🤖 Agent Nedir: LLM + Araçlar + Döngü

Agent Nedir: LLM + Araçlar + Döngü: Chatbot, araçlarla dolu bir odada cam duvarın arkasında oturan parlak bir danışmandır; agent ise camdan geçip araçları GERÇEKTEN kullanması iç

Chatbot, araçlarla dolu bir odada cam duvarın arkasında oturan parlak bir danışmandır; agent ise camdan geçip araçları GERÇEKTEN kullanması için elle anahtar verilmiş AYNI danışmandır — mekanizma birebirdir: danışmanın uzmanlığı (LLM) ikisi arasında değişmez, değişen şey sözlerini dünyadaki gerçek etkilere bağlayan bir şeyin olup olmadığıdır. Üzerinde durulmaya değer soru şu: bir chatbot'un içindeki LLM ile bir agent'ın içindeki LLM birebir aynı model olabiliyorsa, birini "sadece cevap ver"e, diğerini "işi hallet"e dönüştüren nedir? Çünkü agent mimarisi o aynı modeli araç erişimi olan bir DÖNGÜYE sarar: model mevcut durumu algılar, bir eyleme karar verir, bir araç gerçekten çalışır ve gerçek bir sonuç döndürür, ve model sıradaki eyleme karar vermeden önce o gerçek sonucu gözler — bir chatbot bir "karar ver" turundan sonra durur, bir agent görev bitene kadar "algıla → karar ver → eyle → gözle" döngüsünde dönmeye devam eder. Java karşılaştırması: bu, bir while döngüsü içinde yaşayan Strategy tasarım desenidir — LLM, gerçek API'lere/araçlara da çağrı yapan ve sonuçları stratejinin sıradaki girdisi olarak geri besleyen bir döngü içinde tekrar tekrar çağrılan, takılıp çıkarılabilir bir "sıradaki ne yapılacağına karar ver" strateji nesnesidir; stratejiyi (farklı bir model) değiştir, döngü mimarisi değişmez — tıpkı etrafındaki sıralama algoritmasına dokunmadan bir Comparator'ı değiştirmek gibi. QA tarafındaki bedel: bu döngünün iki ticari örneğini Claude AI sayfasında zaten gördün — Claude Code ve MCP — bu sekme, o iki ürünün uyguladığı genel mekanizmayı isimlendiriyor.

Chatbot vs Agent: Cevap Vermek ile Eylem Yapmak

Bir chatbot'un işi, çok iyi olsa bile, bir metin cevabı ürettiği an biter. Bir agent'ın işi metin üretmek değildir, bir görevi başarmaktır, ve metin (özellikle bir araç çağırma isteği) yol boyunca üretebileceği şeylerden sadece biridir. Ayrım çizgisi zeka değil, mimaridir: modeli gerçek araç erişimi olan bir döngüye saran bir şey var mı?

Akıl yürütme: sıradan bir chatbot neden "kendi başına" bir komut çalıştırmaya karar veremez? Çünkü bir chatbot'a bağlı hiçbir çalıştırma ortamı yoktur — bir komutun metnini YAZABİLİR, ama saf bir sohbet arayüzünde hiçbir şey o metni alıp gerçek bir dosya sistemine veya terminale karşı çalıştırmaz. Bir agent framework'ü tam olarak "model X'i yapmak istiyor" ile "X gerçekten oluyor"u birbirine bağlayan, artı gerçek sonucu geri besleyen eksik kablolamadır.

Döngü: Algıla → Düşün → Eyle → Gözle

Ürün ne olursa olsun her agent aynı dört adımlı döngüyü çalıştırır: 1) mevcut durumu algıla (bir dosya, bir test sonucu, bir kullanıcı isteği), 2) düşün — o duruma dayanarak sıradaki eyleme karar ver, 3) eyle — bir araç veya fonksiyon çağır, 4) o eylemin gerçek sonucunu gözle, sonra güncellenmiş durumla algılamaya geri dön. Döngü, model görevin tamamlandığına karar verdiğinde veya bir güvenlik sınırına (ileride Riskler sekmesinde ele alınır) ulaşıldığında biter.

Bu döngünün iki ticari örneğini zaten gördün: Claude AI sayfasındaki Claude Code (başarısız testi algıla → çalıştırmaya karar ver → çalıştır → gerçek hatayı gözle → tekrarla) ve MCP (görevi algıla → araç çağrısına karar ver → MCP server üzerinden çalıştır → gerçek sonucu gözle → tekrarla). Bu sekme, o iki ürünün uyguladığı genel mekanizmayı isimlendiriyor.

Adım Adım: Çalışırken Agent Döngüsü

Agent mevcut durumu okur — başarısız bir test dosyası, bir kullanıcı isteği.

LLM, o duruma dayanarak sıradaki eylemin ne olması gerektiğine karar verir.

Bir araç veya fonksiyon gerçekten çağrılır ve GERÇEKTEN çalışır.

O eylemin gerçek sonucu geri okunur.

Döngü güncellenmiş durumla algılamaya döner, veya görev bittiyse durur.

Bir agent'ın algıla-düşün-eyle-gözle döngüsünü doğru sıraya diz.