Agent altyapısını hazır al, doğrulamayı kendin yaz

English version: Buy the Harness, Build the Verification

Ağustos’ta DeepSeek, agent harness’ını (agent’ı çalıştıran döngü, araç çağırma, oturum kaydı ve izinlerden oluşan altyapı) MIT lisansıyla açık kaynak yaptı. Model adaptörü, araç kaydı, oturum günlüğü, hatta agent döngüsünün kendisi birer eklenti ve hepsi değiştirilebilir. NVIDIA’nın NeMo Agent Toolkit’i Apache lisanslı. Moonshot da doğrudan sizin bilgisayarınızda iş gören bir masaüstü agent’ı olan Kimi Work’ü çıkardı. Mühendislerin çoğunun “agent” deyince aklına gelen kısım, modelleri eğiten şirketler tarafından bedavaya dağıtılıyor.

Kendi agent framework’ünüzü yazmayı düşünüyorsanız tavsiyem şu: yazmayın. Hazır bir harness alın ve emeğinizi kimsenin size hazır vermeyeceği iki şeye harcayın: agent’ı kendi alanınıza bağlayan araçlara ve agent’ın doğru işi yapıp yapmadığını kontrol eden koda.

“Agent” tek bir şey değil, dört katman

“Kendin mi yazarsın, hazır mı alırsın?” sorusunun her katmanda başka bir cevabı var:

• Harness. Agent döngüsü, araç çağırma, oturum kaydı, sandbox, izinler, bağlam sıkıştırma, model adaptörleri, arayüz. Hazır alın. Rekabet bu katmanın fiyatını sıfıra indirdi.
• Araçlar. MCP sunucuları, alanınızdaki sistemlere bağlanan adaptörler, gerçekten iş yapan kod. Bunları siz yazın. Asıl iş burada.
• Orkestrasyon. Yeniden denemeler, kalıcı durum, bir insanın onayını bekleyip kaldığı yerden devam etmek. Çoğunu hazır alın, üstüne ince bir katman yazın.
• Ürün. Birinin para ödediği şey. Onu siz yapın.

DeepSeek’in tasarımı başlı başına bir işaret. “Ayrıcalıklı bir çekirdek yok, her şey eklenti” yaklaşımı, altyapının metalaşırken aldığı biçimdir.

Kendi framework’ünüzün geçemediği iki test

Bir yazılımın büyük platformlar tarafından yutulup yutulmayacağını anlamak için basit bir test kullanıyorum. Dört soru:

1. Genel amaçlı mı, yoksa çalışması için alan bilgisi mi gerekiyor?
2. Elde edilmesi zor, fiziksel ya da sözleşmeyle korunan bir veriye mi dayanıyor?
3. Yanlış çıkarsa sorumluluğu olan biri var mı? Sertifika gerekiyor mu?
4. Fiziksel ya da eski sistem entegrasyonu gerektiriyor mu: sensörler, PLC’ler, sahada kurulum, eski protokoller?

“Genel, verisiz, sorumluluksuz, saf yazılım” yönündeki her cevap aleyhine işler. Kendi agent framework’ünüz dört sorunun dördünde de kaybeder: herkes için çalışır, veri tutmaz, kötü bir agent döngüsü yüzünden kimse dava açmaz ve tamamen yazılımdır. Dörtte sıfır: frontier lab’lerin bedava verdiği bir şeyle süresiz yarışırsınız.

İkinci test daha sert. Model bedava, anlık ve kusursuz olsaydı, birinin sizin harness’ınıza hâlâ ihtiyacı olur muydu? Hayır. Modeli çıkardığınızda geriye hata yönetimi olan bir for döngüsü kalır.

İçgüdü doğru, çözüm yanlış

Kendi framework’ünü yazmanın olağan gerekçesi aslında sağlam: bir dile, bir kütüphaneye ya da bir sağlayıcıya kilitlenmek istemiyorsunuz. Ama bakımını yalnızca sizin yaptığınız bir framework, olabilecek en derin kilitlenmedir.

Çözüm, dikişin nereden geçeceğini seçmek. Vardığım kalıp şu: taşınabilir çekirdek, atılabilir kabuk.

• Çekirdek kütüphaneler düz Python ya da TypeScript. Hiçbir agent framework’ü import edilmez ve bir komut satırı giriş noktası vardır.
• Araçlar bu kütüphanelerin üstünde ince MCP adaptörleridir. Tahminimce her biri 20 satır civarı.
• Skill’ler ve prompt’lar markdown dosyalarıdır.
• İş akışları kütüphaneleri doğrudan çağırır; deterministik adımlarda model yoktur.
• Harness bir yapılandırmadır ve bir öğleden sonrada değiştirilebilir.

Tek kural: çekirdek kütüphane bir agent’ın var olduğunu bilmez. O zaman aynı kod dört şekilde kullanılabilir: MCP aracı, CLI, cron işi ya da başka birinin sistemindeki bir kütüphane olarak. Harness değiştirmek size yeniden yazıma değil, bir yapılandırma dosyasına mal olur.

Geriye yazılacak olan: doğrulama

Bir içerik hattını kodla model arasında şöyle bölüyorum. Kaynakları çekmek, tekrarları ayıklamak, daha önce yayımlananlara göre yenilik kontrolü, frontmatter, çapraz paylaşım ve link kontrolleri kodun işi. Açı, taslak ve her platform için yeniden yazım modelin işi.

Kod tarafındaki iki madde diğerlerinden daha önemli: her iddianın bir kaynağı olduğunu kontrol etmek ve taslağın hâlâ yazarının sesini taşıdığını kontrol etmek. Aynı kalıp araştırmada da karşımıza çıkıyor: atıf bütünlüğü ve elinizdeki notlarla çelişki tespiti. Bunların hepsi doğrulama ve neredeyse kimse bunları yazmıyor. “Her iddianın bir kaynağı var ve bu senin sesin” cümlesi, içerikle çöp arasındaki çizgidir.

Bu yüzden bu alanda başka işlere taşınabilen becerinin agent döngüleri değil, eval’ler (bir sistemin çıktısını ölçen test ve puanlama düzeni) olduğunu düşünüyorum. Artık herkes bir döngü kurabiliyor. Döngünün doğru çalışıp çalışmadığını söyleyebilen neredeyse kimse yok.

Akla ilk gelen yapı genellikle yanlış olanıdır

Kişisel bir bilgi tabanı için akla ilk gelen yapı, read_note ve search_notes gibi araçları olan bir MCP sunucusudur. Büyük ölçüde yanlış. Masaüstü agent’lar zaten bir klasöre okuma-yazma erişimi alıyor ve cat ile ripgrep o araçların yapacağı işin çoğunu karşılıyor. Onları sarmalamak sadece törendir.

Geriye kalan şey erişim değil, yetenektir:

• Yazarken kurallara uyulmasını sağlamak: şablonlar, frontmatter, klasör yerleşimi, linkler, dizin satırları. Başka mekanizmalar bu çıktıya bağlı olduğu için %95 doğru olmak bir hatadır ve hatalar sessizdir.
• Anlamsal arama: ripgrep bir kelimeyi ancak biri o kelimeyi yazmışsa bulur.
• Graf sorguları: geri bağlantılar, yetim notlar, bayatlamış işler, notlar arasındaki çelişkiler.

O zaman bile ucuz olan %80’le başlayın: agent’ın yazmadan önce okuduğu bir kurallar dosyası. Bir prompt, uyumun çoğunu sağlar. Kaçanları elle düzeltmek angaryaya dönüşünce kodu yazın.

Bu yaklaşımın geçerli olmadığı yer

Özel yazılımın haklı olduğu bir durum var: ağdan yalıtılmış (air-gapped) ya da regüle ortamlar. Buralarda hiçbir ticari harness denetlenemez ya da sertifikalandırılamaz ve kanıt zincirinin tamamına sahip olmanız gerekir. Ama orada ne yazıldığına dikkat edin. Bir harness değil; üç araçlı, dinamik planlaması olmayan, tam denetim kaydı tutan dar bir döngü. Bir framework değil, birkaç yüz satır. Endüstriyel ortamlarda, belirli adımlarda model çağıran sabit bir iş akışı, ucu açık bir agent döngüsünü neredeyse her zaman yener, çünkü denetlenebilir, test edilebilir ve maliyeti sınırlıdır.

Küçük bir harness’ı baştan sona okumak ve bir kez sıfırdan bir döngü yazmak da, sihir olmaktan çıksın diye, yapmaya değer. Sadece onu ürün olarak yayınlamayın.

Onun yerine yaptığım

Planım, araştırmadan bitmiş bir nota uzanan tek bir iş akışını alıp framework kullanmadan, CLI’ı olan düz bir kütüphane olarak yazmak. Sonra onun eval düzenini kurmak: fixture’lar, bir puanlayıcı ve bir regresyon test takımı. Döngüyü ödünç alacağım. Döngünün doğru çalışıp çalışmadığını bana söyleyen kısım ise sahip olmaya değer olan kısım.