Yapay zeka ajanları geliştirmeye başladığımda, en zor kısmın modeli zeki yapmak olacağını düşünmüştüm. Yanılmışım. Zekâ en kolay kısımdı. Gerçek zorluk, ajanın bir şeyler yapması gerektiği anda ortaya çıktı. Çoğu AI projesi, kullanıcının bir LLM'ye soru sorması ve yanıt almasıyla başlar. İlk gerçek istek gelene kadar her şey yolundadır: 'Bu uygulamayı dağıt.' Model nasıl yapılacağını açıklayabilir ancak fiilen gerçekleştiremez. İşte bu noktada araç çağrıları eklenir.
Bir özellik ikiye, sonra beşe, sonra yirmiye çıkar. Sonunda mimariniz şuna benzemeye başlar: araç çağrıları, dosya sistemi erişimi, terminal yürütme, bellek, çoklu ajan iş akışları, API entegrasyonları, eklenti sistemleri, yetenekler, zamanlama, arka plan görevleri, bağlam yönetimi. İlk başta bunlar ilgisiz özellikler gibi görünür. Oysa hepsi aynı sorunu çözmeye çalışır: akıl yürütmeyi eyleme dönüştürmek.
Bir gün projenizin aslında bir sohbet robotu olmadığını fark edersiniz. Artık bileşenleri koordine ediyordur: biri planlar, diğeri hatırlar, bir başkası yürütür, doğrular, harici servislerle iletişim kurar. Dil modeli, çok daha büyük bir sistemin yalnızca bir bileşeni haline gelir. İşte o zaman mimari tamamen değişir. Artık modelin etrafında değil, modeli bir yürütme hattının parçası olarak düşünmeye başlarsınız: İstek -> Planlayıcı -> Yetenekler -> Yürütme -> Doğrulama -> Yanıt. Dil modeli hâlâ kararlar alır, ancak her şeyden sorumlu değildir.
Sonuç ve Değerlendirme
Bir ders beni şaşırttı: Daha fazla entegrasyon eklemek nadiren bir ajana önemli ölçüde daha fazla yetenek kazandırır. Bunun yerine daha iyi mimari eklemek fark yaratır. Örneğin bir ajan doğrudan API'leri, MCP sunucularını, yerel araçları, kod yürütmeyi ve shell yürütmeyi destekleyebilir. Bunların hepsi dış dünyaya ulaşmanın farklı yollarıdır. Önemli soru 'Kaç entegrasyonu destekliyoruz?' değil, 'Ajan hangi yeteneğin uygun olduğuna nasıl karar veriyor?' olur. Bu bir entegrasyon sorunundan çok mimari sorunudur.
Uzmanların Görüşleri
Güçlü bir araç hiç seçilmezse etkisizdir. Hafif bir araç doğru zamanda seçildiğinde genellikle daha iyi sonuçlar verir. Bu, AI sistemleri hakkındaki düşüncelerimi tamamen değiştirdi. Daha fazla özellik eklemek yerine planlama, karar verme, yetenek keşfi, yürütme akışı ve geri bildirim döngülerini iyileştirmeye daha fazla zaman harcıyorum. Sonuç, modeli değiştirmeden daha akıllı bir sistem oluyor.
Sistem Güvenliği
AI ajanları yavaş yavaş işletim ortamlarına dönüşüyor. Geleneksel yazılım talimat beklerken, modern AI sistemleri onları koordine ediyor. Araçları, belleği, iş akışlarını, harici servisleri, dosyaları ve birden çok yürütme yolunu aynı anda yönetiyorlar. Bu, bir sohbet robotundan çok bir işletim ortamına benziyor. Dil modeli, tüm uygulama değil, arayüz haline geliyor.
Her AI projesi aynı yolu izliyor gibi görünüyor. İstemlerle başlıyorsunuz, sonra araçlar, bellek, iş akışları ve birden çok ajan ekleniyor. Sonunda 'Modeli nasıl daha akıllı yapabilirim?' sorusunu sormayı bırakıp 'Etrafında nasıl daha iyi bir sistem kurabilirim?' sorusunu sormaya başlıyorsunuz. Bu zihniyet değişimi, son bir yılda projelerimi herhangi bir yeni model sürümünden daha fazla etkiledi.
Kaynak: dev.to
