Açıklayıcı
Agent harness nedir ve WhatsApp desteğinin neden buna ihtiyacı var
Müşteri mesajlaşmasındaki yapay zekânın çoğu tek soru, tek yanıttır. Agent harness, bir dil modelini vakayı yürütebilen bir şeye dönüştürür: plan yapar, araç kullanır, işini kontrol eder ve hatırlar. Bunun ne anlama geldiğini, bugün hangi harness'lerin bulunduğunu ve MonoChat'te şimdi nasıl çalıştırılacağını burada bulabilirsiniz.
Ya da 150 USD krediyle başlayın; Growth planının ilk ayını karşılar
Yayın tarihi:
Geçtiğimiz yıl yapay zekâ tartışmasının odağı sessiz sedasız modellerden, modelleri çevreleyen katmana kaydı. Aynı model tek bir mesaja yanıt veren bir chatbot da olabilir, bir teslimat sorununu üç sistem ve iki gün boyunca takip ederek çözen bir ajan da. Farkı yaratan model değil; agent harness (ajan çerçevesi), yani kısaca harness.
Bu makale fikri sade bir dille açıklıyor, bugün kullanabileceğiniz harness'leri karşılaştırıyor ve MonoChat'in artık işletmelerin gelen kutularındaki WhatsApp'ta, Instagram'da, web sohbetinde ve diğer tüm kanallarda bir harness çalıştırmasına nasıl olanak tanıdığını gösteriyor.
Agent harness nedir?
Agent harness, büyük bir dil modelini saran ve onun yalnızca yanıt vermesini değil, harekete geçmesini sağlayan yazılım katmanıdır. Model akıl yürütür ve sıradaki adıma karar verir. Harness bu kararı uygular, sonucu modele geri iletir ve iş bitene kadar döngüyü tekrarlar. Kısaca: ajan = model + harness.
Terim, ekipler Claude Code ve Codex gibi kodlama ajanlarının güvenilirliğini büyük ölçüde tek başına modele değil, bu çevreleyen katmana borçlu olduğunu fark ettikten sonra yaygınlaştı. Bugün Anthropic, OpenAI, Google ve Microsoft, harness'larını geliştiricilerin üzerine inşa edebileceği ürünler olarak sunuyor.
Bir harness nelerden oluşur
- Döngü: Düşün, harekete geç, gözlemle, tekrarla. Harness, görev tamamlanana ya da bir insana ihtiyaç duyulana kadar devam eder.
- Araçlar: Modelin çağırabileceği fonksiyonlar: sipariş sorgulamak, rezervasyon bulmak, iade başlatmak, bilgi bankasında arama yapmak. Çoğu zaman MCP üzerinden bağlanır.
- Hafıza ve durum: Bu vakada daha önce neler olduğu, müşterinin tercihleri ve hangi çözümlerin denendiği; mesajlar ve oturumlar boyunca saklanır.
- Bağlam yönetimi: Modelin her adımda neyi göreceğine karar vermek ve uzun geçmişleri özetlemek (sıkıştırmak); böylece önemli kısımlar hep görünür kalır.
- Korkuluklar ve onaylar: Maliyeti olan ya da geri alınamayan işlemler için yetkiler, politikalar ve insan onayı noktaları.
- Sandbox ve dosyalar: Ajanın canlı sistemlere dokunmadan kod çalıştırabileceği, belge hazırlayabileceği ya da teklif hesaplayabileceği izole bir çalışma alanı.
- İzleme ve değerlendirme: Her adımın ve araç çağrısının kaydı; ekipler ajanın neden öyle davrandığını görebilir ve performansını çok sayıda çalıştırma üzerinden ölçebilir.
Inference ve harness: farkı ne?
Inference, bir modele yapılan tek bir çağrıdır (çıkarım): bir prompt gönderirsiniz, model metin döndürür ve iletişim orada biter. Hızlı, ucuz ve öngörülebilirdir; bir mesajı sınıflandırmak, yanıt taslağı hazırlamak ya da bir konuşmayı özetlemek gibi pek çok iş için tam da doğru araçtır.
Harness ise çok sayıda inference çağrısını bir döngü içinde çalıştırır ve etrafına gereken her şeyi ekler: araçlar, hafıza, kontroller ve sınırlar. Görev başına daha yavaştır ve daha fazla token harcar; ancak birden fazla adım, dış veri ya da süreç içinde karar gerektiren işleri bitirebilir.
| AI inference | Agent harness | |
|---|---|---|
| Nedir | Modele tek istek, tek yanıt | Modelin etrafında planlayan, uygulayan ve kontrol eden bir döngü |
| Görev başına adım | Bir | Belirlediğiniz sınırlar içinde görev ne kadar gerektiriyorsa |
| Araçlar ve sistemler | İsteğe bağlı, genellikle tek bir fonksiyon çağrısı | Vakanın gerektirdiği şekilde çağrılan ve zincirlenen çok sayıda araç |
| Hafıza | Yalnızca prompt'ta olanlar | Adımlar ve oturumlar boyunca saklanan vaka geçmişi ve durum |
| Bir şey ters gittiğinde | Ne ürettiyse onu döndürür | Hatayı fark eder, yeniden dener ya da bir insana sorar |
| En uygun olduğu işler | Sınıflandırma, taslak, özet, tekil yanıtlar | Vaka çözme, çok adımlı talepler, günlere yayılan takipler |
| Maliyet ve hız | En düşük maliyet, neredeyse anlık | Daha yüksek token kullanımı, görev başına saniyeler ile dakikalar |
Pratikte iyi ekipler ikisini birlikte kullanır: hızlı ve net tanımlı adımlar için inference, işin gerçekten birden fazla adım gerektirdiği yerlerde harness.
Harness, WhatsApp müşteri desteğinde neyi değiştirir
Yanıt vermek ile çözmek arasındaki fark en çok müşteri mesajlaşmasında hissedilir. Müşteri "siparişim hâlâ gelmedi" yazdığında, durumun kendisine açıklanmasını değil, çözülmesini bekler.
Vakalar yalnızca yanıtlanmaz, çözülür
Ajan aynı konuşma içinde siparişi bulabilir, kargo firmasını kontrol edebilir, paketin takıldığını görebilir, hasar kaydı açabilir ve yeni ürün gönderimi önerebilir.
Söz vermeden önce kontrol eder
Stok, fiyat, randevu saatleri ve politikalar, eğitim verisinden tahmin edilmek yerine yanıt anında sizin sistemlerinizde doğrulanır.
Vakayı hatırlar
Müşteri ertesi gün geri döndüğünde, 24 saatlik WhatsApp penceresi kapanmış olsa bile ajan neyin denendiğini ve ne sözü verildiğini bilir.
Zaman içinde takip eder
Bir iadenin hesaba geçmesini ya da bir parçanın gelmesini beklemek gibi uzun süreli görevler devam edebilir; bir şey değiştiğinde ajan, WhatsApp'ın gerektirdiği yerlerde onaylı şablonları kullanarak müşteriye mesaj atar.
Kontrol insanlarda kalır
Belirli bir tutarın üzerindeki iadeler, iptaller ya da hassas her işlem bir ekip üyesinin onayını bekler; bir insana devirde tüm geçmiş korunur.
Her adım görünür
Araç çağrıları ve kararlar kaydedilir; böylece yöneticiler ajanın neden öyle davrandığını inceleyip talimatları iyileştirebilir.
Bir örnek: WhatsApp üzerinden iade
- Müşteri hasarlı ürünün fotoğrafını gönderir ve iade talep eder.
- Ajan siparişi bulur, iade süresi içinde olduğunu kontrol eder ve fotoğrafı inceler.
- E-ticaret sisteminizde iadeyi oluşturur ve ertesi gün için kurye alımı planlar.
- İade tutarı otomatik onay limitinin üzerinde olduğu için, gelen kutusu içinden bir ekip üyesinden onay ister.
- Onayın ardından müşteriye bilgi verir; iki gün sonra kurye paketi okuttuğunda da iade onayını gönderir.
Yalnızca inference ile bu, iade politikasını anlatan bir chatbot olur. Harness ile iadenin kendisi olur.
Bugün kullanabileceğiniz agent harness'lar
Artık pek çok şirket ve açık kaynak proje, üzerine inşa edebileceğiniz bir harness sunuyor. Bunlar kimin barındırdığı, hangi modelleri çalıştırdığı ve kutudan çıktığı haliyle ne kadarını içerdiği konusunda farklılaşıyor.
| Harness | Geliştiren | Barındırma ve lisans | Modeller | Öne çıkanlar |
|---|---|---|---|---|
| Claude Agent SDK | Anthropic | Kütüphane (Python, TypeScript) | Claude | Claude Code'un arkasındaki harness: araçlar, MCP, alt ajanlar, skill'ler, bağlam sıkıştırma, yetkiler |
| Claude Managed Agents | Anthropic | Barındırılan API (Nisan 2026'dan beri herkese açık beta) | Claude | Döngüyü Anthropic çalıştırır: sandbox içinde yürütme, uzun süreli oturumlar, çoklu ajan çalışması, izleme |
| OpenAI Agents SDK | OpenAI | Açık kaynak, MIT (öncelik Python) | OpenAI modelleri, adaptörlerle diğerleri | Farklı sağlayıcılardan sandbox'lar, hafıza, MCP, skill'ler, AGENTS.md, kaldığı yerden devam edebilen çalıştırmalar |
| Codex | OpenAI | CLI açık kaynak (Apache 2.0) ve bulut | OpenAI modelleri | Kendi servislerinizden çalıştırmak için SDK'sı olan kodlama ajanı harness'ı |
| Agent Development Kit (ADK) | Açık kaynak, Apache 2.0 (Python, Java, Go, TypeScript) | Varsayılan olarak Gemini, modelden bağımsız | Çoklu ajan ağaçları, MCP, Agent2Agent (A2A) protokolü, yerleşik değerlendirme | |
| Agent Framework | Microsoft | Açık kaynak, MIT (Python, .NET) | Azure OpenAI, OpenAI, Anthropic ve diğerleri | Temmuz 2026'dan beri kararlı harness: araç döngüsü, geçmiş, sıkıştırma, skill'ler, onaylar, OpenTelemetry |
| Deep Agents | LangChain | Açık kaynak, MIT | Modelden bağımsız | LangGraph üzerinde planlama, alt ajanlar, dosya sistemi ve bağlam mühendisliği |
| Pi | Earendil Works | Açık kaynak, MIT | Her sağlayıcı, kendi anahtarınızla | Bilinçli olarak minimal çekirdek (okuma, yazma, düzenleme, shell), paylaşılabilir skill'lerle genişletilir |
| Mastra | Mastra | Açık kaynak (TypeScript) | Modelden bağımsız | Kalıcı konuşma dizileri, araç onayları ve yerel bir studio sunan ajanlar |
| OpenCode | OpenCode | Açık kaynak, MIT | Modelden bağımsız | Plan ve build ajanları, SDK, terminal ve masaüstü |
Detaylar hızla değişiyor; güncel durum için her projenin dokümantasyonuna göz atın. Ürün adları ve logolar sahiplerine aittir.
Bu yazıda karşılaştırılan harness’lar
Peki Meta'nın kendi Business Agent'ı?
Meta, 2026'da WhatsApp, Instagram ve Messenger için kendi yapay zekâ ajanı Meta Business Agent'ı kullanıma sundu. Bu, aslında Meta'nın geliştirip çalıştırdığı bir harness: içeriğinizden yanıt üretiyor, bağlı sistemleri çağırıyor ve konuşmayı ekibinize devrediyor.
Pek çok küçük işletme için iyi bir seçenek. Ancak kapalı bir sistem: modeli seçemiyorsunuz, konuşma verileri Meta bünyesinde kalıyor, finans ve sağlık gibi bazı sektörler kapsam dışında ve Ağustos 2026'dan beri token başına ücretlendiriliyor; Meta'nın kendi tahminine göre mesaj başına yaklaşık 4 ila 5 ABD senti.
Yaklaşımlar nasıl karşılaştırılıyor
| Mesajlaşma platformunun yerleşik yapay zekâ ajanı | Meta Business Agent | MonoChat'te Agent Harness | |
|---|---|---|---|
| Model seçimi | Genellikle sabit ya da kısa bir liste | Hayır | Evet, bağladığınız herhangi bir model |
| Kendi harness'ınızı getirme | Hayır | Hayır | Evet: Claude Agent SDK, OpenAI Agents SDK, Pi, barındırılan Claude ve OpenAI ajanları ya da kendi ajanınız (ADK, LangGraph ve diğerleri özel bir uç nokta üzerinden) |
| Barındırılan, kodsuz seçenek | Evet | Evet | Evet |
| Kendi araçlarınız ve API'leriniz | Sınırlı entegrasyonlar | Konnektörler | AI fonksiyon araçları, MCP, bilgi bankası ve özel fonksiyonlar |
| Akışlarınızın ve uygulamalarınızın içinde | Ayrı bot oluşturucu | Akışlarınızdan ayrı | Akışlarda bir AI Agent düğümü ve yapay zekâ çıkarımının yanında bir ajan çalıştırma API'si |
| Ekibinize devir | Evet | Evet, thread kontrolüyle | Tam geçmiş ve onaylarla ekip gelen kutusu |
| Verinin bulunduğu yer | Sağlayıcının platformu | Meta | MonoChat ve seçtiğiniz sağlayıcılar |
Ekim 2026 itibarıyla kamuya açık ürün bilgilerine dayanmaktadır. İncelediğimiz mesajlaşma platformlarının çoğu yerleşik bir yapay zekâ ajanı sunuyor; ancak bir işletmenin aynı gelen kutusu ve akışlar içinde hem barındırılan bir harness çalıştırmasına hem de kendi harness'ını bağlamasına olanak tanıyan bir platforma rastlamadık.
MonoChat'te agent harness'ler, artık kullanılabilir
MonoChat zaten dil modelinizi ve vektör veritabanınızı seçmenize izin veriyor: bizim sağladıklarımızı kullanın veya kendinizinkini bağlayın. Harness'ler de artık aynı şekilde çalışıyor.
Bugün kullandığınız yapay zekâ çıkarımının yanında MonoChat artık AI Harness'e sahip: bir kez eklediğiniz ve herhangi bir akıştaki AI Agent düğümünden ya da ajan çalıştırma API'sinden kullandığınız bir hizmet tanımı. Düğümü bir akışa bırakın; konuşma, plan yapabilen, araçlarınızı kullanabilen ve ekibinize devredebilen bir ajana verilir.
- MonoChat'in yerleşik harness'ini, kod yazmadan, MonoChat'te zaten sahip olduğunuz yapay zekâ modelleriyle kullanın
- Ya da Claude Agent SDK, OpenAI Agents SDK veya Pi'yi seçin; MonoChat bunları yapay zekâ modellerinizde, ek bir kurulum gerekmeden çalıştırır
- Barındırılan bir ajan kullanın: OpenAI Agents API veya Claude Managed Agents, kendi OpenAI veya Anthropic anahtarınızla
- Ya da Google ADK, Microsoft Agent Framework, Deep Agents, LangGraph, CrewAI veya kendi kodunuzla geliştirdiğiniz kendi harness'inizi bir uç nokta URL'si ve paylaşılan bir gizli anahtarla bağlayın
- Ona araçlarınızı verin: AI fonksiyon araçları, MCP sunucuları, bilgi bankası ve özel fonksiyonlar
- WhatsApp'ta, Instagram'da, Messenger'da, Telegram'da, TikTok'ta, web sohbetinde, SMS'te ve sesli kanalda akışlar içinde çalıştırın
- Bir ana, bir yedek ve bir hızlı model seçin, çalıştırma başına bir bütçe belirleyin ve konuşmayı ekip gelen kutusunda tüm geçmişiyle ekibinize devredin
- Inference ile birlikte kullanın: hızlı adımlar tek bir çağrıyla, karmaşık vakalar harness ile
Ne zaman inference, ne zaman harness kullanılmalı
- Tek adımlı işler için inference kullanın: etiketleme, yönlendirme, çeviri, yanıt taslağı hazırlama, konuşma özetleme.
- Müşterinin talebi birden fazla adım, sistemlerinizden veri ya da süreç içinde bir karar gerektiriyorsa harness kullanın.
- Küçük başlayın: harness'a iki üç araç ve bir onay kuralı verin, ölçün, ardından yetki alanını genişletin.
Artık MonoChat'te kullanılabilir
Agent Harness artık MonoChat'te kullanılabilir. Ücretsiz bir hesap oluşturun, kanallarınızı bağlayın, bir AI Harness ekleyin ve ilk ajanınızı devreye almak için bir akışa AI Agent düğümü bırakın.
Tüm harness sağlayıcılarını, model rollerini ve SSS'yi Agent Harness sayfasında görün
WhatsApp'ta bir agent harness çalıştırın
Kaynaklar ve ek okumalar
- Databricks: What is an AI agent harness?
- Anthropic: Claude Agent SDK overview
- Anthropic: Claude Managed Agents overview
- OpenAI: The next evolution of the Agents SDK
- Google: Agent Development Kit
- Microsoft: Agent Framework documentation
- LangChain: Deep Agents
- WhatsApp Business: Introducing Meta Business Agent
- Meta: WhatsApp Business Platform pricing