Bugünlerde teknoloji dünyasında neredeyse her şey “agent” konuşuyor. Autonomous agent, multi-agent system, AI orchestrator, tool-using agent, agentic workflow… Listeyi uzatmak mümkün. İlk bakışta kulağa yepyeni bir dünya gibi geliyor.
Ama bilgisayar bilimi geçmişi olan biri için bu sözlükte tuhaf bir tanıdıklık var. Çünkü bu kavramların çoğunu yıllar önce, çok daha sade isimlerle öğrenmiştik: process, thread, scheduler, memory yönetimi, bağımlı ve bağımsız işlemler, deadlock, kaynak tahsisi, inter-process communication, Byzantine fault tolerance.
Bugün bunların bir kısmına daha havalı isimler veriyoruz agent, orchestrator, memory layer, tool router, workflow engine ama işin özü pek değişmedi. Bir sistemi gerçekten anlamak istiyorsanız, hâlâ aynı soruları sormanız gerekiyor: Bu sistem nasıl çalışıyor? Hangi kaynakları kullanıyor? Görevleri nasıl sıraya alıyor? Hangi iş hangisine bağımlı? Ve bir şey ters gittiğinde ne oluyor?
İşte bu yüzden, AI agent çağını anlamak isteyen genç arkadaşlara tek bir tavsiyem var: Sadece prompt yazmayı değil, eski ama hâlâ çok güçlü bir dersi de yeniden açın. Introduction to Operating Systems.
Agent Dediğimiz Şey Aslında Bir Process’e Ne Kadar Benziyor?
İşletim sistemlerinde process, belirli bir işi yapmak üzere çalışan bir yürütme birimidir. Kaynak kullanır, belleğe ihtiyaç duyar, işlemci zamanı ister, başka process’lerle haberleşir ve bazen onların çıktısına bağımlı hale gelir.
Bir AI agent da çok benzer şekilde davranır: Bir hedefe yönelir, görevi alır, araç kullanır, veriye erişir, karar verir, çıktı üretir. Bazen başka agent’larla konuşur, bazen birinin sonucunu bekler.
Tabii ikisi birebir aynı şey değil. Process daha deterministiktir; ne yapacağı büyük ölçüde bellidir. Agent ise olasılıksal çalışır aldığı bağlama, modele, prompt’a ve veriye göre farklı sonuçlar üretebilir. Ama mimari düzeyde benzerlik şaşırtıcı derecede güçlü, çünkü ikisinin de derdi aynı: Bir görevi sınırlı kaynaklarla, doğru sırada, güvenli ve verimli biçimde çalıştırmak.
Scheduler ve Orchestrator: Aynı Problemin İki Adı
İşletim sistemlerinde scheduler, hangi process’in ne zaman çalışacağına karar verir. CPU sınırlıdır; herkese aynı anda sınırsız kaynak veremezsiniz. O yüzden sistem kimin önce çalışacağını, kimin bekleyeceğini, kimin öncelikli olduğunu belirler.
AI dünyasında bunun karşılığı orchestrator’dır. Basit bir müşteri destek akışı düşünün: Bir agent şikâyeti sınıflandırır, ikincisi müşteri geçmişini inceler, üçüncüsü çözüm önerileri çıkarır, dördüncüsü cevabı yazar, beşincisi cevabı kalite ve risk açısından kontrol eder.
Peki bu agent’lar hangi sırayla çalışacak? Hangisinin çıktısı hangisine gidecek? Hangi durumda insan onayı devreye girecek, hangi durumda sistem duracak? Bu soruların cevabını veren katman orchestrator’dır. Yani yeni dünyanın “AI orchestrator” dediği şey, eski dünyanın scheduler ve workflow engine kavramlarıyla yakın akraba.
Memory Yönetimi ve Context
Bellek yönetimi, işletim sistemlerinin en temel meselelerinden biridir: Hangi veri bellekte kalacak, hangisi diske yazılacak, bir process ne kadar bellek kullanabilecek, bellek taşarsa ne olacak?
Agent sistemlerinde aynı problem yeni bir isimle karşımıza çıkıyor: context window, short-term ve long-term memory, vector database, conversation state, knowledge base.
Bir agent’a her şeyi aynı anda veremezsiniz, çünkü context sınırlıdır. Gereksiz bilgi verirseniz model dağılır, eksik bilgi verirseniz yanlış karar verir, yanlış bilgi verirseniz halüsinasyon üretir. Bir hukuk agent’ı düşünün: Geçmiş davalara, sözleşme maddelerine, mevzuata ve müvekkil bilgisine erişmesi gerekir ama hepsini birden context’e yığamazsınız. Doğru bilgiyi doğru anda çağırmak gerekir. Yanlış bellek yönetimi sistem performansını nasıl bozuyorsa, yanlış context yönetimi de agent kalitesini öyle bozar.
Deadlock: Agent’lar da Kilitlenebilir
İşletim sistemleri dersinin en zarif kavramlarından biri deadlock’tur. İki process birbirini bekler ve sistem ilerleyemez: A, B’nin sonucunu bekler; B ise A’nın bırakacağı kaynağı bekler. Sonuç: kilitlenme.
Multi-agent sistemlerde de benzeri yaşanabilir. Bir agent karar vermek için diğerinin onayını bekler, o da ilkinin doğrulamasını bekler; üçüncü bir agent ikisi arasındaki çelişki yüzünden süreci durdurur. Sistem konuşur, tartışır, analiz eder ama gerçek işi bitiremez. Bugün bazı agent sistemlerinde gördüğümüz o “sonsuz analiz döngüsü”, aslında deadlock’un modern bir türü gibi.
İşte bu yüzden agent mimarisinde şu sorular kritik: Bir görev en fazla ne kadar çalışabilir? Agent ne zaman durmalı? Hangi noktada insan devreye girer? Nihai kararı kim verir? Çelişki çıkarsa hakem kimdir? Bunlar yeni sorular değil; çok eski bilgisayar bilimi sorularının yeni kılığı.
Byzantine Problemi ve Hatalı Agent’lar
Belki en ilginç benzerlik Byzantine fault tolerance tarafında. Dağıtık sistemlerde Byzantine problemi şunu sorar: Sistemdeki bazı node’lar hatalı, yanıltıcı ya da güvenilmez bilgi veriyorsa, sistem yine de doğru karara nasıl varır?
Bu, agent sistemleri için fazlasıyla tanıdık bir tablo. Çünkü agent’lar da yanılır: Yanlış veri çeker, halüsinasyon üretir, görevi yanlış anlar, gereğinden fazla özgüvenli cevap verir, eksik bilgiyi doğruymuş gibi sunar.
Peki sistem bunu nasıl fark edecek? Belki başka bir agent kontrol eder, belki çoğunluk kararı alınır, belki bir doğrulama agent’ı devreye girer, belki de işin sonunda insan onayı istenir. Bugün “guardrail”, “agent evaluation”, “human-in-the-loop” diye konuştuğumuz şeylerin önemli bir kısmı, aslında dağıtık sistemlerin hata toleransı mantığıyla birlikte düşünülmeli. Önce Byzantine algoritmalarına, sonra orchestrator mimarisine bakın; aradaki akrabalığı hemen göreceksiniz.
CPU Yerine Token, API ve Maliyet
Klasik işletim sistemlerinde kaynak deyince CPU, RAM, disk, network gibi teknik şeyler akla gelirdi. Agent dünyasında bu kavram genişledi: Bugün kaynak dediğimiz şey token kullanımı, API maliyeti, model seçimi, context kapasitesi, tool erişimi, hatta insan onayı için harcanan zaman da olabiliyor.
Mantık ise aynı. Her işi en büyük modele yaptırırsanız maliyet patlar tıpkı her process’e sınırsız CPU vermek gibi. Basit bir sınıflandırma için küçük bir model yeter; karmaşık muhakeme için daha güçlüsü gerekir; veri çekmek için bir tool agent, son kararı vermek için belki insan onayı gerekir. Yani iyi agent mimarisi sadece “akıllı agent yazmak” değil; hangi işi hangi agent’a, hangi modelle, hangi maliyetle ve hangi güvenlik seviyesiyle yaptıracağını bilmektir. Bu da, adı konmamış bir kaynak yönetimi problemidir.
Bağımsız ve Bağımlı İşlemler
Paralel programlamanın temel konularından biri, işlerin bağımsız mı bağımlı mı olduğudur. Bazı işler aynı anda çalışabilir; bazıları önceki işin sonucuna bağlıdır.
Bir pazar araştırması sistemi düşünün: Bir agent rakipleri tarar, biri müşteri yorumlarını analiz eder, biri fiyatları toplar, biri regülasyon risklerini inceler. Bu işler birbirinden bağımsızsa paralel çalışabilir. Ama final raporunu yazacak agent, hepsinin çıktısını beklemek zorundadır onun işi bağımlı bir iştir.
Burada doğru mimariyi kurmazsanız sistem yavaşlar, maliyet artar, kalite düşer. Hangi iş paralel, hangisi sıralı yapılır? Hangi çıktı hangi agent’a gider? Hangi sonuç doğrulanır? Bu sorular işletim sistemleri ve dağıtık sistemler bilen biri için hiç yabancı değil. Aslında agent tasarımı, biraz da iş akışı tasarımıdır.
Prompt Bilmek Yetmez, Sistem Düşüncesi Gerekir
Bugün birçok kişi AI çağını sadece “prompt yazmak” üzerinden anlamaya çalışıyor. Prompt yazmak elbette önemli ama yeterli değil.
Çünkü asıl dönüşüm, tek bir modele güzel soru sormakla gelmeyecek. Modellerin, verinin, araçların, insan onayının ve iş süreçlerinin birlikte çalıştığı sistemler kurmakla gelecek. Mesele prompt değil mimari; tekil cevap değil orkestrasyon; demo değil sürdürülebilir sistem.
Bu yüzden agent çağını anlamak isteyen herkesin sadece AI araçlarına değil, bilgisayar biliminin temellerine de dönmesi gerektiğini düşünüyorum. İşletim sistemleri, dağıtık sistemler, veri yapıları, algoritmalar, bilgisayar mimarisi, ağ protokolleri, güvenlik, veri tabanı mantığı… Bunlar eskimiş dersler değil; yeni çağın taşıyıcı kolonları.
Yeni Dünya, Çoğu Zaman Eski Kuramların Yeni İsimleridir
Teknolojide kavramlar değişir, isimler yenilenir, pazarlama dili başkalaşır. Eski şeyler yeni ambalajlarla geri gelir. Ama temel problemler kolay kolay değişmez: Bir işi kim yapacak? Ne zaman yapacak? Hangi kaynakla yapacak? Kimin çıktısını bekleyecek? Hata yaparsa ne olacak? Sistem nasıl denetlenecek? Maliyet ve güvenlik nasıl yönetilecek?
Bugün AI agent mimarilerinde sorduğumuz soruların çoğu, aslında bilgisayar biliminin yıllardır sorduğu sorular. Başlıktaki çağrıyı da bu yüzden ciddiye alıyorum: AI agent çağını anlamak için işletim sistemleri dersine geri dönmek gerekiyor. Çünkü temeli sağlam olmayan, yeni çağın binasını taşıyamaz.
Genç arkadaşlara son sözüm şu: AI araçlarını kullanın, prompt yazmayı öğrenin, agent mimarilerini inceleyin ama mutlaka temele dönün. Process nedir, scheduler nasıl çalışır, bellek nasıl yönetilir, deadlock neden olur, Byzantine problemi neyi anlatır; bunları yeniden okuyun. Çünkü geleceğin güçlü AI sistemlerini sadece aracı kullananlar değil, sistemin nasıl çalıştığını anlayanlar inşa edecek.
Yeni dünyanın kazananları “AI kullanmayı bilenler” değil, AI’ı bir sistem mimarisi içinde doğru konumlandırabilenler olacak.
