Site simgesi Kartaca

Agent Development Kit (ADK) 2.0 Beta Sürümü Tam Olarak Neleri Değiştiriyor?


Agent Development Kit (ADK) 2.0 Beta Sürümü Tam Olarak Neleri Değiştiriyor?


İstem Mantığı Yerini İş Akışlarına Bırakırken

ADK 2.0 Beta ile Google’ın resmi ajan geliştirme çerçevesi yapısal bir dönüm noktasına ulaştı. Yeni sürüm, istem zincirleme yerine graf tabanlı iş akışlarını, koordinatör ajan mimarilerini ve kod düzeyindeki dinamik mantığı ön plana çıkarıyor. ADK bir mühendislik platformuna dönüşüyor.


Google ADK 2.0: Graf Tabanlı Ajan İş Akışlarına Genel Bakış

Bu Durum Neden Şimdi Önem Arz Ediyor?

Google, Ajan Geliştirme Kiti’ni (Agent Development Kit) ilk sunduğunda; ADK, Gemini modelleri tarafından desteklenen ajanları tanımlamak, araç zincirleri oluşturmak ve bu ajanları Vertex AI Agent Engine aracılığıyla dağıtmak için açık kaynaklı ve kod öncelikli bir Python kütüphanesi olarak pratik bir başlangıç noktasıydı. ADK 1.x prototip oluşturmak için oldukça uygundu. Ancak resmi dokümantasyon dili ve ilk kullanıcıların geri bildirimleri ortak bir limitasyona işaret ediyordu: İstem karmaşıklığı arttıkça kontrol azalıyordu.


ADK 2.0 Beta doğrudan bu sorunu çözmeyi hedefliyor. Resmi dokümantasyon artık ana yetenek olarak “iş akışlarını ve ajan ekiplerini” ön plana çıkarıyor. Bu, pazarlama odaklı bir yeniden çerçeveleme değil; çerçevenin aslında ne yapmak üzere mimari olarak tasarlandığına dair bir değişim. Bu sürüm bir beta etiketi taşıyor ve resmi dokümanlar oldukça net: ADK 2.0, önceki sürümlerle birlikte kullanıldığında geriye dönük uyumsuzluklara neden olabilir ve gelişmiş veya zengin özelliklere sahip ajanları olan ekipler olası uyumsuzlukları öngörmelidir.


Bu yazıda, söz konusu değişimin teknik açıdan ne anlama geldiğini inceleyeceğiz. Yeni özellikler, basit bir özellik listesi olmanın ötesinde, çok daha derin bir anlam taşıyor. Yapay zeka ajanı sistemlerinin nasıl tasarlanabileceğine ve nasıl tasarlanması gerektiğine dair yapısal seçimleri temsil ediyor.



Yoğun İstem Tasarımından İş Akışı Mühendisliğine

ADK 1.x ile oluşturulan tipik bir yapay zeka ajanı kabaca şu şekilde görünüyordu: Tek bir LlmAgent, uzun bir sistem istemi, bir araç listesi ve modelin hangi aracı hangi sırayla çağırması gerektiğine dair istemin içine gömülmüş bir mantık. Adımlar arasındaki yönlendirme, modelin kendisine bırakılmıştı. Çıktının yapısı, büyük ölçüde istemin ne talimat verdiğine bağlıydı.


Bu yaklaşım işe yarıyordu, ancak belirli bir karmaşıklık eşiğinin ötesine geçildiğinde öngörülebilir engellere takıldı. Belirsiz yönlendirmeler, azalan test edilebilirlik, hata tespitinin zorluğu ve sistem ölçeklendikçe ortaya çıkan davranışsal tutarsızlıklar yaygın belirtilerdi. Bir ajanın ne zaman durması gerektiğini, ne zaman bir alt göreve devretmesi gerektiğini ve bir istem içinde ne zaman insan onayını beklemesi gerektiğini tanımlamak giderek daha kırılgan hale geldi.


ADK 2.0 Beta, bu yönlendirme kararını modelden alıp geliştiriciye devrediyor. Resmi dokümantasyon yeni modeli şu şekilde tanımlıyor: “Ajan mantığı, yürütme düğümleri (node) ve kenarlarından (edge) oluşan bir graf olarak tanımlanır.” Bu, yazılım mühendisliğinin kontrol akışı kavramlarının doğrudan ajan tasarımına aktarılmasıdır. İstemler hâlâ önemlidir; artık tek bir koordinasyon mekanizması değiller.


ADK 1.x ve ADK 2.0: Doğrudan Karşılaştırması


Özellik ADK 1.x ADK 2.0
Temel yaklaşım Yoğun istem içeren, LLM odaklı koordinasyon Graf ve kod tabanlı iş akışı kontrolü
Kontrolün kaynağı Model karar verir, yönlendirme örtüktür. Geliştirici, graftaki yolları açıkça tanımlar.
Belirlenimcilik (Determinizm) Düşük, çıktılar çalışmalar arasında farklılık gösterir. Yüksek, belirlenimci düğüm sıralaması
Çoklu ajan koordinasyonu Manuel istem zincirleme Tanımlanmış modlara sahip koordinatör ve alt ajan modelleri
Döngü ve koşullu mantık İstemlerde tanımlanır, ölçeklendikçe kırılgandır. Kod düzeyinde while döngüleri, asenkron yapılar, koşullar
Gözlemlenebilirlik Sınırlı, manuel olarak eklenir. Yerleşik OpenTelemetry entegrasyonu
Oturum kalıcılığı Bellek içi veya manuel entegrasyon DatabaseSessionService, Agent Engine Oturumları
Hedef ortam Prototip, demo Canlı (production) ortamlar için mimari destek

Graf Tabanlı İş Akışları: Belirlenimsizliğe Karşı Yapısal Çözüm

Graf tabanlı iş akışları, ADK 2.0’daki en temel yetenektir. Buradaki ana fikir, bir ajanın sadece ne yapabileceğini değil, bunu nasıl yapacağını da kod düzeyinde tanımlayabilmenizdir. Bir iş akışı graf olarak ifade edilir: Her bir düğüm (node) bir fonksiyon, bir araç çağrısı, bir LLM çağrısı veya bir insan girdi noktası olabilir. Düğümler arasındaki bağlantılar geliştirici tarafından koşullu veya ardışık olarak tanımlanır.


Resmi dokümantasyondaki uçuş yükseltme örneği bu mimariyi somutlaştırıyor: Tek bir iş akışı grafı fonksiyonlar, insan girdisi düğümleri, araç çağrısı düğümleri ve LLM yetenekleri dahil olmak üzere birden fazla düğüm türünü bir arada içerir. Resmi dokümanlar bunu doğrudan şu şekilde çerçeveliyor: “Graf tabanlı iş akışları, yapay zeka destekli ajanları belirlenimci (deterministik) araçlar ve kodlarla birleştirerek ajan mantığınızı bir yürütme düğümleri ve kenarları grafı olarak tanımlamanıza olanak tanır.”


Bu Hangi Sorunu Çözüyor?

İstem odaklı yönlendirmenin temel zayıflığı, yönlendirme kararları model tarafından bir kez verildikten sonra bu kararları gözlemlemenin ve test etmenin zor olmasıdır. Bir LLM’e bir koşulda X’e, başka bir koşulda Y’e gitmesini söylemek bir taleptir; garanti değildir. Model, çalışmalar arasındaki belirsizliği farklı şekilde yorumlayabilir. Bu sapma genellikle yalnızca canlı ortamda gerçek yük altında yüzeye çıktığından, bunu erkenden yakalamak zordur.


Graf tabanlı iş akışları bu belirsizliği ortadan kaldırır. Yönlendirme, kodda tanımlanan kenarları takip eder. Her bir düğümün tanımlanmış girdi ve çıktı şemaları olabilir. Geçiş koşulları belirlenimcidir. Test edilebilirlik açısından pratik sonuç oldukça büyüktür: Bir iş akışını belirli bir girdiye sahip belirli bir düğümden başlatarak çalıştırmak ve beklenen çıktıyı doğrulamak mümkün hale gelir. Bu, bir istemin genel davranışını değerlendirmekten farklı bir test modelidir.


İnsan Katılımlı (Human-in-the-Loop) Düğümler

İnsan girdisi düğümleri, bu mimarinin dikkate değer bir uzantısıdır. Resmi dokümantasyon özel bir tespitte bulunuyor: “Bu düğümlerin çalışması için yapay zeka modellerine ihtiyaç yoktur, bu da girdi sürecini daha öngörülebilir ve güvenilir hale getirebilir.” Onay adımlarının LLM mantığının içine gömüldüğü senaryolarda, bir başarısızlığın bir hatadan mı yoksa modelin dikkatsizliğinden mi kaynaklandığını belirlemek gerçekten zordur. Özel bir insan girdisi düğümü bu belirsizliği net bir şekilde ortadan kaldırır.



İşbirliği Yapan Ajanlar: Koordinasyonu Modelin Dışına Taşımak

Çoklu ajan sistemleri ADK 1.x ile mümkündü. Ancak bunları yönetmek büyük ölçüde modelin yorumuna bağlıydı: hangi ajanın ne zaman çağrılacağı, hangi bağlamın aktarılacağı ve bir görev tamamlandığında kontrolün nereye döneceği gibi. ADK 2.0, bu koordinasyonu açıkça tanımlanmış bir mimari aracılığıyla destekliyor.


İşbirliği yapan ajan ekibi modelinde bir koordinatör ajan, görevleri bir veya daha fazla alt ajana devreder. Her bir alt ajanın tanımlanmış sorumlulukları ve sınırlı bir iş kapsamı vardır. Resmi dokümantasyon temel faydayı şu şekilde tanımlıyor: Alt ajanlar belirli görevleri yerine getirmek üzere tanımlanır ve bir görevi tamamladıktan sonra otomatik olarak ana (parent) ajana geri döner. Bu, kısıtlamasız LLM delegasyonundan anlamlı derecede farklıdır.


İşbirliği Modları: Sohbet (Chat), Görev (Task) ve Tek Turlu (Single-Turn)

İşbirliği modları bu mimarinin temelini oluşturur. Resmi dokümantasyon üç mod tanımlıyor: Sohbet (Chat) (tam kullanıcı etkileşimi, ana ajana manuel dönüş), Görev (Task) (açıklamalar için kullanıcı etkileşimi, tamamlandığında otomatik dönüş) ve Tek Turlu (Single-Turn) (hızlı görev tamamlama için tek tur). Her mod belirli davranış kuralları ve sınırlamalar içerir. Bu ayrım tek başına küçük görünebilir. Canlı sistemlerde, koordinatörün bir alt ajandan kontrolü tam olarak ne zaman geri alacağını bilmek kritik bir belirlenimcilik konusudur.


Gerçek Bir Mühendislik Avantajı Olarak Modülerlik

Bu yapı, büyük ve monolitik bir ajanın bağımsız olarak geliştirilebilen, test edilebilen ve yeniden kullanılabilen alt ajanlara bölünmesini sağlar. Aynı alt ajan birden fazla koordinatör tarafından çağrılabilmektedir. Bir alt ajandaki başarısızlık mutlaka koordinatöre yansıtılmaz. Hata yalıtımı, sonradan akla gelen bir düşünce olmaktan çıkıp bir tasarım özelliği haline gelir.


Bu modülerlik, ADK 2.0’ın geliştiricilerden tüm karmaşıklığı istem mühendisliği ile yönetmelerini istemek yerine, yazılım mühendisliği ilkeleriyle uyum sağladığının en net işaretlerinden biridir.


Grafların Yeterli Olmadığı Durumlarda Dinamik İş Akışları

Graf tabanlı iş akışları, önceden bilinen yönlendirme mantıkları için oldukça uygundur. Ancak her senaryo tamamen önceden belirlenemez. Bir veri kümesindeki her bir kayıt üzerinde gezinmek (iterate), bir koşul karşılanana kadar bir döngü çalıştırmak, asenkron geri çağrıları (callback) işlemek veya bir alt iş akışının diğerini tetiklediği iş akışları oluşturmak gibi örüntüler statik bir grafın sınırlarını zorlar.


ADK 2.0’ın dinamik iş akışları bu eksikliği gidermeye yardımcı oluyor. Resmi dokümantasyon programatik bir deneyim tanımlıyor: İş akışı mantığını doğrudan ifade etmek için while döngüleri ve async/await gibi tanıdık yapılar kullanılabilir. Bu, ajan sistemleri kuran bir geliştiricinin, genel yazılımlar için halihazırda kullandığı kelime dağarcığıyla düşünmesine olanak tanır.


Otomatik Kontrol Noktaları

Dinamik iş akışlarının kritik bir özelliği otomatik kontrol noktaları (automatic checkpointing) oluşturmalarıdır. Resmi dokümantasyon şunu belirtiyor: “İş akışı yeniden başlatıldığında başarılı alt düğümler otomatik olarak atlanır, bu da karmaşık mantığı varsayılan olarak dayanıklı ve sürdürülebilir kılar.” Uzun süreli ve çok adımlı iş akışlarında bu durum; bir donanım arızası, ağ kesintisi veya kullanıcı iptali durumunda baştan başlamanın gerekmediği anlamına gelir. İş akışı, en son başarılı kontrol noktasından devam eder. Canlıdaki iş yükleri için bu, anlamlı bir operasyonel garantidir.


Bu Durum Canlı Ortamlar İçin Neden Önemli?

Bir ajana bir koşul altında döngüye girmesini söylemek ile bu döngüyü kodda tanımlamak arasındaki fark yalnızca bir uygulama detayı değildir. Kod düzeyindeki döngüler test edilebilir, hata ayıklanabilir (debug), günlüğe kaydedilebilir (log) ve sürümlendirilebilir. LLM tarafından yönlendirilen bir döngü ise, büyük ölçüde kapalı kutu kalır. Dinamik iş akışları, ajan sistemlerini gerçek yazılım altyapısının operasyonel standartlarına anlamlı ölçüde yaklaştırır.



Dinamik iş akışları, ADK 2.0 döneminde bir alfa yeteneği olarak sunuldu. Resmi dokümantasyon, geriye dönük uyumluluk gerektiren ortamlarda ADK 2.0 kullanılmamasını önermektedir.



ADK Ekosisteminde Platform Olgunluğu Sinyalleri

ADK 2.0’ın iş akışı ve koordinasyon özellikleri tek başına ortaya çıkmadı. Resmi repo değişiklik günlüğü (changelog) ve Google Cloud dokümantasyonu, temel ADK platformunun paralel olarak önemli geliştirmelerden geçtiğini gösteriyor. Bu değişiklikler hep birlikte ele alındığında tutarlı bir yöne işaret ediyor: ADK, kademeli olarak canlı ortamda kullanım için tasarlanıyor.


Son Dönemdeki Platform Düzeyindeki Geliştirmeler


Bileşen Güncelleme Notlar
Gözlemlenebilirlik OpenTelemetry metrikleri ve izleme desteği Cloud Observability entegrasyonu ile v1.17.0+.
Oturum Yönetimi DatabaseSessionService ve salt okunur oturum desteği SQLite, AlloyDB ve Agent Engine Oturumlarını destekler.
Çalışma Zamanı Ortamı Agent Engine Sandbox entegrasyonu Güvenli kod yürütmeyi ve bilgisayar kullanımını sağlar.
Kimlik Doğrulama Kararlı kimlik bilgisi anahtarları ve kullanıcılar arası sızıntı önleme GcpAuthProvider ile birlikte 2LO ve 3LO kimlik doğrulama örneklerini içerir.
Hata Yönetimi SSE uç noktası hata akışı ve oturum geri alma Canlı ortam düzeyinde güvenilirlik iyileştirmeleri
MCP Desteği MCP oturum örnekleme geri çağrıları ve taşıma çökmesi yönetimi Harici araç ekosistemiyle entegrasyonu geliştirir.
ADK platformu olgunluk sinyalleri | Kaynak: GitHub – google/adk-python: An open-source, code-first Python toolkit for building, evaluating, and deploying sophisticated AI agents with flexibility and control
DEĞİŞİKLİK GÜNLÜĞÜ (CHANGELOG) ve Google Cloud dokümantasyonu

Gözlemlenebilirlik: Birinci Sınıf Vatandaş Olarak OpenTelemetry

ADK 1.17.0 sürümünden itibaren OpenTelemetry, çerçevenin yerleşik bir parçası haline geldi. Resmi Google Cloud dokümantasyonu, bir ajanın temel eylemlerinden telemetri verisi toplayan yerleşik araçları tanımlıyor ve bu izlerin (traces) Google Cloud Observability’ye nasıl iletilebileceğini açıklıyor. Son sürümlerde olay sıkıştırma izleme (event compaction tracing) ve yerleşik ajan odaklı OpenTelemetry metrikleri eklenmiştir.


Bunun pratik yansıması oldukça büyüktür. Aynı iş akışındaki farklı ajanlar ve servisler arasında aralık korelasyonu (span correlation) oluşturmak, LLM planlayıcı gecikmesini ayrıntılı olarak analiz etmek ve bu sinyalleri kurumun daha geniş gözlemlenebilirlik yığınına entegre etmek artık dokümante edilmiş ve desteklenen yeteneklerdir. Önceden ekipler bunu manuel olarak kurmak zorundaydı; bu da kendi içinde bir kırılganlık yaratıyordu.


Çoklu Dil Desteği ve Oturum Altyapısı

ADK, bir Python kütüphanesi olarak başladı. Resmi dokümantasyon artık her birinin kendi hızlı başlangıç kılavuzu olan Python, TypeScript, Go, Java ve Kotlin’i desteklenen giriş noktaları olarak listeliyor. Bu genişlik, ADK’nın artık yalnızca Python’a özel bir deney olmadığını gösteriyor. Geliştiricilerin birincil teknoloji yığınından bağımsız olarak, kurumsal düzeyde bir ajan çerçevesi olarak konumlanıyor.


Oturum tarafında, DatabaseSessionService canlı ortamla ilgili çeşitli sorunları çözdü: depolama harici olarak güncellendiğinde eskiyen oturumları yeniden yüklemek, hatalarda oturumları geri almak (rollback) ve yoğun okuma yapılan iş yükleri için salt okunur oturumları desteklemek. Bunlar sıra dışı gereksinimler değildir. Tam olarak, bellek içi bir oturum servisinin gerçek bir dağıtımda kalıcı bir servis ile değiştirildiğinde ortaya çıkan türden sorunlardır.


Agent Engine Sandbox Entegrasyonu

Agent Engine sandbox entegrasyonu, ADK’nın Vertex AI altyapısıyla birleşmesinde somut bir adımı temsil ediyor. Sandbox, güvenli kod yürütme ve bilgisayar kullanımı operasyonları için izole bir ortam sağlar. Bu durum, ajanları yalnızca metin üreten sistemler olarak değil, aynı zamanda yönetilen, korumalı bir bağlamda hesaplamalar yapabilen ve grafik arayüzlerle etkileşime girebilen varlıklar olarak konumlandırır.


Daha Geniş Bir Okuma: Bu Durum Google’ın Yapay Zeka Ajanı Stratejisi Hakkında Ne Söylüyor?

ADK 2.0’ı yalnızca bir özellik güncellemesi olarak okumak, daha büyük olan sinyali kaçırmak anlamına gelir. Biriken değişiklikler kasıtlı bir konumlandırma kararına işaret ediyor. Google, ADK’yı kurumsal ölçekte güvenilir yapay zeka ajanları oluşturmak için resmi platform olarak çerçeveliyor. Resmi dokümantasyon bunu doğrudan ifade ediyor. Bu iddianın geçerli olması için birkaç unsurun aynı anda doğru olması gerekir: kontrol edilebilir yürütme akışları, gözlemlenebilirlik, oturum dayanıklılığı, güvenli kod yürütme, çoklu dil desteği ve canlı ortam düzeyinde hata yönetimi. ADK 2.0 ve çevresindeki son platform geliştirmeleri, bu gereksinimlerin her birine bir yanıt sunuyor.


Hangi Ekipler Dikkat Etmeli?


1) Halihazırda ADK 1.x kullanan ekipler: Mevcut ajanlar ADK 2.0 ile büyük ölçüde uyumlu olmalıdır, ancak resmi dokümanlar gelişmiş ve zengin özelliklere sahip ajanların uyumsuzluklarla karşılaşabileceğini belirtiyor. Geçiş planlamasının bugün başlaması gerekmiyor, ancak beta etiketi, hemen canlı ortama geçişin risk taşıdığına işaret ediyor.


2) Çoklu ajan sistemleri kuran ekipler: ADK 2.0’daki koordinatör-alt ajan yapısı ve işbirliği modları, doğrudan bu kullanım senaryosu için özel olarak tasarlanmıştır. Şu anda ajan koordinasyonunu istem mantığıyla yöneten ekipler, ADK 2.0’ın özellikle çözmek için tasarlandığı teknik borçları biriktirmektedir.


3) Platform ve altyapı ekipleri: OpenTelemetry entegrasyonu, sandbox desteği, oturum servisi iyileştirmeleri ve Agent Engine bağlamı, ADK’yı yalnızca geliştiriciler için değil, aynı zamanda gelecekte bu sistemleri işletecek olan SRE ve platform mühendisleri için de geçerli kılmaktadır.


Beta Etiketi ve Gerçekçi Bir Değerlendirme

Resmi dokümantasyon, ADK 2.0’ın önceki sürümlerle birlikte kullanıldığında köklü değişikliklere yol açabilecek bir beta sürümü olduğunu açıkça belirtmektedir. Geriye dönük uyumluluk gerektiren canlı ortamlarda kullanılmamasını kesin bir dille tavsiye ediyor. Bu geçici bir feragatname değil; ekibin bu alanı hâlâ sağlamlaştırmaya çalıştığına dair dürüst bir kabuldür. Genel erişilebilirlik (GA) öncesinde tasarım kararlarını vermekte olan geliştiriciler için beta dönemi aynı zamanda bir davettir. Resmi sorun takipçisi, ADK 1.x ile 2.0 arasındaki uyumsuzlukları bildirmek için belirlenmiş kanaldır.



Bu yazı hazırlanırken ADK Python 2.0 GA canlıya geçti. Resmi sitenin ana sayfası artık bu ilerlemeyi yansıtıyor. Ancak dinamik iş akışları gibi bazı yetenekler hâlâ alfa etiketi taşımaktadır. Platform aşamalı olarak olgunlaşıyor ve aynı sürüm içindeki GA ile alfa arasındaki bu ayrımı dikkatle takip etmekte fayda var.



Ajan Mühendisliği Bir Disipline Dönüşüyor

ADK 2.0 ile ajan tasarımı kolaylaşmıyor, aksine daha yapılandırılmış hale geliyor. Bunlar farklı şeylerdir. Graf tabanlı iş akışları, ajan koordinasyonu ve dinamik mantık geliştiricilere daha fazla güç sağlıyor ancak aynı zamanda iş akışı grafını tanımlamak, düğüm şemalarını belirlemek, işbirliği modlarını seçmek ve her modun kontrol akışı için ne anlama geldiğini anlamak gibi konuları göz önünde bulunduran, daha bilinçli bir tasarım gerektiriyor.


Bu olgunlaşma kelime dağarcığını da değiştiriyor. “Ajana X’i yapmasını söylemek” yerine, iş akışı düğümünü tanımlıyorsunuz. “Kararı LLM’e bırakmak” yerine, koordinasyon modunu seçiyorsunuz. “Tüm mantığı isteme koymak” yerine, bir insan girdisi düğümü ekliyorsunuz. Bu dilsel değişiklikler küçük görünebilir. Canlı ortamdaki LLM işlem hatlarında hataları teşhis etmek için zaman harcamış ekipler için aradaki fark, tam olarak bu kelimelerin ifade ettiği şeydir.


ADK 2.0, Google’ın ajan geliştirmeyi ciddi bir mühendislik disiplini olarak ele aldığının somut bir kanıtıdır. Hem çerçeve hem de onu kullanan ekipler için bu, onu diğer tüm canlı ortam yazılım altyapılarıyla aynı standartlarda tutmak anlamına geliyor.



Daha fazla bilgi edinmek ister misiniz? Google Cloud üzerinde yapay zeka destekli ajan çözümlerinizi tasarlamak, dağıtmak ve ölçeklendirmek için bizimle iletişime geçin.


Yazan: Ata Güneş

Yayınlanma Tarihi: 08.07.2026