6.5 Çok Ajanlı (Multi-Agent) Sistemler¶
Yabancı kelime mi gördün?
Bu sayfadaki kalın teknik terimler (orkestratör / orchestrator, alt ajan / subagent, bağlam yalıtımı / context isolation gibi) ilk geçişte hemen yanında veya altında Türkçe açıklanır.
Neden bu sayfa?¶
6.1'de "iş akışı ≠ ajan" dedik — basit görev için tek ajan bile fazla. Şimdi ters uçtayız: tek ajanın da yetmediği görevler var. Bir araştırma raporu düşün — 10 konuda web araması, her birinin özeti, bir tez kurma, kaynakça kontrolü, üslup birleştirme. Tek ajan 100k+ token bağlamda kaybolur; aynı anda "araştır", "özetle", "eleştir" rollerinin arasında kimlik savruluyor; araç seçimi bozuluyor. Bağlam şişmesi = kalite düşüşü.
İkincisi: 2026 Mart itibarıyla Anthropic resmi 5 katmanlı mimari çizdi — MCP (bağlantı) → Skills (görev bilgisi) → Agent (ana işçi) → Subagents / Alt ajanlar (paralel bağımsız işçi) → Agent Teams (koordinasyon). Çok ajan artık "deneysel süs" değil; Anthropic'in kendi Claude Code'u bu katmanların üstünde çalışıyor ve Anthropic'in kamuya açık verilerine göre Claude Code kod tabanının önemli bir kısmı yine Claude Code tarafından üretiliyor. Yani: Anthropic'in kendi ürününün arkasındaki mimari örüntü bu sayfada.
Üçüncüsü: Çok ajan literatürü 2024-25'te gürültülüydü — LangGraph, CrewAI, AutoGen, MetaGPT her biri farklı soyutlama. 2026'da dumanın altında Anthropic'in kendi yaklaşımı netleşti: "tek iş parçacıklı ana döngü (single-threaded master loop)" + Task aracı ile devretme + bağlam yalıtımı (context isolation). Karmaşık çerçeveler yerine sadelik. Bu sayfa o sadeleşmiş yaklaşımı alıyor; LangGraph karşılaştırması 6.7'de.
Multi-agent kısaca — üç paragraf, matematiksiz¶
5 temel pattern, bir karar ağacı. Anthropic "Building Effective Agents" makalesi + Claude Code docs birlikte okununca sınıflandırma net: (1) Sequential — lineer pipeline (A → B → C), her adım tek Claude çağrısı. (2) Operator / orchestrator-workers — hiyerarşik; bir ana agent planı kurar, subagent'lar paralel çalışır, orchestrator sentezler. (3) Split-and-merge — n tane bağımsız worker paralel koşar, sonuçlar birleşir; rol farkı yok. (4) Agent teams — simetrik; researcher ↔ writer ↔ reviewer kendi aralarında konuşur (Claude Code'da CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 ile deneysel). (5) Headless — tam otonom, insan onaysız. Seçim işçilerin birbiriyle konuşması gerekip gerekmediğine bağlı — konuşmuyorlarsa subagents/split-merge; konuşuyorlarsa agent teams.
Orchestrator-workers pattern (en yaygın üretim kullanımı). Ana agent — tek orchestrator — 200k context'inin tamamını görevin ana planına, bağlamına, kullanıcı ihtiyacına ayırır. Alt görevleri Task tool (Claude Code'da) veya benzeri dispatch mekanizmasıyla subagent'lara yollar. Her subagent taze 200k context alır — ana orchestrator'ın gürültüsü olmadan. Subagent işini bitirir, tek sonuç döner. Orchestrator sonuçları alıp birleştirir. Bu mimari sırlı: context isolation kalite koruma mekanizması. Orchestrator'a "plus iş yaptırmak" (birkaç fonksiyonu kendisi çağır) her zaman planı bozuyor — Anthropic mühendislik blogu bu tuzağa açıkça değiniyor.
Ne zaman multi-agent, ne zaman tek agent — 5 sinyal. Aşağıdakilerden 2 ya da fazlası varsa multi-agent düşün: (a) Görev doğası paralelleştirilebilir (10 ayrı konu, 10 ayrı dosya); (b) Tek agent'ın context'i şişiyor (>80k token veya >50 tool çağrısı); © Rol ayrımı mimari olarak anlamlı (planner/executor farklı uzmanlık); (d) Kalite kritik, ikinci bir göz gerekli (evaluator-optimizer); (e) Alt görevlerin farklı maliyet profili var (bazıları Sonnet, bazıları Haiku). Hiçbiri yoksa tek agent daha hızlı, daha ucuz, daha debug edilebilir — refleksi 6.1'de kazandın.
Bu sayfanın ekosistemi — orchestrator-workers¶
flowchart TB
U["👤 Kullanıcı\ngörev"]
ORCH["🧠 Orchestrator\n(ana agent,\n200k context)"]
PLAN{{"📋 Plan\ngörevi böl"}}
subgraph workers["⚡ Subagent'lar — paralel, taze 200k context"]
direction LR
S1["🔍 Researcher\n(Task tool)"]
S2["📝 Writer\n(Task tool)"]
S3["✅ Critic\n(Task tool)"]
end
MERGE["🧩 Sentez\n(orchestrator)"]
OUT["📤 Final\ncevap"]
U --> ORCH
ORCH --> PLAN
PLAN --> S1
PLAN --> S2
PLAN --> S3
S1 --> MERGE
S2 --> MERGE
S3 --> MERGE
MERGE --> ORCH
ORCH --> OUT
OUT --> U
classDef user fill:#ddd6fe,stroke:#7c3aed,color:#111
classDef orch fill:#dbeafe,stroke:#2563eb,color:#111
classDef plan fill:#fed7aa,stroke:#ea580c,color:#111
classDef sub fill:#fef3c7,stroke:#ca8a04,color:#111
classDef out fill:#fef3c7,stroke:#ca8a04,color:#111
class U user
class ORCH,MERGE orch
class PLAN plan
class S1,S2,S3 sub
class OUT out| Düğüm | Rol | Ne iş yapıyor |
|---|---|---|
| 👤 Kullanıcı | İstek kaynağı | Üst düzey görev — "X hakkında rapor yaz" |
| 🧠 Orkestratör | Ana ajan | Plan kurar, alt ajanlara devreder, sonuçları sentezler; kendisi asli işi yapmaz |
| 📋 Plan | Soyut aşama | Görevi alt görevlere bölme — 3-7 parça tipik |
| 🔍 Araştırmacı alt ajan | Arama + bilgi toplama | Taze 200K bağlam ile kaynak tarar |
| 📝 Yazar alt ajan | Metin üretimi | Araştırmacının çıktısından taslak yazar |
| ✅ Eleştirmen alt ajan | Değerlendirme | Taslağı eleştirir, puanlar, düzeltme önerir |
| 🧩 Sentez | Orkestratörün birleştirmesi | 3 çıktıyı tek tutarlı metne çevir |
| 📤 Final cevap | Kullanıcıya dönen | Son metin + kaynaklar + kalite notu |
Kritik: Orchestrator subagent çıktılarını doğrulamadan ana cevaba geçmez. Her subagent hata yapabilir, halüsinasyon üretebilir, sıkışabilir. Orchestrator'un rolü yalnızca "dispatcher" değil — kalite kontrol kapısı.
Uygulama — iki yol¶
Yol A — Python orchestrator-workers (Anthropic SDK)¶
Senaryo: Kullanıcı 3 farklı konu hakkında araştırma rapor istiyor. Orchestrator planı kurar, 3 subagent paralel koşar, orchestrator birleştirir.
"""Orchestrator-workers pattern with Anthropic SDK."""
import asyncio
import anthropic
client = anthropic.AsyncAnthropic()
MODEL = "claude-sonnet-4-6"
async def subagent_arastir(konu: str) -> dict:
"""Tek bir konuda araştırma yapan subagent — taze context."""
resp = await client.messages.create(
model=MODEL,
max_tokens=1024,
system=(
"Sen odaklı bir araştırmacısın. TEK bir konu hakkında özlü, "
"gerçeklere dayalı 150 kelimelik özet yaz. Kaynakları maddeleyerek belirt. "
"Konu dışına çıkma."
),
messages=[{"role": "user", "content": f"Konu: {konu}"}],
)
return {
"konu": konu,
"ozet": resp.content[0].text,
"input_tokens": resp.usage.input_tokens,
"output_tokens": resp.usage.output_tokens,
}
async def orchestrator(kullanici_istegi: str, konular: list[str]) -> str:
"""Orchestrator: subagent'ları paralel dispatch et, sonucu sentezle."""
# 1. PARALEL DISPATCH — asyncio.gather ile 3 subagent aynı anda
alt_sonuclar = await asyncio.gather(*[subagent_arastir(k) for k in konular])
# 2. SENTEZ — orchestrator kendi context'inde birleştiriyor
sentez_input = "\n\n".join(
f"### {s['konu']}\n{s['ozet']}" for s in alt_sonuclar
)
resp = await client.messages.create(
model=MODEL,
max_tokens=2048,
system=(
"Sen bir editörsün. Aşağıdaki 3 araştırma özetini TEK tutarlı "
"yazıya dönüştür: ortak tema, farklar, çıkarım. 300 kelime, akıcı Türkçe."
),
messages=[{"role": "user", "content": (
f"Kullanıcı isteği: {kullanici_istegi}\n\n"
f"Subagent çıktıları:\n{sentez_input}"
)}],
)
total_in = sum(s["input_tokens"] for s in alt_sonuclar) + resp.usage.input_tokens
total_out = sum(s["output_tokens"] for s in alt_sonuclar) + resp.usage.output_tokens
print(f"[maliyet] in={total_in} out={total_out} tokens, {len(konular)} subagent")
return resp.content[0].text
# ── Çalıştır
if __name__ == "__main__":
istek = "RAG, fine-tuning ve prompt engineering üstüne karşılaştırmalı not"
konular = ["RAG (Retrieval-Augmented Generation)",
"Fine-tuning (model özelleştirme)",
"Prompt engineering"]
sonuc = asyncio.run(orchestrator(istek, konular))
print("\n", sonuc)
Beklenen çıktı (kısaltılmış):
[maliyet] in=387 out=612 tokens, 3 subagent
RAG, fine-tuning ve prompt engineering üç ayrı kaldıraç:
- RAG dış bilgiyi inference anında getirir; veri sık değişiyorsa tercih edilir.
- Fine-tuning modelin davranışını kalıcı değiştirir; maliyetlidir, dar alan için...
- Prompt engineering en ucuz, en hızlı müdahale; anlık kontrolü korur.
Ortak çıkarım: sırayla dene (prompt → RAG → fine-tuning), çünkü her adım...
Neden bu mimari asyncio.gather kullanıyor: 3 subagent paralel koşar — total süre ≈ en yavaş subagent'ın süresi, 3x toplamın değil. Network-bound LLM çağrılarında bu kritik.
Neden subagent'lar ayrı system prompt alıyor: Her subagent kendi kimliğini biliyor — "araştırmacı", "editör". Orchestrator'un plan metnini subagent'a yollamak yerine rol tanımlı sistem prompt + odaklı kullanıcı mesajı. Bu context isolation'ın temeli.
Yol B — Claude Code subagents (.claude/agents/)¶
Claude Code subagent'lara kendi terminalinde doğrudan erişim verir. Resmi built-in subagent'lar: general-purpose, Explore (read-only codebase search), Plan (research-driven planning). Özel subagent tanımlamak için proje dizininde:
.claude/agents/kdv-uzman.md dosyası oluştur:
---
name: kdv-uzman
description: Türkiye KDV mevzuatı ve fatura hesapları konusunda uzman subagent. Kullanıcı "kdv", "fatura", "vergi hesap" gibi ifadeler kullandığında dispatch edilir.
tools: Read, Bash
---
Sen bir Türkiye KDV mevzuatı uzmanısın. Görevin:
1. Kullanıcının sorusunu analiz et (KDV oranı, istisna, indirim, vs.)
2. Gerekirse dosyayı oku ya da basit hesap yap
3. 3 maddeli cevap dön: (a) kısa sonuç (b) formül/dayanak (c) uyarı/tuzak
Kaynak olmadan tahmin yürütme. Emin değilsen "emin değilim" de.
Kullanım: Claude Code terminalinde doğrudan çağır:
Claude Code ana agent'ı, Task tool'u ile kdv-uzman subagent'ını fresh 200k context ile dispatch eder. Subagent kendi system prompt'u ile cevaplar, sonucu ana agent'a döner, ana agent kullanıcıya sunar. Custom subagent'ların güzelliği: proje-özgü uzmanlık katmanı — her proje kendi subagent kümesini repo'da taşır.
Kısıt: Subagent'lar recursive spawn edemez (kendi alt-subagent açamaz — depth limit). Bu tasarım kararı Anthropic'in "single-threaded master loop" felsefesinin parçası; karmaşıklığı engelliyor.
Karar matrisi — pattern seçimi¶
| Senaryo | Pattern | Neden |
|---|---|---|
| "Tek bir SQL sorgusu yaz" | Sequential (tek Claude çağrısı) | Alt görev yok, tek adım |
| "10 dosyada toplu arama" | Split-and-merge | Eşit ve bağımsız işler |
| "Rapor yaz: araştır + taslak + kritik" | Orchestrator-workers | Rol ayrımı anlamlı |
| "Tasarım belgesi hazırla, 3 uzman tartışsın" | Agent teams (deneysel) | İşçilerin birbiriyle konuşması şart |
| "Cron job olarak her saat çalışsın" | Headless | İnsan yok, otonom |
| "Kod review + test yazımı + dokümantasyon" | Orchestrator-workers + Claude Code subagents | Her rol farklı uzmanlık |
Anthropic'in 5-katman mimarisi (Mart 2026)¶
Anthropic'in kendi ürünü Claude Code, alt alta beş katman üstünde çalışıyor:
flowchart TB
L1["1. MCP — Connectivity\n(6.3-6.4: tool/resource/prompt protokolü)"]
L2["2. Skills — Task knowledge\n(görev-özgü bilgi paketi)"]
L3["3. Agent — Primary worker\n(6.1: ReAct döngüsü, tool calling)"]
L4["4. Subagents — Parallel workers\n(BU SAYFA: context isolation)"]
L5["5. Agent Teams — Coordination\n(deneysel: simetrik konuşma)"]
L1 --> L2 --> L3 --> L4 --> L5
classDef l fill:#dbeafe,stroke:#2563eb,color:#111
class L1,L2,L3,L4,L5 lNeden bu sıralama önemli: Alt katman üstünü mümkün kılıyor. MCP olmadan subagent'lar ortak tool ekosistemi paylaşamaz; Skills olmadan subagent her çağrıda sıfırdan bağlam kurar; Agent olmadan subagent'a dispatch eden bir şey yok; Subagents olmadan Agent Teams'in temeli yok. Sen öğrenirken aynı sıraya uyuyorsun — Bölüm 6 bu sıralamayı takip ediyor (6.3/6.4 MCP → 6.5 Subagents → 6.8 production).
Multi-agent tuzakları — CTO uyarıları¶
| Tuzak | Sonucu | Çözüm |
|---|---|---|
| Tek ajan yeterken çok ajan zorlamak | 3 kat maliyet, 3 kat gecikme, sıfır kalite farkı | 5 sinyalli kontrol listesi — 2+ sinyal yoksa tek ajan |
| Orkestratöre "ekstra iş" yaptırmak | Plan kalitesi düşer, kimlik kayması | Orkestratör yalnızca koordinatör — kod yazma/analiz etme alt ajanın işi |
| Alt ajanlar arası bağlam paylaşımı varsaymak | Alt ajan yarı bilgiyle iş yapar | Her alt ajana kendine yeten görev + bağlam yolla; dosya sistemi üzerinden dolaylı paylaşım tamam |
| Özyinelemeli (recursive) alt ajan üretimi beklentisi | "Alt ajan kendi alt-alt ajanını açsın" — çalışmaz | Derinlik sınırı var. Hiyerarşi en fazla 2: orkestratör → alt ajan |
| Alt ajan çıktısını doğrulamadan geçmek | Halüsinasyon birleşik cevaba sızar | Orkestratör kalite kontrol kapısı — değerlendirici alt ajan ekle veya regex/şema doğrulaması |
| Yanlış heterojen model karması | Haiku alt ajana karmaşık görev = kırılma | Maliyet-görev eşleştirmesi: basit özet Haiku 4.5, analiz Sonnet 4.6, derin akıl yürütme Opus 4.7 |
| Paralel devretmeyi unutmak | Sıralı çağrı = 3 kat gecikme | asyncio.gather / Promise.all / Task aracı paralel |
| Token maliyeti görünmez | Ay sonu fatura sürprizi | Her alt ajan çağrısında usage.input_tokens + output_tokens günlüğe yaz |
| Deterministik iş akışı yerine ajan seçmek | Hata ayıklama cehennemi | HBV chatbot vakası (4.8): durum makinesi 5/5 iş akışı sinyali — çok ajan değil |
| Çerçeve tapıncı (LangGraph/CrewAI) | Soyutlama karmaşası | Anthropic refleksi: sadelik — ham SDK + asyncio yeterse onu seç; çerçeve ihtiyaç doğarsa 6.7 |
Tipik çok ajan hataları — şu durum şu çözüm
| Hata | Sebep | Çözüm |
|---|---|---|
| Sentez tutarsız (subagent'lar çelişiyor) | Orkestratör çakışmayı çözmüyor | Sentez prompt'una "çakışma varsa kullanıcıya iki görüşü de göster" ekle |
| Subagent zaman aşımı | Tool çağrısı yavaş veya sonsuz döngü | Her subagent için timeout=120s + max_iterations=10 |
| "Rate limit" hatası | 5+ subagent paralel çağrılınca dakikalık limit aşılır | asyncio.Semaphore(3) ile eşzamanlılık sınırla |
| Maliyet beklenmedik yüksek | Subagent başına 3-4 kat input token (her birine sistem prompt vs.) | Sistem promptlarını kısalt, gereksiz örnekleri çıkar; küçük model dene |
| Subagent JSON dönmüyor | tool_choice veya structured output yok |
Subagent çıktısını tool_choice={"type":"tool","name":"final_result"} ile zorla |
Anthropic multi-agent konusunu üç kaynakla canonical hale getirdi: Building Effective Agents (Aralık 2024 mühendislik blogu), Anthropic Academy — Introduction to Subagents (~30 dk, sertifikalı), code.claude.com docs — Agent Teams.
1. Single-threaded master loop mantığı. Anthropic Claude Code'un iç mimarisinde karmaşık multi-agent framework kullanmadığını açıkça söylüyor. Bir ana döngü (while loop), tool call'ları sırayla işler, gerektiğinde Task tool ile subagent dispatch eder. Gerekçe: debug edilebilirlik + şeffaflık. Karmaşık actor-based mimariler "ne çalıştığını anlamak" aşamasında dayanılmaz oluyor.
2. Context isolation kalite mekanizması. Anthropic mühendislik bloğundan doğrudan teması: ürün ekibindeki product-manager subagent kendi 200k context'ini yalnızca kullanıcı ihtiyacı + iş mantığına ayırabildi. senior-software-engineer subagent son ticket'ı alıp kendi taze 200k context'i ile sadece implementasyona odaklandı — ilk tartışmanın gürültüsünü taşımak zorunda kalmadı. Kalite degradation bu şekilde önleniyor.
3. Agent Teams deneysel — default kapalı. CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 env var'ı ile açılıyor. Karar kriteri net: işçiler birbiriyle konuşacak mı? Konuşmayacaksa subagents yeterli; tasarım tartışması, peer review, counter-argument gerekiyorsa Teams. Üretim kullanımı için Anthropic önerisi: önce subagent'larla dene; Teams'e sadece gerçek ihtiyaç varsa geç.
Teknik detay — isteyene (Task tool, h2A queue, hooks, güvenlik)
Task tool mekaniği. Claude Code'un dahili tool'u. Parametre: description + prompt + subagent tipi (general-purpose, Explore, Plan, custom). Dispatch sonrası: yeni subprocess veya izole LLM session + taze context. Subagent tek bir final result döner; intermediate streaming ana agent'a görünmez (tasarım).
h2A async dual-buffer queue. Claude Code'un real-time steering'i destekleyen iç kuyruk (kod adı). Kullanıcı agent çalışırken mesaj yazdığında bu queue'ya düşer; agent sonraki turda görür. Araç: uzun süren agent çalışmalarına müdahale.
Compressor wU2. Context ~%92 doluluğunda otomatik tetikleniyor — geçmiş mesajları özetleyip yerini boşaltıyor. Subagent'lar bu kompresyondan muaf (kısa yaşamlı, taze context). Ana orchestrator uzun oturumlarda compressor'a bel bağlıyor.
Hooks — guardrail enjeksiyonu. Tool call öncesi/sonrası custom shell script çalıştırma. PreToolUse, PostToolUse, Notification hook'ları. Subagent dispatch öncesi izin kontrolü, çıktı sonrası doğrulama — güvenlik katmanı.
Güvenlik 3 ilkesi. Anthropic resmi tavsiye: (1) minimum necessary permissions — --allowedTools flag ile kısıtla; (2) reversible > destructive — rm yerine trash, DROP TABLE yerine soft delete; (3) human approval checkpoints — yüksek riskli adımda otomatik durma.
Maliyet optimizasyonu. Heterojen model: claude-haiku-4-5 cheap/hızlı subagent'lar (sınıflandırma, kısa özet), claude-sonnet-4-6 ana orchestrator + analiz, claude-opus-4-7 yalnız deep reasoning gerektiren tekil subagent. Üçü karıştırılırsa maliyet %60-80 düşer — Anthropic SDK bloglarında örnek ölçümler.
Observability — gerekliliği artıyor. Multi-agent debug için LangFuse / Helicone / Arize tracer'ları yaygınlaştı. Her subagent çağrısı + token + süre ayrı span. Prod multi-agent observability'siz kırılıyor.
Kaynak: Anthropic — Building Effective Agents (EN, ~25 dk, multi-agent pattern taksonomisi — referans metin). Pekiştirme: Anthropic Academy — Introduction to Subagents (~30 dk, ücretsiz, sertifikalı) ve code.claude.com/docs — Subagents & Agent Teams. Üretim örneği: Anthropic Webinar — Claude Code Advanced Patterns (Mart 2026) — Anthropic mühendisliğinin subagent'ları üretimde nasıl koyduğunu anlatıyor.
📦 Bu sayfayı bitirdiğini nasıl kanıtlarsın¶
1. 📝 Refleksiyon yazısı — 5 dakika¶
"Seçtiğim görev: [...]. 5-sinyal kontrolüne göre tek agent / multi-agent kararı: [...], çünkü [aktive olan sinyal]. Seçtiğim pattern: [sequential/orchestrator-workers/split-merge/agent-teams] ve nedeni: [...]. 3 subagent rolü ve her birinin system prompt tek cümlelik kimliği: [...] / [...] / [...]. Beklenmedik sorun: [...], nasıl çözdüm: [...]."
Kaydet: muhendisal-notlarim/bolum-6/05-multi-agent/refleksiyon.txt
2. 📸 Konsol çıktısı — 5 dakika¶
Neyin görüntüsü: Yol A'daki asyncio.gather ile 3 subagent paralel çalışıyor. Her subagent'ın usage.input_tokens + usage.output_tokens + final sentez log satırı. Süre ölçümü de eklenmişse (time.perf_counter) paralel süre < 3x ardışık süre somut olarak görünür.
Kaydet: muhendisal-notlarim/bolum-6/05-multi-agent/paralel-log.png
3. 💻 Kendi alan projen — 30 dakika¶
Kendi ilgi alanında bir orchestrator-workers örneği: örneğin blog yazısı pipeline (araştırmacı + yazar + editör subagent'ları) veya kod review aracı (mimari + güvenlik + test subagent'ları). Python Yol A iskeletini kendi sistem prompt'larınla uyarla. Bonus: aynı görevi tek agent'la da yap, iki çıktıyı karşılaştır ("multi-agent gerçekten değer kattı mı?"). Repo + 1 paragraf CTO notu (hangi pattern, neden, ne öğrendim).
Repo linkini kaydet: muhendisal-notlarim/bolum-6/05-multi-agent/proje-repo.txt
- **A → B:** Tek agent büyük görevlerde **bağlam şişmesi + kalite düşüşü** yaşıyor — multi-agent'ın ihtiyacı buradan doğar. Bu yüzden **bağlam izolasyonu multi-agent'ın özü.**
- **B → C:** Anthropic 2026 Mart'ta **5-katman mimari** yayınladı — Claude Code'un kendisi bu mimari üstünde çalışıyor. Bu yüzden **referans mimari hazır.**
- **C → D:** 5 pattern (sequential/operator/split-merge/agent-teams/headless) + karar matrisi — 'işçiler konuşacak mı' ana soru. Bu yüzden **pattern seçimi önce sorulur.**
- **D → E:** Orchestrator-workers en yaygın üretim deseni — orchestrator plan, subagent taze context alır = **context isolation.** Bu yüzden **plan + iş ayrımı temel prensip.**
- **E → F:** Anthropic 'single-threaded master loop' felsefesi — karmaşık framework yerine sadelik, **debug edilebilirlik** birinci önem. Bu yüzden **sadelik tercih edilir.**
- **F → G:** 5-sinyal karar kuralı ile 'yanlışlıkla multi-agent'a kaymak' tuzağından kaçıyorsun; Python SDK + asyncio.gather ile ham pattern kurabiliyorsun. Bu yüzden **ham kurulum anlayışı sağlar.**
Sonuç: Multi-agent bir araç, ama ilk refleks değil. Doğru seçim matrisini bilmek + pattern'i ham SDK ile kurabilmek + Claude Code subagent'larını proje-özgü tanımlayabilmek — bu üçü birlikte AI Engineer'ı multi-agent hype'ından ayırıyor. 6.6'da Claude Agent SDK, 6.7'de LangChain Agents karşılaştırması ile bu mimari kararı framework boyutunda sınayacağız. 6.8 KarıncaAI vakası gerçek üretim multi-agent (KarıncaAI'nın 5 agent'lı içerik orkestrasyonu) olacak — Bölüm 6'nın kapanış savunması.
6.6 Claude Agent SDK → — Anthropic'in 2025 SDK hamlesi. "50 satırda agent" vaadi ile gerçeklik. Ham anthropic SDK'dan hangi noktada yüksek seviyeli SDK'ya geçmeli.
← 6.4 MCP Server Yazma | Bölüm 6 girişi | Ana sayfa
Pekiştirme: Building Effective Agents makalesini oku (~25 dk, EN). Bu sayfadaki 5 pattern + orchestrator-workers + 5-sinyal kararı makaleden geri dönüp pekişir — Anthropic'in kendi kaleminden temel referans metin. Ardından Academy — Introduction to Subagents (~30 dk, sertifikalı).