AI Agent vs LLM: Model ile Ajan Farkı
LLM (Large Language Model — büyük dil modeli; GPT, Claude, Gemini gibi) metin üretip anlayan bir beyindir. AI ajanı ise bu beyni araç kullanma, planlama ve eylem alma yeteneğiyle donatılmış bir sistemdir. LLM olmadan ajan olmaz; ama her LLM kullanımı ajan değildir. Aradaki fark, çoğu insanın “yapay zeka” derken kastettiği şeyin aslında hangisi olduğunu belirler — ve bu yazıda ikisini birbirinden ayırıyorum.
Bu sayfa daha geniş Agentic AI Rehberi’nin bir parçası. Kavrama yeni başlıyorsanız önce Yapay Zeka Ajanı Nedir yazısına bakmanızı öneririm.
LLM Nedir, Kısaca
LLM, milyarlarca kelimeyle eğitilmiş, bir sonraki kelimeyi tahmin ederek metin üreten bir yapay zeka modelidir. Soru sorarsınız, cevap üretir; metin verirsiniz, özetler veya çevirir. GPT-4, Claude, Gemini gibi modellerin hepsi LLM’dir.
Kritik nokta şu: bir LLM tek başına pasiftir. Ne arama yapabilir, ne e-posta gönderebilir, ne de bir dosyayı açabilir — siz ne sorarsanız ona metinle cevap verir, konuşma orada biter. Detaylı tanım için Claude AI Nedir yazısına bakabilirsiniz.
AI Agent ile LLM Arasındaki Fark: Karşılaştırma Tablosu
İkisi arasındaki farkı en net şekilde yan yana görmek gerekir:
| LLM (Model) | AI Agent (Ajan) | |
|---|---|---|
| Ne yapar | Metin üretir, soruları yanıtlar, özetler, çevirir | Bir hedefi gerçekleştirmek için birden çok adımı kendi başına yürütür |
| Araç kullanımı | Yok — sadece eğitildiği bilgiyle metin üretir | Var — arama yapar, kod çalıştırır, API çağırır, dosya okur/yazar |
| Hafıza | Yok (veya tek konuşma penceresiyle sınırlı) | Var — önceki adımları ve sonuçları bir sonraki karara taşır |
| Otonomi | Yok — her adımda sizin komutunuzu bekler | Var — bir plan çıkarır, adımları sırayla uygular, gerekirse kendi kendini düzeltir |
| Örnek kullanım | “Bu e-postayı Türkçeye çevir” | “Gelen kutumu tara, önemli e-postaları özetleyip bana rapor gönder” |
Tablodaki her satır aynı soruya farklı açıdan cevap veriyor: LLM bilgiyi işler, ajan işi bitirir.
Bir LLM Ne Zaman Ajana Dönüşür
Bir LLM’in ajana dönüşmesi için üç şeyin eklenmesi gerekir:
- Araç erişimi — web’de arama yapabilme, kod çalıştırabilme, bir API’yi çağırabilme, bir dosya sistemine yazabilme.
- Planlama döngüsü — modelin “önce şunu yap, sonucu kontrol et, sonra şuna geç” şeklinde kendi adımlarını sırayla belirleyip yürütmesi.
- Hafıza — bir adımda öğrendiğini bir sonraki adımda kullanabilmesi; tek seferlik soru-cevap değil, süren bir görev.
Bu üçü bir araya geldiğinde model artık “ne diyeyim” değil “ne yapayım” sorusuna cevap arar. İşte bu andan itibaren ona ajan diyoruz. Kavramın teorik tarafı için Agentic AI Nedir yazısı daha detaylı.
Düz LLM mi, Ajan mı? Somut Örnek
Aradaki farkı en iyi iki istekle görürsünüz:
“Bu metni özetle.” — Bu düz LLM kullanımıdır. Modele metni verirsiniz, o size bir özet üretir, iş biter. Araç yok, adım yok, takip yok.
“Gelen kutumu tara, önemli e-postaları özetleyip bana rapor gönder.” — Bu ajan kullanımıdır. Sistem önce e-posta hesabına bağlanmalı (araç), hangi e-postaların “önemli” olduğuna karar vermeli (planlama), her birini okuyup özetlemeli (LLM’in kendisi burada devreye giriyor) ve sonunda raporu size ulaştırmalı (eylem). Tek bir istek, dört farklı adım — hepsini model kendi başına zincirliyor.
Aynı LLM her iki örnekte de “motor” olabilir; farkı yaratan, etrafına ne inşa edildiği.
Benim Operasyonumdan Bir Gözlem
43 reklam hesabını tek başıma yönetirken bu farkı her gün yaşıyorum. Bir müşterinin haftalık performans raporunu “özetle” dediğimde kullandığım şey düz bir LLM’dir — veriyi ben çekerim, modele yapıştırırım, o bana yorumlar.
Ama bütçe tükenme uyarısı, günlük harcama kontrolü ve anomali tespiti gibi işlerde durum farklı: sistem kendisi ilgili hesaba bağlanır, günlük harcamayı çeker, önceki güne göre sapmayı hesaplar ve eşiği aşan bir şey varsa bana otomatik bildirim gönderir. Ben orada değilim; sistem kendi başına arıyor, karşılaştırıyor, karar veriyor. Bu ikinci örnek ajan çalışmasıdır — ve tam da bu yüzden 43 hesabı tek başıma tutabiliyorum.
Hangisine İhtiyacınız Var?
Çoğu küçük iş için aslında bir ajana değil, iyi kurulmuş birkaç LLM promptuna ihtiyaç vardır — daha ucuz, daha hızlı kurulur, bakımı kolaydır. Ajan; tekrar eden, birden çok sistemi birbirine bağlayan ve sizin sürekli araya girmenizi gerektirmeyen bir iş varsa mantıklıdır (e-posta takibi, rapor toplama, stok/fiyat kontrolü gibi).
Kendi işinizde hangi görevin ajanla otomatikleşebileceğini kestirmek isterseniz kendi yapay zeka asistanınızı kurma sürecine göz atabilirsiniz.
Bu İşi Benden İsteyebilirsiniz
Bu işi benden isteyebilirsiniz: genelde 2 saat–2 hafta arası süren, uzaktan, saatlik ücretli bir iş. Hangi göreviniz için düz bir LLM promptunun mu yoksa tam bir ajanın mı gerektiğine birlikte karar veririz. Kendi yapay zeka asistanınız için iletişime geçin.
Sıkça Sorulan Sorular
AI agent bir LLM müdür?
Hayır. AI agent, bir veya birden fazla LLM’i araç kullanma ve planlama yeteneğiyle çevreleyen bir sistemdir. LLM, ajanın içindeki “beyin” kısmıdır — ajanın kendisi değildir.
ChatGPT bir ajan mı, yoksa düz bir LLM mi?
Varsayılan sohbet penceresinde ChatGPT düz bir LLM arayüzüdür. Kod çalıştırma, web arama veya eklenti gibi özellikler açıldığında araç kullanmaya başladığı için sınırlı bir ajana dönüşür.
Hangi işler için ajan, hangi işler için düz LLM yeterli?
Tek seferlik, hemen kontrol edebileceğiniz işler (metin yazma, özetleme, çeviri) için düz LLM yeterlidir. Tekrar eden, birden çok sistemi birbirine bağlayan ve sürekli izlemek istemediğiniz işler (rapor toplama, e-posta takibi, fiyat/stok kontrolü) ajan gerektirir.
Ajan kurmak LLM kullanmaktan daha mı pahalı?
Genellikle evet — araç entegrasyonu, hata yönetimi ve test süreci gerekir. Ama tekrar eden bir işi haftalık saatlerce yapmaktan kurtarıyorsa, kısa sürede kendini amorti eder.