Otonom Yapay Zeka Sistemleri Sözlüğü: Agentic AI

.antigravityignore

Ajanın dosya sistemi üzerinde çalıştığı sırada `node_modules` gibi devasa kütüphanelerde kaybolup Segmentation Fault (bellek taşması) yaşamasını engelleyen fiziksel kara liste dosyasıdır.

Geleneksel `.gitignore` dosyası ile aynı mantıkta çalışır; ancak `.gitignore` git tarafındaki değişiklikleri görmezden gelirken, `.antigravityignore` doğrudan ajanın çalışma alanını ve Context Window sınırlarını korur. Ajanların Agentic IDE (Antigravity IDE vb.) ortamlarında sadece sizin izin verdiğiniz Workspace Rules (Yerel Kurallar) dahilinde gezinmesini sağlayarak hem hızı artırır hem de token israfını önler.

60/30/10 Kuralı

Ajan ekosistemlerindeki kaynak ve bütçe yönetimini optimize etmek için kullanılan Agentic Engineering prensibidir. Sistemdeki tüm görevleri aynı ağırlıkta işlemek yerine 3 ana kategoriye böler:
- %10 (Kompleks): Mimari kararlar ve derin Reasoning gerektiren zorlu görevler için üst düzey Deep Reasoning modelleri kullanılır.
- %30 (Orta): Veri işleme veya taslak oluşturma gibi rutin işlemler için standart modeller kullanılır.
- %60 (Basit): Kod formatlama, yönlendirme (routing) gibi basit işler için düşük maliyetli modeller (Fast Mode) tercih edilir.
Bu kural, zeka ile Token Burn Rate arasındaki dengeyi kurar.

A2A (Agent-to-Agent)

Ajanların insan (HITL) onayı beklemeden veya merkezi bir Orchestrator (Şef Ajan) üzerinden geçmeden kendi aralarında doğrudan (P2P) iletişim kurduğu haberleşme protokolüdür. Merkeziyetçi (Centralized) yapıların aksine, Multi-Agent System içinde her ajanın diğerleriyle otonom veri paylaşmasına olanak tanır.

Örneğin; bir Implementer Agent hata aldığında, sorunu ana şefe bildirmek yerine doğrudan Resolver Agent (Çözücü) ile iletişime geçer. Bu iletişim sırasında Identity Propagation sayesinde yetkiler uçtan uca korunur.

ACL (Erişim Kontrol Listesi)

Ajanların ve Sidecars (Yan Süreçler) gibi alt bileşenlerin işletim sistemindeki dosya, klasör ve ağ kaynaklarına erişimini kısıtlayan donanımsal güvenlik bariyeridir. Ajan güvenliği 3 katmanda ele alınır:
- Yüksek seviyede Guardrails (İstem sınırları)
- İletişim seviyesinde MCP kısıtlamaları
- Donanım ve sistem seviyesinde ise ACL.
Principle of Least Privilege (En Az Yetki) ile tasarlanan ACL kuralları, kötü niyetli bir Prompt Injection saldırısı başarılı olsa bile, ajanın kritik sistem dosyalarını silmesini kesin olarak engeller.

ACT (Eylem)

Otonom yapay zekanın sadece düşünmekle kalmayıp, dış dünyada fiziksel veya dijital değişiklikler yaptığı "uygulama ve tetikleme" aşamasıdır.

Agentic Loop sarmalının 4 temel evresinden biridir; Observe (Gözlemle) ve Reasoning (Akıl Yürütme) adımlarında alınan kararları somut eyleme çevirir.

Eylem anında ajanın elleri işlevini gören Tools (Araçlar) kullanılarak veritabanına kayıt yazılır, dosya oluşturulur veya bir API tetiklenir.

Adversary Agent (Düşman)

Otonom sistemlerin dayanıklılığını test etmek amacıyla kendi sisteminize saldırması için görevlendirilen siber güvenlik ("Red Teaming") ajanıdır. Orchestrator veya Worker Agent gibi yapıcı (üretken) ajanların aksine, sistemin sınırlarını ve güvenlik açıklarını bulmaya odaklanan simüle edilmiş bir saldırgan rolü üstlenir.

Görevi, Guardrails (Korkuluklar) mekanizmalarını zorlamak, Prompt Injection saldırıları yaparak ajanların sınırlarını aştırmaya çalışmak ve sistem yayına girmeden önce tüm zafiyetleri raporlamaktır.

Agent OS (Ajan İşletim Sist.)

Yüzlerce otonom ajanın belleğini, donanım kaynaklarını ve görev sıralarını arka planda (Windows veya Linux çekirdeği gibi) yöneten zeki orkestrasyon katmanıdır.

Bireysel ajanların tekil işlemlerine odaklanan Agentic AI yapılarının üstünde yer alır. Ajanların Principle of Least Privilege (En Az Yetki) haklarını kontrol eder, çökme durumlarında Self-Correction (Otomatik Kurtarma) başlatır ve ajanlar arasındaki A2A iletişimine güvenli bir barındırma hizmeti sunar.

Agent Routing

Kullanıcıdan veya sistemden gelen karmaşık bir talebin analiz edilip, otonom olarak en doğru uzman Worker Agent (İşçi Ajan) birimine yönlendirilmesi işlemidir. Geleneksel if/else blokları yerine Semantic Routing (Anlamsal Yönlendirme) kullanarak talebin niyetini (intent) okur.

Merkezi Orchestrator (Şef Ajan) tarafından işletilir. Örneğin; veritabanı sorgusu gerektiren bir istek anında SQL uzmanı ajana iletilirken, tasarım değişikliği CSS uzmanı ajana atanır.

Agent Skills (Ajan Becerileri)

Ajanın sadece bir Tools (Araç) listesine sahip olmasıyla yetinmeyip; o aracı gerçek dünyada "nasıl ve hangi sırayla" kullanması gerektiğini anlatan uzmanlık (know-how) paketleridir. Genellikle SKILL.md formatında belgelenirler.

Sadece kod değil, kurumsal iş yapış biçimi sunarlar. Ajanlara sadece ne yapacaklarını (System Prompt) değil, nasıl yapacaklarını (Procedural Memory) öğreterek deterministik ve öngörülebilir sonuçlar almayı garantilerler.

Agentic AI

Sizden sadece nihai hedefi alıp, arka planda kendi planını kuran, hata yaptığında kendi kendini düzelten (Self-Correction) ve araçlar kullanarak eyleme geçen otonom yapay zeka sistemleridir.

ChatGPT gibi pasif sohbet botlarının aksine; Reasoning ile problemi analiz eder, Plan kurar ve Agentic Loop döngüsü içinde işi bizzat yapıp tamamlar.

Orchestration yeteneği sayesinde birden fazla uzman Worker Agent birimini koordine edebilir.

Agentic Engineering

Şansa dayalı ve kırılgan yapıdaki ilkel kodlama (Vibe Coding) pratiklerinin yerine; matematiksel Agentic Loop tasarımları, katı Evals (Testler) ve aşılamaz Guardrails güvenlik duvarları içeren otonom mimariler inşa etme disiplinidir.

Ajanların hatalar karşısında çökmesini değil, Self-Correction ile hatalarını çözerek ilerlemesini sağlayan, üretim ortamında (production) çalışabilen kurumsal çoklu ajan sistemleri kurma sanatıdır.

Agentic Loop (Ajan Döngüsü)

Otonom sistemin kalbini oluşturan ve hedefe ulaşana kadar kendi kendini yineleyen sonsuz sarmal yaşam döngüsüdür. Ajanın her adımda şu 4 fazı izlemesini sağlar:
- Discover/Observe: Ortamı gözlemleme ve analiz.
- Plan: Atılacak adımları planlama.
- Reason: İçsel muhakeme ve karar.
- Execute/Act: Dış dünyada eyleme geçme.
Bu döngü, klasik kod akışlarının aksine dinamiktir ve hata alındığında başa sararak Loop Engineering prensipleriyle yeni stratejiler geliştirir.

Agentic RAG

Geleneksel olarak Vector Database'den çekilen bilgiyi körü körüne kabul eden statik RAG (Retrieval-Augmented Generation) araması yerine, dedektif gibi aktif çalışan otonom veri getirme döngüsüdür.

Ajan, bulduğu verinin doğruluğunu State Verification ile test eder, eksik bulursa kendi kendine farklı anahtar kelimelerle yeni bir arama başlatır. Amacı Grounding kalitesini artırıp Hallucination riskini sıfıra indirmektir.

Agentic IDE

Ajanların geliştiricilerle omuz omuza çalıştığı, onlara kod yazma, Terminal erişimi, dosya okuma ve MCP Client entegrasyonu gibi tam yetkilerin verildiği bütünleşik geliştirme ortamıdır (Örn: Cursor, Antigravity IDE).

Tarayıcı tabanlı sohbet botlarından farklı olarak, doğrudan projenizin içinde, yerel dosyalarınız üzerinde (izin verilen ACL sınırları dahilinde) otonom olarak Plan ve Execute döngülerini çalıştırırlar.

AGI (Genel Yapay Zeka)

Spesifik alanlarda (örneğin sadece kod yazma veya çeviri) uzmanlaşan günümüz Narrow AI (Dar YZ) sistemlerini aşarak; herhangi bir insanın yapabileceği tüm bilişsel, yaratıcı ve analitik görevleri kendi kendine öğrenebilen varsayımsal üst zeka seviyesidir.

Ajan sistemleri, farklı Worker Agent uzmanlıklarını tek bir Orchestrator altında birleştirerek AGI'ye giden yolda atılan en önemli yapıtaşları olarak kabul edilir.

Always Proceed

Ajanın, riskli olabilecek veya sistemde değişiklik yapacak komutları (örn: veritabanı silme, terminal kod çalıştırma) çalıştıracağı zaman insandan HITL (İnsan Onayı) istemeden, sürece otonom olarak devam etmesine izin veren agresif yetki ayarıdır.

Autonomous Mode içinde hız kazandırsa da, Guardrails ile desteklenmediği durumlarda sistem güvenliği için ciddi riskler oluşturabilir.

Antigravity

Yüzlerce yapay zeka ajanının devasa bir kurumsal yazılım ekibi gibi koordine edilmesini sağlayan gelişmiş ajan komuta merkezidir.

Bünyesinde Antigravity CLI (Terminal aracı), Antigravity SDK (Yazılım kütüphanesi) ve Antigravity IDE (Geliştirme ortamı) barındırarak geliştiricilerin otonom süreçleri uçtan uca yönetmesini, denetlemesini ve tam entegre bir Multi-Agent System oluşturmasını sağlar.

Antigravity 2.0

Klasik terminalin (CLI) ötesine geçen, Antigravity platformunun görsel arayüze (GUI) sahip yeni nesil masaüstü versiyonudur.

Ajanların ürettiği karmaşık çıktıları etkileşimli Artifacts panellerinde görselleştirir, Subagent hiyerarşisini canlı grafik üzerinden izleme imkanı sunar ve Chain of Thought (düşünme aşamalarına) görsel müdahale edilmesini sağlar. Orchestrator ve alt ajanların sürükle-bırak kolaylığında yönetildiği profesyonel bir kontrol merkezidir.

Antigravity CLI (agy)

Geliştiriciler için doğrudan SSH oturumlarında veya IDE terminallerinde çalışan, görsel arayüzü (GUI) olmayan metin tabanlı hafif ajan denetleyicisidir.

Sistemin RAM ve işlemci kaynaklarını neredeyse sıfır düzeyde tüketir. TUI (Terminal UI) mantığıyla çalışarak arka plandaki ajanlara otonom görevler atamanızı, durumlarını listelemenizi ve sistem Daemon süreçlerini yönetmenizi sağlayan hızlı ve minimalist bir araçtır.

Antigravity SDK

Geliştiricilerin Python veya Typescript kullanarak kendi projelerine özel otonom ajanlar inşa edebilmesini, sisteme yeni Tools ekleyebilmesini ve işletim sistemi düzeyinde JSON Hooks tetikleyicileri yazabilmesini sağlayan çekirdek mimari kütüphanesidir.

Antigravity CLI komutlarla dışarıdan yönetimi sağlarken, SDK doğrudan uygulamanızın kod tabanına gömülerek kendi Agent OS altyapınızı kurmanıza imkan tanır.

Antigravity IDE

Ajanlarla birlikte kod yazmak, inceleme yapmak ve süreç yürütmek için özel olarak tasarlanmış, Terminal, MCP Client ve otonom sistem bileşenlerini tek bir çatıda birleştiren modern geliştirme ortamıdır.

Sıradan bir editörden farklı olarak, siz kodu yazarken Agentic AI yetenekleriyle dosya sisteminize erişen ajanların sizinle A2A tarzı asenkron bir senkronizasyonda (peer-programming) çalışmasına olanak tanır.

API

Farklı yazılımların ve sunucuların birbiriyle sabit kurallarla (endpoint, istek, yanıt) haberleştiği geleneksel veri arayüzüdür.

Sabit ve statik olan klasik API bağlantılarının aksine, dinamik ve esnek olan MCP (Model Context Protocol) yapay zekanın araç ve kaynakları otonom keşfetmesini sağlar.

Eski sistemlerde ajanın API ile konuşabilmesi için bir API Connector köprüsüne ihtiyaç duyulur.

API Connector

Modern MCP (Model Context Protocol) mimarisini doğrudan desteklemeyen eski nesil kapalı sistemlerde (Örn: Salesforce, legacy ERP'ler), ajanın dış dünyayla konuşabilmesini sağlayan klasik çevirici (köprü) eklentileridir.

API'den dönen karmaşık XML veya JSON verisini, ajanın kolayca anlayıp işleyebileceği basit bir Tools yeteneğine (örn: `fetch_user_data` fonksiyonu) çevirerek ajanların esneklik kazanmasını sağlarlar.

Artifacts (Artefaktlar)

Ajanın uzun ve karmaşık işlemler sonucunda ürettiği bilgileri sıkıcı düz metinler yerine; etkileşimli bir Implementation Plan, UML diyagramı, tablo veya Markdown raporu gibi insana okunabilir ve görsel (yapısal) bir formatta sunduğu çıktılardır.

Bu yöntem, insan gözlemini (Observe) kolaylaştırır ve geliştiricinin sistemin aldığı kararları hızla onaylayıp (HITL) süreci ilerletmesini sağlar.

BigQuery

Google Cloud platformunda çalışan, milyarlarca satır veriyi saniyeler içinde sorgulayabilen devasa veri analiz motorudur.

Otonom ajanlar Google Analytics (GA4) verilerini BigQuery'ye aktarıp SQL sorguları ile derinlemesine analiz yapabilir. Agentic RAG süreçlerinde, ham veriyi anlamlı içgörülere dönüştüren güçlü bir Tools kaynağıdır.

Browser Sub-Agent (/browser)

Özel olarak web arayüz testleri için kodlanmış görsel alt ajandır (Subagent). Chrome DevTools üzerinden bir tarayıcıya otonom bağlanarak insan gibi butonlara tıklar ve form doldurur.

UI Testing (Arayüz testi) icra ederken karşılaştığı hataları ispatlamak için otonom olarak video (WebM) kaydeder ve durumu üst düzey Orchestrator (Şef Ajan) birimine kanıtlarıyla iletir.

Budget Guardrails

Ajanın beklenmedik bir hata yüzünden Infinite Loop (sonsuz döngü) sarmalına girerek, saniyeler içinde devasa API istekleriyle maliyetleri patlatmasını engelleyen donanımsal güvenlik sigortalarıdır.

Cost Control Limits içerir. Standart Guardrails (Korkuluklar) genellikle güvenlik ve erişim (okuma/yazma) ile ilgilenirken, Budget Guardrails tamamen ajanın Token Burn Rate (Jeton Yakma Hızı) sınırlarını denetleyip gerektiğinde sistemi acil (hard-stop) olarak durdurur.

Campaign Syncing

Ajanların, (Google Ads, Meta Ads vb.) pazarlama kampanyalarını API Connector kullanarak dış platformlarla otonom olarak senkronize etme sürecidir.

Manuel kopyala-yapıştır yöntemlerinin yerini alır. Ajan, veritabanındaki (Örn: Firestore) değişen kurallara veya bütçe stratejilerine göre dışarıdaki reklam metinlerini ACT (Eylem) aşamasında günceller.

CDN (İçerik Dağıtım Ağı)

Web sitesinin statik dosyalarını (görseller, CSS, JavaScript) dünya genelindeki sunuculara dağıtarak kullanıcıya en yakın noktadan servis eden hız altyapısıdır (Örn: Cloudflare, AWS CloudFront).

Core Web Vitals ve PageSpeed / Lighthouse puanlarını doğrudan etkiler. Otonom ajanlar, hız testleri sonucunda CDN yapılandırma önerileri sunabilir.

Centralized Agent Networks

Çoklu ajan mimarisinde (MAS) ağın, Conductor (Ana Şef) rolündeki merkezi bir diktatör ajan tarafından katı bir şekilde ve hiyerarşik olarak yönetildiği modeldir.

Alt Worker Agent birimlerinin kendi başlarına otonom karar almadığı, sadece emredilen Task Plan (Görev Planı) adımlarını uyguladığı yapıdır. Decentralized Agent Networks (Merkeziyetsiz) modeline göre yavaş çalışır ancak kurumsal Governance (Yönetişim) ve denetim açısından daha güvenlidir.

Chain of Thought (CoT)

LLM'in karmaşık bir sorunu çözerken, doğrudan sonuca sıçrayıp hata (Hallucination) yapmak yerine; problemleri adımlara bölerek (Örn: "Adım 1: x'i bul, Adım 2: y ile çarp") sesli/metinsel düşünmesidir.

Gelişmiş Deep Reasoning modellerinin temel gücüdür. Ajanın, Reasoning (Akıl Yürütme) evresinde kendi kendini ikna etmesini ve mantıksal sırayı takip ederek hatasız çıkarımlar yapmasını sağlar.

Chat Room Debate

Ajanların kendi aralarında Debate Loops (Tartışma Odaları) oluşturarak tıpkı bir WhatsApp grubu gibi farklı perspektiflerden fikir çarpıştırdığı çoklu otonom karar alma seanslarıdır.

Genellikle bir Implementer (Uygulayıcı), bir Reviewer (Denetmen) ve bir Contrarian Agent (Aykırı Ses) aynı odaya (Context Window) konulur. Sistemin, ilk bulunan çözümü körü körüne kabul etmeyip konsensüs ile en doğru kararı bulmasını sağlar.

Chatbot

Web sitelerinde ziyaretçilerin sorularını otomatik yanıtlayan, genellikle kural tabanlı (if/else) veya basit yapay zeka destekli sohbet asistanıdır.

Agentic AI sistemlerinden farkı, önceden tanımlı senaryolar dışına çıkamaması, Tools kullanamaması ve otonom karar alamamasıdır. Modern ajansal sistemler, chatbot'ların çok ötesinde Reasoning (Akıl Yürütme) ve Self-Correction yetenekleriyle donatılmıştır.

ChatGPT

OpenAI tarafından geliştirilen, milyonlarca kişinin doğrudan sohbet ederek kullandığı yapay zeka asistanıdır. Agentic AI sistemlerinden temel farkı, otonom döngü (Agentic Loop) çalıştıramaması ve dış dünyaya Tools ile fiziksel müdahale edememesidir.

ChatGPT pasif bir sohbet botuyken; Antigravity IDE gibi ajansal sistemlerde aynı LLM beyni, ACT (Eylem) ve Observe (Gözlem) döngüleriyle otonom çalışan aktif bir makineye dönüşür.

ChatSessionStore.index

Özellikle Agentic IDE (Antigravity vb.) sistemlerinde, ajanın eski sohbet oturumlarını ve projenin durum (State Management) geçmişini birbirine bağlayan yerel JSON indeks veritabanıdır.

Geçici bir Working Memory dosyası değildir; bozulduğunda veya okuma hatası verdiğinde ajanların geçmiş (Long-Term Memory) deneyimlerinin erişilmez olmasına (Context Rot) yol açan hassas ve yedeklenmesi kritik bir dosyadır.

Claude (Anthropic)

Anthropic şirketinin geliştirdiği, güvenlik ve zararsızlık odaklı yapay zeka model ailesidir (Claude Sonnet, Opus vb.). OpenAI GPT serisiyle doğrudan rakiptir.

Uzun Context Window kapasitesi (200K+ token) sayesinde devasa kod tabanlarını tek seferde analiz edebilir. Agentic IDE ekosistemlerinde Orchestrator veya Deep Reasoning görevlerinde alternatif beyin olarak kullanılır.

Clean Architecture

Yazılımın dış bağımlılıklardan (UI, Database, Framework) tamamen izole edilerek katmanlar (Domain, Use Cases, Interfaces) halinde tasarlandığı standarttır.

Ajanlar kod yazarken, Technical Debt (Teknik Borç) oluşmasını engellemek için SKILL.md belgelerinde Clean Architecture kurallarını Semantic Memory ile denetler. Kurumsal ajanlar, spagetti kod üretmemek için bu kuralları şablon olarak alır.

Client (İstemci - MCP)

Yeni nesil MCP (Model Context Protocol) mimarisinde doğrudan uygulamanın (Host) içinde çalışan; modeli karşıdaki MCP Server (Sunucu) ile konuşturan köprü (iletişim) katmanıdır.

Sunucunun sahip olduğu araçları Capability Negotiation ile otonom olarak keşfeder ve modelin basit JSON isteklerini sunucunun anlayacağı standart JSON-RPC komutlarına çevirerek aracı rolü oynar.

Cloud Functions (Sunucusuz Fonksiyon)

Sunucu yönetimi gerektirmeden, belirli bir olay tetiklendiğinde (Trigger) otomatik çalışan küçük kod parçacıklarıdır (Örn: AWS Lambda, Google Cloud Functions).

Otonom ajanların Webhook veya JSON Hooks ile tetiklediği arka plan görevlerini ucuz ve ölçeklenebilir şekilde çalıştırır. Serverless mimarisinin yapıtaşıdır.

CLI (Komut Satırı Arayüzü)

Görsel arayüzler (GUI) olmadan; ajanların bir sunucuyu, yerel bilgisayarı veya uygulamayı doğrudan metin tabanlı komutlarla (bash/powershell) yönettiği hızlı iletişim katmanıdır.

Ajanlar için en doğal arabirimdir. Pikselleri yorumlayan Vision (Görüntü İşleme) tabanlı arayüzlere kıyasla çok daha az Token tüketir ve sonuçları deterministik (`--json`) olarak alarak sistemin Structured Output kalitesini artırır.

CLI Tools

Ajanın, işletim sisteminin Terminal komut satırına (CLI) doğrudan müdahale etmesini sağlayan uç düzey araç (Tools) grubudur.

Örneğin; `npm install`, `git commit` veya `mkdir` gibi yetenekleri barındırır. Sisteme doğrudan yazma erişimi verdiği için güvenlik açısından nsjail (Sandbox) veya güçlü bir ACL bariyeri ile izole edilmeden kullanılması çok risklidir.

CMS (İçerik Yönetim Sistemi)

Teknik bilgi gerektirmeden web sitesi içeriğini (yazılar, sayfalar, medya) yönetmeyi sağlayan platformdur. WordPress, Webflow, Wix en yaygın örnekleridir.

Otonom ajanlar, MCP Server üzerinden CMS sistemlerine bağlanarak içerik oluşturma, SEO optimizasyonu ve sayfa güncelleme işlemlerini otonom yürütebilir.

Compound AI System

Geleneksel sistemlerdeki gibi tüm yükü tek bir devasa (ve pahalı) modele yüklemek yerine; birden fazla küçük/uzman model, dış Vector Database ve dinamik Tools (Araçlar) zincirinden oluşan "bileşik" mimari yaklaşımıdır.

Ajanın kendisi tek bir beyin değildir; aksine, bir Compound AI System kullanarak (RAG + Model + Python Engine) karmaşık problemleri otonom bir bütünlük içinde çözer.

Conductor (Ana Şef)

Orchestrator-Worker hiyerarşisinde en tepede duran stratejik yöneticidir. Doğrudan kod yazmak (ACT) veya veritabanı bağlamakla vakit kaybetmez.

Amacı gelen büyük talebi (Örn: "Siteyi yenile") parçalara bölmek (Plan), altındaki Worker Agent birimlerine görev dağıtmak ve onların ürettiği alt çıktıları birleştirerek son ürünü onaylamaktır. Maker-Checker Architecture modelinde "Checker" (kontrolör) rolüne bürünür.

Context Engineering

Sistemin kalitesini artırmak için sadece sihirli kelimelerle Prompt Engineering (İstem Müh.) yapmanın ötesine geçerek; ajanların çalışma anında önüne tam olarak hangi spesifik, temiz ve güncel RAG verisinin getirileceğini tasarlama sanatıdır.

Odak noktası, gereksiz verileri budayarak (Context Pruning) ajanın Token Burn Rate limitlerini korumak ve Lost in the Middle (orta kaybı) sendromunu önlemektir.

Context Rot (Bağlam Çürümesi)

Modelin hafıza alanına (Context Window) devasa, alakasız kod dosyaları ve birbirini tekrarlayan uzun hata logları (Observe) yığıldığında ajanın asıl konuyu (görevi) unutmasıdır.

Bu hafıza zehirlenmesi sonucunda ajan felç olur, tepki süresi yavaşlar ve Hallucination (uydurma) evresine geçerek sistemi çökertir. Çözümü düzenli olarak geçmişi özetleyerek Working Memory (kısa bellek) alanını temizlemektir.

Context Wall (Bağlam Duvarı)

Büyük yazılım projelerinde, alt düzey Worker Agent birimlerinin tüm projenin devasa verisi altında ezilip (Context Rot) hata yapmasını engellemek için kurulan veri filtreleme sistemidir.

Ajana, sadece "kendi spesifik görevini yapmasına yetecek kadar" bilginin gösterildiği izole (duvarlı) bir hücre verilir. Böylece ajan, gereksiz kütüphanelerde boğulmaz ve Focus (odak) sorunu yaşamaz.

Context Window (Bağlam Penceresi)

Yapay zeka modelinin aynı anda önüne koyup okuyabildiği ve işleyebildiği maksimum "kısa süreli çalışma masası" kapasitesidir.

Bu masa dolduğunda yapay zeka eski bilgileri unutmaya başlar; bu durum uzun konuşmalarda Lost in the Middle (Orta Kaybı) ve zamanla Context Rot (Bağlam Çürümesi) riskini doğurur.

Hafıza kısıtını aşmak için RAG veya Long-Term Memory mimarilerinden yararlanılır.

Contrarian Agent (Aykırı Ses)

Debate Loops (Tartışma Odaları) içinde, diğer ajanlar tarafından üretilen fikirlere ve kodlara kasıtlı olarak muhalefet edip itiraz eden eleştirel ajan profilidir.

Red Teaming mantığıyla içeriden test (stress-test) yapar. Amacı, açık noktaları (Edge Cases) bularak ekibi rehavetten kurtarmak ve kusursuzluğa zorlamaktır. Standart Reviewer Agent uyumluluk ararken, Contrarian Agent zayıflık arar.

Copilot (GitHub/Microsoft)

Microsoft ve GitHub tarafından geliştirilen, yazılımcılara anlık kod önerileri ve sohbet desteği sunan yapay zeka asistanıdır.

Geleneksel sürümlerinin Agentic IDE (Örn: Cursor, Antigravity IDE) sistemlerinden temel farkı; kod tamamlama odaklı olması, kendi başına otonom bir döngü (Agentic Loop) başlatamaması ve dış dünyaya bağımsız bir Worker Agent gibi müdahale edememesidir. Yeni nesil eklentilerle sınırları genişletilse de özünde insan komutuna sıkı sıkıya bağlı bir asistan modelidir.

Copywriting (Metin Yazarlığı)

Satış odaklı, ikna edici ve eylem çağrısı (CTA) içeren metinler yazma sanatıdır. Landing Page başlıkları, reklam metinleri ve e-posta konuları bu disipline girer.

Otonom ajanlar, A/B Testing verileriyle hangi metin tonunun daha yüksek Conversion Tracking (dönüşüm) sağladığını analiz edip içerik önerileri üretebilir.

Core Web Vitals

Google'ın, bir web sayfasının kullanıcı deneyimi kalitesini ölçen 3 temel metriğidir:
- LCP (En Büyük İçerikli Boyama): Sayfanın ana içeriğinin yüklenme süresi.
- INP (Etkileşim Gecikmesi): Kullanıcı tıklamasına yanıt hızı.
- CLS (Kümülatif Düzen Kayması): Sayfadaki görsel kaymaların miktarı.

SEO sıralamalarını doğrudan etkiler. PageSpeed / Lighthouse araçlarıyla ölçülür. Otonom ajanlar bu metrikleri analiz edip CDN ve kod optimizasyonu önerileri sunabilir.

Cost Control Limits

Otonom ajan platformlarına konulan saatlik/günlük finansal bariyerler ve limitlerdir.

Bir ajanın hata nedeniyle Infinite Loop döngüsüne girip arka arkaya yüzlerce gereksiz API isteği (ACT) atarak Token Burn Rate oranını patlatmasını önler. Budget Guardrails mimarisinin rakamsal kurallarını oluşturur; limit aşıldığında sistem ajanın erişimini otomatik keserek iflası engeller.

Crawling (Tarama)

Google ve diğer arama motorlarının botlarının (Googlebot), web sitelerini sistematik olarak gezip içeriğini okuyup veritabanına kaydetmesi (Indexing) sürecidir.

Robots.txt dosyası hangi sayfaların taranacağını, Sitemap ise taranması gereken sayfaların listesini belirler. Otonom ajanlar, tarama hatalarını Google Search Console üzerinden tespit edip düzeltebilir.

Critic / Reviewer Agent

Maker-Checker Architecture modelinde "Checker" (kontrolör) rolünü üstlenen, sadece denetim ve inceleme yapmak için tasarlanmış bağımsız kalite kontrol ajanıdır.

Implementer Agent (Uygulayıcı) işi bitirdiğinde, bu çıktıya boş ve önyargısız bir hafızayla bakarak standartlara uygun olup olmadığını denetler. Onay verirse kod birleştirilir, hata bulursa düzeltilmesi için otonom geri bildirim gönderir.

Cron (Zamanlanmış Görevler)

Ajanların insan (HITL) onayı olmadan, tamamen arka planda (Daemon) ve belirli zaman aralıklarıyla (örn: her saat başı) kendi kendilerine uyanıp görev yürütmesini sağlayan zamanlayıcı altyapısıdır.

Örneğin; bir ajanın her gece veritabanını tarayıp rapor çıkarması veya saatlik olarak Campaign Syncing (Kampanya Senkronizasyonu) yapması Agent OS seviyesindeki cron tetikleyicileri ile sağlanır.

CSS / HTML / JavaScript

Web'in 3 temel yapıtaşı teknolojisidir:
- HTML: Sayfanın iskeletini (yapı) oluşturur.
- CSS: Sayfanın görünümünü (tasarım, renkler) belirler.
- JavaScript: Sayfaya etkileşim ve dinamik işlevsellik katar.

Otonom ajanlar, Agentic IDE içinde bu 3 dili kullanarak Responsive Design uyumlu web siteleri üretir. Browser Sub-Agent ise DOM üzerinden bu kodları otonom test eder.

CSV / JSON

Verilerin taşınması ve saklanması için kullanılan iki yaygın formattır:
- CSV (Comma-Separated Values): Tablo verilerini virgülle ayırarak saklayan basit metin formatı. Kampanya raporları, ürün listeleri.
- JSON (JavaScript Object Notation): Yapısal verileri anahtar-değer çiftleriyle saklayan format. API, MCP, Function Calling ve Schema Markup iletişiminin temel dili.

Curate / Curation (Kürasyon)

Ajanların, (RAG vb. yöntemlerle) buldukları binlerce sayfalık karmaşık veriyi doğrudan ana modele göndermek yerine, içerisindeki çöpleri ayıklayarak sentezleme ve bağlama uygun hale getirme işlemidir.

Gereksiz verileri filtreleyerek (Context Pruning), ajanın Lost in the Middle (Orta Kaybı) sendromu yaşamasını engeller. Kürasyon yapılmamış ham veri, ajanın hafızasını yorarak kalitesini düşürür.

CI/CD (Sürekli Entegrasyon/Dağıtım)

Yazılımın kodlanmasından test edilip canlıya (Deploy) alınmasına kadar olan sürecin otomatikleştirilmiş boru hattıdır (Continuous Integration / Continuous Deployment).

Otonom ajanlar, SDLC (Yazılım Yaşam Döngüsü) içinde Reviewer Agent ile kodu denetletip, testleri geçtikten sonra CI/CD hattı üzerinden otonom olarak yayınlama yapabilir. GitHub ile entegre çalışır.

Daemon (Kesintisiz Servis)

İşletim sisteminin arka planında, terminal penceresi kapatılsa dahi 7/24 dinleme yapan ve komut bekleyen hayalet ajansal (Sidecars) süreçlerdir.

Sürekli uyanık kalırlar ve sistemdeki olayları izlerler. Örneğin; sisteme yeni bir dosya atıldığında bunu anında tespit edip otonom olarak bir Worker Agent çalıştıran (trigger) tetikleyici sistemler tamamen Daemon süreçlerine bağlıdır.

Dashboard (Kontrol Paneli)

KPI metriklerini, kampanya performansını ve site trafiğini görsel grafikler, tablolar ve haritalarla özetleyen izleme ekranıdır.

Google Analytics (GA4), Google Ads ve Meta Ads platformlarında yerleşik olarak bulunur. Otonom ajanlar, Artifacts formatında özel dashboard raporları oluşturarak insana (HITL) hızlı durum özetleri sunabilir.

Data Layer

Web sitesinin Google Tag Manager (GTM) ile iletişim kurmasını sağlayan, sayfa üzerindeki JavaScript veri katmanıdır. Kullanıcı eylemleri, ürün bilgileri ve sayfa verileri bu katmana yazılır.

Tag (Etiket) ve Trigger (Tetikleyici) yapılandırmasının temelidir. Otonom ajanlar, eksik Data Layer değişkenlerini tespit edip düzeltme kodu önerebilir.

Data Privacy (Veri Gizliliği)

Kullanıcıların kişisel verilerinin (isim, e-posta, konum, davranış) toplanması, işlenmesi ve saklanmasında uygulanan yasal ve etik koruma prensibidir.

GDPR (Avrupa), KVKK (Türkiye) gibi yasalarla düzenlenir. Cookie Consent ve Consent Mode bu prensibin teknik uygulamalarıdır. Otonom ajanlar, Multi-Tenant sistemlerde veri izolasyonu sağlayarak gizliliği korur.

Debate Loops (Tartışma Odaları)

Birden fazla ajanın ortak bir tasarım veya kod oluşturmak için fikir birliğine (Consensus) ulaşana kadar döngüsel olarak birbirleriyle tartıştığı asenkron süreçlerdir.

Implementer, Reviewer ve Contrarian ajanları bir araya getiren bu odalar, sistemin tek bir modelin kararlarına (Hallucination) mahkum kalmasını engelleyip, çıktıların kalitesini çoklu perspektifle otonom olarak artırır.

Decentralized Agent Networks

Çoklu ajan mimarisinde (MAS) ağın, Conductor (Ana Şef) gibi merkezi bir diktatör ajan olmadan yönetildiği, yatay (P2P) yapısına dayalı merkeziyetsiz çalışma modelidir.

Ajanlar dışarıdan emir beklemez, kendi kararlarını otonom alarak birbirleriyle doğrudan A2A (Agent-to-Agent) iletişimi kurarlar. Centralized Agent Networks modeline göre daha yenilikçidir, ancak sonsuz döngü veya kaos riskine karşı daha katı Guardrails gerektirir.

Deep Reasoning (Derin Düşünme)

Bir yapay zekanın doğrudan çıktı (Cevap) üretmeden önce, arka planda saatler veya dakikalar boyunca gizli bir döngüde kendi kendini sorgulayarak (Chain of Thought) ve olasılık ağaçları oluşturarak (Tree of Thoughts) problemi analiz etmesidir.

Yeni nesil gelişmiş akıl yürütme modellerinin temelidir. Basit hız odaklı Fast Mode yaklaşımının tam zıttıdır; karmaşık Agentic Engineering mimarilerinde %10'luk zorlu görevleri çözer.

DeepSeek (Model)

Çin menşeli, açık kaynaklı ve uygun maliyetli olmasına rağmen yüksek Deep Reasoning (Derin Düşünme) kapasitesi sunan yapay zeka model ailesidir. Geliştiricilerin kendi sunucularında barındırabilmesi (self-hosted) sayesinde veri gizliliği ve Token Burn Rate kontrolü avantajı sağlar.

Maliyetli Deep Reasoning modellerine güçlü ve bütçe dostu bir alternatif sunarak, Compound AI System mimarilerinde Orchestrator beyni olarak sıklıkla tercih edilir.

Definition of Done (Bitti Tanımı)

Ajanların işi yarım bırakmasını veya bir hataya takılıp gereksiz yere Infinite Loop sarmalına girmesini engelleyen katı teknik başarı (kontrol) kriterleridir.

"Testler geçmeli, kod commit edilmeli ve JSON rapor dönülmeli" gibi değişmez şartlar içerir. Ajanın otonom olarak görevi ne zaman bırakacağını bilmesini sağlar; bu kriterler sağlanmadan sistem Observe (Gözlemle) evresinden çıkmaz.

Deliberative / Planning Agents

Karşılarına bir sorun çıktığında Reactive Agents (Tepkisel Ajanlar) gibi doğrudan koda dalıp eyleme geçmek yerine; önce geri çekilip projenin kapsamını analiz eden uzun soluklu düşünür ajan tipidir.

Hareket etmeden önce bir Blueprint (Plan/Mimari) hazırlar, bu planı Implementation Plan olarak sunar ve genellikle eyleme geçmeden (ACT) önce insandan (HITL) veya üst şeften onay bekler.

Deploy (Yayınlama)

Geliştirilen kodun veya web sitesinin test ortamından canlı sunucuya (Production) aktarılması sürecidir.

CI/CD (Sürekli Entegrasyon/Dağıtım) hatları üzerinden otomatikleştirilir. Otonom ajanlar, Reviewer Agent denetiminden geçen kodu Git üzerinden commit edip otomatik deploy tetikleyebilir. Definition of Done kriterlerinin son adımıdır.

Discover (Keşfet)

Ajanın Agentic Loop (Döngü) sürecine başlarken attığı ilk adımdır. Karşısındaki görevi anlamak için klasörleri taraması ve ortam değişkenlerini okuması işlemidir.

Bu hazırlık evresinde ajan, elinde hangi Tools'ların bulunduğunu Dynamic Tool Discovery ile tespit eder ve Plan aşamasına geçmeden önce stratejik durum değerlendirmesi (keşif) yaparak bağlamı (Context) oluşturur.

Docker

Uygulamaları ve tüm bağımlılıklarını izole, taşınabilir "konteyner" paketlerine sararak her ortamda aynı şekilde çalışmasını sağlayan teknolojisidir.

Ajan güvenliğinde Execution Environment (Sandbox) oluşturmak için kullanılır. nsjail ile benzer amaca hizmet eder; ajanın çalıştırdığı kodun ana sisteme zarar vermesini donanımsal düzeyde engeller.

Doer / Executor (Uygulayıcı)

Ekip içindeki mimari planlama veya kod inceleme (Reviewer) yüklerinden arındırılmış; sadece Planner ajanın çizdiği kesin plana sadık kalarak operasyonu sahada bizzat yürüten işçi ajandır.

Ana görevi ham kodu yazmak, Tools (araç) çağrılarını tetiklemek ve terminal komutlarını çalıştırmaktır. Maker-Checker Architecture modelinin "Maker" (üretici ve kas gücü) kısmını oluşturur.

DOM (Document Object Model)

Web tarayıcısının bir HTML sayfasını okuduğunda oluşturduğu, sayfadaki her öğeyi (buton, metin, görsel) ağaç yapısında temsil eden canlı belge modelidir.

Browser Sub-Agent sayfayla etkileşim kurarken DOM üzerinden çalışır; butonları bulur, formları doldurur ve elementleri tıklar. UI Testing süreçlerinde ajanın sayfayı "okuduğu" temel yapıdır.

Domain (Alan Adı)

Bir web sitesinin internetteki benzersiz adresidir (Örn: `ornek.com`). DNS (Domain Name System) üzerinden sunucunun IP adresine yönlendirilir.

SSL Sertifikası ile güvenli bağlantı (HTTPS) sağlanır. SEO açısından alan adı yaşı, otoritesi ve anahtar kelime içerip içermemesi sıralamayı etkileyebilir.

Dynamic Context (Dinamik Bağlam)

Projenin devasa kütüphane verilerinin Static Context (Statik Bağlam) olarak baştan sona hafızaya yığılması yerine; ajanın ihtiyacına göre RAG'den sadece ilgili veri kırıntılarının çekilmesi yöntemidir.

Lazy Loading mantığıyla çalışır. Sistemin Context Window kapasitesini israf etmez ve gereksiz verileri dışarıda bırakarak ajanın hızını artırırken Context Rot (Bağlam Çürümesi) riskini önler.

Dynamic Tool Discovery

Sisteme yeni bir MCP Server bağlandığında; geliştiricinin her bir aracı ajana manuel tanıtmasına gerek kalmadan, ajanın sunucuyu tarayıp kullanabileceği yeni Tools listesini ve yeteneklerini kendi kendine okuyup öğrenmesi özelliğidir.

Bu esneklik sayesinde ajan, Discover (Keşfet) aşamasında yeni araçları anında portföyüne ekler ve ACT (Eylem) aşamasında bu yeni araçları otonom olarak tetikler.

Edges (Kenarlar)

LangGraph gibi State Graph (Durum Grafiği) mimarilerinde; ajanların çalışma durakları (Nodes) arasındaki mantıksal geçişleri ve veri akış yönünü temsil eden bağlantı yollarıdır.

Örneğin; "Kod yazıldı" düğümünden (Node), "Test et" düğümüne giden yol bir Edge'dir. Ajanların if/else kurallarına göre otonom çizeceği rotaları belirler ve sistemin Routing mekanizmasını oluşturur.

Embeddings (Yerleştirmeler)

Bir dökümandaki kelimelerin veya kod bloklarının; Vector Database içerisinde "anlamsal" (semantic) olarak aranabilmesi için makine tarafından yüzlerce boyutlu sayı dizilerine dönüştürülmüş koordinat karşılıklarıdır.

Semantic Search (Anlamsal Arama) yapabilmenin temel şartıdır. Model, metinlerin birbiriyle olan mantıksal yakınlığını bu sayılar sayesinde kavrar ve Agentic RAG süreçlerini anahtar kelime eşleşmesinden çıkarıp anlamsal bir formata taşır.

Environment Variables (Ortam Değişkenleri)

API anahtarları, veritabanı şifreleri ve gizli kimlik bilgilerinin kaynak kodun içine yazılmak yerine, işletim sistemi düzeyinde güvenle saklandığı anahtar-değer çiftleridir.

Data Privacy ve Governance açısından kritiktir. Otonom ajanların MCP Server bağlantılarında veya Deploy süreçlerinde bu değişkenleri güvenli şekilde okuması, ACL sınırları dahilinde yapılır.

Episodic Memory (Epizodik Bellek)

Ajanın geçmişte üstlendiği karmaşık bir görevi, hangi adımlardan (Trajectory) geçerek, hangi hataları yaparak ve nasıl çözerek tamamladığını bir film şeridi gibi sırasıyla aklında tuttuğu deneyim bazlı kalıcı bellek katmanıdır.

Semantic Memory (kurallar ve gerçekler) verilerinin aksine, Episodic Memory tamamen "yaşanmışlıklara" dayanır. Ajanın ileride benzer sorunlarda aynı hataları tekrarlamasını engeller.

Evals (Evaluation / Hard Evals)

Geliştirdiğiniz ajanın sadece birkaç basit görevde başarılı olmasıyla yetinmeyip; kod kalitesini, Hallucination (Uydurma) oranını ve zor durumlardan kurtulma yeteneğini binlerce otonom test senaryosuyla ölçme (stres testi) işlemidir.

Genellikle başka bir gelişmiş model tarafından (LLM-as-a-Judge) puanlanır. Agentic Engineering mimarilerinde, bir ajanın üretime (Production) çıkabilmesi için bu ağır testlerden geçmesi şarttır.

Execute (Uygula)

Ajanın Plan aşamasında kurduğu stratejiyi fiziksel/dijital dünyaya uyguladığı nihai evredir.

Bu operasyonel adımda ajan; ilgili Tools parametrelerini JSON olarak doldurur, Terminal'de kod çalıştırır veya veritabanına kayıt girerek dış ortamda fiili bir eylem (ACT) gerçekleştirir. Execute bittikten hemen sonra sistem, sonuçları değerlendirmek üzere Observe (Gözlemle) aşamasına geçer.

Execution Environment (Sandbox)

Otonom ajanların CLI Tools kullanarak fiilen çalıştırdığı ham kodların ve sistem komutlarının, kullanıcının ana işletim sistemine sızıp zarar vermesini engellemek için kurulan tamamen yalıtılmış sanal (izole) hücrelerdir.

nsjail (Seatbelt) veya Docker konteynerleri aracılığıyla sağlanır. ACL (Erişim Kontrol Listesi) ile desteklenerek, ajanın sonsuz döngüye girmesi veya sistemi silmesi donanımsal düzeyde kısıtlanır.

Fallback Strategy (Yedek Plan)

Ajanın bağlandığı ana modelin çökmesi (LLM Gateway kesintisi) veya dış API'nin yanıt vermemesi durumunda, sistemin kilitlenip iflas etmesi yerine ajanın otonom olarak (hata mesajını algılayarak) "B planına" geçmesidir.

Hata anında eski/ucuz bir yedek modele geçiş yapmak veya farklı bir Tools yöntemini tetiklemek gibi eylemler barındırarak, Self-Correction (Kendini Onarma) felsefesini yaşatır.

Fast Mode (Heuristics)

Ajanın, Deep Reasoning (Derin Akıl Yürütme) gerektirmeyen metin ayrıştırma, basit çeviri veya JSON formatlama gibi rutin işleri; "60/30/10 Kuralı" kapsamında devasa modeller yerine çok daha küçük, refleksif ve hızlı modellerle yürüttüğü çalışma modudur.

Ajanın karmaşık mantık yürütmek yerine ezberlenmiş kurallarla (Heuristics) çalışmasını sağlar, bu da Token Burn Rate (Maliyet) oranını minimize eder.

Few-Shot Prompting

Ajana karmaşık bir görevi sadece kurallarla (komut vererek) anlatmak (Zero-Shot) yerine; SKILL.md dosyası içinde tam olarak ne beklediğinize dair (Girdi-Çıktı şeklinde) 2-3 adet kusursuz referans örnek sunma sanatıdır.

Ajan, bu örnek kalıpları referans alarak istenen formattan sapmaz. Özellikle Structured Output (Yapısal JSON veya özel Markdown çıktıları) alabilmek ve sistemi hizalamak için en etkili tekniktir.

Fine-Tuning (İnce Ayar)

Genel amaçlı bir LLM modelini, spesifik bir iş alanına (Örn: Tıbbi terimler, hukuk dili, müşteri hizmetleri) özel verilerle yeniden eğiterek o alanda uzmanlaştırma işlemidir.

Prompt Tuning (istem optimizasyonu) ile karıştırılmamalıdır. Fine-Tuning modelin ağırlıklarını değiştirirken, Prompt Tuning sadece girdi metnini optimize eder. Maliyet ve süre açısından çok daha pahalıdır.

Firestore (Firebase)

Genellikle Multi-Tenant (çoklu kullanıcı) veya bulut tabanlı ajan projelerinde; ajanların otonom öğrendiği kuralları, Job Memory kayıtlarını ve oturum loglarını güvenle senkronize ettiği gerçek zamanlı, sunucusuz NoSQL veritabanıdır.

Yerel dosyalara (JSON/TXT) kıyasla hızlıdır ve ajanların Long-Term Memory (Kalıcı Bellek) verilerini kullanıcılar arasında (izolasyonla) anında paylaşmasını sağlayan güçlü bir altyapı sunar.

Function Calling

Bir LLM'in insanla sadece metinleşmek yerine, sistemin ona sunduğu harici araç (Tools) listesini okuyup; "Bu görevi çözmek için veritabanında şu aracı çalıştırmalıyım" diyerek o araca uygun parametreleri otonom şekilde (JSON formatında) doldurup yerel sisteme iletmesi eylemidir.

Agentic AI mimarilerinin yapı taşıdır; çünkü modeli pasif bir sohbet botu olmaktan çıkarıp, dış dünyaya (ACT) fiziksel müdahale edebilen aktif bir makineye dönüştürür.

Gemini (Google)

Google DeepMind tarafından geliştirilen, metin, görsel, ses ve videoyu aynı anda işleyebilen (Multimodal) yapay zeka model ailesidir (Gemini Pro, Ultra, Flash).

OpenAI GPT serisinin ve Claude'un doğrudan rakibidir. Google ekosistemiyle (Search, Ads, Analytics) derin entegrasyonu sayesinde Agentic AI sistemlerinde özellikle veri analizi ve arama optimizasyonu görevlerinde güçlü bir beyin alternatifi sunar.

GEMINI.md / AGENTS.md

Bir projenin ana dizininde bulunan ve o projede çalışan tüm ajanların okuyup uyması gereken temel yasaları (Workspace Rules) barındıran merkezi kural belgesidir.

SKILL.md dosyaları ajanlara "nasıl yapılacağını" öğretirken, bu belgeler "nelerin kesinlikle yapılmaması gerektiğini" ve projenin kodlama standartlarını tanımlar. Ajan, göreve başlamadan önce (Discover) bu anayasayı hafızasına alarak projeye özel bağlamı (Context) oluşturur.

GEO (Generative Engine Optimization)

ChatGPT, Gemini, Perplexity gibi yapay zeka destekli arama motorlarında ve sohbet asistanlarında markanızın veya içeriğinizin referans gösterilmesini sağlama stratejisidir.

Geleneksel SEO'dan farklı olarak, sadece sıralama değil yapay zekanın "kaynak gösterme" kriterlerine odaklanır. Schema Markup, E-E-A-T otoritesi ve net, yapılandırılmış içerik (Structured Output) bu sürecin temel araçlarıdır.

Git

Yazılım projelerindeki her kod değişikliğini zaman damgasıyla kaydeden, geri almayı ve paralel çalışmayı mümkün kılan dağıtık sürüm kontrol sistemidir.

Git Worktree özelliği, otonom ajanların ana projeyi bozmadan izole dallarda çalışmasını sağlar. GitHub ile birlikte kullanılarak CI/CD hatları ve Deploy süreçleri otomatikleştirilir.

Git Worktree

Aynı projenin farklı versiyonlarını (branch) aynı anda farklı klasörlerde bağımsız olarak çalıştırmayı sağlayan Git mimarisidir.

Geleneksel branch değiştirme işlemi ajanların kafasını karıştırıp Context Rot (bağlam çürümesi) yaratabileceği için, otonom sistemlerde çok değerlidir. Bir Worker Agent işini tamamen izole edilmiş bir worktree klasöründe (kendi sandbox'ında) güvenle yaparken, ana sistem (Host) diğer işlemlere kesintisiz devam edebilir.

GitHub

Git tabanlı kod barındırma ve işbirliği platformudur. Açık kaynak projelerin ve kurumsal yazılımların merkezi deposu olarak dünya çapında kullanılır.

Otonom ajanlar, MCP Server üzerinden GitHub'a bağlanarak kod inceleme (Reviewer Agent), otomatik commit, pull request oluşturma ve CI/CD tetikleme gibi görevleri otonom yürütebilir.

Global Skills (Küresel Beceriler)

Sadece tek bir projeye ait olmayan, bilgisayardaki `~/.gemini/config/skills` gibi merkezi bir dizinde yaşayan ve o sistemdeki tüm ajanların ortak kullanabildiği evrensel yetenek (Agent Skills) paketleridir.

Local Skills (Yerel Beceriler) sadece bulunduğu projenin kurallarını barındırırken, Global Skills ajana genel geçer yetenekleri (Örn: Veritabanına nasıl bağlanılır, AWS'e nasıl deploy atılır) öğretir.

Goldfish Memory Problem

Modelin, sadece birkaç sohbet öncesinde söylenenleri veya bulduğu kritik verileri unutma eğilimidir.

Bunun nedeni Context Window (Bağlam Penceresi) sınırlarının dolması veya Lost in the Middle sendromudur. Ajanların bu sorunu aşması için anlık bellek yerine Mem0, Firestore veya yerel JSON dosyaları gibi kalıcı Long-Term Memory altyapılarına bağlanması şarttır.

Governance (Yönetişim)

Bir organizasyondaki yüzlerce farklı otonom ajanın kiminle iletişim kuracağını, hangi verilere erişebileceğini ve hangi sınırları aşamayacağını belirleyen kurumsal yönetim politikalarıdır.

ACL (Erişim Kontrolü) ve Guardrails (Güvenlik Sınırları) Governance'ın teknik uygulayıcılarıdır. Özellikle Multi-Tenant (çok kullanıcılı) veya finansal ajan sistemlerinde, kaos çıkmasını engelleyen en önemli mimari çatı katmanıdır.

Grounding (Kaynağa Bağlama)

Bir modelin sorulara cevap verirken veya kod yazarken kendi hayal gücünü (Hallucination) kullanmak yerine, ayağını tamamen dış dünyadaki gerçek ve doğrulanmış bir veriye (RAG veya API sonuçlarına) basarak konuşmasıdır.

Agentic RAG döngüsünün nihai amacıdır; ajanın ürettiği her cümlenin veya kararın mutlaka arkasında bir kanıt (citation) bulunmasını sağlayarak sisteme güvenilirlik katar.

Guardrails (Korkuluklar)

Otonom ajanın etrafına çekilen katı "güvenlik çiti" ve emniyet bariyerleridir.

Klasik System Prompt talimatlarının aksine metinsel rica değil; ACL erişim kısıtlamaları ve kod seviyesinde aşılamaz güvenlik kuralları içerir.

Kötü niyetli Prompt Injection saldırılarını engeller ve ajanın kritik verileri silmesini veya Budget Guardrails sınırlarını aşmasını önler.

Hallucination (Halüsinasyon)

Bir yapay zeka modelinin, bilmediği bir konuda dürüstçe "bilmiyorum" demek yerine, son derece ikna edici ama tamamen uydurma ve yanlış bilgiler (veya çalışmayan kodlar) üretmesidir.

Otonom sistemlerde bu uydurma kodlar doğrudan ACT aşamasında çalıştırılırsa sistemi çökertir. Bunu önlemek için:
- Grounding: Cevabı gerçek veriye bağlama
- Curate: Veriyi önceden arıtma
- Maker-Checker Architecture: Bağımsız denetim

Hard Evals

Bir ajanın kalitesini insan gözlemiyle veya birkaç basit örnekle (Vibe Coding) ölçmek yerine; matematiksel olarak kanıtlanabilir, otomatikleştirilmiş, binlerce zorlu senaryodan oluşan acımasız test bataryalarıdır.

Sistemin Red Teaming testlerine ne kadar dayandığını, Infinite Loop sarmalından nasıl çıktığını ölçer. Kurumsal sistemlerde Definition of Done kriterlerinin en önemli parçasıdır.

Harness (Koşum/İskelet)

Farklı marka ve modellerin (Örn: OpenAI, Claude, DeepSeek) aynı Agent OS veya yapı içinde standart bir şekilde çalışabilmesi için onları saran ve donanıma bağlayan soyutlama (kılıf) yazılımıdır.

Geliştiricinin her model için ayrı kod yazmasını engeller; modele standart bir Function Calling arayüzü sunarak onu büyük mekanizmanın bir dişlisi haline getirir.

Heuristics (Sezgiseller)

Ajanların her kararda uzun uzadıya Deep Reasoning (Derin Akıl Yürütme) yapmak yerine, önceden tanımlanmış kurallara ("Eğer x olursa y yap") dayanarak refleksif, hızlı ve ucuz çözümler üretmesidir.

Fast Mode altında çalışır. Ajanların çoklu görevlerde aşırı Token yakmasını (maliyeti) engelleyen kestirme ve pratik zeka adımlarıdır.

Hierarchical AI Agents

Ajanların, askeriyedeki gibi alt-üst ilişkisiyle organize edildiği hiyerarşik çalışma modelidir.

En tepede büyük resmi gören bir Conductor (Ana Şef) bulunur, altında planlamayı yapan Planner ajanlar, en altta ise işi fiilen icra eden Worker Agent birimleri yer alır. Büyük, karmaşık projeleri parçalara bölerek çözmenin en güvenli Multi-Agent System mimarisidir.

Host (Ev Sahibi - MCP)

MCP (Model Context Protocol) mimarisinde modeli ve istemciyi (Client) barındıran, işlemi başlatan ana platformdur (Örn: Cursor IDE, Claude Desktop veya Antigravity CLI).

Host, dış dünyadaki bir MCP Server'a (Sunucuya) bağlanarak ajanın kullanımına yeni Tools (araçlar) ve Resources (kaynaklar) sunar ve tüm ajan altyapısını üzerinde çalıştıran çatı ortamdır.

Hosting (Barındırma)

Web sitesinin dosyalarının (HTML, CSS, görseller) fiziksel olarak depolandığı ve internet üzerinden erişime açıldığı sunucu hizmetidir (Örn: AWS, Google Cloud, Hetzner).

Sitenin hızı, güvenliği ve çalışma süresi (Uptime) doğrudan hosting kalitesine bağlıdır. Core Web Vitals ve PageSpeed / Lighthouse puanlarını etkiler. CDN ile birlikte kullanılarak performans optimize edilir.

Hreflang

Çok dilli veya çok bölgeli web sitelerinde, arama motorlarına "Bu sayfa Türkçe içindir, İngilizce versiyonu şurada" bilgisini veren HTML etiketidir.

SEO açısından kritiktir; doğru kullanılmazsa aynı içeriğin farklı dil versiyonları birbirleriyle rekabet eder (cannibalization). Canonical URL ile birlikte çalışır. Otonom ajanlar, çok dilli sitelerde Hreflang hatalarını tarayıp düzeltebilir.

HITL (Human-in-the-Loop)

Ajan otonom çalışırken, kritik ve riskli adımlarda (para transferi, veritabanı silme vb.) durup insan onayı isteyen güvenlik ve denetim mimarisidir.

Tamamen serbest çalışan Always Proceed modunun aksine, sistemin kontrolünü geliştiricide tutar.

Ajan karar alma aşamasında bir Request Review çağrısı fırlatarak insanın onay vermesini bekler.

identity.md

Bir ajanın (veya yapay zeka asistanının) kişiliğini, varoluş amacını, tonunu ve ana görevini tanımlayan çekirdek karakter (kimlik) dosyasıdır.

Örneğin; bir ajan "Sert bir güvenlik denetçisiyim" derken, diğeri "Yaratıcı bir pazarlama uzmanıyım" diyebilir. Sistem başlatılırken System Prompt içerisine ilk olarak bu dosya enjekte edilerek ajanın ruhu oluşturulur.

Job Memory (Görev Hafızası)

Ajanın anlık olarak üzerinde çalıştığı (devam eden) spesifik görevin durumunu, alınan hataları ve katedilen aşamaları tuttuğu Short-Term Memory (Kısa Süreli Bellek) alanıdır.

Görev başarıyla bittiğinde veya iptal edildiğinde bu hafıza genellikle temizlenir veya özetlenerek Episodic Memory (Deneyim Belleği) alanına kalıcı olarak aktarılır. Ajanın o an "Ne yapıyordum?" sorusuna verdiği yanıttır.

JSON Hooks (JSON Kancaları)

Geleneksel webhook'ların ajan ekosistemindeki karşılığıdır. Sistemde belirli bir olay gerçekleştiğinde (Örn: Bir dosya değiştiğinde, ajan hata aldığında) otonom olarak tetiklenip başka bir süreci başlatan sistem içi bağlayıcılardır.

Daemon servisleriyle entegre çalışarak sistemin reaktif (tepkisel) olmasını sağlar ve ajanların kendi aralarında A2A iletişim kurmasına olanak tanır.

JSON Validation (Doğrulama)

Ajanın, Function Calling (Araç Tetikleme) veya çıktı üretme sırasında oluşturduğu JSON metninin yapısal olarak hatasız (syntax error içermeyen) ve beklenen alanlara (Örn: "isim", "yas") sahip olup olmadığını anında test eden doğrulama katmanıdır.

Schema Validator tarafından yürütülür; hatalıysa ajana otonom olarak "JSON bozuk, tekrar yaz" komutu göndererek sistemin kırılmasını engeller.

JSON-RPC 2.0

MCP (Model Context Protocol) iletişiminin omurgasını oluşturan, durum bilgisi tutmayan (stateless) ve oldukça hafif bir uzaktan yordam çağrısı (Remote Procedure Call) protokolüdür.

Client ve Server arasında gidip gelen tüm mesajlar (Tools listesi isteme, araç çalıştırma vs.) tamamen bu basit JSON standardı üzerinden iletilerek sistemlerin hızlı ve stabil konuşmasını sağlar.

Knowledge Subagent (Rüya Ajanı)

Projedeki devasa kod tabanını, dökümanları ve geçmiş konuşmaları arka planda (kullanıcı uyurken veya sistem boştayken) okuyup analiz eden; bunları Embeddings'e dönüştürüp indeksleyen hayalet ajandır.

Daemon mantığıyla çalışarak sistemin arama kalitesini (Semantic Search) artırır ve aktif çalışan ajanların (Worker) ihtiyaç duyduğu bilgiye anında ulaşmasını sağlayan altyapıyı hazırlar.

Knowledge Vault (Bilgi Kasası)

Ajanların, öğrendikleri kalıcı bilgileri (Long-Term Memory), sistem loglarını ve kullanıcı tercihlerini izole ve şifrelenmiş bir şekilde sakladıkları merkezi depolama alanıdır.

Firestore gibi bulut servislerinde tutulabileceği gibi, tamamen yerel diskinizde (Örn: `.gemini` klasörü) de bulunabilir. Ajanların amnezi (unutkanlık) sorununu çözen fiziksel veri yığınıdır.

Knowledge Items (KIs)

Projenin veya organizasyonun kurumsal hafızasını oluşturan, `appDataDir/knowledge` dizininde saklanan, içinde `metadata.json` ve belgeler barındıran bilgi paketleridir.

Ajan, kod yazmadan veya karar almadan önce (Discover evresinde) bu paketleri okuyarak projede daha önce alınmış mimari kararları, bilinen hataları (gotchas) ve SOP'leri (Standart Prosedürler) öğrenerek Context Wall arkasından projeye dahil olur.

KPI (Anahtar Performans Göstergesi)

Bir işin başarısını ölçmek için belirlenen sayısal hedef metriğidir (Key Performance Indicator). Pazarlamada ROAS, CTR, CPA, Bounce Rate gibi değerler birer KPI'dır.

Otonom ajanlar, belirlenen KPI hedeflerini Observe evresinde sürekli izler ve hedefe ulaşılamıyorsa Self-Correction ile strateji değiştirir. Dashboard raporlarının temel yapıtaşıdır.

KVKK

Kişisel Verilerin Korunması Kanunu. Türkiye'nin, GDPR (Avrupa) ile benzer amaçla yürürlüğe koyduğu, kişisel verilerin toplanması, işlenmesi ve saklanmasını düzenleyen yasal çerçevesidir.

Web sitelerinde Cookie Consent zorunluluğu, aydınlatma metni ve açık rıza mekanizmaları bu kanunun gereklilikleridir. Otonom ajanlar, site denetimlerinde KVKK uyumluluğunu kontrol edebilir.

LangGraph / LangChain

Otonom ajanların kararlarını ve iş akışlarını (Workflows) düz metin kodlar yerine, mantıksal düğümler (Nodes) ve bağlantılar (Edges) halinde düğüm grafiği (State Graph) olarak inşa etmeyi sağlayan en popüler orkestrasyon çerçeveleridir (framework).

Ajanların sonsuz döngülere girmesini engeller, geri dönüş (rollback) mekanizmaları sunar ve Agentic Loop sürecini matematiksel olarak kontrol edilebilir kılar.

Latency (Gecikme Süresi)

Bir ajanın (LLM) girdi aldıktan sonra düşünüp (Reasoning) ilk kelimeyi (çıktıyı) üretmesine kadar geçen mili-saniye cinsinden bekleme süresidir.

Kurumsal ajan mimarilerinde (Örn: Sesli asistanlar veya Fast Mode süreçleri) hayati öneme sahiptir. Compound AI System tasarlanırken, hız (düşük latency) ve zeka (yüksek doğruluk) arasındaki denge gözetilerek doğru model seçimi yapılır.

Lazy Loading (Tembel Yükleme)

Sistemin, ihtiyaç duyulmayan devasa verileri veya Tools (Araçlar) listesini baştan (peşin olarak) ajanın belleğine (Context Window) yüklemek yerine; ajan tam olarak o bilgiye ihtiyaç duyduğu anda dinamik olarak veritabanından çekip yüklemesi stratejisidir.

Context Rot (Bağlam Çürümesi) sorununu engeller ve token kullanımını düşürerek Agentic Engineering mimarilerinde performansı katlar.

Learner Agent (Öğrenen Ajan)

Sistemdeki diğer ajanların yaptığı hataları (Observe evresindeki logları) ve insanın yaptığı müdahaleleri (HITL) analiz edip, bundan ders çıkararak otonom olarak yeni Local Skills (Beceriler) yazan veya mevcut sistem promptlarını güncelleyen kendi kendini eğiten ajandır.

Memory Consolidation sürecini yönetir. Sistem her hata yaptığında daha da güçlenmesini sağlayarak Self-Correction (Oto-Kurtarma) yeteneğini kalıcı hale getirir.

LLM (Model / Beyin)

Large Language Model (Büyük Dil Modeli). Ajan sisteminin salt metin anlama ve üretme kası olan merkezi beyindir (Örn: DeepSeek, GPT, Claude).

Yapay zeka asistanlarından (ChatGPT) farklı olarak; otonom sistemlerde LLM tek başına bir ürün değil, Compound AI System içerisindeki yüzlerce bileşenden sadece bir tanesidir. Ajan, LLM beynini kullanarak Reasoning (Akıl yürütme) yapar ve araçları tetikler.

LLM Gateway (Model Geçidi)

Ajanın, arkadaki yapay zeka modellerine (OpenAI, Anthropic vb.) doğrudan bağlanmak yerine üzerinden geçtiği, API anahtarlarını, Rate Limiting (hız sınırlarını) ve yük dengesini yöneten proxy/sunucu katmanıdır (Örn: LiteLLM).

Fallback Strategy (Yedek Plan) uygulamasının merkezidir. Bir model çöktüğünde veya yanıt vermediğinde, Gateway anında trafiği başka bir modele kaydırarak ajanın Infinite Loop sarmalına girmeden kesintisiz çalışmasını sağlar.

LLM-as-a-Judge (Hakem LLM)

İnsan (HITL) müdahalesine gerek kalmadan, Evals (Stres Testleri) veya kalite kontrol aşamalarında bir ajanın ürettiği çıktıyı puanlamak ve denetlemek için kullanılan başka bir bağımsız ve genellikle daha zeki (Örn: üst düzey muhakeme modelleri) modeldir.

Maker-Checker Architecture modelinde "Checker" (Denetmen) olarak görev yapar. Ajanın yazdığı kodu çalıştırıp çıktıya 10 üzerinden puan vererek otomasyon hızını maksimize eder.

Local Skills (Yerel Beceriler)

Sadece bulunduğu projenin klasöründe (Örn: `.agents/skills`) yaşayan ve Git Worktree ile sürüm kontrolü yapılan, o projeye has mimari kuralları ve Tools kullanım şekillerini barındıran uzmanlık (know-how) paketleridir.

Global Skills'in (Tüm sistemi kapsayan beceriler) aksine, Local Skills izoledir. Ajana "Bu spesifik projede React bileşenleri nasıl yazılır?" gibi hedefe yönelik kalıcı Procedural Memory kazandırır.

Long-Term Memory (Kalıcı Bellek)

Ajanın geçmiş oturumlarda edindiği tecrübeleri, kullanıcı tercihlerini ve kurumsal bilgileri geleceğe taşıyan "kalıcı hafıza deposu"dur.

Short-Term Memory'nin oturum sonunda silinme kısıtını aşar.

Verileri Vector Database üzerinde saklar ve Semantic Memory ile Procedural Memory yapılarını besleyerek ajanın zamanla öğrenmesini (Learner Agent) sağlar.

Loop Engineering (Döngü Müh.)

Ajanların tek seferlik komutlarla (klasik Prompt Engineering) çalışması yerine, hedefe ulaşana kadar Agentic Loop içinde kendi kendini tetikleyip düzelterek ilerlediği kırılmaz iş akışları tasarlama disiplinidir.

Amacı, ajanların çökmesini engellemek için sağlam Fallback Strategy (Yedek plan) mekanizmaları kurmak ve Infinite Loop sarmalına girmelerini önleyecek kesin Definition of Done (Bitti Tanımı) durma koşulları oluşturmaktır.

Lost in the Middle (Orta Kaybı)

Bir ajanın (LLM'in), devasa kapasiteli bir Context Window içine binlerce satırlık kod veya metin yığıldığında; belgenin en başını ve en sonunu hatırlayıp, tam ortada yer alan kritik kısımları gözden kaçırma ve atlama hastalığıdır.

Bu hafıza zehirlenmesini (Context Rot) önlemek için sisteme her şeyi doğrudan basmak yerine Curate (Kürasyon) yapılmış özetler sunulmalı ve Semantic Chunking ile veri parçalanmalıdır.

Maker-Checker Architecture

İşi bizzat üreten (Maker) Implementer Agent ile, ortaya çıkan çıktıyı acımasızca denetleyen (Checker) Reviewer Agent arasındaki otonom ve asenkron kontrol döngüsüdür.

İnsanın her kodu incelemesi (HITL) darboğaz (bottleneck) yaratacağı için, bu mimari sayesinde üretilen kodlar ve metinler insan müdahalesine gerek kalmadan, çapraz Red Teaming testleriyle yüksek kalitede ve hatasız hale getirilir.

MCP (Model Context Protocol)

Yapay zeka modellerinin veritabanları, dosya sistemleri ve dış servislerle konuşmasını sağlayan evrensel "tak-çalıştır USB kablosu" standardıdır.

Geleneksel API veya özel entegrasyon çözümlerinin aksine, her platform için tek tek API Connector kodlama ihtiyacını ortadan kaldırır.

Yapay zekaya sunulan yetenekleri Tools (Araçlar), verileri Resources (Kaynaklar) ve komut şablonlarını Prompts olarak 3 temel MCP Server bileşeniyle yönetir.

MCP Client (MCP İstemcisi)

MCP (Model Context Protocol) mimarisinde, Host (Örn: Cursor veya Antigravity IDE) uygulaması içinde çalışan ve model ile dış sunucu arasındaki iletişimi başlatan köprü arayüzüdür.

Modelin doğal dilde veya basit JSON ile yaptığı Function Calling isteklerini alır, standart JSON-RPC paketlerine dönüştürür ve MCP Server'a ileterek ajanın dış dünya ile veri alışverişi yapmasını sağlar.

MCP Server (MCP Sunucusu)

Harici bir veritabanını, GitHub deposunu veya yerel bir klasörü ajanın (LLM) anlayabileceği standart formata çevirerek dış dünyaya açan hizmet (sunucu) katmanıdır.

Ajana 3 temel bileşen sunar: Tools (Araçlar/Eylemler), Resources (Okunabilir veriler) ve Prompts (Şablonlar). Ajan, MCP Client üzerinden bu sunucuya bağlanarak yetkisi (ACL) dahilinde dış sistemleri otonom olarak yönetir.

Mem0 (Kalıcı Altyapı)

Ajanların amnezi (Goldfish Memory Problem) sorununu çözmek amacıyla özel olarak geliştirilmiş harici kalıcı bellek veritabanı çözümüdür.

Oturumlar (Working Memory) kapansa bile, ajanın geçmişte kullanıcıyla yaptığı önemli konuşmaları, tercihleri ve Episodic Memory (Deneyim) loglarını saklar. Ajanın her yeni oturumda kullanıcıyı hatırlamasını sağlayarak tutarlı bir Long-Term Memory deneyimi sunar.

Memory Consolidation

Ajanın, gün boyunca Job Memory (Geçici Görev Hafızası) içinde biriken karmaşık hata loglarını, sohbetleri ve kod denemelerini; gün sonunda (veya görev bitiminde) analiz edip özetleyerek kalıcı ve temiz bir kurumsal bilgiye (Knowledge Items) dönüştürmesi işlemidir.

Context Rot (Bağlam Çürümesi) oluşmasını engeller ve ajanın yalnızca damıtılmış tecrübeleri Long-Term Memory alanına taşımasını sağlar.

Meta Tags (Meta Etiketleri)

HTML sayfasının `` bölümünde yer alan, arama motorlarına ve sosyal medya platformlarına sayfa hakkında bilgi veren etiketlerdir.
- Title Tag: Sayfa başlığı (Google sonuçlarında mavi link)
- Meta Description: Sayfa açıklaması (Google sonuçlarında gri metin)
- Canonical: Asıl sayfa adresi

SEO sıralamalarını ve CTR oranını doğrudan etkiler. Otonom ajanlar, eksik veya kötü yazılmış meta etiketleri tespit edip düzeltebilir.

Metadata Tagging (Üstveri Etiketi)

Ajanların oluşturduğu dosyalara (özellikle Knowledge Items paketlerine) "tarih, yazar, konu, geçerlilik süresi" gibi görünmez kimlik (JSON) etiketleri ekleme işlemidir.

Agentic RAG ve Semantic Search yaparken, ajanın milyarlarca veri içinde kaybolmak yerine sadece ilgili etiketlere sahip verileri süzmesini sağlar. Büyük Multi-Agent System projelerinde düzeni sağlayan en temel indeksleme kuralıdır.

Multi-Agent System (MAS / Sürü)

Karmaşık bir görevi başarmak için birden fazla özel yetenekli ajanın bir arada çalıştığı "ekip ve sürü mimarisi"dir.

Tek bir devasa ajana her görevi yüklemek yerine, Orchestrator liderliğinde uzman Worker Agent birimleri (kodlayıcı, testçi, araştırmacı) arasında iş bölümü kurar.

Ajanlar birbiriyle A2A (Agent-to-Agent) protokolüyle haberleşir.

Multi-Tenant (Çoklu Kiracı İzolasyon)

Aynı ajansal altyapıyı (Örn: Telegram botu veya SaaS paneli) kullanan yüzlerce farklı kullanıcının veya şirketin verilerinin, Firestore gibi veritabanlarında birbirine karışmadan tamamen yalıtılmış (izole) hücrelerde tutulması mimarisidir.

Governance açısından kritiktir; Identity Propagation (Kimlik Aktarımı) sayesinde ajan A müşterisinin dosyasını okurken yanlışlıkla B müşterisinin verisine (Guardrails ile) asla erişemez.

Multimodal (Çoklu Mod)

Bir yapay zeka modelinin sadece metin değil; aynı anda görsel (Vision), ses ve video gibi farklı veri türlerini anlayıp işleyebilme yeteneğidir.

GPT ve Gemini gibi güncel modeller multimodaldir. Browser Sub-Agent ekran görüntülerini analiz ederken, UI Testing sırasında görsel hataları tespit ederken veya Ad Creative (reklam görseli) değerlendirirken multimodal yetenek kullanılır.

n8n

Açık kaynaklı, kendi sunucunuzda barındırılabilen (self-hosted) iş akışı otomasyon platformudur. Zapier / Make alternatifidir ancak veri gizliliği ve maliyet avantajı sunar.

Otonom ajanlar, n8n iş akışlarını MCP Server veya Webhook üzerinden tetikleyerek CRM güncelleme, Email Automation, rapor oluşturma gibi çok adımlı otomasyonları yürütebilir.

Narrow AI (Dar Yapay Zeka)

Sadece spesifik bir görevi (Örn: Satranç oynamak, kod yazmak, fotoğraf oluşturmak) insan seviyesinde veya üstünde yapabilen ancak bunun dışındaki görevleri anlayamayan, günümüz yapay zekasının genel durumunu tanımlayan kavramdır.

Her şeyi yapabilen varsayımsal AGI (Genel Yapay Zeka) seviyesinin tam zıttıdır. Ajansal sistemler, farklı Narrow AI uzmanlarını bir Orchestrator altında birleştirerek bu dar sınırları aşmayı hedefler.

Nodes (Düğümler)

LangGraph veya State Graph (Durum Grafiği) gibi mimarilerde; ajanın uğradığı, bir fonksiyonu (Örn: "İnternette ara", "Kodu test et", "Cevap üret") icra ettiği bağımsız çalışma duraklarıdır.

Düğümler birbirlerine Edges (Kenarlar) ile bağlanır. Ajan bir düğümde işini bitirdiğinde, üretilen veriyi (State) bir sonraki düğüme taşıyarak otonom iş akışını (Workflows) ilerletir.

NoSQL

Geleneksel tablolu (ilişkisel) SQL veritabanlarının aksine, esnek şemalı (JSON benzeri) belgeler halinde veri saklayan veritabanı ailesidir (Örn: MongoDB, Firestore, Redis).

Otonom ajanların Long-Term Memory ve Job Memory verilerini hızla okuyup yazması için uygundur. Multi-Tenant mimarilerde kullanıcı verileri NoSQL koleksiyonlarında izole tutulur.

Notification System (Bildirim Sistemi)

Otonom ajanların, kritik bir olay gerçekleştiğinde (hata, görev tamamlanma, bütçe aşımı) insana (HITL) anlık bildirim gönderme mekanizmasıdır.

Telegram Bot, Slack Integration, e-posta veya push notification kanalları üzerinden çalışır. Daemon servisleri ve JSON Hooks tetikleyicileriyle entegre edilerek otonom izleme yapılır.

nsjail

Otonom ajanların CLI Tools (Terminal komutları) üzerinden fiilen çalıştırdığı ham kodların, kullanıcının ana işletim sistemine sızıp zarar vermesini engellemek için kullanılan Linux tabanlı, son derece katı bir donanımsal Execution Environment (Sandbox / İzole Hücre) aracıdır.

ACL (Erişim Kontrolü) mantığıyla çalışarak ajanın işlemci, bellek ve ağ erişimini kilitler. Sistem güvenliğinin nihai sigortasıdır.

Observe (Gözlemle)

Ajanın bir eylem (ACT) gerçekleştirdikten sonra sistemin yeni durumunu, hata çıktılarını ve ortam yanıtlarını okuduğu "duyu ve algı" fazıdır.

Agentic Loop döngüsünün kontrol mekanizmasıdır; gelen çıktıyı Reasoning aşamasına besleyerek ajanın bir sonraki Plan adımını güncellemesini sağlar.

Örneğin; çalıştırılan bir komut hata verdiğinde ajan bu durumu gözlemler ve Self-Correction sürecini başlatır.

Open Source vs Closed Source

Yapay zeka modellerinin ve yazılımların kaynak kodunun herkese açık (Open Source) veya şirket tarafından gizli tutulan (Closed Source) olma durumudur.
- Open Source: DeepSeek, LLaMA, Mistral — Kendi sunucunuzda çalıştırılabilir, veri gizliliği avantajı.
- Closed Source: OpenAI GPT, Claude, Gemini — API üzerinden kullanılır, veri şirketin sunucularına gider.

Governance ve Data Privacy kararlarında kritik bir tercihtir.

OpenAI

ChatGPT ve yapay zeka model ailelerini (GPT, vb.) geliştiren otonom yapay zeka alanının öncü şirketidir.
- Standart Modeller (GPT Serisi): Hızlı ve uygun maliyetli modeller; hem Fast Mode hem de genel görevlerde tercih edilir.
- Deep Reasoning Modelleri: Derin Akıl Yürütme modelleri; dakikalarca Chain of Thought yaparak karmaşık problemleri çözer.

Rakipleri: Claude (Anthropic), Gemini (Google), DeepSeek (açık kaynak). Özellikle üst düzey modeller, maliyetleri ve işlem süreleri yüksek olduğu için 60/30/10 Kuralı gereği genellikle sadece en kritik Orchestrator görevlerinde (mimari kararlar) kullanılırlar.

Orchestration (Orkestrasyon)

Düzensiz ve bağımsız çalışan onlarca ajanın, API'nin ve aracın (Tools); kaos yaratmadan, belirli bir Workflows (İş Akışı) ve Governance kuralı etrafında bir senfoni orkestrası gibi uyum içinde yönetilmesi işlemidir.

Agentic AI sistemlerini basit sohbet botlarından ayıran ana özelliktir. Hataları (Fallback Strategy) yönetir, görevleri dağıtır ve sistemin bütünselliğini korur.

Orchestrator (Şef Ajan)

Çoklu ajan sistemlerinde (Multi-Agent System) orkestrayı yöneten ve karmaşık görevleri alt parçalara bölen "ana yönetici" ajandır.

Worker Agent (İşçi Ajan) birimlerine iş dağıtır, süreçleri Agent Routing ile yönlendirir ve gelen sonuçları sentezler.

Orchestrator-Worker Pattern mimarisinin kalbidir; gerektiğinde insandan HITL onayı alarak sürecin ilerlemesini denetler.

Orchestrator-Worker Pattern

En tepede büyük resmi gören bir Şef (Orchestrator) ve altında spesifik işleri (yazılım, tasarım, test) fiilen icra eden İşçilerin (Worker Agent) bulunduğu klasik, hiyerarşik ve merkezi (Centralized) ajan mimarisi şablonudur.

Büyük projelerde karmaşayı önlemek için en sık tercih edilen yapıdır. İşçiler aralarında A2A iletişimi kursa da, son kararı ve onayı her zaman şef ajan (veya HITL ile insan) verir.

Output Format (Çıktı Formatı)

Ajanın (LLM) ürettiği yanıtın rastgele bir metin (düz yazı) yerine; dış sistemler veya diğer ajanlar tarafından doğrudan okunup çalıştırılabilecek yapısal bir veri formatında (Örn: JSON, XML, Markdown) olmasıdır.

Structured Output gerekliliklerinin temelidir. Few-Shot Prompting ve Pydantic gibi doğrulama (JSON Validation) mekanizmaları kullanılarak ajanın formattan çıkması (Hallucination) engellenir ve Function Calling işlemlerinin hatasız çalışması sağlanır.

PageSpeed / Lighthouse

Google'ın, web sayfalarının yüklenme hızını, erişilebilirliğini ve SEO uyumluluğunu ölçen ücretsiz performans test araçlarıdır.

Core Web Vitals (LCP, INP, CLS) metriklerini raporlar. Otonom ajanlar, Lighthouse testlerini Browser Sub-Agent ile otonom çalıştırıp düşük puanlı alanlar için CDN, görsel sıkıştırma veya kod optimizasyonu önerileri sunabilir.

Plan (Planla)

Agentic Loop (Ajan Döngüsü) içindeki 4 temel aşamadan (Discover, Plan, Reason, Act) ikincisidir. Ajanın, ortamı gözlemledikten sonra büyük ve karmaşık görevi küçük ve yönetilebilir alt görevlere (adımlara) böldüğü evredir.

Bu aşamada doğrudan eyleme (ACT) geçilmez. Özellikle Deliberative Agents (Planlamacı Ajanlar) bu aşamada detaylı bir Blueprint (Mimari) veya Task Plan (Görev listesi) hazırlayarak sistemin rotasını çizerler.

Planner Agent (Planlamacı Ajan)

Hiyerarşik (Hierarchical AI Agents) sistemlerde, doğrudan kod yazmak (Doer/Executor) veya hataları ayıklamak yerine, sadece strateji oluşturmaya odaklanmış analitik uzman ajandır.

Görevi, Conductor'dan (Şef) aldığı ana talebi parçalara bölmek, hangi Tools'ların kullanılacağını belirlemek ve Implementation Plan (Uygulama Planı) üretmektir. Ürettiği planı onaya (HITL) sunar ve onaylandıktan sonra icra etmesi için Worker Agent birimlerine devreder.

Pragmatist (Pragmatist Ajan)

Debate Loops (Tartışma Odaları) içinde kusursuzluğu veya aşırı akademik kod standartlarını arayan Reviewer Agent (Denetmen) ile çatışarak, sistemin "en hızlı ve çalışan" çözüme odaklanmasını sağlayan sonuç odaklı ajandır.

Özellikle Definition of Done (Bitti Tanımı) kriterleri esnekse, sistemin Infinite Loop sarmalına girip çok fazla Token Burn Rate harcamasını engeller; yeterince iyi olan (good-enough) çözümü kabul ettirir.

Presenter Agent (Sunucu Ajan)

Arka planda çalışan ve karmaşık veritabanı logları, JSON formatları üreten alt düzey ajanların aksine; elde edilen ham sonuçları son kullanıcının (insanın) anlayabileceği görsel, etkileşimli bir Artifacts (Artefakt) veya Walkthrough (Rapor) haline getiren arayüz ajanıdır.

Progressive Disclosure (Kademeli Açıklama) prensibini kullanarak kullanıcıyı bilgiye boğmaz, sadece onay (HITL) için gereken temiz özeti sunar.

Principle of Least Privilege

(En Az Yetki Prensibi). Bir ajana veya Sidecars mikro servisine, görevini yapabilmesi için sadece ihtiyacı olan "minimum düzeyde" yetki verilmesi kuralıdır.

Governance ve sistem güvenliğinin omurgasıdır. Ajan sadece bir klasörü okuması gerekiyorsa, ona ACL (Erişim Kontrol Listesi) üzerinden yazma veya silme yetkisi asla verilmez. Böylece başarılı bir Prompt Injection saldırısında sistemin geneli zarar görmez.

Privilege Boundaries (Sınırlar)

Bir sistemdeki farklı ajanların (Örn: Müşteri Temsilcisi Ajanı vs. Veritabanı Yöneticisi Ajanı) veya farklı projelerin (Multi-Tenant) yetki ve erişim sınırlarını donanımsal ve yazılımsal olarak birbirinden ayıran görünmez duvarlardır.

Agent OS tarafından katı şekilde yönetilir. Sınırları ihlal etmeye çalışan bir ajan, Guardrails veya nsjail (Sandbox) tarafından anında engellenerek Segmentation Fault tarzı acil durum durdurmalarıyla (hard stop) bloke edilir.

Procedural Memory (Prosedürel Hafıza)

Ajanın, "Bir React componenti nasıl oluşturulur?" veya "AWS'e nasıl deploy alınır?" gibi spesifik işlerin hangi adımlarla yapılacağını (iş yapış şeklini) tuttuğu kalıcı uzmanlık belleğidir.

SKILL.md dosyaları veya Local Skills paketleri ile ajana yüklenir. Semantic Memory (gerçekler) veya Episodic Memory (geçmiş anılar) aksine, tamamen eylemsel ve refleksif (kas hafızası gibi) görev standartlarını barındırır.

Progressive Disclosure

Ajanların, devasa bir analiz sonucunu insana (HITL) tek seferde sunup Context Wall algısını yıkması (kullanıcıyı bilgiye boğması) yerine; bilgiyi adım adım, sadece ihtiyaç oldukça genişleyen bir arayüzle sunmasıdır.

Genellikle Artifacts veya Walkthrough belgeleriyle yapılır. İnsanın sistemi denetleme (Observe) sürecindeki bilişsel yükünü azaltan kritik bir UX (Kullanıcı Deneyimi) prensibidir.

project-context.md

Projenin genel durumunu, mimarisini, dizin yapısını ve klasörlerin ne işe yaradığını ajana (LLM) ilk girişte özetleyen, proje kök dizinindeki (root) statik oryantasyon dosyasıdır.

GEMINI.md (kurallar) veya identity.md (kişilik) dosyalarından farklı olarak, tamamen "Proje nedir, nerede ne var?" sorusuna yanıt verir ve ajanın Discover aşamasında kör uçuş yapmasını engeller.

Prompt Caching (Önbellekleme)

Modelin (LLM), devasa boyuttaki System Prompt, projeye özel kurallar (AGENTS.md) ve eski loglar gibi her istekte tekrarlanan sabit girdileri her seferinde yeniden okuması (işlemesi) yerine; bu metinleri belleğinde (Cache) tutup sadece yeni eklenen kısımları işlemesi teknolojisidir.

Ajansal sistemlerde Latency (Gecikme süresi) oranını ve Token Burn Rate (maliyetleri) %90'a kadar düşüren devrimsel bir optimizasyon yöntemidir.

Prompt Contract (Ajan Sözleşmesi)

Ajan ile geliştirici arasında yapılan yazılı olmayan anlaşmadır. Geliştiricinin, ajandan beklediği spesifik çıktı formatını (Output Format), uyması gereken Guardrails kurallarını ve kullanacağı Tools yetkilerini ana istemde katı bir şekilde tanımlamasıdır.

Schema Validator ve Pydantic ile teknik güvenceye alınır. Ajan sözleşmenin dışına çıktığı an hata (Observe) fırlatılarak döngü durdurulur.

Prompt Engineering

Sihirli kelimelerle modelden en iyi cevabı alma sanatı yerine; ajansal sistemlerde (Agentic AI) modelin Reasoning (Akıl Yürütme) kapasitesini maksimuma çıkaracak, Few-Shot Prompting ile formata sadık kalmasını sağlayacak matematiksel ve yapısal komut (istem) tasarlama mühendisliğidir.

Modern sistemlerde yerini yavaş yavaş otonom Loop Engineering (Döngü Mühendisliği) ve dinamik RAG (Context Engineering) tasarımlarına bırakmaktadır.

Prompt Tuning

Geliştiricinin her seferinde uzun talimatlar (Prompt Engineering) yazması yerine, ajanın temel LLM modeline o spesifik iş (Örn: Hata ayıklama) için düşük maliyetli kalıcı ağırlık güncellemeleri (Soft tuning veya LoRA) yaparak modelin anadilini ve reflekslerini optimize etmesidir.

Büyük Token maliyetlerinden kurtarır; ajanın Fast Mode içerisinde çok daha küçük promptlarla bile kurumsal standartta çalışmasını sağlar.

Prompt Injection (Zehirli Girdi)

Kötü niyetli kullanıcıların veya manipülatif veri kaynaklarının ajanı kandırarak orijinal System Prompt kurallarını çiğnetmeye çalıştığı siber saldırı yöntemidir.

Klasik web sitelerindeki SQL Injection gibidir; ajana gizli talimatları sızdırmaya veya yetkisiz komutlar çalıştırtmaya çalışır.

Bu tür saldırılara karşı sistemi korumak için katı Guardrails ve sistem seviyesinde ACL (Erişim Kontrol Listesi) kuralları uygulanır.

Prompts (MCP Bileşeni)

MCP Server (Sunucu) tarafından ajana (Client) sunulan 3 temel bileşenden (Tools, Resources, Prompts) biridir.

Ajanın o sunucudaki bir görevi nasıl yapması gerektiğini anlatan, önceden hazırlanmış şablonlardır. Geliştiricinin ajana "Salesforce sisteminde nasıl müşteri aranır" talimatını yazmasına gerek kalmaz; MCP Sunucusu doğrudan Dynamic Tool Discovery sırasında bu standart Prompt'u (şablonu) ajana otonom olarak verir.

Protobuf (.pb)

Otonom ajan sistemlerindeki alt bileşenlerin (Örn: Sidecars veya Worker Agent'lar) kendi aralarında devasa JSON dosyaları gönderip sistemi yavaşlatması yerine; verileri bilgisayarın çok daha hızlı okuyabildiği, sıkıştırılmış ikili (binary) formata dönüştüren mesajlaşma standartıdır (gRPC altyapısı).

Latency (gecikme) sorunlarını çözerek yüksek performanslı Agent OS mimarilerinde A2A iletişiminin temel veri taşıyıcısı olur.

Pydantic

Ajanın (LLM) ürettiği JSON formatındaki serbest çıktıları, önceden tanımlanmış katı Python sınıfları (veri şemaları) ile otomatik olarak doğrulayan, yanlış tipte bir veri (Örn: Yaş yerine "otuz" yazılması) gelirse modeli uyararak tekrar düzeltmeye zorlayan validasyon (doğrulama) kütüphanesidir.

Structured Output garantisi sağlamak ve Function Calling sırasında sistemin kırılmasını engellemek için Schema Validator görevini üstlenir.

RAG (Retrieval-Augmented Generation)

Yapay zeka modelini sıfırdan eğitmek yerine, dış veri kaynaklarından (Vector Database) ilgili bilgileri çekerek modeli doğru yanıt vermeye yönlendiren "açık kitap sınavı" tekniğidir.

Modelin Hallucination yapmasını engeller ve bilgiyi Grounding ile doğrular.

Otonom döngülerle birleştiğinde daha akıllı olan Agentic RAG yapısına dönüşür.

Rate Limiting (Hız Kısıtlaması)

Otonom ajanların kontrolsüz bir Infinite Loop döngüsüne girdiklerinde harici sistemleri (API'ler, veritabanları) veya ana LLM Gateway bağlantısını saniyeler içinde binlerce kez tetikleyerek kilitlemesini (DDoS) veya bütçeyi tüketmesini önleyen kalkanıdır.

Budget Guardrails ile birlikte çalışır; ajana "Dakikada maksimum 10 işlem yapabilirsin" gibi donanımsal sınırlamalar getirerek sistemin stabilitesini korur.

Reach (Erişim)

Bir reklamın veya içeriğin ulaştığı benzersiz (tekil) kişi sayısıdır. Impression (Gösterim) ile karıştırılmamalıdır; bir kişi reklamı 3 kez görürse Reach 1, Impression 3 olur.

Marka bilinirliği kampanyalarında en önemli KPI metriğidir. Meta Ads platformunda detaylı Reach raporları sunulur.

ReAct (Reasoning + Acting)

Ajanların, "sadece düşünüp kod veren" geleneksel LLM'lerden ayrıldığı temel paradigmadır. Modelin içsel olarak planlama ve mantık yürüttüğü Reasoning (Akıl Yürütme) aşaması ile dış dünyaya araçlarla (Tools) doğrudan müdahale ettiği Acting (Eylem) aşamasının kusursuz, tekrarlı döngüsüdür.

Modern Agentic Loop tasarımlarının atasoyudur; ajana hem bir filozof gibi düşünme hem de bir işçi gibi hareket etme yeteneği kazandırır.

Reactive Agents (Reaktif Ajanlar)

Karşılarına bir sorun çıktığında Deliberative Agents (Planlamacı) gibi geri çekilip uzun Implementation Plan belgeleri yazmak yerine; anında harekete geçen, hata aldıkça düzeltip tekrar deneyen ve hızlı reflekslerle çalışan refleksif ajan profilidir.

Büyük mimari tasarımlarda hata yapma riski yüksek olsa da; basit kod düzeltmeleri, formatlamalar ve hızlı arama işlemleri (Fast Mode) için eşsiz bir hız sağlarlar.

Reasoning (Akıl Yürütme)

Yapay zeka modelinin bir yanıt üretmeden önce arka planda mantıksal adımlar kurarak mantık yürütme "düşünme evresi"dir.

Doğrudan cevaba sıçrayıp Hallucination yapmak yerine, sorunu parçalara bölerek Chain of Thought (CoT) veya Tree of Thoughts (ToT) yöntemleriyle analiz eder.

Agentic Loop içinde Plan ve ACT arasındaki köprüdür.

Red Teaming

Kendi inşa ettiğiniz kusursuz ajan sistemine, Contrarian Agent veya Adversary Agent (Siber Düşman Ajan) rolleri yüklenmiş başka ajanlar saldırtarak; Prompt Injection açıklarını, yetki sınırlarının (Privilege Boundaries) kırılıp kırılamadığını içeriden acımasızca test etme (stres testi) sürecidir.

Bir Agentic Engineering mimarisinin güvenli olarak canlıya (Production) alınabilmesi için zorunlu olan en kritik Hard Evals güvenlik aşamasıdır.

Redirect (Yönlendirme)

Bir URL'nin başka bir URL'ye otomatik yönlendirilmesidir.
- 301 (Kalıcı): Sayfa taşındı, SEO gücü yeni adrese aktarılır.
- 302 (Geçici): Sayfa geçici olarak başka yerde, SEO gücü aktarılmaz.

Yanlış yönlendirmeler Crawling hatalarına ve SEO sıralama kaybına neden olur. Otonom ajanlar, kırık linkleri ve yanlış redirect zincirlerini tarayıp düzeltebilir.

Reducers (İndirgeyiciler)

LangGraph veya State Graph yapılarında; farklı düğümlerden (Nodes) veya paralel çalışan ajanlardan gelen birden fazla veriyi (Örn: Farklı tasarım fikirlerini veya veri yığınlarını) tek, anlamlı ve temiz bir yapıya (State) kaynaştıran (merge) fonksiyonlardır.

Memory Consolidation ve Curate süreçlerine destek olarak ajanın bellek israfını önler ve sistemin Lost in the Middle sendromuna girmesine engel olur.

Reflective Memory (Yansıtıcı Bellek)

Ajanın, geçmişte yaptığı bir hatayı neden yaptığına dair kendi iç dünyasında (Reasoning) ürettiği dersleri sakladığı; "Şu kodu denedim ve çöktü, çünkü X kütüphanesi eksikti, bir dahaki sefere X'i baştan yükle" şeklinde çalışan derin öğrenme belleğidir.

Episodic Memory (olay hafızası) sadece "ne olduğunu" tutarken, Reflective Memory "bundan ne ders çıkarıldığını" tutar. Ajanın otonom olarak ustalaşmasını (Self-Improvement) sağlayan en kıymetli Knowledge Items (KI) tipidir.

Request Review

Agentic AI sistemlerinde, bir görevin bitişinde (Definition of Done) veya tehlikeli bir API tetiklenmeden önce ajanın süreci durdurup insandan onay (HITL) veya üst şeften (Orchestrator) inceleme talep etmesi eylemidir.

Always Proceed modunun aktif olmadığı durumlarda sistemin güvenlik frenidir. İnsan kodu inceler, otonom ajana "Şurasını düzelt" der ve ajanı Observe evresine geri göndererek hata yapmasını engeller.

Resolver Agent (Çözücü Ajan)

Multi-Agent System (MAS) içinde, yeni bir kod yazmak yerine sadece çıkan bir hatayı (Bug) veya kırık bir build işlemini onarmaya odaklanmış, yüksek sorun çözme yeteneğine sahip uzman (işçi) ajandır.

Örneğin; Implementer ajanın kodu derlenmezse, Conductor araya girmeden A2A (Agent-to-Agent) iletişimiyle doğrudan Resolver ajanı çağırır. Resolver, hatayı analiz edip yamayı uygular ve sistemi tekrar ayağa kaldırır.

Resources (MCP Bileşeni)

MCP Server (Sunucu) tarafından ajana (Client) sunulan 3 temel bileşenden biridir (Diğerleri: Tools, Prompts).

Ajanın müdahale edemeyeceği, sadece okuyabileceği (Read-only) dış veri kaynaklarını temsil eder. Örneğin; bir veritabanı şeması, şirketin API dokümantasyonu veya log dosyaları ajana bir "Resource" olarak sunulur. Ajan bu kaynakları Context Window (Bağlam) içine alarak kodunu daha tutarlı (Grounding) yazar.

Responsive Design (Duyarlı Tasarım)

Bir web sitesinin, masaüstü bilgisayar, tablet ve mobil telefon gibi farklı ekran boyutlarında otomatik olarak uyum sağlayıp düzgün görünmesini sağlayan tasarım yaklaşımıdır.

Core Web Vitals ve SEO sıralamalarını doğrudan etkiler. Otonom ajanlar, CSS / HTML / JavaScript kullanarak responsive kodlar üretir ve Browser Sub-Agent ile farklı ekran boyutlarında UI Testing yapar.

Reverse Prompting

İnsanın ajana ne yapacağını söylemesi yerine, ajanın insana "Şu işi en iyi nasıl yapabilirim, bana X ve Y bilgilerini ver" diyerek geliştiriciyi yönlendirmesi veya mülakata alması tekniğidir.

Gereksinimlerin belirsiz olduğu durumlarda (Discover aşaması) kullanılır. Ajan otonom olarak inisiyatif alarak, Prompt Contract'ın eksik parçalarını insan onayıyla (HITL) tamamlar.

Reviewer Agent (Denetleyici Ajan)

Maker-Checker Architecture modelinde "Checker" (kontrolör) rolünü üstlenen, sadece denetim ve inceleme yapmak için tasarlanmış bağımsız kalite kontrol ajanıdır.

Implementer Agent (Uygulayıcı) işi bitirdiğinde, bu çıktıya önyargısız bir bakışla yaklaşarak kod standartlarını, performansı ve güvenlik açıklarını analiz eder. Hata bulursa düzeltilmesi için otonom geri bildirim gönderir; onay verirse kod birleştirilir.

Robots.txt

Web sitesinin kök dizininde bulunan, arama motoru botlarına (Googlebot) hangi sayfaları tarayıp (Crawling) hangilerini atlayacağını söyleyen yönlendirme dosyasıdır.

Yanlış yapılandırma, önemli sayfaların Indexing (İndeksleme) dışında kalmasına neden olabilir. Sitemap ile birlikte çalışır. Otonom ajanlar, robots.txt hatalarını analiz edip düzeltme önerebilir.

Runtime (Çalışma Zamanı)

Kodun veya ajanın donup beklediği statik anların aksine, sistemin aktif olarak veri işlediği, kararlar aldığı ve Tools çalıştırdığı dinamik icra (canlı) süresidir.

Ajanın belleği (Working Memory) bu süre boyunca aktiftir. Runtime sırasında oluşan beklenmedik hatalar veya Latency (gecikme) sorunları, ancak güçlü bir Agent OS ve esnek Fallback Strategy (yedek plan) ile aşılabilir.

Sandbox (İzolasyon Alanı)

Otonom ajanların CLI Tools kullanarak çalıştırdığı ham kodların, kullanıcının ana işletim sistemine sızıp zarar vermesini engellemek için kurulan tamamen yalıtılmış sanal çalışma hücreleridir.

nsjail (Linux), sandbox-exec (macOS) veya Docker konteynerleri aracılığıyla sağlanır. ACL (Erişim Kontrol Listesi) ile desteklenerek, ajanın sonsuz döngüye girmesi veya sistemi silmesi donanımsal düzeyde kısıtlanır. Execution Environment kavramının yaygın adıdır.

sandbox-exec (Seatbelt)

Apple (macOS) sistemlerine özgü olan ve ajanların çalıştırdığı terminal komutlarının işletim sistemindeki klasörlere (Örn: Documents, Desktop) veya ağ portlarına erişimini çekirdek düzeyinde kısıtlayan bir izolasyon (Sandbox) mekanizmasıdır.

Linux'taki nsjail aracının Mac karşılığıdır. Agentic IDE sistemlerinde, ajanın kazara yerel bilgisayarınızı silmesini donanım gücüyle engelleyen bir ACL bariyeridir.

Scheduled Tasks (Zamanlanmış G.)

Ajanların belirli aralıklarla (Örn: Her saat başı, her gece), insandan bağımsız olarak uyanıp otonom görev yürütmesini sağlayan zamanlayıcı altyapısıdır. Cron olarak da bilinir.

Agent OS seviyesinde yönetilir. Daemon (arka plan) servisleriyle entegre çalışarak kampanya güncellemesi, yedekleme veya sistem bakımı gibi işlerin 7/24 otonom yürütülmesini sağlar.

Schema Markup (Yapısal Veri)

Google'a sayfanızın içeriğinin ne olduğunu (ürün, tarif, SSS, etkinlik, işletme vb.) makinenin anlayacağı JSON-LD formatında söyleyen koddur.

Arama sonuçlarında (SERP) yıldız puanları, fiyat bilgileri ve SSS gibi "zengin sonuçlar" (Rich Snippets) görünmesini sağlar. SEO ve GEO (Yapay zeka arama) stratejilerinin kritik bileşenidir.

Schema Validator

Ajanın ürettiği Structured Output (Yapısal JSON) formatının, sistemin beklediği kural setine (Şema) uyup uymadığını her işlemde otonom olarak denetleyen teknik kalkan yazılımıdır (Örn: Pydantic).

Eğer ajan "Yaş" alanına sayı yerine metin döndürmüşse (Hallucination), Validator anında hata fırlatarak ajanı uyarır ve ajanın çıktısını kırılmadan önce düzeltmesini (Self-Correction) sağlar.

SDLC (Yazılım Yaşam Döngüsü)

Bir yazılımın doğuşundan (planlama), kodlanmasına, test edilmesine ve canlıya (Production) alınmasına kadar geçen tüm süreçlerdir.

Agentic Engineering mimarilerinde amaç, ajanı sadece bir kod yazıcı (coder) olarak kullanmak değil; Planner, Implementer ve Reviewer ajanları kullanarak tüm SDLC döngüsünü Multi-Agent System ile insan el değmeden otonom olarak uçtan uca yürütmektir.

Segmentation Fault (Bellek Taşması)

Ajanın, sınırsız bir klasörü (Örn: `node_modules`) okumaya çalışarak devasa veriler altında boğulması ve Context Window kapasitesini aşarak sistemin aniden çökmesi (Hard Crash) durumudur.

Bu donanımsal çöküş, Agent OS seviyesinde bile kurtarılamayabilir. Önlemek için mutlaka `.antigravityignore` gibi kara liste filtreleri veya donanımsal Cost Control Limits uygulanmalıdır.

Self-Correction (Kendi Kendini Onarma)

Ajanın bir eylem (ACT) sonrası aldığı hatayı Observe ederek, insan müdahalesi olmadan kendi kodunu veya planını düzeltme yeteneğidir.

Geleneksel yazılımların hata anında çökmesinin aksine, otonom sistemlerin en büyük gücüdür.

Evaluator-Optimizer Pattern ve Loop Engineering prensipleriyle çalışır.

Self-Describing API

Dışarıdaki bir uygulamanın (API'nin), "Ben ne işe yararım, benden veri çekmek için JSON'a hangi parametreleri yazmalısın" bilgisini kendi içinde (Schema olarak) barındıran akıllı yapısıdır.

MCP Server üzerinden sağlanan araçlar (Tools) genellikle Self-Describing (kendini tanımlayan) yapıdadır. Ajan bu sayede Dynamic Tool Discovery sırasında API'nin kullanım kılavuzunu saniyeler içinde otonom olarak öğrenir.

Semantic Chunking

Devasa bir PDF belgesini veya kod dosyasını rastgele kelime sayısına göre bölmek yerine; paragrafların "anlam bütünlüğünü" (başlıklar, kod blokları) koruyarak akıllı parçalara ayırma işlemidir.

Vector Database içine atılacak verilerin kalitesini belirler. Doğru parçalanmamış veriler, ajanın Agentic RAG aramalarında alakasız sonuçlar (noise) bulmasına ve Lost in the Middle sendromu yaşamasına neden olur.

Semantic Memory (Anlamsal Bellek)

Ajanın, "Türkiye'nin başkenti Ankara'dır" veya "React'ta class bileşenleri yerine fonksiyonel bileşenler kullanılır" gibi genel gerçekleri, tanımları ve evrensel programlama standartlarını tuttuğu kütüphane belleğidir.

Yaşanmışlıklara dayalı Episodic Memory'nin aksine, nesnel gerçekleri barındırır. Global Skills ve önceden eğitilmiş temel LLM bilgisi bu hafıza tipine girer.

Semantic Routing (Anlamsal Yönl.)

Kullanıcıdan gelen talebi, basit "if/else" anahtar kelime eşleşmeleriyle değil; metnin ardındaki niyeti (intent) ve anlamı (Embeddings) kavrayarak en doğru uzman ajana yönlendirme teknolojisidir.

Örneğin; "Sitem çok yavaş açılıyor" talebinde hız (speed) kelimesi geçmese bile, sistem Orchestrator aracılığıyla bu sorunun "Performans ve Veritabanı Optimizasyon" (Worker Agent) ekibine ait olduğunu otonom olarak anlar.

Semantic Search (Anlamsal Arama)

Veritabanında (Örn: Vector Database) kelimelerin birebir harf benzerliğine göre değil, kavramların matematiksel yakınlığına (Embeddings) göre arama yapma tekniğidir.

"Köpek" kelimesi arandığında, içinde köpek kelimesi geçmese bile "Golden Retriever" belgesini bulabilmesini sağlar. Agentic RAG sistemlerinin bilgi getirme kalitesini ve Grounding doğruluğunu üst seviyeye çıkaran ana motordur.

Sequential Agents (Sıralı Ajanlar)

Multi-Agent System (MAS) içinde, ajanların birbirinden tamamen bağımsız çalışması yerine bir montaj hattı (fabrika bandı) gibi sırayla çalıştığı hiyerarşik modeldir.

Örneğin; A ajanı araştırma yapar, bitince bulguları B ajanı kodlar, bitince C ajanı test eder. Debate Loops (aynı anda tartışma) modeline göre daha deterministik ve yönetimi (takibi) kolay bir Workflows sağlar.

Serverless (Sunucusuz)

Geliştiricinin fiziksel sunucu yönetmeden, sadece kodu yazıp bulut sağlayıcısına (AWS Lambda, Google Cloud Functions) bırakması modelidir. Kod sadece tetiklendiğinde çalışır ve kullanıldığı kadar ücretlendirilir.

Otonom ajanların Webhook tetikleyicileriyle başlattığı hafif görevler için idealdir. Daemon süreçlerinin bulut tabanlı alternatifidir.

Session (Oturum)

Google Analytics (GA4) içinde, kullanıcının siteyi ziyaret ettiği başlangıç ve bitiş arasındaki süreyi kapsayan temel ölçüm birimidir.

Bir Session içinde birden fazla Event (sayfa görüntüleme, tıklama, scroll) gerçekleşir. 30 dakika hareketsizlik sonrası oturum otomatik kapanır. Bounce Rate ve Conversion Tracking hesaplamalarının temelidir.

Short-Term Memory (Çalışma Belleği)

Ajanın o anki aktif görev sırasında kullandığı, konuşma geçmişini ve geçici adımları tutan "anlık çalışma hafızası"dır.

Long-Term Memory'nin aksine kalıcı değildir; oturum (Session) bittiğinde silinir ve kapasitesi Context Window ile sınırlıdır.

Episodic Memory ve Working Memory bileşenleriyle birlikte ajanın anlık muhakeme (Reasoning) yapmasını sağlar.

Sidecars (Yan Süreçler)

Ana Agent OS veya Orchestrator çekirdeğinin dışında, ona yapışık şekilde (sepetli motor gibi) ancak ayrı bir Daemon (arka plan süreci) olarak çalışan küçük mikro hizmetlerdir.

Örneğin; ana ajan kod yazarken, bir Sidecar ajanı sadece klasördeki dosya değişikliklerini (File Watcher) izler veya sistemin RAM kullanımını denetleyip ana modele anlık telemetri verisi sağlar.

Simple Reflex Agents (Refleks Ajanları)

Geçmişi hatırlamayan (Episodic Memory yoksunu), geleceği planlamayan (Planner özelliği olmayan) ve sadece o anki duruma (girdiye) anında refleksif bir tepki üreten en ilkel otonom yazılım tipleridir.

"Eğer sıcaklık 30'u geçerse klimayı aç" mantığıyla çalışırlar. Gelişmiş Agentic AI sistemlerinde bu ajanlar, maliyeti düşük (Fast Mode) yönlendirme (Routing) görevlerinde kullanılır.

Sitemap (Site Haritası)

Web sitesindeki tüm sayfaların listesini XML formatında arama motorlarına sunan dosyadır (genellikle `/sitemap.xml` adresinde bulunur).

Google'ın sitenizi Crawling (tarama) ile keşfetmesini hızlandırır ve Indexing (İndeksleme) sürecini kolaylaştırır. Google Search Console üzerinden gönderilir. Otonom ajanlar, eksik sayfa veya hataları tespit edip sitemap güncelleyebilir.

Skills / Agent Skills (Beceriler)

Ajanın sadece kuru bir LLM modelinden çıkıp kurumsal bir işçiye dönüşmesini sağlayan; "nasıl çalışılması gerektiğini" anlatan standart formatlı (SKILL.md) talimatnamelerdir.

Tools (Araçlar) fiziksel eylem gücü sağlarken, Skills (Beceriler) bu araçların doğru sırayla, hangi güvenlik standartlarıyla ve nasıl bir mimariyle (Procedural Memory) kullanılacağının tarifesidir.

SKILL.md

Ajanların belirli bir işi (Örn: Veritabanı taşıması) nasıl yapması gerektiğini anlatan, YAML meta verileri (Frontmatter) ve markdown formatında yazılmış çekirdek beceri belgesidir.

Ajana Few-Shot Prompting (Örnekli Yönlendirme) sağlayarak, işin tam olarak geliştiricinin istediği formata (Structured Output) ve Guardrails (Güvenlik) kurallarına uygun yapılmasını garanti eder.

Slack Integration

Ekip iletişim platformu Slack'e, otonom ajanların görev bildirimleri, hata raporları ve durum güncellemeleri göndermesini sağlayan entegrasyondur.

Notification System (Bildirim Sistemi) kanallarından biridir. Webhook veya MCP Server üzerinden bağlanır. Otonom ajanlar, Campaign Syncing tamamlandığında veya Budget Guardrails aşıldığında Slack'e otomatik uyarı gönderebilir.

Slash Commands (Eğik Çizgi Komutu)

Kullanıcıların, otonom ajan ekosistemini arayüz üzerinden (Örn: `/plan`, `/execute`) hızlıca tetikleyebilmesi için oluşturulmuş klavye kısayollarıdır.

Uzun uzun Prompt Engineering yapmak yerine, ajanı doğrudan belirli bir Workflows (iş akışına) sokar. Özellikle Agentic IDE platformlarında ajanları spesifik modlara (Örn: Test yazma modu) sokmak için en pratik yöntemdir.

Smart Voice Transcription

Geliştiricinin klavye kullanmadan, ajanlarla tıpkı bir ekip arkadaşıyla konuşur gibi sesli iletişim kurmasını; sistemin bu sesi anında yüksek doğrulukla ve bağlama (Context) uygun teknik terimlerle yazıya dökerek ajana iletmesini sağlayan teknolojidir.

Uzun ve karmaşık projelerin Discover veya Plan aşamalarında insanın (HITL) derdini hızla anlatmasını sağlar.

SOP (Standart Opr. Prosedürü)

Kurumsal bir şirketin veya projenin, "Bizde kod böyle yazılır" dediği, ajanın ezbere bilmesi gereken katı, tekrarlanabilir iş süreçleridir.

Agentic AI sistemleri, SKILL.md veya GEMINI.md dosyaları üzerinden bu SOP'leri okuyarak insan hatalarını ortadan kaldırır. Deterministik ve öngörülebilir çıktılar almanın temel anahtarıdır.

Spark (MCP Host)

MCP (Model Context Protocol) sunucularını arka planda kolayca yöneten, kuran ve ajanın (Client) hizmetine sunan açık kaynaklı veya özel orkestrasyon barındırıcılarından biridir.

Geliştiricinin terminal ekranında kaybolmasını engeller; ajanın Dynamic Tool Discovery (Dinamik Araç Keşfi) ile dış dünyayla konuşmasını sağlayan bağlantı altyapısını hızlandırır.

Sparse Persistence

Ajanın, ürettiği tüm anlamsız verileri ve geçici logları kalıcı belleğe kaydetmek yerine; sadece gerçekten önemli olan karar anlarını, hataları ve başarılı stratejileri seyrek (sparse) olarak veritabanına (Mem0, Firestore) yazması stratejisidir.

Context Rot (Bağlam Çürümesi) ve Token Burn Rate sorunlarını çözmek için bellek tasarrufu sağlar.

Spreadsheet Automation

Google Sheets veya Microsoft Excel üzerinde tekrarlayan veri işleme, raporlama ve analiz görevlerini otomatikleştirme sürecidir.

Otonom ajanlar, Google Analytics (GA4) veya Google Ads verilerini çekip otomatik raporlar oluşturabilir. MCP Server üzerinden Google Sheets'e bağlanarak kampanya performans tablolarını otonom güncelleyebilir.

SQL

İlişkisel veritabanlarında (MySQL, PostgreSQL) veri sorgulamak, eklemek ve güncellemek için kullanılan standart programlama dilidir (Structured Query Language).

Otonom ajanlar, CLI Tools ile veritabanı sorguları çalıştırabilir. BigQuery üzerinde SQL kullanarak Google Analytics (GA4) ham verilerini derinlemesine analiz edebilir. NoSQL veritabanlarının yapısal alternatifidir.

SSL Sertifikası

Web sitesinin kullanıcıyla olan iletişimini şifreleyen ve tarayıcıda "kilit" simgesiyle güvenli bağlantı (HTTPS) sağlayan dijital güvenlik belgesidir.

SEO sıralama faktörüdür; SSL'siz (HTTP) siteler Google tarafından "Güvenli Değil" olarak işaretlenir. Domain yapılandırmasının zorunlu bir parçasıdır.

State Graph (Durum Grafiği)

Ajanların iş akışlarını (Workflows), adımların rastgele ilerlediği metin blokları yerine LangGraph gibi platformlarda düğümler (Nodes) ve bağlantılar (Edges) halinde görsel bir mantık grafiği olarak inşa etme yöntemidir.

Sistemin hangi aşamada olduğunu (State Tracking) matematiksel olarak izlemeyi ve hata alındığında başa sarmayı otonom ve kontrollü hale getirir.

State Management (Durum Yönetimi)

Bir ajanın (veya ajan sürüsünün), uzun süren bir görevi yerine getirirken o anki ilerleyişini, değişkenlerini ve elde ettiği sonuçları (State) güvenli bir şekilde kaydetmesi ve yönetmesidir.

Eğer State kaybolursa ajan Goldfish Memory Problem yaşar ve ne yaptığını unutur. Özellikle State Graph yapılarında bir düğümden diğerine geçerken verinin eksiksiz aktarılmasını sağlar.

State Tracking (Durum Takibi)

Orchestrator (Şef Ajan) biriminin, altındaki onlarca Worker Agent'ın anlık olarak hangi aşamada olduğunu, kimin başarılı kimin hatalı (Infinite Loop) durumda olduğunu bir panel veya JSON nesnesi üzerinden izleme mekanizmasıdır.

Büyük Multi-Agent System operasyonlarında kaos çıkmasını engelleyen, işin bitip bitmediğini (Definition of Done) kontrol eden gözlem aşamasıdır.

State Verification (Durum Doğrulama)

Ajanın, bir eylem (ACT) gerçekleştirdikten veya bir veritabanını güncelledikten sonra "İşlem gerçekten oldu mu?" diye ikinci bir teyit sorgusu atarak sistemin güncel durumunu kanıtlamasıdır.

Ajanın Hallucination (Uydurma) ile "Yaptım" demesine inanmamak, otonom sistem güvenliğinin temelidir. Maker-Checker Architecture modelinin mantıksal doğrulama adımıdır.

state.vscdb

Özellikle VSCode ve Agentic IDE türevlerinde; IDE'nin ve ajanın yerel oturum durumunu, açık sekmeleri ve arayüz ayarlarını tutan SQLite (veya JSON) tabanlı geçici sistem dosyasıdır.

Bozulması durumunda ajanların Working Memory bağlamı zedelenebilir, ancak genellikle Long-Term Memory üzerinde kalıcı bir hasar bırakmaz.

Static Context (Statik Bağlam)

Projenin tamamını veya devasa kütüphane belgelerini, ajanın işine yarasın ya da yaramasın, en başından Context Window içine yığma yöntemidir.

Bu yöntem küçük projelerde işe yarasa da, büyük projelerde ajanın yavaşlamasına (Latency) ve gereksiz verilere takılıp Lost in the Middle sendromu yaşamasına neden olur. Çözümü Dynamic Context (Lazy Loading) mimarileridir.

Stochastic Multi-Agent Consensus

Rastgelelik ve olasılık barındıran (Stochasticity) yapay zeka modellerinin; Debate Loops (Tartışma Odaları) içinde farklı kararlar üreterek birbirleriyle tartışması ve sonunda en doğru yanıtta (veya kodda) ortak bir konsensüse varması sürecidir.

Tek bir modelin alacağı yanlış bir kararı (Hallucination), çoklu ajan sisteminin otonom eleştiri süzgecinden geçirerek saflaştırmasını sağlar.

Stochasticity (Rastlantısallık)

LLM'lerin aynı soruya (aynı girdiye) her seferinde tam olarak aynı kelimelerle cevap vermemesi; üretimin Temperature (Sıcaklık) ayarına bağlı olarak olasılıksal ve değişken olma doğasıdır.

Yaratıcı işlerde avantajken, yazılım gibi kesinlik (determinizm) gerektiren kodlama görevlerinde tehlikelidir. Ajanların bu rastlantısallığı aşması için JSON Validation ve Guardrails kullanılır.

Structured Output (Yapısal Çıktı)

Ajanın, hikaye yazar gibi düz metinler dönmesi yerine; makine tarafından okunabilir, ayrıştırılabilir ve doğrudan Function Calling için kullanılabilir (Örn: JSON, XML) bir formatta çıktı üretmesidir.

Schema Validator (Pydantic vb.) yardımıyla yapısı garanti altına alınan bu çıktılar, ajanların dış sistemleri ve API'leri tetikleyebilmesi için zorunludur.

Subagent (Alt Ajan)

Multi-Agent System mimarisinde, genellikle Conductor (Ana Şef) tarafından belirli bir alt görevi (Örn: Sadece tarayıcıda gezinmek veya sadece CSS yazmak) yerine getirmesi için oluşturulan veya çağrılan kısıtlı yetkili ajandır.

Ana ajanın hafızasını (Context Window) gereksiz detaylarla doldurmasını engeller. Görevi bittiğinde elde ettiği sonucu (Örn: Browser Sub-Agent bir video kaydeder) üstüne raporlayıp kapanır.

Swarms (Ajan Sürüleri)

Çok sayıda hafif, hızlı ve genellikle Reactive Agents (Tepkisel Ajan) yapısındaki yapay zekanın; merkezi bir diktatör (Orchestrator) olmadan, doğadaki arı veya karınca sürüleri gibi basit kurallarla (A2A) bir araya gelerek karmaşık bir problemi çözdüğü Decentralized Agent Networks (Merkeziyetsiz) modelidir.

System Prompt (Sistem İstemi)

Ajanın kimliğini, rolünü, yetkilerini ve uyması gereken temel anayasayı belirleyen "ana sistem talimatı"dır.

Kullanıcının yazdığı anlık sohbet mesajlarından farklı olarak, ajanın tüm çalışma yaşamı boyunca sadık kalması gereken ana çerçevendir.

Kötü niyetli Prompt Injection girişimlerine karşı Guardrails ile koruma altına alınmalıdır.

System Thinker (Sistem Düşünürü)

Sadece önüne gelen küçük kod parçasını yazan (Doer/Executor) vizyonsuz ajanların aksine; projenin bütününe, mimariye, performans metriklerine ve Clean Architecture kurallarına hakim olan, stratejik düşünen ajan (genellikle Conductor veya Planner) profilidir.

Task Artifact (Görev Artefaktı)

Ajanların uzun soluklu işlerde veya projelerde kaybolmamak için, hangi görevlerin bittiğini, hangilerinin devam ettiğini (checklist) ve alınan kararları (durum güncellemelerini) yapısal bir formatta (markdown, tablo) kaydettikleri ve insana sundukları görsel belgedir (Artifacts).

Ajanın ilerleyişini Observe (Gözlemleme) etmemizi kolaylaştırır.

Task Plan (task.md)

Planner Agent (Planlamacı) tarafından ana hedefe ulaşmak için oluşturulan, adım adım hangi Tools'ların kullanılacağını ve hangi alt ajanın (Subagent) görevlendirileceğini belirten referans (yapılacaklar) belgesidir.

Otonom sistemin rotasıdır. Ajanlar döngü boyunca sürekli bu dosyayı güncelleyerek sistemin Definition of Done (Bitti) durumuna ulaşıp ulaşmadığını kontrol eder.

Technical Debt (Teknik Borç)

Hızlı çözüm (yamalar) uğruna Clean Architecture (Temiz Mimari) kurallarını ihlal ederek, gelecekte projeyi yönetilemez hale getiren kötü kod (spagetti kod) birikimidir.

Pragmatist ajanlar hızı artırmak için bu borcu bilerek alabilirken, Reviewer Agent (Denetmen) ajanlar bu borcu temizlemek için sürekli kodu yeniden düzenlemeye (Refactoring) çalışarak sistemin çökmesini engeller.

Telegram Bot

Telegram mesajlaşma platformu üzerinden otonom ajanları yönetmek, komut göndermek ve bildirim almak için kullanılan otomatik bot entegrasyonudur.

Notification System kanallarından biridir. Otonom ajanlar, Cron (Zamanlanmış Görevler) ile belirlenen aralıklarla kampanya raporlarını Telegram'a gönderebilir veya kullanıcıdan HITL onayı alabilir.

Temperature (Sıcaklık)

LLM'in bir kelimeyi seçerken ne kadar risk (yaratıcılık) alacağını belirleyen; sıfıra yaklaştıkça daha deterministik ve kesin (Stochasticity düşer), bire yaklaştıkça daha yaratıcı ve rastgele sonuçlar üreten matematiksel hiper-parametredir.

Otonom ajanların kod yazma görevlerinde genellikle 0 veya çok düşük tutularak Hallucination riskleri minimize edilir.

Terminal

Ajanların görsel arayüzler (GUI) kullanmadan, sunuculara veya bilgisayara doğrudan komut gönderdikleri ve sonuçları log formatında aldıkları komut satırı ekranıdır (CLI).

Agentic IDE içinde ajanlara doğrudan terminal yetkisi verilerek, nsjail (Sandbox) sınırları içinde klasörleri oluşturma, derleme ve sunucu başlatma gibi fiziksel eylemleri (ACT) otonom yapması sağlanır.

Token (Jeton / Yapay Zeka Para B.)

Modelin (LLM) okuduğu ve ürettiği metni (veya kodu) anlamsal parçalara ayırdığı, ödeme ve kapasite ölçümü için kullanılan temel yapıtaşıdır (1 Token genelde bir kelimenin 3/4'üne eşittir).

Ajansal sistemlerde Context Window (Bellek Kapasitesi) ve Token Burn Rate (Maliyet/Bütçe) hesaplamaları tamamen bu para birimi üzerinden yapılır.

Token Burn Rate (Jeton Tüketim Hızı)

Bir Agentic AI sisteminin (özellikle döngüye girmiş çoklu ajanların), API üzerinden işlem yaparken saniye veya dakika bazında tükettiği Token (para) miktarıdır.

Cost Control Limits (Maliyet Sınırları) ile kontrol altına alınmazsa, Infinite Loop sarmalına giren bir ajan sabaha kadar binlerce dolarlık token yakabilir. Fast Mode ve Prompt Caching gibi stratejiler bu yakıt tüketimini azaltmak için kullanılır.

Tool Operator (Araç Operatörü)

Hiyerarşik sistemlerde doğrudan düşünme (Reasoning) veya kod yazma yeteneğine sahip olmayan; tek görevi Orchestrator'dan gelen emirle spesifik bir aracı (Örn: Sadece tarayıcıyı açmak veya sadece bir API'yi tetiklemek) çalıştırmak olan dar yetkili (Narrow AI) ajandır.

Subagent (Alt ajan) gibi çalışır. Karmaşık sistemleri hafifletir ve yetki ayrılığı (Principle of Least Privilege) sağlar.

Tools (Araçlar / Modelin Elleri)

LLM'in (Modelin) dijital dünyada hapis kalmasını engelleyen, dış dünyaya (veritabanı, terminal, internet) fiziksel olarak müdahale etmesini sağlayan fonksiyonlardır.

Agentic Loop sürecinin ACT (Eylem) aşamasında tetiklenirler. Model sadece "Şu dosyayı sil" kararına varır (Reason), o eylemi fiilen yapan Tools'tur. Ajanları klasik sohbet botlarından (ChatGPT) ayıran en temel silahtır.

Tools (MCP Bileşeni)

MCP Server (Sunucu) tarafından ajana (Client) sunulan 3 temel bileşenden (Diğerleri: Resources, Prompts) eyleme dönük olanıdır.

Ajana o sunucuya özel yetenekler kazandırır (Örn: "Salesforce_Musteri_Ekle" aracı). Ajan, Dynamic Tool Discovery sayesinde sunucuya bağlandığı an bu aracı JSON şemasıyla birlikte (Self-Describing API) öğrenir ve kullanmaya başlar.

Top-P

Temperature (Sıcaklık) ile birlikte çalışan, LLM'in kelime seçerken olasılık havuzunu daraltmasını sağlayan matematiksel hiper-parametredir.

Otonom ajanların kodlama görevlerinde, Hallucination (uydurma) riskini engellemek ve daha katı, tahmin edilebilir (deterministik) Structured Output almak için düşük tutulur.

Trajectory (Yürütme Geçmişi)

Bir ajanın karmaşık bir görevi bitirebilmek için baştan sona hangi adımları attığının, hangi araçları (Tools) hangi sırayla kullandığının ve hatalardan nasıl döndüğünün (Self-Correction) tam rotası (iz düşümü) ve film şerididir.

Sadece sonucu değil, süreci de ifade eder. Episodic Memory (Deneyim Belleği) doğrudan bu Trajectory kayıtlarının saklanmasıyla oluşur.

Transformer

2017'de Google tarafından icat edilen ve bugünkü tüm modern LLM modellerinin (OpenAI GPT, Claude, Gemini, DeepSeek) temelini oluşturan yapay sinir ağı mimarisidir.

Metni anlamak için "Attention" (Dikkat) mekanizması kullanır; bu sayede cümledeki kelimelerin birbirleriyle olan ilişkilerini kavrar. Embeddings (Yerleştirmeler) ve Reasoning (Akıl Yürütme) yeteneklerinin kaynağıdır.

Tree of Thoughts (ToT)

Gelişmiş ajansal sistemlerin (Deep Reasoning modelleri vb.), Chain of Thought'un ötesine geçerek; bir problemi çözerken aynı anda birden fazla olasılık dalı (ağaç) oluşturduğu, bu dalları eşzamanlı değerlendirip çıkmaz sokağa girenleri elediği Deep Reasoning (Derin Akıl Yürütme) mimarisidir.

Matematiksel ve karmaşık yazılım mimarisi görevlerinde hatasız karar almayı sağlar.

TUI (Terminal User Interface)

Ajanların, web tarayıcısı (GUI) yerine terminal veya komut satırı üzerinde sunduğu grafiksel arayüzdür.

Geliştiriciler, ağır web panelleri yerine doğrudan klavye ile (Örn: Slash Commands) ajanı yönetmek, Walkthrough belgelerini okumak ve Interactive Approvals (onay) vermek için TUI ortamını tercih ederler. Hız ve sadelik sağlar.

User Memory (Kullanıcı Hafızası)

Ajanın, sadece mevcut projeyi değil, direkt olarak "kullanıcının kişisel tercihlerini" (Örn: "Oğuzhan gece modunu sever, kodlarda her zaman Tailwind kullanmamı ister") kaydettiği Long-Term Memory birimidir.

Mem0 gibi sistemlerle yönetilir. Ajanın her yeni oturumda kullanıcıya özel, kişiselleştirilmiş bir deneyim sunmasını sağlar.

User Override (Kullanıcı Müdahalesi)

Otonom ajanın Agentic Loop içinde aldığı bir kararı veya yazdığı kodu, insanın araya girerek (HITL) "Hayır, bunu böyle değil şu şekilde yap" diyerek ezmesi (override) ve sürece doğrudan müdahale etmesidir.

Ajan, bu müdahaleyi Observe evresinde algılayıp yeni rotasına girer ve bunu Reflective Memory'ye kaydederek aynı hatayı tekrarlamaz.

Utility-Based Optimization (Fayda)

Ajanların bir eylem kararı alırken, sadece kurala uymaya değil; alınacak kararın maliyetine (Token Burn Rate), hızına (Latency) ve başarı oranına (Fayda/Maliyet) bakarak matematiksel olarak en kârlı olanı seçme mantığıdır.

Özellikle finans ve reklam optimizasyonu ajanlarında (ROAS) sıklıkla kullanılır.

UI Testing (Arayüz Testi)

Browser Sub-Agent gibi ajanların, yazdıkları veya değiştirdikleri bir web sitesinin arayüzünü (Örn: Butonlar, menüler, renkler) piksellerine kadar Vision (Görüntü İşleme) yeteneğiyle otonom olarak test etmesidir.

Sadece kodun derlenip derlenmediğine değil, insanın gördüğü ekranın gerçekten doğru tasarlanıp tasarlanmadığına bakar.

Vector Database (Vektör Veritabanı)

Klasik SQL veritabanlarının aksine, metinlerin ve kodların yüzlerce boyutlu matematiksel sayılar (Embeddings) olarak tutulduğu yeni nesil veritabanı türüdür (Örn: Pinecone, Chroma).

Kelimelerin harflerine değil, "anlamlarına" göre arama yapılabilmesini sağlar (Semantic Search). RAG (Retrieval-Augmented Generation) mimarilerinin kalbidir.

Verify (Doğrula)

Agentic Loop'un Observe (Gözlemle) evresinin içinde yer alan mantıksal bir check-up sürecidir. Ajan bir kod yazdığında, bu kodun sadece "çalıştığını" değil, Definition of Done (Bitti Tanımı) kriterlerindeki testleri gerçekten geçip geçmediğini doğrulamasıdır.

Maker-Checker Architecture modelinde Reviewer Agent bu doğrulamayı yapar.

Vibe Coding

Herhangi bir yazılım mimarisi, kural dizisi veya katı testler (Evals) yazmadan, tamamen yapay zekayla sohbet ederek rastgele kod üretme pratikleridir.

Hızlı prototip üretmek için eğlenceli olsa da, kurumsal üretim ortamlarında kırılgan ve bakımı imkansız sistemler yaratır.

Bunun panzehiri, katı mühendislik kuralları içeren Agentic Engineering disiplinidir.

Video-to-Action Pipeline

Browser Sub-Agent gibi ajanların, bir web sitesinde eylem yapmadan önce ekranı (veya video akışını) Vision modeliyle izleyip; butonların, menülerin yerlerini saniyeler içinde anlayarak tıklama ve form doldurma kararlarını otonom aldığı süreçtir.

DOM (HTML) koduna bağımlılığı ortadan kaldırır; ajanın siteyi tıpkı bir insan gibi görerek yönetmesini sağlar.

Vision (Görüntü İşleme / Görme)

LLM modelinin sadece metin okumanın ötesine geçerek, kendisine verilen fotoğrafları, ekran görüntülerini veya tasarımları bir insan gibi görüp analiz edebilme yeteneğidir.

UI Testing (Arayüz testi) ve Browser Sub-Agent navigasyonu gibi görsel zeka gerektiren otonom görevlerin temelidir.

Walkthrough (Yürütme Raporu)

Ajanın, büyük bir görevi tamamladıktan sonra son kullanıcıya (insana) sunduğu; neyi değiştirdiğini, hangi hataları çözdüğünü ve yeni mimarinin nasıl çalıştığını adım adım özetleyen yapısal (Artifacts) rapordur.

Progressive Disclosure (Kademeli Açıklama) mantığıyla yazılır. İnsanın kodu satır satır okumadan tüm Trajectory sürecine hakim olmasını sağlar.

Web Scraper Tool (Kazıma Aracı)

Ajanların, canlı internet sitelerindeki ham HTML kodlarını okuyup, bunları Curate (kürasyon) işleminden geçirerek LLM'in okuyabileceği temiz bir Markdown veya JSON formatına çeviren özel dış araçtır.

Agentic RAG süreçlerinde güncel veri (Örn: Rakiplerin fiyatları) toplamak için Worker Agent birimlerinin en büyük silahıdır.

WhatsApp Business API

İşletmelerin WhatsApp üzerinden müşterilerle otomatik mesajlaşma, bildirim gönderme ve destek sağlamasına olanak tanıyan resmi programlama arayüzüdür.

Notification System ve Lead Generation kanalı olarak kullanılır. Otonom ajanlar, Webhook tetikleyicileriyle sipariş onayı, randevu hatırlatma gibi mesajları otonom gönderebilir.

Worker Agent (İşçi Ajan)

Multi-Agent System içinde en tepedeki Orchestrator (Şef) veya Planner ajandan emir alarak, spesifik bir görevi (Örn: Sadece kod yazmak, sadece veri çekmek) fiilen icra eden uzman ajandır.

Maker-Checker Architecture modelinde "Maker" rolünü üstlenir. İşi bitince Walkthrough sunar ve görevini tamamlar.

Workflows (İş Akışları / Şablonlar)

Ajanların karmaşık bir görevi, rastgele döngüler yerine LangGraph gibi sistemler üzerinde önceden tasarlanmış kesin adımlarla (Nodes ve Edges) ve belirli bir rotayla (State Graph) otonom olarak yürütmesidir.

Infinite Loop sarmallarını engeller ve Governance standartlarına uygun deterministik sonuçlar alınmasını sağlar.

Working Memory (Çalışan Bellek)

Ajanın (Modelin), o an açık olan oturumda (veya terminal sekmelerinde) aktif olarak üzerinde çalıştığı kısa süreli (Short-Term Memory) RAM benzeri hafıza alanıdır.

Oturum kapandığı an bu bellek uçar. Context Window sınırlarına tabidir. Ajanın ileride de hatırlaması gereken önemli veriler buradan Memory Consolidation ile Long-Term Memory alanına taşınmalıdır.

Workspace Rules (Yerel Kurallar)

Sadece üzerinde çalışılan spesifik projenin kök dizininde bulunan (`.agents` veya `GEMINI.md` gibi) ve o projeye has "mimari, stil, izinler" gibi katı kuralları barındıran yerel talimatlardır.

Ajan Discover aşamasında ilk olarak bu kuralları okur. Global Skills'ten (genel yetenekler) daha önceliklidir ve projeler arası kirlenmeyi engeller.

YAML Frontmatter

Genellikle SKILL.md gibi beceri dosyalarının en üstünde bulunan, iki `---` çizgisi arasına yazılan ve ajana "Bu yeteneğin adı nedir, açıklaması nedir?" gibi bilgileri anında (Metadata) veren makine dostu başlık formatıdır.

Ajan tüm metni okumaya gerek duymadan bu JSON/YAML verisiyle Semantic Routing kararlarını milisaniyeler içinde alabilir.

Zapier / Make

Farklı uygulamaları (CRM, e-posta, Google Sheets, sosyal medya) kodsuz bağlayarak otomatik iş akışları (Workflows) oluşturan otomasyon platformlarıdır.

Webhook tetikleyicileriyle çalışır. Otonom ajanların doğrudan MCP Server veya API üzerinden yapabildiği entegrasyonların, teknik bilgi gerektirmeyen alternatifidir. n8n ise açık kaynaklı rakibidir.

Zero-Shot Prompting

Ajana bir görev verirken hiçbir geçmiş referans, eğitim veya örnek (Few-Shot Prompting) sunmadan, doğrudan "Bunu yap" diyerek tek seferlik çıplak emir verme durumudur.

Model sadece içindeki Semantic Memory'ye güvenerek hareket eder. Karmaşık Agentic AI sistemlerinde, Hallucination ve yanlış format riski yüksek olduğundan pek tercih edilmez.

Iceberg Technique (Buzdağı)

Ajanlara sunulan bilginin veya Artifacts arayüzünün, tıpkı bir buzdağı gibi sadece kullanıcının veya ajanın "o an" ihtiyaç duyduğu küçük kısmının suyun üstünde gösterildiği UX/UI tekniğidir.

Progressive Disclosure (Kademeli Açıklama) mantığının temelini oluşturur. Alt kısımdaki derin teknik detaylar (Buzdağının altı) sadece ajan hata aldığında veya insan detay istediğinde açığa çıkar; böylece Context Window tasarrufu sağlanır.

Idempotent (Tekrarlanabilir)

Ajanın ACT evresinde gerçekleştirdiği bir işlemin (Örn: Bir butona tıklama, veritabanı kaydı girme), aynı komut üst üste binlerce kez çalıştırılsa bile sistemde yeni bir sorun yaratmaması veya ekstra veri oluşturmaması (ilk çalıştırmayla aynı sonucu vermesi) özelliğidir.

Infinite Loop sarmalına giren bir ajanın sistemi çökertecek hasarlar bırakmasını donanımsal düzeyde engelleyen, güvenilir API tasarım kuralıdır.

Identity Propagation (Kimlik Akt.)

Multi-Agent System ve Multi-Tenant (çok kullanıcılı) mimarilerde; ana ajanın (Örn: A müşterisi) bir görevi alt ajana (Worker Agent) devrederken, bu müşterinin "Erişim İzni / Token" bilgisini (Kimliğini) de beraberinde devretmesidir.

Principle of Least Privilege (En Az Yetki) kuralının uygulanmasını sağlar. Alt ajan, üst ajanın kimliğinden fazlasını kullanamaz.

Implementation Plan

Plan (Planlama) evresinde, özellikle Deliberative / Planning Agents tarafından hazırlanan; görevin kodlanmaya başlanmadan önce tüm mimari detaylarının, kullanılacak Tools'ların ve SDLC adımlarının listelendiği mühendislik (uygulama) sözleşmesidir.

Ajan, bu planı tamamladıktan sonra genellikle HITL ile insandan onay (Interactive Approvals) talep eder ve onaydan sonra eyleme geçer.

Implementer Agent (Uygulayıcı)

Hiyerarşik Multi-Agent System içinde strateji üretmeyen, sadece Planner Agent tarafından hazırlanan Implementation Plan belgesine sadık kalarak ham kodu yazan, sistemi derleyen ve API'leri tetikleyen kas gücü yüksek uzman ajandır.

Maker-Checker Architecture modelinin "Maker" (üretici) kısmını oluşturur. İşi bitirdiğinde çıktısını Reviewer Agent denetimine sunar.

Indexing (İndeksleme)

Google'ın bir web sayfasını Crawling (tarama) ile keşfettikten sonra, içeriğini analiz edip arama veritabanına kaydetmesi sürecidir.

İndekslenmeyen sayfalar arama sonuçlarında (SERP) asla görünmez. Google Search Console üzerinden indeksleme durumu kontrol edilir. Robots.txt ve Sitemap dosyaları bu süreci yönetir.

Infinite Loop Mitigation

Otonom ajanın aynı hatayı (Bug) çözemediği halde inatla tekrar tekrar deneyerek sonsuz bir kısır döngüye girmesini, sistem kaynaklarını tüketmesini (Token Burn Rate) engelleyen donanımsal ve yazılımsal güvenlik mekanizmalarıdır.

"Maksimum 5 kez dene" limiti (Rate Limiting) veya "Döngüye girersen insanı çağır" (Fallback Strategy) gibi önlemleri içerir.

Interactive Approvals

Sistemin güvenli modda (Iterative Mode) çalışırken, ajanın ACT aşamasında tehlikeli bir işlem (Örn: Veritabanı silmek veya ödeme yapmak) yapmadan önce eylemi dondurup terminalde insandan "Y/N" (Evet/Hayır) şeklinde anlık onay beklemesidir.

Request Review (İnceleme İsteği) sürecinin otonom sistemlerdeki arayüz karşılığıdır.

Iterate (Yinele)

Ajanın Agentic Loop sürecinin son aşaması olan Observe evresinde, başarısızlık veya yeni verilerle karşılaştığında; döngüyü bitirmek yerine rotasını (Trajectory) güncelleyerek yeniden plan yapma ve tekrar eyleme geçme işlemidir.

Self-Correction (Kendini Onarma) mekanizmasının kalbidir, ajan başarana kadar (veya limite takılana kadar) işlemi tekrar eder.

Iterative Mode (Onaylı Mod)

Ajanın tamamen kendi başına uçtan uca çalıştığı Always Proceed (Daima İlerle) modunun aksine; her kritik aşamada (Planlama, Kodlama, Test) durarak süreçleri insana sunduğu, insanla birlikte (Adım adım / Yinelenerek) çalıştığı güvenli işbirliği modudur.

Kurumsal projelerde ve SDLC süreçlerinde insanın kontrolü (Governance) kaybetmemesi için zorunludur.

Evaluator-Optimizer Pattern

Bir ajanın içerik veya kod ürettiği, ikinci bir denetleyici ajanın ise kaliteyi kontrol edip geri bildirimle birinci ajana düzelttirdiği otonom kalite döngüsü mimarisidir.

Maker-Checker Architecture prensibini esas alır; tek bir LLM çağrısının tek seferde kusursuz yanıt veremediği durumlarda Self-Correction ile çıktıyı mükemmelleştirir.

Bu desen özellikle Evals standartlarını tutturmak ve karmaşık sistemlerde hataları sıfıra indirmek için tercih edilir.

Subagent-Driven Development

Karmaşık projenin ana şef (Orchestrator) tarafından küçük, bağımsız ve odaklanmış alt ajanlara (Subagent) bölünerek yürütüldüğü yazılım geliştirme metodolojisidir.

Her alt ajan kendi özel Context Window alanına sahip olduğu için ana ajanın masasının dolmasını (Context Rot) engeller.

Görev tamamlandığında alt ajanın çıktısı doğrulanır (Verify) ve ana sisteme entegre edilir.

Context Compaction (Bağlam Sıkıştırma)

Uzun süren ajan oturumlarında Context Window dolmasın diye geçmiş adımların, karar geçmişinin ve araç çıktılarının otonom olarak özetlenip hafızaya alınması işlemidir.

Ajanın Lost in the Middle sorununu çözer ve Token Burn Rate maliyetlerini önemli ölçüde düşürür.

Working Memory yönetimi içinde kritik bir öneme sahiptir.

Computer Use / GUI Agent

Yapay zeka ajanının sadece metinsel komutlar veya API üzerinden değil; insan gibi ekran görüntüsü okuyup fare tıklamaları ve klavye girdileriyle masaüstü uygulamalarını yönettiği otonom arayüz mimarisidir.

Browser Sub-Agent yeteneklerinin ötesine geçerek tüm işletim sistemi düzeyinde eylem (ACT) gerçekleştirir.

Vision modeliyle ekranı analiz eder ve UI Testing veya eski sistemlerin otomasyonunda kullanılır.

Tool Calling vs MCP

Yapay zekaya fonksiyon yeteneği kazandırmanın iki farklı mimari yaklaşımı arasındaki temel zihniyet farkıdır.

Geleneksel Tool Calling, kod tabanına statik yazılmış işlevleri çağırırken; MCP standart bir tak-çalıştır sunucusu (MCP Server) üzerinden araçları dinamik olarak keşfeder.

MCP esneklik ve güvenlik sağlarken, statik Tool Calling daha hafif ve yerel işlemler için tercih edilir.

Agent Drift (Ajan Sapması)

Bir ajanın uzun süren çok adımlı görevlerde, zamanla Context Rot etkisiyle ilk verilen ana hedeften ve System Prompt sınırlarından yavaş yavaş uzaklaşması durumudur.

Bu durum ajanın mantıksal hatalar yapmasına veya Infinite Loop döngülerine girmesine yol açabilir.

Ajan sapmasını önlemek için düzenli durum kontrolü (State Verification) ve denetleyici ajanlar (Reviewer Agent) kullanılır.

İlgili Kavramlar

Bu sözlükte tanımlanan kavramların her biri için, konuyu daha derinlemesine işleyen ayrı bir sayfa yazdım — tanım, karşılaştırma tablosu, gerçek örnekler ve kendi operasyonumdan gözlemlerle. Aşağıda hepsini kategori kategori bulabilirsiniz.

Temel Kavramlar

Karşılaştırmalar

MCP, Claude Skills ve Araçlar

Otomasyon