Multi-agent sistemleri: rol, koordinasyon, bellek ve güvenlik

Çoklu ajan sistemi nedir, tek ajandan farkı ne?

Ajan, bir büyük dil modelini hedefe yönelik çalıştıran yazılım parçasıdır: bir görev alır, karar verir, gerektiğinde araç çağırır ve sonucu üretir. Çoklu ajan sistemi, birden fazla ajanın belirli rollerle birlikte çalıştığı yapıdır. Her ajan kendi talimatına, araç setine ve sorumluluk alanına sahiptir; ajanlar birbirleriyle mesajlaşarak ortak görevi tamamlar.

Tek ajan basit görevlerde yeterlidir: bir soruyu yanıtlamak, tek adımlı bir veri çekmek. Görev büyüdükçe tek ajanın talimatı şişer, araç sayısı artar ve model neye öncelik vereceğini şaşırır. Çoklu ajan yaklaşımı bu karmaşıklığı bölerek yönetir. Örneğin bir araştırma raporu hazırlayan sistemde bir ajan kaynak toplar, bir diğeri bulguları özetler, bir diğeri metni yazar, bir başkası da yazılanı kaynakla karşılaştırarak kontrol eder.

Bu yaklaşım her sorunun çözümü değildir. Ajan sayısı arttıkça mesajlaşma maliyeti, gecikme, hata yayılımı ve izleme güçlüğü de artar. Çoklu ajan mimarisi, ancak görev gerçekten farklı uzmanlıklara bölünebiliyorsa ya da bağımsız bir denetçi ajan kaliteyi belirgin biçimde artırıyorsa tercih edilmelidir. Sorunun tek ajan ve iyi tasarlanmış araçlarla çözülüp çözülemeyeceğini önce denemek mantıklıdır.

Ekosistem ve çerçeveler: AutoGen, CrewAI ve benzerleri

Çoklu ajan sistemleri sıfırdan yazılabilir, ancak çoğu ekip bir çerçeve kullanır. AutoGen, ajanlar arasında konuşma tabanlı iş birliğini yaygınlaştıran açık kaynaklı bir Microsoft çerçevesidir; ancak proje deposuna göre artık bakım modundadır: yeni özellik almaz, yalnız hata düzeltmesi, güvenlik yaması ve dokümantasyon katkısı kabul eder. Microsoft, yeni projeler için AutoGen ve Semantic Kernel ekiplerinin birlikte geliştirdiği halef çerçeve Microsoft Agent Framework'ü öneriyor ve AutoGen'den geçiş için resmî bir rehber sunuyor. Bu yüzden sıfırdan başlayan bir ekibin AutoGen'e uzun vadeli yatırım yapmadan önce bu durumu tartması gerekir. CrewAI ise ajanları rol, hedef ve görevler üzerinden "ekip" gibi tanımlayan bir yaklaşım sunar. Bunların yanında Microsoft Agent Framework'ün de sunduğu gibi, ajanları açık yürütme yollarıyla bağlayan iş akışı ve grafik tabanlı yaklaşımlar da yaygınlaşıyor.

Çerçeve seçerken şunlara bakılır: ajan iletişimi nasıl modelleniyor (serbest konuşma mı, tanımlı akış mı), araç çağırma nasıl yapılıyor, durum ve bellek yönetimi var mı, hata ve zaman aşımı kontrolü nasıl, gözlemlenebilirlik (izleme, kayıt) imkânı nedir, hangi dil modelleriyle çalışıyor ve topluluk desteği ne durumda. Çerçevelerin sürümleri hızla değiştiğinden, kurulum ve arayüz ayrıntıları için güncel resmî dokümantasyona başvurulmalıdır.

Çerçeve bağımsız temel kavramlar ise değişmez: rol tanımı, mesajlaşma, araç, bellek, koordinasyon ve denetim. Bu kavramları kavrayan biri bir çerçeveden diğerine rahatça geçer.

Ajan rolleri ve sorumlulukları nasıl tasarlanır?

Çoklu ajan tasarımının en önemli adımı rol ayrımıdır. Her ajan için şunlar yazılır: ne iş yapar, ne yapmaz, hangi girdiyi alır, hangi çıktıyı üretir, hangi araçlara erişebilir, ne zaman duracak.

Sık kullanılan rol türleri vardır.

• Planlayıcı: Hedefi alt görevlere böler ve hangi ajanın hangi görevi yapacağını belirler.
• Uygulayıcı ya da uzman ajan: Belirli bir alanda iş yapar; kod yazar, veri çeker, belge özetler.
• Eleştirmen ya da denetçi: Üretilen çıktıyı ölçütlere göre kontrol eder ve geri bildirim verir.
• Koordinatör: Mesaj akışını yönetir, görev sonuçlarını toplar, döngüyü ne zaman bitireceğine karar verir.
• İnsan temsilcisi: Kritik adımlarda insan onayı almayı sağlar.

Rol ayrımında kural, tek sorumluluk ilkesidir: bir ajan çok işi birden yapmaya çalışırsa talimat karışır. Öte yandan fazla bölmek, ajanlar arası mesajı çoğaltır. Dengenin ölçütü, her ajanın talimatının kısa ve net kalabilmesidir.

Talimat yazarken ajana bağlam, hedef, kısıtlar, beklenen çıktı biçimi ve ne zaman yardım isteyeceği söylenir. "Emin değilsen uydurma, koordinatöre sor" gibi açık bir yönerge hataları azaltır.

Ajan iletişimi ve koordinasyon

Ajanların nasıl konuşacağı sistemin davranışını belirler. Başlıca düzenler şunlardır.

Sıralı akış: Çıktı bir ajandan diğerine zincir gibi geçer. Basit, tahmin edilebilir ve izlemesi kolaydır; ancak esneklik azdır.

Merkezî koordinatör: Tek bir yönetici ajan görevleri dağıtır ve sonuçları toplar. Yönlendirme kontrol altındadır, ama koordinatör darboğaz olabilir.

Grup sohbeti: Birden fazla ajan ortak bir konuşma ortamında yazışır ve sıradaki konuşmacı bir kurala ya da model kararına göre seçilir. Esnektir ama kontrolü zordur; konuşma uzadıkça maliyet ve sapma riski artar.

Üretici ve eleştirmen döngüsü: Bir üretici ve bir eleştirmen ajan, çıktı ölçütleri karşılanana kadar tur atar. Kalite için etkilidir, ancak durma koşulu açıkça yazılmazsa sonsuz döngü ihtimali vardır.

Hangi düzen seçilirse seçilsin şu konular zorunludur: mesajın biçimi (serbest metin mi, yapılandırılmış veri mi), durma koşulu ve maksimum tur sınırı. Yapılandırılmış çıktı, ajanlar arası hatalı yorumlamayı azaltır. Bellek konusu da buraya bağlanır: ajanların neyi hatırlayacağı, konuşma geçmişinin ne kadarının bağlama aktarılacağı ve uzun vadeli bilginin nerede tutulacağı tasarlanır.

Bellek ve bağlam yönetimi

Ajanların bir sonraki adımda doğru karar verebilmesi, ellerindeki bağlama bağlıdır. Bağlam penceresi sınırlıdır; tüm konuşma geçmişi her adımda modele verilemez. Bu yüzden bellek ayrı bir tasarım konusudur.

Kısa vadeli bellek, o anki görev ve konuşma geçmişidir. Uzayan konuşmalarda eski mesajlar özetlenir, önemsiz kısımlar atılır ve yalnızca gerekli parça modele verilir. Uzun vadeli bellek ise oturumlar arası bilgidir: kullanıcı tercihleri, önceki görevlerin sonuçları, kurum bilgisi. Bu tür bilgi genellikle vektör tabanlı bir depoda tutulur; ajan ihtiyaç duyduğunda ilgili parçayı arayıp getirir.

Bellekte başlıca riskler vardır. Bunlardan biri yanlış ya da eski bilginin kalıcılaşması: ajan bir kere hatalı bir bilgiyi belleğe yazarsa sonraki görevlerde tekrar eder. Bir diğeri mahremiyettir: kullanıcıya ait bilginin yetkisiz ajanlara ya da başka kullanıcılara sızması. Bu nedenle neyin belleğe yazılacağı, ne kadar süre tutulacağı, nasıl güncelleneceği ve kimin erişeceği baştan belirlenir.

Araç kullanımı, güvenlik ve ölçeklendirme

Ajanlar araç çağırarak gerçek dünyaya dokunur: veri tabanı sorgular, API çağırır, dosya okur, kod çalıştırır. Araç tanımları net olmalıdır: ne işe yaradığı, parametreleri, hata dönüşleri. Yazma ve silme gibi geri dönüşü zor işlemler en az yetkiyle ve insan onayıyla yapılır.

Üretim ortamına çıkarken güvenlik başlıkları öne çıkar. Kötü niyetli girdilerle ajanı yönlendirme (komut enjeksiyonu), ajanın yetkisini aşan işlem yapması, hassas veriyi ifşa etmesi, maliyet patlaması ve sonsuz döngü bunların başında gelir. Önlem olarak araç yetkilerini daraltmak, çıktıyı doğrulamak, maksimum adım ve maliyet sınırı koymak, kritik işlemde insan onayı istemek ve tüm adımları kayıt altına almak gerekir.

Ölçeklendirmede kuyruklama, eşzamanlılık, istek sınırları, önbellekleme ve model maliyeti göz önüne alınır. Gözlemlenebilirlik şarttır: her ajanın hangi mesajı aldığı, hangi aracı çağırdığı ve neden o kararı verdiği sonradan izlenebilmelidir. Değerlendirme için gerçek senaryolardan oluşan bir test seti hazırlanır ve her değişiklikte çalıştırılır; çünkü çoklu ajan sistemlerinde küçük bir talimat değişikliği bütün davranışı kaydırabilir.

Nereden başlanır, Mindset programlarında nerede çalışılır?

Küçük başlayın: tek bir iş akışı seçin (örneğin bir belgeyi okuyup özetleyen ve ardından özeti kontrol eden ajanlar), rolleri yazın, durma koşulunu ve maksimum tur sınırını belirleyin. Ardından araç ekleyin, çıktıyı yapılandırılmış hale getirin ve bir test seti oluşturun. Sistem tek ajanla aynı kaliteyi veriyorsa, çoklu ajan karmaşıklığına gerek olmayabilir.

Mindset programlarında bu konu AutoGen ile Multi-Agent Sistemleri eğitiminde işlenir. Eğitimdeki rol, koordinasyon ve denetim kavramları çerçeveden bağımsızdır; Microsoft'un halef çerçevesi de AutoGen'in ajan soyutlamalarını devraldığı için öğrenilenler oraya taşınabilir. Modüller AutoGen ekosistemi ve kurulum, ajan rolleri ve sorumlulukları, ajan iletişimi ve koordinasyon, araç kullanımı ve dış sistem entegrasyonu, karmaşık görev çözümleme, üretim güvenliği ve ölçeklendirme ile kurumsal uygulama projeleridir. Bellek tarafı ise Agent Memory ve Bağlam Yönetimi eğitiminde bellek türleri ve mimari, kısa vadeli bağlam yönetimi, vektör tabanlı uzun vadeli bellek, çerçeve ve araç entegrasyonu ile bellek güvenilirliği başlıklarıyla ele alınır.