Agentic AI 101 — agent nedir, ne değildir

GH-600’ün her domain’i şu temel önermeyi varsayar: agent ≠ LLM. LLM bir modeldir; agent bir LLM’i hedef-yönelimli bir döngüde, tool’larla, hafızayla ve guardrail’lerle kullanan sistemdir.

AI agent nedir?

Sade tanım: ortamıyla etkileşime girip belirli bir hedefi tamamlamak için aksiyonlar alabilen yazılım. Üç bileşeni vardır:

Bileşen	Ne yapar
Model	Akıl yürütür (LLM, multimodal)
Tool’lar	Dış dünyaya etkide bulunur (file, API, MCP server)
Loop	Hedefe ulaşana kadar model + tool çağrısını sürdürür

GitHub’da: Copilot custom agent = LLM + tool’lar (MCP) + Actions/repo loop’u + memory.

Agent değildir

• LLM — sadece metin üretir, aksiyon almaz
• Chatbot — kullanıcıyla konuşur, bağımsız hedef yok
• Script — sabit adımlar, akıl yürütme yok
• Workflow (Actions) — tetiklenir ama plan üretmez

GH-600’de “şu çözüm agent gibi davranıyor mu?” sorulduğunda kriter: hedef + plan + tool kullanımı + adapte etme birlikte var mı?

Plan-then-act — sınavın imza modeli

Domain 1.2’nin tüm alt-bölümü buna ayrılmış. Akış:

  Hedef
    ↓
  Plan üret (structured)
    ↓
  Plan'ı doğrula (validation)
    ↓
  Plan onaylanırsa: aksiyona geç
    ↓
  Sonuç + iz (artifact)

Neden plan ve act ayrı?

1. Doğrulanabilirlik — plan insan veya başka agent tarafından okunabilir
2. Geri alınabilirlik — yanlış plan, kötü aksiyon olmadan yakalanır
3. Audit — kararın gerekçesi kayıtlı kalır
4. Hız — aslında plan’la doğru yapılan iş, baştan-doğru gider

Otonomi spektrumu

Agent otonomisi binary değil — bir spektrum:

Seviye	Kim karar veriyor	Örnek
Manual	İnsan	Geliştirici kod yazar
Suggest	Agent öneri, insan onay	Copilot completion
Assist	Agent yapar, insan gözden geçirir	PR review agent → PR yorumu
Autonomous (guardrail’li)	Agent karar verir, guardrail filtreler	Cloud agent → otomatik PR + required review
Fully autonomous	Agent + uygula + onaysız merge	NADIR doğru — sınavda genelde yanlış cevap

Domain 6.1 “Assign autonomy levels” — risk sınıfına göre seviyeyi seç. Default’unun autonomous + guardrail olduğunu bil; fully autonomous çok dar bir aksiyon kümesi için doğru.

Sınavın imza anti-pattern’leri

#	Anti-pattern	Doğru pattern
1	Belirsiz başarı kriteriyle agent başlatmak	Net inputs/outputs/success criteria
2	Doğrulama olmadan otonom yazma izni	Plan-then-act + required review
3	Plan üretmeden doğrudan aksiyon	Structured plan + validation
4	Geri alınamaz işlemi gözetimsiz	HITL + controlled path
5	Sınırsız retry	Retry → rollback → escalation zinciri
6	Bellek scope’suz tutmak	Memory expiration + task-relevant scope
7	Risk azaltmayan onayı zorlamak	Onayı sadece anlamlı riske koy
8	Audit’siz silme/değiştirme	Traceability + system of record

Bunları ezberlemen, soru “anti-pattern hangisidir?” diye sorduğunda 5 saniyede cevap vermeni sağlar.

Sırada ne var?

Önkoşul bitti. Modül 2 — Domain 1: Agent mimarisi & SDLC ile sınavın resmi domain’lerine giriyoruz. Sıradaki ders agent’ı SDLC’ye nasıl doğru noktadan soktuğunu anlatacak.