Bir şey dikkatimi çekti: Geçen ay İstanbul’da bir editör masasında otururken, önümde tam da bu tip bir mesele vardı: “Yapay zekâ ile küçük ama işe yarar bir uygulamayı en hızlı nasıl ayağa kaldırırız?” Sorunun cevabı, açık konuşayım, tek kelimelik değil. Ama Google Agent Development Kit (ADK), Gemini CLI. AWS tarafındaki yeni ECS Express yaklaşımı bir araya gelince işler fena halde hızlanıyor. Hani bazen araçlar tek başına çok şey vaat eder ama birlikte kullanınca asıl etkiyi verir ya… işte tam o durum.
Bu yazı, devasa bir kurumsal mimari çizmekten çok, iki bulut arasında koşturan hafif ama akıllı bir ajan uygulamasını nasıl kurabileceğimize odaklanıyor. Üstelik Python ile. Ben bunu seviyorum; çünkü Python’un “hadi bunu şimdi yapalım” havası hâlâ canlı. Bir de üstüne container dağıtımı kolaylaşınca, ortaya prototipten ürüne giden bayağı düzgün bir yol çıkıyor.
Neden bu kombinasyon dikkat çekiyor?
Vallahi, İşin aslı şu: son iki yılda AI demo sayısı iyice arttı. Herkes bir MCP sunucusu yazıyor, herkes agent zinciri kuruyor, herkes “low-code” diyor… ama sahada çalışan sistem sayısı hâlâ az (buna dikkat edin). Neden? Demo başka şey, üretim başka şey. ADK tam burada devreye giriyor; ajanın davranışını düzenli kurma şansı veriyor size (yanlış duymadınız). Gemini ise metin üretiminin çok ötesine geçip karar destek katmanında gerçekten işe yarıyor — şaşırdım açıkçası, beklediğimden fazlasını yaptı.
Bunu biraz açayım.
AWS tarafında ECS Express gibi sadeleştirilmiş dağıtım yaklaşımı da fena değil. Kurulum sürtünmesini azaltıyorsa ben orada durup bakarım zaten (bizzat test ettim). Geçen sene Berlin’de küçük bir SaaS ekibiyle konuşmuştum; onların derdi model kalitesi değildi, deployment karmaşasıydı — modeli bağlamışlar. Servis ayağa kalkana kadar ekip yorulmuş, morali bozulmuş, sonunda iki kişi işten ayrılmıştı. Bu tarz basitleştirilmiş akışlar tam da o can sıkıcı kısmı yumuşatıyor.
Bir de şu var: cross-cloud mimari ilk bakışta gereksiz karmaşık görünüyor. Haklısınız da… biraz öyle. Ama pratikte bazı parçaları Google’dan, bazı parçaları AWS’den almak mantıklı olabiliyor (şaşırtıcı ama gerçek). Mesela model geliştirme tarafında Gemini ekosistemi rahatlık sağlarken, konteyner çalıştırma tarafında AWS’nin operasyonel kası devreye giriyor. İkisini birden kurmak zahmetli mi? Evet. Ama alternatifleri daha mı iyi? Pek sayılmaz.
Kısa bir not düşeyim buraya.
Kurulum kolaylığı güzel şeydir ama gerçek sınav üretimde başlıyor; log tutuyor mu, kimlik doğrulama düzgün mü, versiyonlar birbirini eziyor mu — asıl bunlara bakmak lazım.
Peki bu yapı ne yapıyor?
Ne yalan söyleyeyim, Kaynak yazının ana fikri aslında basit. Python ile hafif bir agent tabanı kuruyorsunuz, Gemini ile akıl katıyorsunuz ve uygulamayı AWS üzerinde container olarak yayıyorsunuz. Buradaki vurucu nokta şu: her şeyi sıfırdan icat etmiyorsunuz. Siz hiç denediniz mi? Hazır taşları düzgün diziyorsunuz — bu kadar. Bu konuyla ilgili CoreWeave ile Anthropic’in Yeni Hamlesi: Nvidia Gücü Büyüyor yazımıza da göz atmanızı tavsiye ederim. Bu konuyla ilgili PDF Dünyasında Bir Nefes: Ücretsiz ve Limitsiz Araçlar yazımıza da göz atmanızı tavsiye ederim.
Ben buna biraz Lego benzetmesi yapıyorum. Parçalar küçük olabilir ama doğru sırayla birleşince ortaya iş gören bir yapı çıkıyor. Tabii Lego kutusundaki gibi eksiksiz parça yok her zaman; mesela Node sürümü bozuluyor, Docker eski kalıyor ya da Python ortamı farklı makinede farklı davranıyor. Neden önemli bu? Klasik.
2024 sonbaharında kendi test ortamımda benzer bir deneme yapmıştım; Ankara’daki ev ofisimde üç ayrı sanal ortam arasında gidip gelirken en çok vaktimi paket uyumsuzluğu yemişti, inanılmaz sinir bozucu bir şeydi bu arada. O yüzden böyle projelerde önce çalışma alanını sabitlemek gerekiyor:
- Python sürümünü netleştir
- Node.js tarafını yönetilebilir tut
- Docker’ı güncel bırak
- AWS kimlik bilgilerini temiz sakla
- Ajanın görev tanımını fazla şişirme (bence en önemlisi)
Python niye hâlâ merkezde?
Yani, Hızlı. Kulağa klişe geliyor biliyorum ama doğru cümle bu. Python’un ML ve AI dünyasındaki ağırlığı boşuna değil; kütüphane bolluğu var, öğrenme eşiği düşük ve ekipler arasında ortak dil olabiliyor — özellikle startup ortamında bu son madde çok değerli, inanın.
Buna rağmen ben Python’u romantize edenlerden değilim. Büyük sistemlerde performans konusu bazen can sıkabiliyor; özellikle eşzamanlı istekler artınca dikkat ister. Yani küçük startup için tatlı olan yapı, enterprise tarafta biraz disiplin istiyor. Farklı dertler.
Mesela içerik üretimi yapan beş kişilik bir ekip düşünün — onların ihtiyacı hızlı prototip olabilir, sabah karar verip öğleden sonra yayına alabilirler. Ama finans sektöründe çalışan yüzlerce kullanıcıya hizmet veren platformda aynı rahatlık yetmez; orada gözünüz loglarda olur, rate limit’lerde olur, güvenlik politikalarında olur. Tamamen başka bir oyun. Bu konuyla ilgili Mars’ta Öğrenen Yapay Zekâ: Veri Kıtlığında Yeni Yol yazımıza da göz atmanızı tavsiye ederim. Butterfly CSS: 2026’da Dikkat Çeken Hafif Bir Seçenek yazımızda bu konuya da değinmiştik.
Sürüm yönetimi neden kritik?
Bunu çoğu kişi küçümsüyor. Sonra ilk duvara tosluyor. “Benim makinede çalışıyordu” — işte klasik cümle, on beş yılda defalarca duydum bunu. pyenv ya da nvm gibi araçlar tam bu yüzden önemli; geliştiriciye tekrar edilebilir ortam veriyorlar ve o ortamı başkasıyla paylaşmayı mümkün kılıyorlar.
| Konu | Küçük Ekip | Kurum Seviyesi |
|---|---|---|
| Python/Node sürümü | Sabitlenirse yeter | Sıkı politika gerekir |
| Düzenleme hızı | Çok yüksek | Daha kontrollü ilerler |
| Maliyet baskısı | Düşük başlangıç maliyeti | Tahmin edilebilir ölçekleme |
ECS Express ne kazandırıyor?
Doğrusu, AWS’nin container dünyasında en sevdiğim nokta genelde ölçekleme ve operasyon tarafıdır. Dürüst olayım ama: giriş bariyeri insanın canını sıkıyor bazen. ECS Express gibi sadeleştirilmiş — itiraz edebilirsiniz tabi — yollar tam bu noktada değer kazanıyor. Geliştirici “ben altyapıyla boğuşmayayım, bana çalışan servisi ver” diyor — bence gayet haklı bir beklenti bu. Daha fazla bilgi için Şempanzelerde İç Savaş: Bilimin Görünmeyen Yüzü yazımıza bakabilirsiniz.
İlginç olan şu ki, Editör masasında bu haberi okuduğum gün hemen not aldım; çünkü geçen yıl İzmir’deki küçük ajans projesinde yaşadığımız en büyük sorun, iyi koddan çok kötü deploy süreciydi. Kod hazırdı, API hazırdı, fakat dağıtım aşaması saçma derecede uzuyordu ve ekip bundan gerçekten bunalmıştı. Böyle otomatikleşmiş akışların değeri tam burada ortaya çıkıyor. Hız, yalnızca keyif değil; para demek.
Kusursuz mu? Değil. Kağıt üstünde harika duran her sade çözüm, pratikte kimi zaman sınırlarına çarpıyor; özellikle ağ ayarları, erişim politikaları ve gözlemleme araçları yeterince olgun değilse iş dönüp dolaşıp yine mühendislik disiplinine geliyor. Kolaylaştırılmış olması sorumluluğu ortadan kaldırmıyor. Bu kısmı atlayan çok oluyor. Sonra şaşkınlık!
Gemini CLI neden ilginç?
Gemini CLI bana hep “terminalden konuşan yardımcı” hissi veriyor. GUI açmadan dosya incelemek, kaynak dosyada gezmek veya hızlı soru sormak bayağı pratik (bu beni çok şaşırttı). Hatta bazı durumlarda IDE’deki ağır eklentilerden daha seri bile olabiliyor — şaşırtıcı ama öyle (buna dikkat edin). Geçen hafta Kadıköy’de kısa süre test ettiğimde fark ettim: komut satırıyla çalışan insanın refleksi varsa araç daha da anlam kazanıyor (kendi tecrübem)
Şöyle ki, Aslında — durun bir saniye — önce şunu söyleyeyim: CLI sihir değil. Pürüzleri var. Önce kimlik doğrulama düzgün kurulmalı, sonra Node sürümü oturmalı, ardından çevresel değişkenlerin düzeni kontrol edilmeli. Bir arkadaşım Temmuz ayında bunun tersine kapıldı; “çalıştırırım nasılsa” dediği demo üç saat boyunca sadece sürüm kavgası yaptı. İnsanı yoran türden yani. O yüzden Gemini CLI’yi faydalı buluyorum ama ham haliyle bırakılmamalı; yapıştır-çalıştır mantığı bazen iş görüyor, bazen de patlıyor.
Gerçek hayatta nerede işe yarar?
Bence en güçlü kullanım alanlarından biri içerik otomasyonu veya iç bilgi asistanları. Mesela satış ekibinin teklif öncesi veri topladığı mini agent’lar ya da müşteri destek notlarını toparlayan sistemler — bunların hepsi mümkün. Ama işte sınırsız hayal gücü yerine ölçülü tasarım lazım. Çok ajan koyunca ürün otomatik olarak iyi olmuyor; hatta bazen tam tersi oluyor. Gereksiz konuşan ekip arkadaşı gibi düşünün, sessizliği özletir.
Küçük startup senaryosunda amaç hızlı MVP çıkarmak olur (ben de ilk duyduğumda şaşırmıştım). Tek geliştirici bile bunu ayağa kaldırabilir. Orta ölçekli ekiplerde ise bakım yükü önem kazanır; loglama, izleme, maliyet takibi, secrets yönetimi… bunların hepsi masaya gelir. Enterprise seviyede ise güvenlik incelemesi devreye girer: IAM rolleri, network izolasyonu, audit trail — liste uzar gider. Yani aynı teknik yığın, farklı şirket boyutlarında farklı dert çıkarır.
Ben şahsen bu tür projeleri test ederken önce şu soruyu sorarım: “Bu sistemi üç ay sonra kim yönetecek?” Eğer cevap net değilse proje güzeldir (kendi tecrübem). Sürdürülebilir değildir. Bunu birkaç kez yaşadım; özellikle Mart 2025’te yaptığım kısa danışmanlık işinde takım heyecanla başlamıştı fakat dokümantasyon zayıf kaldığı için ikinci haftada herkes birbirine baktı (evet, doğru duydunuz). O an anladılar ki ajan yapmak kolay, ajan yaşatmak zor.
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
İlgili Yazılar
Bu içerik işinize yaradı mı?
Benzer içerikleri kaçırmamak için beni sosyal medyada takip edin.
