LangGraph ile Kendi Akıllı Agent'inizi Nasıl İnşa Edersiniz? Gemini ve ReAct ile Adım Adım Rehber

Yapay zeka dünyasında "agent" kavramı, artık sadece bir araç değil, bir felsefe haline geldi. Google AI'nın resmi geliştirici platformu ai.google.dev'de paylaşılan "ReAct agent from scratch with Gemini and LangGraph" makalesi, bu felsefenin somut bir uygulamasını sunuyor. Bu yazıda, yalnızca kodu değil, arkasındaki mantığı, mimariyi ve neden bu mimarinin geleceği şekillendirdiğini derinlemesine analiz ediyoruz.

LangGraph Nedir? Sadece Bir Kütüphane Değil, Bir Zihin Modeli

LangGraph, LangChain ekosisteminin bir parçası olarak ortaya çıkmış, ancak kendi başına bir devrim yaratan bir yapı. Geleneksel AI ajanları, doğrusal bir akışla çalışır: giriş → işlem → çıkış. LangGraph ise bir döngüsel, durum tabanlı ağdır. Her adımda ajan, kendi geçmişini, çevresini ve hedeflerini göz önünde bulundurarak karar verir. Bu, sadece bir kodlama tekniği değil, insan beyninin karar alma mekanizmalarını taklit eden bir mimari. Daha doğrusu, bir ajanın "düşünmesini" sağlayan bir yapı.

ReAct: Düşün, Eylem, Yansı

Google'ın örneğinde kullanılan ReAct (Reasoning + Acting) modeli, AI ajanlarının nasıl "kendini düzelttiğini" gösteren bir paradigmadır. Geleneksel sistemler, hata yaptığında sadece yeniden denemeye çalışır. ReAct ise: önce neden hata yaptığını analiz eder (reasoning), sonra bir eylem planı oluşturur (acting), ve sonuçta bu eylemin etkisini değerlendirir (reflection). Bu üçlü döngü, ajanın kendisini sürekli geliştirmesini sağlar. Örneğin, bir kullanıcı "Türkiye'de en çok satan elektrikli araba hangisi?" diye sorarsa, ajan önce Google'da arama yapar, sonra veriyi yorumlar, sonra belki bir karşılaştırma tablosu oluşturur ve sonunda, "Bu veriler 2025 sonu itibarıyla geçerlidir, çünkü veri kaynağı bu tarihi belirtiyor" gibi bir not ekler. Bu, sadece cevap vermekten çok, bilgiyi güvenli bir şekilde sunmak anlamına gelir.

Gemini: Sadece Bir API Değil, Bir Düşünür

Google'ın Gemini API'si, bu yapıda sadece bir dil modeli değil, ajanın "zihni"dir. Bu model, sadece metin üretmekle kalmaz, aynı zamanda planlama, bağlam analizi ve hatta etik değerlendirmeler yapabilir. Örneğin, bir soru etik bir sınıra yaklaşırsa, Gemini yalnızca "bunu yapamaz" demekle kalmaz, bunun nedenini açıklayabilir ve alternatif bir yol sunabilir. Bu, AI ajanlarının "dürüst" olma kapasitesini de artırır. Yani, ajanın bilgi vermesi değil, bilgiyi nasıl sunması daha önemli hale geliyor.

Neden Medium ve Wikipedia Verileri Kullanılamadı?

İki diğer kaynak—Medium ve Wikipedia—gözlemlenememiş. Medium, bot koruması nedeniyle içerik alınamadı; bu, özellikle AI ve teknoloji içeriklerinin yoğun talep nedeniyle erişim sınırlarına uğradığını gösteriyor. Wikipedia'da ise "Building" sayfası fiziksel yapılarla ilgiliydi, yapay zeka ajanları ile hiçbir ilgisi yoktu. Bu, kaynakların kalitesinin ve ilgisinin analizde kritik olduğunu vurguluyor. Bir haber, sadece çok kaynakla değil, doğru kaynaklarla oluşturulur.

İnşa Etme Süreci: 4 Temel Adım

1. Çerçeveyi Kur: LangGraph ile bir döngüsel akış tanımla. Her durumda (state), ajanın hafızası, hedefi ve geçerli eylemleri tut.
2. ReAct Döngüsünü Kodla: Reasoning modülüne bir prompt ekle: "Şu ana kadar neler yaptın? Hangi bilgiler eksik?"; Acting modülüne API çağrısı ekle; Reflection modülüne bir değerlendirme algoritması ekle.
3. Gemini'yi Bağla: API anahtarını entegre et ve her adımda Gemini'ye bağlamı, geçmiş etkileşimleri ve hedefi ilet.
4. Test Et ve İyileştir: Gerçek dünya senaryolarıyla test et. Örneğin, "Geçen hafta İtalya'da yaşanan depremde ne yapıldı?" gibi karmaşık sorularla. Ajanın hatayı düzeltip düzeltmediğini, zamanla daha iyi hale gelip gelmediğini gözlemle.

Neden Bu Bir Devrim?

LangGraph + ReAct + Gemini kombinasyonu, AI'nın "cevap veren" bir araçtan, "soruları anlayan ve kendi kendini geliştiren bir ortak" haline gelmesini sağlıyor. Bu, müşteri hizmetlerinde, akademik araştırmalarda, hatta tıpta kullanılabilir. Bir doktor, ajanın bir hastanın tarihini analiz edip, ilaç etkileşimlerini kontrol edip, son olarak bir teşhis önerisinde bulunmasını isteyebilir—ve ajan, her adımda neden bu kararı aldığını açıklayabilir. Bu, şeffaflık ve güvenin temelini oluşturuyor.

Gelecekte, bu tür ajanlar, yalnızca bize cevap vermekle kalmayacak, bize nasıl düşündüğümüzü bile öğretmeye başlayacak. Çünkü artık AI, sadece bilgiyi değil, düşünme sürecini de paylaşabiliyor. Bu, teknolojinin değil, insani iletişim biçimlerinin dönüşümü.