatamadığınız şeyi ayarlayamazsınız; trace'ler agent'ın uçuş kaydedicisidir.
Başarı oranı, maliyet, gecikme ve hata dağılımı için panolar
Agent sağlığı için SLO tarzı panolar.
görüşBir SLO gibi çalıştırın, yoksa bir demo gibi çalıştırıyorsunuz demektir. Güven, özette değil transkriptlerde yaşar.
Deployment
Konteynerler + değiştirilemez dağıtımlar
Agent'ları sürümlenmiş, yeniden üretilebilir artifact'larla container olarak sevk edin.
görüşAynı artefaktı iki kez yeniden oluşturamıyorsanız, bir dağıtımınız yok — tahmin ediyorsunuz.
Eval kapılarıyla CI/CD
Yeni bir sürümü production'a terfi ettirmeden önce agent'ın evaluation paketini çalıştırır.
görüşBir model yükseltmesi bir özellik değil, regresyon riskidir; her sürümü sezgiye değil, eval suite'e göre kapıdan geçirin.
Yönetilen sunucusuz / konteyner çalışma zamanı
Agent'ları altyapıyı kollamadan sıfıra ve geri ölçekleyin.
görüşAgent'lar doğası gereği patlamalı çalışır — sıfıra ölçeklenip hızla geri dönebilecekleri yerlere konuşlandırın.
Net cevaplar.
AI sürüsü nedir?+
An AI swarm is a coordinated system of multiple independent agents that share goals, decompose tasks, and negotiate solutions together. Unlike a single agent — one loop with one bottleneck and one point of failure — a swarm gets resilience and scale from redundancy and division of labor: parallel exploration, no single point of failure, and answers that emerge from collective reasoning rather than one model's guess. My thesis: intelligence emerges from structured interaction among many agents, not from a single bigger brain.
Çoklu-agent sistemlerini nasıl değerlendiriyorsunuz?+
Evaluation is the bottleneck, not the model. I grade agents in the environment they act in — sandboxes, simulators, games — not against intuition. I use LLM-as-judge sparingly and audited, backed by deterministic checks; I ship failure taxonomies plus a benchmark I own; and I treat cost and latency as first-class metrics. A feedback loop is only as smart as its verifier.
Ajanları ne zaman tek bir model çağrısı yerine kullanmalısınız?+
Durumsuz, araçsız ve doğrulanacak hiçbir şeyin olmadığı tek seferlik dönüşümler için tek bir model çağrısı kullanın. Görev çok adımlı planlama, bir dünyaya araç çağrıları, turlar arası hafıza veya işin gerçekten yapıldığının doğrulanmasını gerektirdiğinde bir ajana başvurun. Ve eğer bir doğrulayıcınız yoksa, henüz bir ajan inşa etmeyin.