Yapay zekâ alanında gündem hızla değişiyor. 2025 yılına damgasını vuran kavramlardan biri ise hiç kuşkusuz Agentic AI.
Yapay zekâ alanında gündem hızla değişiyor. 2025 yılına damgasını vuran kavramlardan biri ise hiç kuşkusuz Agentic AI. Ancak bu kavramın derinliği, masaüstü uygulamalara yapay zekâ özelliği eklemekten çok daha fazlasını içeriyor. Gerçek anlamda profesyonel düzeyde agentic AI uygulamaları geliştirmek için, daha geniş ve mimari temelli bir bakış açısına ihtiyaç var.
Agentic AI Sadece “Yanıt” Üretmez, Eyleme Geçer
Büyük dil modelleri (LLM’ler), klasik kullanımda yalnızca bir girdi (prompt) alır ve buna karşılık olarak bir metin çıktısı üretir. Bu, bir şey söylemek istiyorsanız yeterlidir. Ancak bir şey yapmak istiyorsanız—örneğin bir randevu oluşturmak, bir dosyaya erişmek veya bir API çağrısı yapmak—LLM’ler yetersiz kalır.
İşte bu noktada Agentic AI devreye girer. Agentic AI, dil modelinin dünyada etkiler yaratabilmesi için gerekli araçlara (tools) ve güncel kaynaklara erişmesini sağlar.
RAG, Kafka, API’ler: Dış Kaynakların Önemi
Agentic AI sistemleri, yalnızca dil modelinin eğitildiği verilerle sınırlı kalmaz. Bunun yerine;
- Retrieval-Augmented Generation (RAG) gibi yapılarla şirket içi veritabanlarına erişir,
- Gerçek zamanlı veri akışları için Kafka gibi sistemlerden bilgi alır,
- Dosyalar, ikili veriler, API sonuçları gibi dış kaynakları kullanabilir.
Amaç; LLM’yi, sadece metin üreticisi değil, durumsal olarak bilgiye erişen ve eyleme geçen bir ajan haline getirmektir.
MCP Nedir? Agentic AI Mimarisi Nasıl Kurulur?
Model Context Protocol (MCP), Agentic AI sistemlerini modüler hale getiren ve mikroservis gibi çalışan bir mimari yaklaşımdır. Aşağıda özet bir akış yer almaktadır:
1. Host Application (İstemci Uygulama)
Kurumsal sistemin içindeki uygulama (örneğin bir AI destekli ajanda), MCP Client Kit kullanarak bir istemci oluşturur.
2. MCP Server (Ajan Sunucusu)
Bu, ya sizin oluşturduğunuz bir ajan sunucusudur ya da dışarıdan entegre ettiğiniz hazır bir servistir. Bu sunucu:
- Hangi araçları (tools) kullanabileceğini,
- Hangi kaynaklara (resources) eriştiğini,
- Hangi prompt şablonlarını desteklediğini belirtir.
3. İletişim Protokolü
- HTTP + Server Sent Events (SSE) üzerinden iletişim kurulur.
- JSON-RPC mesajlaşma protokolü kullanılır.
- Ajan, istemciye bildirimler gönderebilir (örneğin: “Bu kaynağı kullan”, “Bu aracı çağır”).
Uygulamalı Senaryo: “Kahve Randevusu”
Bir kullanıcı, “Gelecek hafta kahve içmek istiyorum” dediğinde:
- Ajan, MCP server’dan “Ne gibi kaynaklarım var?” diye sorar.
- LLM’ye, bu kaynaklardan hangilerinin bu istekte kullanılabileceği sorulur.
- LLM, örneğin “Kahveciler listesi” isimli kaynağın uygun olduğunu belirtebilir.
- Bu kaynak çağrılır, detaylar prompt’a eklenir.
- Sonuçta; uygun kahve yeri önerileri, tarih önerileri ve hatta rezervasyon yapılması gibi aksiyonlar alınabilir.
Neden MCP ile Agentic AI Geleceğin Standardı?
✅ Pluggable (Tak-Çalıştır): Yeni kaynaklar ve araçlar kolayca entegre edilir.
✅ Discoverable (Keşfedilebilir): Uygulama, hangi kaynakların ne işe yaradığını kendisi sorgulayabilir.
✅ Composable (Bileşenlerle Genişletilebilir): MCP sunucuları, başka MCP sunucularını da istemci gibi kullanabilir.
✅ Kurumsal Uyum: Yetki kontrolü, kaynak yönetimi ve API çağrıları profesyonel düzeyde yapılabilir.
Sonuç: Sadece Bir Özellik Değil, Yeni Bir Paradigma
Agentic AI’yi yalnızca masaüstü uygulamalara birkaç yetenek eklemek olarak görmek, bu teknolojinin potansiyelini sınırlar. MCP ile çalışan bir Agentic AI mimarisi, kurumsal dünyada eyleme geçebilen, modüler, keşfedilebilir ve genişleyebilir yapay zekâ çözümleri inşa etmenin kapısını aralıyor.
