Çoklu Yapay Zeka Ajanların Süreç Devamlılığını Nasıl Sağlarsınız?

Çoklu yapay zeka ajanlardan oluşan sistemler, karmaşık iş akışlarını otomatikleştirmek için giderek daha fazla tercih ediliyor. Ancak bu sistemlerdeki en büyük zorluklardan biri, görevlerin beklenmedik şekilde sonlanması durumunda süreçlerin nasıl devam ettirileceğidir. Örneğin, bir koordinatör ajan üç alt ajanı görevlendiriyor ve ikinci ajanın işi henüz tamamlanmamışken koordinatörün oturumu sona eriyor. Yeni bir koordinatör göreve başladığında, önceki durum hakkında hiçbir bilgiye sahip olmadığı için tüm görevleri baştan başlatıyor. Bu da gereksiz tekrarlara, veri tutarsızlıklarına ve hatta sistem çökmesine yol açabiliyor.

Neden Koordinatörler Görev Devamlılığını Sağlayamıyor?

Çoğu çoklu ajan sistemi, görevlerin durumunu yalnızca geçici bellekte (context) saklıyor. Bu durum, geliştirme aşamasında sorun yaratmasa da üretim ortamında ciddi aksaklıklara neden olabiliyor. Özellikle uzun süreli iş akışlarında, koordinatörün oturumu herhangi bir anda sonlanabiliyor. Bu da görevlerin yarıda kalmasına ve yeni bir koordinatörün tüm süreci baştan başlatmasına yol açıyor. Üç temel senaryoda bu problemler kendini gösteriyor:

1. Tekrar eden görev çalıştırmaları: Yeni koordinatör, tamamlanmış görevleri yeniden başlatıyor ve bu da aynı çıktıların ikili olarak üretilmesine neden oluyor. Örneğin, bir ajan sabit bir dosyaya yazıyorsa, ikinci çalıştırma ilk çıktının üzerine yazıyor. Eğer ajanlar benzersiz dosyalara yazıyorsa, gereksiz kopyalar oluşuyor ve hangisinin geçerli olduğu belirsizleşiyor.

2. Kısmi tamamlanmış görevlerin kaybolması: İkinci ajanın görevi yüzde 40 tamamlamış olmasına rağmen, yeni koordinatör süreci sıfırdan başlatıyor. Bu da ajanın önemli miktarda API kullanımı ve zaman harcamasının boşa gitmesine neden oluyor.

3. Sıra ihlalleri: Koordinatörün A görevini B ve C’den önce tamamlaması gerekiyor. Ancak yeni koordinatör tüm görevleri aynı anda başlatıyor ve B, A’nın çıktısını okumadan önce çalışmaya başlıyor. Bu da verilerin güncel olmamasından kaynaklanan hatalı sonuçlara yol açıyor.

Hangi Yöntemler Yanlış Sonuçlara Yol Açıyor?

Birçok geliştirici, görevlerin tamamlanıp tamamlanmadığını belirlemek için çıktı dosyalarının varlığını kontrol ediyor. Ancak bu yaklaşım güvenilir değil. Örneğin, bir görev yarıda kesildiğinde dosya geçersiz bir durumda kalabiliyor ya da önceki bir çalıştırmanın artık dosyası var gibi görünebiliyor. Ayrıca, aynı görevin farklı çalıştırmalarda yeniden çalıştırılması gerektiğinde de bu yöntem geçersiz kalıyor.

Bir diğer yaygın hata da alt ajanların loglarını okumaya güvenmek. Bu loglar yalnızca ajanın içsel durumunu gösteriyor, koordinatörün hangi görevleri hangi bağlamda başlattığını ya da bu görevlerin bu çalıştırmaya ait olup olmadığını göstermiyor. En önemlisi de, koordinatörün belleğindeki bilgilerin oturum sona erdiğinde kaybolduğunu unutmamak gerekiyor. Diskte saklanmayan hiçbir veri, sistem yeniden başlatıldığında erişilebilir olmuyor.

Etkili Bir Çözüm: Görev Takip Defteri (Dispatch Ledger)

En güvenilir yöntemlerden biri, koordinatörün görevlerin durumunu ve tarihçesini kaydettiği yapılandırılmış bir dosya olan Görev Takip Defteri kullanmaktır. Bu defter, her koordinatör oturumunda okunuyor ve yeni bir koordinatörün görevlere devam etmesini sağlıyor. Örnek bir defter yapısı şu şekilde olabilir:

{
  "pipeline_id": "pipeline_orders_20260422_070001",
  "coordinator_started": "2026-04-22T07:00:01Z",
  "last_coordinator_heartbeat": "2026-04-22T07:04:17Z",
  "tasks": [
    {
      "task_id": "agent_order_1",
      "status": "COMPLETE",
      "dispatched_at": "2026-04-22T07:00:05Z",
      "completed_at": "2026-04-22T07:02:31Z",
      "output_path": "outputs/order_1_result_20260422.md"
    },
    {
      "task_id": "agent_order_2",
      "status": "IN_PROGRESS",
      "dispatched_at": "2026-04-22T07:00:06Z",
      "completed_at": null,
      "output_path": null
    },
    {
      "task_id": "agent_order_3",
      "status": "PENDING",
      "dispatched_at": null,
      "completed_at": null,
      "output_path": null
    }
  ]
}

Koordinatör her başladığında, defteri kontrol ediyor ve tamamlanmamış görevleri devam ettiriyor. Ayrıca, uzun süreli iş akışlarında koordinatörün hala çalışıp çalışmadığını anlamak için her 60 saniyede bir kalp atışı (heartbeat) güncelleniyor. Bu sayede, sistemdeki herhangi bir aksaklıkta yeni bir koordinatör devreye girerek görevleri düzgün bir şekilde tamamlayabiliyor.

Gelecekteki Sistemler İçin Öneriler

Çoklu ajan sistemlerinin güvenilirliğini artırmak için geliştiricilerin, görevlerin durumunu kalıcı olarak saklaması ve koordinatörler arasında senkronizasyonu sağlaması gerekiyor. Gelecekteki yapay zeka sistemlerinde, bu tür hata senaryolarını önlemek için otomatik durum yönetimi ve hata toleransı özellikleri standart hale gelecek. Bu sayede, karmaşık iş akışları daha güvenilir ve öngörülebilir bir şekilde yönetilebilecek.