Üretim Ortamında Çoklu Ajan (Multi-Agent) Orkestrasyonu: LangGraph, CrewAI ve AutoGen ile Çökmeyen Sistemler Kurmak

2026 Çoklu Ajan Çerçeveleri Karşılaştırma Matrisi

Üretimde 3 Temel Çoklu Ajan Tasarım Deseni (Design Patterns)

• 1. Denetçi (Supervisor) Mimarisi: Merkezde bir yönlendirici ajan (Orchestrator) bulunur; gelen görevi analiz eder ve Araştırmacı Ajan (Browser-Use), Kodlayıcı Ajan (Claude Code) veya Veritabanı Ajanı arasında iş bölümü yapar.
• 2. Üretici – Eleştirmen (Generator – Evaluator) Döngüsü: İlk ajan kodu veya raporu yazar; ikinci ajan birim testlerini koşar. Test başarısızsa hata loglarıyla birlikte işi birinci ajana geri gönderir (Maksimum 3 deneme sınırı ile).
• 3. İnsan Onaylı Kesme (Human-in-the-Loop Breakpoint): Ajan tüm araştırmayı ve SQL sorgusunu hazırlar ancak DELETE veya ödeme_yap() adımına geldiğinde graf otomatik olarak duraklar (Pause), yöneticiye Slack/Web Push bildirimi atar ve onay geldikten sonra kaldığı yerden devam eder.

LangGraph ile Durum Makineli ve Öz-Denetimli Ajan Kodu (Python)

Aşağıdaki mimari, yazdığı kodu test eden ve hata varsa kendi kendini düzelten (Self-Healing), ancak maksimum 3 denemeden sonra sonsuz döngüyü kesen üretim standardı bir LangGraph örneğidir:

from typing import TypedDict, Literal
from langgraph.graph import StateGraph, START, END
from langgraph.checkpoint.memory import MemorySaver

# 1. Graf Durum Şeması (Tüm ajanların paylaştığı ortak hafıza)
class AgentState(TypedDict):
    gorev: str
    uretilen_kod: str
    hata_mesaji: str
    deneme_sayisi: int

# 2. Ajan Düğümleri (Nodes)
def kod_uretici_ajan(state: AgentState) -> dict:
    deneme = state.get("deneme_sayisi", 0) + 1
    # LLM çağrısı burada yapılır (Örn: Claude 3.7 Sonnet veya Qwen 2.5-Coder)
    kod = f"# Deneme {deneme} için üretilen Python kodu\ndef hesapla(x): return x * 2"
    return {"uretilen_kod": kod, "deneme_sayisi": deneme}

def test_ve_denetim_ajani(state: AgentState) -> dict:
    kod = state["uretilen_kod"]
    # Kodu izole ortamda test et
    if "return x * 2" in kod:
        return {"hata_mesaji": "YOK"}
    return {"hata_mesaji": "AssertionError: Beklenen çıktı uyuşmuyor."}

# 3. Koşullu Kenar (Conditional Edge - Sonsuz Döngü Korumalı)
def yonlendirici(state: AgentState) -> Literal["kod_uretici", "__end__"]:
    if state["hata_mesaji"] == "YOK":
        return END
    if state["deneme_sayisi"] >= 3:
        print("Maksimum deneme sınırına ulaşıldı, insan müdahalesine aktarılıyor.")
        return END
    return "kod_uretici"

# 4. Durum Makinesini İnşa Etme ve Derleme
workflow = StateGraph(AgentState)
workflow.add_node("kod_uretici", kod_uretici_ajan)
workflow.add_node("denetci", test_ve_denetim_ajani)

workflow.add_edge(START, "kod_uretici")
workflow.add_edge("kod_uretici", "denetci")
workflow.add_conditional_edges("denetci", yonlendirici)

# Kalıcı Hafıza (Checkpointer) ile Derleme
memory = MemorySaver()
app = workflow.compile(checkpointer=memory)

# Çalıştırma
config = {"configurable": {"thread_id": "proje-42"}}
sonuc = app.invoke({"gorev": "Veri doğrulama fonksiyonu yaz", "deneme_sayisi": 0}, config=config)
print("Nihai Durum:", sonuc)

Üretim Ortamında Altın Güvenlik Kuralları

1. Bütçe ve Adım Kilidi (`recursion_limit`): Her ajan çağrısına mutlaka maksimum adım sınırı (örneğin recursion_limit=15) ve token tavanı tanımlayın.
2. Model Kademelendirmesi (Model Tiering): Planlama ve mimari karar düğümlerinde Claude 3.7 Sonnet veya DeepSeek-R1 kullanırken; alt özetleme ve formatlama düğümlerinde hızlı ve ucuz modelleri çalıştırarak maliyeti %75 düşürün.
3. Kalıcı Hafıza Katmanı: Oturumlar arası kullanıcı tercihlerini korumak için grafınıza Mem0 entegre edin.