Yazı · · 6 dk okuma
Graf Mühendisliği: Ajan Sistemlerine Şekil Vermek
Tek bir ajan döngüsü yetmediğinde: düğümler, kenarlar, durum ve kontrol noktaları ile ajan sistemine test edilebilir bir şekil vermek.
Bir döngü tek bir soruyu cevaplar: Bir iş, bitene kadar nasıl tekrar eder? Daha büyük bir soruyu ise cevaplamaz. Birçok iş parçası birbirine nasıl bağlanır, hangi sırayla çalışır ve kimin kontrolündedir?
Bu ikinci sorunun bugünkü adı graph engineering, yani graf mühendisliği. Terim 2026 boyunca yayıldı ve hâlâ herkes için aynı şeyi ifade etmiyor. Bu yazıda kavramı netleştiriyorum, önemli parçaları gösteriyorum ve bir grafın ne zaman ek karmaşıklığa değdiğini anlatıyorum.
Neden önemli?
Okuduğum ajan hatalarının çoğu “model yeterince akıllı değildi” türünden değil. Yapısal hatalar. Bir ajan doğrulama adımını atlamış. İki ajan aynı alana yazmış. Kimse onaylamadan bir iade yapılmış. Uzun bir iş çökmüş ve sıfırdan başlamak zorunda kalınmış.
Bunlar prompt sorunu değil, şekil sorunu. Graf, bir ajan sistemine test edilebilir bir şekil vermenin yoludur.
“Graf” denince kastedilen üç şey
Biri graph engineering dediğinde genelde üç şeyden birini kastediyor. PuppyOne’ın Temmuz 2026 tarihli bir yazısı bu etiketin henüz oturmadığını söylüyor ve üç anlamı şöyle ayırıyor:
- Çalıştırma grafları. Ajanlar, fonksiyonlar, araçlar, yönlendiriciler ve insan onay noktaları düğümdür. Kenarlar sırada neyin çalışacağına karar verir. Soru şu: Yolu kim kontrol ediyor?
- Döngülerin grafı. Birbirini etkileyen değerlendiriciler, yeniden deneme döngüleri ve politika kontrolleri. Bu bakış daha yeni ve daha az oturmuş.
- Bilgi ya da bağlam grafları. Tipli ilişkilerle birbirine bağlanmış olgular ve varlıklar, çoğu zaman zaman ve kaynak bilgisiyle. Soru şu: Sistem neyi biliyor ve bu bilgiler nasıl bağlanıyor?
Bir sistem üçünü birden kullanabilir. Ama aynı şey değiller ve karıştırıldıklarında ortaya bulanık tasarımlar çıkıyor. Bu yazıda çoğunlukla ilkine odaklanıyorum, sonra üçüncüsüne dönüyorum.
Bir çalıştırma grafının parçaları
Graf mühendisliği, yapay zeka uygulamanızı açık bir iş akışı olarak tasarlamak demek. Model her adımın içinde düşünür. Sıradaki adımın ne olacağına graf karar verir. Analytics Vidhya’nın Temmuz 2026 tarihli rehberi parçaları net bir şekilde sıralıyor:
- Düğümler sınırları belli iş birimleridir. Bir LLM çağrısı, araç kullanan bir ajan, düz bir Python fonksiyonu, bir veritabanı sorgusu, bir politika kontrolü ya da bir insan onayı.
- Kenarlar sırada neyin çalışacağının kurallarıdır. Doğrudan, koşullu, paralel, döngüsel ya da bir hatayla tetiklenen kenarlar olabilir.
- Durum grafın tamamında paylaşılan tipli bir kayıttır. Her düğüm ihtiyacı olanı okur ve sadece kendi çıktısını geri yazar.
- Kontrol noktaları durumun anlık görüntüleridir. Bir çökmeden sonra devam etmeyi, geçmişi incelemeyi ya da bir insanı beklemeyi sağlar.
- Kesintiler grafı dışarıdan bir girdi için durdurur. Örneğin bir e-posta gönderilmeden önce onay almak gibi.
Aynı rehber bunu tek cümleyle söylüyor: “The agents fill the nodes.” Yani düğümleri ajanlar doldurur. Ben cümlenin ikinci yarısını ekliyorum: Asıl mühendislik kenarlarda yaşar.
Tek ajan mı, graf mı?
Her ajan sisteminin bir grafa ihtiyacı olduğunu düşünmüyorum. Daha fazla kutu, daha iyi sistem demek değil. Graf beraberinde altyapı, yönetilecek durum ve test edilecek daha fazla şey getirir.
Tek bir ajan döngüsü çoğu zaman yeterli, eğer:
- İş açık uçlu ve düşük riskliyse,
- Araç sayısı azsa,
- Kurtarma basitse, yani hata olunca tekrar çalıştırmak yetiyorsa.
Graf, şunlara ihtiyacınız olduğunda yerini hak eder:
- Modelin atlayamayacağı doğrulama kapıları,
- Gerçek sonuçları olan bir adımdan önce insan onayı,
- Üst sınırı belli revizyon döngüleri,
- Bağımlılıkları net paralel işler,
- Uzun bir işin ortasında oluşan hatadan geri dönebilmek.
Benim testim şu. Bir kuralı tek cümleyle anlatabiliyorsam, o kural prompta değil, bir kenara ya da düz koda aittir. “Yönetici onaylamadan fatura gönderme” bir kenardır. Sistem promptunun içinde kibar bir rica olarak durmamalı.
Döngüler grafların içinde yaşar
Loop ve harness mühendisliği üzerine yazdığım bir önceki yazıyla bağlantı burada. Döngü, grafın tersi değil. Grafın içindeki bir çevrimdir.
Büyük bir çalıştırma grafı birkaç ajan döngüsü içerebilir. Tek bir düğüm de kendi iç döngüsünü çalıştırabilir. Loop engineering, işin nasıl tekrar edeceğine, nasıl kontrol edileceğine ve ne zaman duracağına karar verir. Graph engineering ise bu döngülerin nasıl bağlanacağına, dallanacağına ve kontrolü birbirine nasıl devredeceğine karar verir.
Ekibimle CrewAI ve LangGraph kullanarak geliştirdiğimiz çoklu ajanlı bitirme projesi VirtuAI gibi bir sistemi düşündüğümde, en faydalı ayrım bu. Her uzman ajanın kendi döngüsü var. Sistemin bütünü ise kimin neyi kime devredeceğini söyleyen bir şekle ihtiyaç duyuyor.
Bağlam grafları: Gerekçesiyle birlikte hafıza
Grafın üçüncü anlamı ayrı bir başlığı hak ediyor. Bu anlam kontrol akışıyla değil, hafızayla ilgili.
AI Engineer Europe 2026’da Neo4j’den Andreas Kollegger ve Zaid Zaim bağlam graflarını anlattı. Bağlam grafı, karar izlerini de saklayan bir bilgi grafıdır: Bir ajanın verdiği her kararın arkasındaki bağlam, gerekçe ve bağlantılar. Sıradan bir denetim kaydı size ne olduğunu söyler. Bağlam grafı neden olduğunu da söyler.
Ajan hafızasını üç katmana ayırıyorlar:
- Kısa süreli: Konuşma ve oturum durumu.
- Uzun süreli: İnsanlar, kurumlar, nesneler ve aralarındaki ilişkiler.
- Akıl yürütme: Kararların, araç çağrılarının ve düşünme adımlarının izleri.
En ilginç bulduğum katman akıl yürütme katmanı. Geçmiş kararları gelecekteki ajanlar için emsale dönüştürüyor. Bir ajanın sonradan açıklanabilir olmasını da sağlıyor. Bu, özellikle regülasyona tabi işlerde çok önemli.
Grafın ekonomisi
Graflar sadece güvenlikle ilgili değil. Aynı zamanda bir maliyet aracı.
- Deterministik düğümler neredeyse bedava. Prompttan çıkarıp koda taşıdığınız her kural, artık ödemediğiniz bir model çağrısı demek.
- Yönlendirme doğru modeli seçmenizi sağlar. Ucuz bir model ya da basit bir kural isteği sınıflandırabilir. Büyük model sadece ona gerçekten ihtiyaç duyan adımda çalışır.
- Kontrol noktaları hatadan sonra para kazandırır. On adımlık bir işin yedinci adımı çökerse birinci adımdan değil, yedinci adımdan devam edersiniz.
- Paralel kenarlar zaman kazandırır, token değil. Üç ajanı aynı anda çalıştırmak işi daha erken bitirir ama üçünün de faturasını ödersiniz.
Kaçınacağım hatalar
- İşi anlamadan grafı çizmek. Önce en basit döngüyü kurun. Düğüm eklemeyi gerçekten bir hata gördüğünüz yere saklayın.
- Kuralın yettiği yerde LLM ile yönlendirmek. Daha yavaş, daha pahalı ve daha az öngörülebilir.
- Tipsiz paylaşılan durum. Her düğüm her yere her şeyi yazabiliyorsa, neyi kimin değiştirdiğini kaybedersiniz.
- Uzun işlerde kontrol noktası olmaması. Bir çökme size tüm çalışmayı değil, tek bir adımı kaybettirmeli.
- Bilgi grafını çalıştırma grafıyla karıştırmak. Bir graf veritabanı size kontrol akışı vermez.
Benim görüşüm
“Graf” kelimesi muhtemelen zamanla oturacak ya da yerini başka bir kelimeye bırakacak. Arkasındaki fikir ise kalıcı. Ajan sistemleri tek bir akıllı ajandan, birlikte çalışan birçok parçaya doğru gidiyor. Bu olduğunda yapının kendisi ürünün parçası hâline geliyor.
Promptlar bir ajanı yetenekli yapar. Döngüler onu ısrarcı yapar. Graflar ise onu hesap verebilir yapar. Önümüzdeki birkaç yılda öne çıkacak mühendislerin, bu şekli net bir şekilde çizebilen, her kenarın neden var olduğunu açıklayabilen ve tüm sistemi çalıştırılabilir bir maliyette tutabilen kişiler olacağını düşünüyorum.
Daha fazla okuma
- LangGraph overview: Durum, kontrol noktaları ve kesintilerle çalıştırma grafları kurmak için resmi dokümantasyon.
- Microsoft Agent Framework: Python ve .NET için tipli iş akışları, graf yönlendirme ve kontrol noktaları.
- Google Agent Development Kit: Google’ın sıralı, paralel ve döngüsel iş akışı ajanları.
- AI Engineer Europe 2026: Context Graphs for Explainable, Decision-Aware AI Agents: Neo4j’nin bağlam grafları ve karar izleri üzerine konuşması.
- Analytics Vidhya: Graph Engineering for AI Agents: Düğüm, kenar, durum ve kontrol noktalarını uygulamalı anlatan bir rehber.
- PuppyOne: What is graph engineering for AI agents?: Terimin farklı anlamlarını gösteren kısa bir harita.