LangChain'in DeepAgents çerçevesi

• Mevcut LLM tabanlı ajanlar genellikle araçları tekrar tekrar çağıran basit bir 'yüzeysel (shallow) ajan' yapısına sahipken, Deep Agents karmaşık ve uzun vadeli görevleri de derinlemesine çözebilen planlı ve yapısal yapay zeka ajanlarıdır
• Deep Research, Manus, Claude Code gibi yeni nesil ajanlar, daha derin konu keşfi ve bağlam yönetimi yapabilen 'deep agent' yaklaşımını hayata geçiriyor
  • Ayrıntılı sistem prompt'ları, planlama araçları, alt ajanlar ve dosya sistemi kullanımı, 'deep agent' yaklaşımının temelini oluşturur
• LangChain, herkesin kendi vertical'ına (alanına) uygun bir deep agent'ı kolayca oluşturabilmesi için açık kaynak deepagents paketini yayımladı
  • Özel prompt, araç ve alt ajan yapılandırmaları yapılabiliyor; araştırma, geliştirme ve daha birçok alanda uygulanabilecek genel amaçlı bir çerçeve sunuluyor

---

Mevcut LLM ajanlarının sınırları ve Deep Agents'ın özellikleri

• Geleneksel ajanlar: LLM döngü içinde yalnızca araç çağırır → kısa bağlam, yalnızca kısa vadeli ve basit işler için uygundur
• Deep Agents: uzun vadeli hedefleri ve karmaşık görevleri kendi başına parçalayabilir, planlayabilir, takip edebilir ve iş birliği içinde yürütebilir

Deep Agents'ı oluşturan 4 unsur

1. Ayrıntılı sistem prompt'u

   • Claude Code gibi önde gelen örneklerde olduğu gibi, araç kullanım biçimini ve davranış örneklerini ayrıntılı biçimde tanımlayan prompt'lar kullanılır
   • Karmaşık yönergeler ve few-shot örneklerle daha 'derin' düşünme ve uygulama teşvik edilir

2. Planlama aracı

   • Gerçek bir işlevi olmasa bile, 'To-Do listesi' gibi planlama araçları rutine dahil edilerek bağlam yönetimi ve yürütme kabiliyeti korunur
   • no-op (hiçbir şey yapmayan) olsa bile prompt içinde bağlam sağlama etkisi vardır

3. Alt ajanlar (Sub Agents)

   • Alt görevlere göre alt ajanlar oluşturulup iş bölümü yapılır, her ajan bağımsız şekilde çalıştıktan sonra sonuçlar birleştirilir
   • Büyük ölçekli ve karmaşık problemler paralel ve iş bölümlü bir yapıyla ele alınabilir

4. Dosya sistemi

   • Yalnızca gerçek dosya işlemleri için değil, not ve bağlam deposu olarak da kullanılır
   • Birden çok ajan ve alt ajan, dosya sistemini paylaşarak iş birliği yapabilir ve uzun vadeli bağlamı koruyabilir

LangChain'in Deep Agents çerçevesi: deepagents

• Açık kaynak Python paketi (pip install deepagents), özel prompt, araç ve alt ajan yapılandırmalarını destekler
  • Claude Code'dan ilham alan sistem prompt'u; daha genel kullanıma uygun hale getirilmiş
  • no-op ToDo listesi planlama aracı (Claude Code ile aynı)
  • Alt ajan oluşturma ve özel olarak tanımlama desteği
  • LangGraph kavramlarını kullanan sanal dosya sistemi (ajan durumunu kullanır)
• Örnek olarak bir deep research agent şablonu sunuluyor ve vertical'e özgü ajanlar kolayca üretilebiliyor

Kullanım örnekleri ve değeri

• Araştırma-geliştirme, kod üretimi, araştırma ve karmaşık otomasyon gibi uzun vadeli ve çok katmanlı yapay zeka işleri için optimize edilmiştir
• Ayrıntılı bağlam tasarımı ve iş bölümü yapısı sayesinde daha derinlikli sonuçlar üretilebilir
• Herkes kendi alanına uygun bir 'deep agent' kurabilir — yapay zeka kullanımında bir sonraki aşamayı işaret ediyor