Agentic Coding Gerçekte Nedir? Otomatik Tamamlamadan Kendi Başına Çalışan Ajana
Uzun süre boyunca programlamada yapay zekâ çoğunlukla bir Tab tuşundan ibaretti. Yazmaya başlıyordun, editör satırın devamını tahmin ediyordu, sen de kabul ediyor ya da yazmaya devam ediyordun. Pratikti, ama direksiyonda her zaman sen vardın.
Bugün aynı araç bir görevi okuyabiliyor, repoda yol alabiliyor, dosyaları değiştirebiliyor, testleri çalıştırabiliyor, hata mesajını değerlendirip yeniden deneyebiliyor. Geri döndüğünde seni tamamlanmış bir değişiklik önerisiyle dolu bir branch bekliyor. Bu artık otomatik tamamlama değil. Bu agentic coding.
Terim şu sıralar her yerde ve tam da bu yüzden oldukça bulanık. Bazen editördeki bir sohbet penceresi kastediliyor, bazen pull request açan bir bot, bazen de sadece “yapay zekâlı bir şey”. Bu yazıda işleri netleştiriyorum: Agentic coding nedir, ne değildir, hangi yanlış anlamalar inatla sürüyor ve bugün gerçekten ne işe yarıyor.
Önce Temel Kavramlar
Derine inmeden önce, sık karıştırılan kavramlara kısaca bakalım:
- Kod tamamlama (otomatik tamamlama): Araç, sen yazarken sonraki karakterleri veya satırları önerir. Yazdığına tepki verir ve genellikle yalnızca imlecin çevresindeki bağlamı bilir.
- Sohbet asistanı: Bir soru sorarsın ya da kod yapıştırırsın ve cevap alırsın. Cevabı uygulamak, yerleştirmek ve test etmek sana kalır.
- Kodlama ajanı: Araçlarla çalışan bir yapay zekâ sistemi. Dosyaları okuyup değiştirebilir, terminalde komut çalıştırabilir ve sonuçları değerlendirebilir.
- Agentic coding: Bir kodlama ajanına hedef verdiğin ve ajanın birkaç adımda kendi başına oraya ulaştığı çalışma biçimi. Her satırı değil, kuralları, bağlamı ve incelemeyi yönetirsin.
- Vibe coding: Kodu sezgiyle üretmek ve bir şekilde çalıştığı sürece neredeyse hiç incelemeden kabul etmek. Bu, agentic coding’den farklı bir şey. Aşağıda buna döneceğim.
Kodlama ajanlarına örnek olarak Claude Code, OpenAI Codex, Cursor’daki ajan modu ve GitHub Copilot’ın kodlama ajanı verilebilir. Ayrıntılar değişir, temel ilke aynıdır.
Bu Neden Tam Şimdi Oluyor?
Yazılımı makinelere yazdırmak yeni bir fikir değil. Yeni olan, birkaç şeyin aynı anda olgunlaşmış olması:
- Araç kullanımı daha güvenilir. Modern modeller yalnızca metin üretmek yerine dosyaları okuyabiliyor, komut çalıştırabiliyor ve çıktıyı mantıklı biçimde yorumlayabiliyor.
- Daha uzun görevler yönetilebilir kalıyor. Bir ajan, yolda ipin ucunu kaçırmadan art arda birkaç adım yürütebiliyor (en azından çoğu zaman).
- Ortam geri bildirim veriyor. Derleyiciler, tip sistemleri, linter’lar, testler ve Git zaten orada. Ajan için bunlar, bir adımın işe yarayıp yaramadığını hemen söyleyen korkuluklar gibi.
Bu, ajanların neden iyi bakımlı, testleri ve tipleri olan projelerde güvenlik ağı olmayan, zamanla büyümüş kod tabanlarına göre çok daha iyi çalıştığını da açıklıyor. Proje ortamının kalitesi, sonuçların kalitesini belirliyor.
Özerklik Merdiveni
Farkı anlamanın en kolay yolu bir merdiven hayal etmek. Her basamak araca biraz daha bağımsızlık veriyor.
| Seviye | Kim yönlendirir? | Nasıl işler? |
|---|---|---|
| Otomatik tamamlama | Sen, satır satır | Sen yazarsın, araç tamamlar |
| Sohbet | Sen, soru soru | Sorarsın, kopyalarsın, test edersin, tekrar sorarsın |
| Editörde ajan | İkiniz birlikte | Ajan dosyaları değiştirir, sen adımları onaylarsın |
| Özerk ajan | Ajan, sen sonucu incelersin | Görev girer, pull request çıkar |
Önemli: Daha fazla özerklik otomatik olarak daha iyi demek değil. Hangi seviyenin uygun olduğu göreve, riske ve aracı ne kadar tanıdığına bağlı. Günlük işte sürekli seviyeler arasında geçiş yaparsın.
Bir Ajanın İçinde Neler Olur?
Teknik olarak bir kodlama ajanının arkasında sihir yok, bir döngü var. Kabaca şöyle işler:
- Hedefi anlamak: Ajan görevini ve proje bağlamını okur.
- Planlamak: Hangi dosyaların etkilenebileceğini ve hangi sırayla ilerleyeceğini düşünür.
- Harekete geçmek: Kodu okur, dosyaları değiştirir ya da komut çalıştırır.
- Gözlemlemek: Sonuca bakar, örneğin test çıktısına, linter mesajlarına ya da derleyici hatalarına.
- Düzeltmek: Yaklaşımını ayarlar ve işi bitirene ya da tıkanana kadar döngüyü tekrarlar.
Sohbetten asıl fark şu: Ajan gerçeklikten geri bildirim alır. Kodun derlenip derlenmediğini, testlerin yeşil olup olmadığını görür. Bir sohbet modeli tahmin eder, bir ajan dener ve kontrol eder.
Anthropic, “Building effective agents” başlıklı mühendislik yazısında yararlı bir ayrım yapıyor. Bir iş akışında (workflow) dil modeli ve araçlar önceden tanımlı kod yolları üzerinden yönetilir. Bir ajanda ise model kendi sürecini ve araç kullanımını dinamik olarak kendisi yönlendirir. Yazı ayrıca en basit çözümle başlamayı ve karmaşıklığı yalnızca karşılığını verdiğinde eklemeyi öneriyor. Bu senin günlük işin için de geçerli: Her görev bir ajana ihtiyaç duymaz.
Bir Örnek: Aynı Görev, Üç Araç
Günlük bir görev düşün (basitleştirilmiş örnek): Panodaki bir tablo zaman aralığına göre filtrelenebilir hale gelecek.
Otomatik tamamlamayla filtre fonksiyonunu kendin yazarsın. Araç değişken adlarını ve standart döngüleri tamamlar. Doğru dosyaları sen ararsın, tipleri ve testleri sen düşünürsün.
Sohbetle sorunu anlatır ve bileşeni yapıştırırsın. Bir öneri alır, yerleştirirsin, derleyici itiraz eder, hatayı sohbete geri kopyalarsın ve böyle devam eder. Model ile proje arasında ulak olursun.
Bir ajanla hedefi ve kabul kriterlerini anlatırsın. Ajan tablo bileşenini ve uygun veri hook’unu bulur, filtreyi ekler, tipleri uyarlar, bir test yazar, linter’ı ve testleri çalıştırır, bir tip hatasını giderir ve ne yaptığını özetler. Sen diff’i okur ve karar verirsin.
Fark, ajanın daha iyi kod yazması değil. Fark, hedef ile sonuç arasındaki yolu kimin yürüdüğü.
İnatla Süren Beş Yanlış Anlama
1. Agentic coding, daha iyi pazarlanmış vibe coding’dir
Hayır. Vibe coding’de sonuçları az kontrolle kabul edersin. Profesyonel kullanımdaki agentic coding ise özerk çalışmayı yapıyla birleştirir: net görevler, testler, inceleme ve sabit kontrol noktaları. Ajan çok şey yapabilir, ama hiçbir şey kontrol edilmeden ana branch’e girmez.
2. Ajan geliştiricinin yerini alır
Olsa olsa yazma işinin bir kısmının yerini alır. Sorumluluk sende kalır. Neyin inşa edileceğine, mimariye nasıl oturacağına ve sonucun yeterince iyi olup olmadığına birinin karar vermesi gerekir. Bu görevler küçülmez, daha da önem kazanır.
3. Ne kadar özerk, o kadar iyi
Daha fazla özerklik, daha kısa sürede daha fazla kod ve dolayısıyla daha fazla inceleme yükü demek. Bir ajan kodu, senin onu titizlikle inceleyebileceğinden daha hızlı üretebilir. Darboğaz yazmaktan incelemeye kayar. Bunu görmezden gelen, hataları hiç olmadığı kadar hızlı biriktirir.
4. Mükemmel prompt’la her şey olur
Prompt’lar yardımcı olur, ama bağlam ve korkuluklar daha da önemli: bakımı yapılmış bir proje açıklaması, güvenilir testler, net kurallar ve iyi bölünmüş görevler. Temiz bir projedeki vasat bir prompt, dağınık bir repodaki parlak bir prompt’u yener.
5. Ajanlar herkesi hızlandırır
Bu en ilginç soru ve veriler karışık. Kâr amacı gütmeyen araştırma grubu METR, kontrollü bir çalışmada deneyimli açık kaynak geliştiricilerini kendi olgun projelerinde gerçek görevler üzerinde çalıştırdı. Yapay zekâ desteğiyle ortalama yüzde 19 daha uzun sürdü. Önceden yaklaşık yüzde 24’lük bir hızlanma beklemişlerdi ve işi bitirdikten sonra bile daha hızlı olduklarına inanıyorlardı. Yazarların kendileri de sonuçların her duruma aktarılamayacağını söylüyor, üstelik araçlar çalışmadan (2025’in başı) bu yana gelişti.
Bundan çıkardığım ders: Sezgi kötü bir ölçüt. Bir ajanın kendi projende işe yarayıp yaramadığını öğrenmek istiyorsan, somut görevlerde dene ve karşılaştır.
Bu Gerçekte Ne Kadar Yaygın?
Rakamlara bakmak abartıya karşı iyi gelir. Yaklaşık 49.000 katılımcılı Stack Overflow Developer Survey 2025’e göre yüzde 84’ü yapay zekâ araçlarını kullanıyor ya da kullanmayı planlıyor. Aynı zamanda yüzde 46’sı sonuçların doğruluğuna güvenmediğini söylüyor. Ajanlar daha az yaygın: İyi bir üçte biri onları hiç kullanmayı planlamıyordu. Kullananlar sık sık verimlilik kazancı bildiriyor, ama kod kalitesi konusundaki rakamlar belirgin biçimde daha ihtiyatlı.
Bu, pek çok kişinin günlük deneyimiyle örtüşüyor: Teknoloji faydalı, ama dikkat istiyor. Burada kuşku, çağın gerisinde kalmanın işareti değil, mantıklı bir güvenlik önlemi.
Bugün Gerçekçi Olarak Ne İşe Yarıyor?
Kendi değerlendirmeme ve şimdiye kadarki deneyim raporlarına göre ajanlar, görevin net ve doğrulanabilir olduğu yerde iyi iş çıkarıyor.
İyi uyan işler:
- Yeniden üretilebilir durumu olan, net sınırlı hata düzeltmeleri
- Mevcut koda test eklemek
- Çok sayıda dosyayı kapsayan mekanik refactoring’ler ve migrasyonlar
- Boilerplate, tipler, yapılandırma ve dokümantasyon
- Tanımadığın bir kod bölümüne ilk keşif (“Bu aslında nerede hesaplanıyor?”)
Dikkatle yaklaşılacak işler:
- Görevi ancak bir konuşmanın netleştirdiği belirsiz gereksinimler
- Uzun vadeli sonuçları olan mimari kararlar
- Kimlik doğrulama ya da ödeme gibi güvenlik açısından kritik alanlar
- Otomatik olarak kontrol edilemeyen her şey
Pratik kural: Sonucu ne kadar iyi otomatik olarak doğrulayabiliyorsan, o kadar fazla özerklik verebilirsin. Testler, tipler ve linter’lar bir ayrıntı değil, ajanın gözleridir.
Bir Geliştirici Olarak Senin İçin Ne Değişiyor?
İş kayıyor. Yazmaya daha az, üç başka faaliyete daha fazla zaman gidiyor:
- Görevleri kesmek: Küçük, net tarif edilmiş ve hedefi belli görevler, büyük dileklerden daha iyi sonuç verir.
- Bağlam sağlamak: Kurallar, mimari kararlar ve komutlar, ajanın bulabileceği yerde durmalı, örneğin
CLAUDE.mdveyaAGENTS.mdgibi bir proje dosyasında. - Sonuçları kontrol etmek: Diff’leri okur, varsayımları sorgular ve şunu sorarsın: Bu gerçekten sorunu mu çözüyor, yoksa sadece testi mi?
Kulağa zanaat azalıyormuş gibi gelse de, bu daha çok yeteneklerde bir kayma. Kodu iyi okuyabilen, sorunları temiz tarif edebilen ve sistemlere hâkim olabilen biri burada net bir avantaja sahip.
Kaosa Düşmeden Nasıl Başlarsın?
Agentic coding’i denemek istiyorsan, küçük ve kontrollü bir başlangıç işe yarar:
- Tehlikesiz bir görev seç, örneğin ek testler ya da küçük bir refactoring.
- Kendi branch’inde çalış, böylece her şeyi her an çöpe atabilirsin.
- Bağlam ver: Testler nasıl çalıştırılır? Hangi kurallar geçerli?
- Diff’in tamamını oku, herhangi bir şeyi kabul etmeden önce.
- Neyin iyi, neyin kötü gittiğini not et. Böylece ajanın sana gerçekten nerede yardımcı olduğunu bulursun.
Özerkliği, aracının güçlü ve zayıf yanlarını hissetmeye başladıktan sonra artır.
Sonuç
Agentic coding ne bir pazarlama sözcüğü ne de mucize ilaç. Gerçek bir değişimi anlatıyor: Araç artık sadece önermiyor, harekete geçiyor. Bir döngü içinde okuyor, değiştiriyor, test ediyor ve düzeltiyor, bu sırada projeden geri bildirim alıyor.
Aynı zamanda sorumluluk sende kalıyor. İyi görevler, temiz bağlam ve tutarlı inceleme, ajanın gerçek bir kazanca mı yoksa sorunları daha hızlı üretmenin bir yoluna mı dönüşeceğini belirliyor.
Tavsiyem: Dene, ama ölçülebilir ve küçük adımlarla. O zaman bir ajanın sana nerede saatler kazandırdığını, nerede kendin yazmanın daha iyi olduğunu çabuk fark edersin.
Yapay zekâ ajanlarını geliştirme sürecine entegre etmek mi istiyorsun, yoksa doğru araçları seçerken desteğe mi ihtiyacın var? Daha fazlasını Yapay Zekâ Geliştirme sayfasında bulabilir ya da bana doğrudan yazabilirsin.
Bu yazı yapay zekâ yardımıyla çevrilmiştir.