Ajanlar üretime girdi. Mesele artık yetenek değil, ölçüm.
Temmuz ortasında üç büyük sağlayıcı aynı hafta ajan güncellemesi duyurdu. Hepsinde repo ölçeğinde bağlam ve çok adımlı araç kullanımı var. Ayrışma noktası kapasite olmaktan çıktı — geriye kimin ajanının ne yaptığını kanıtlayabildiği kaldı.
This post is in Turkish.
16 Temmuz'da OpenAI, Anthropic ve Google neredeyse aynı gün kodlama ajanlarında büyük güncellemeler duyurdu. Üçünün de anlattığı hikâye aynıydı: repo genelinde bağlam, yüzlerce dosyaya yayılan çok adımlı değişiklikler, araç çağırma, ve otocomplete yerine uçtan uca iş. Bir hafta sonra Huawei kendi kodlama ajanını açık betaya aldı. Aynı dönemde Razorpay'in kurucu ortağı, iç ajanlarının günde beş binden fazla görev işlediğini paylaştı.
Bu haberleri tek tek okursanız bir yarış görürsünüz. Üst üste koyduğunuzda başka bir şey görünür: ajan yeteneği artık farklılaştırıcı değil. Uzun süreli çalışan bir döngü, bir sandbox, dosya yazma, test koşturma, PR açma — bunların hepsi 2026'da tabana yerleşmiş özellikler. Herkeste var.
Demo ile ürün arasındaki fark
Bir ajanın bir görevi tamamladığını göstermek kolay. Kaydı alırsın, hızlandırırsın, yayınlarsın. Zor olan şu soruya cevap vermek: bu ajan aynı görevi yarın da tamamlayacak mı, ve tamamlamadığında bunu benden önce sen mi fark edeceksin?
Ajanlarla üretim ortamında çalışırken öğrendiğim şey, mühendisliğin büyük kısmının model çağrısında olmadığı. Model çağrısı ucuz. Pahalı olan, dört numaralı adım patladığında beş ve altı numaralı adımların onun geçtiğini varsaymış olmasıyla baş etmek. Bir insanın kendi hatasını fark edip geri dönmesi doğal; bir ajan fleet'inde bu, tasarlaman gereken bir davranış.
Ölçemediğin otonomi bir demodur. Ölçebildiğin otonomi bir üründür.
Bu yüzden DRAVION'da mimari kararların üçü doğrudan ölçülebilirlik üzerine kurulu, ve üçü de "daha iyi model" ile ilgili değil:
Deterministik kayıt. Her ajan turu yeniden oynatılabilir bir kayıt bırakıyor. Bir koşuyu anlatmak zorunda kalmıyorsun, tekrar çalıştırıyorsun. Hata ayıklama bir tartışma olmaktan çıkıp bir prosedüre dönüşüyor.
Sürümlenmiş hata taksonomisi. Her başarısızlık bir kategori etiketi taşıyor. "Bozuldu" cümlesi, izleyebileceğin bir orana dönüşüyor. Kategori bazlı hata oranı düşmüyorsa, yaptığın iyileştirme iyileştirme değildir.
Sürüm engelleyen değerlendirme kapısı. Replay başarı oranı bir slayt maddesi değil, sürümü bloke eden bir eşik. Geçmezse çıkmaz.
Sıkıcı kısım aslında güvenlik sınırı
Bir ajanın gerçek iş yapabilmesi için gerçek yetkiye ihtiyacı var: dosya yazacak, terminal komutu çalıştıracak, commit atacak. Bu cümlenin arkasındaki iş, ürünün en az konuşulan ama en çok zaman alan kısmı. Terminal komutları host makinede asla çalışmıyor — her worker kendi konteynerinde, kardeş worker'ın dosya sistemine yolu olmadan. Kullanıcı kendi model anahtarını getiriyor, yani bir hatanın yarıçapı başkasının hesabı; anahtarlar döndürülebilir bir ana anahtarın arkasında şifreli duruyor ve orchestrator işleri imzalı geliyor.
Bunların hiçbiri demo videosunda görünmüyor. Hepsi, ajanı bir oyuncaktan bir başkasının reposuna yaklaştırabileceğin bir şeye çeviren şey.
Peki bundan sonra ne olur
Bir tahmin: önümüzdeki bir yılda ajan ürünlerinin pazarlaması "ne yapabiliyor" ekseninden "ne kadarını sen kontrol edebiliyorsun" eksenine kayacak. İzin zarfı, bütçe üst sınırı, karar kuyruğu, geri alma düğmesi. Çünkü bir ajanı gece boyunca yalnız bırakmak isteyen ekibin sorduğu soru kapasite değil, sabah ne bulacağı.
İkinci tahmin: "ajanla yazıldı" bir satış argümanı olmayı bırakacak. Bir ekibin kodunun ne kadarını ajanın yazdığı, kodun iyi olup olmadığı hakkında hiçbir şey söylemiyor. Söyleyen şey testler, hata oranları ve incelemeden geçen diff'ler.
Bu ikisi aynı yere çıkıyor. Yetenek metalaştığında geriye mühendislik disiplini kalıyor — ve bu, ajan şirketleri için kötü haber değil. Sadece işin eğlenceli kısmının bittiği, sıkıcı kısmının başladığı anlamına geliyor.