# Ozet  
Vercel, yapay zeka ajanlarını geliştirmek için araç sayısını artırmak yerine %80 oranında azaltarak daha etkili bir sistem oluşturdu. Bu, yaygın inanışın aksine, daha fazla araç ve entegrasyonun her zaman daha iyi sonuç vermediğini gösteriyor. Başarılı ajanlar, gerçek iş akışlarına dayanmalı, insan müdahalesiyle desteklenmeli ve karmaşık araç yığını yerine sadeleştirilmiş, iyi bakımı yapılmış bir "harness" (iş ortamı) ile desteklenmelidir.  

Ajanların performansı sadece modelin gücüne değil, aynı zamanda çevresindeki sistemlerin güncelliğine ve bakımına da bağlıdır. Modeller geliştikçe, eski iş akışları ve kısıtlamalar ajanların verimliliğini düşürebilir veya hatalı sonuçlara yol açabilir. Bu nedenle ajanların çevresindeki iş ortamı sürekli gözden geçirilmeli, güncellenmeli ve gereksiz karmaşıklıklardan arındırılmalıdır. Büyük AI şirketleri, modellerin gelişimiyle birlikte bu iş ortamlarını da sürekli iyileştirerek ajanların gerçek işlerde daha güvenilir ve etkili olmasını sağlıyor.  

# Ana Fikirler  
- Daha fazla araç eklemek her zaman ajanları daha iyi yapmaz; bazen azaltmak daha faydalıdır.  
- Ajanlar gerçek iş akışlarına dayanmalı ve insan onayı ile desteklenmelidir.  
- Ajanların çevresindeki iş ortamı (harness) sürekli bakım ve güncelleme gerektirir.  
- Model geliştikçe eski kısıtlamalar ajanların performansını olumsuz etkileyebilir.  
- Ajanlar, çevrelerindeki sistemlerin güncelliğine bağlı olarak doğru veya yanlış sonuçlar üretebilir.  
- Büyük AI şirketleri, modelleri ve iş ortamlarını birlikte geliştirerek ajanların verimliliğini artırıyor.  
- Ajanların işlevi ve erişim izinleri düzenli olarak gözden geçirilmeli ve gerektiğinde değiştirilmelidir.  
- Kanıt ve kaynak gösterme, ajan çıktılarının güvenilirliği için kritik önemdedir.  
- Ajanların gerçek iş değerini ölçmek ve gerektiğinde devreden çıkarmak önemlidir.  
- "Maintenance of Everything" kitabı, ajanların bakım ve sürdürülebilirliği için önemli bir referanstır.  

# Uygulanabilir Notlar  
- Ajan kurulumlarında araç ve entegrasyon sayısını artırmak yerine, mevcut araçların etkinliğini ve gerekliliğini düzenli olarak değerlendirin.  
- Ajanların iş akışlarını gerçek çalışanların uygulamalarına göre tasarlayın, teorik süreçlerden ziyade pratikte işe yarayan yöntemlere odaklanın.  
- Ajanların erişim izinlerini ve görev tanımlarını düzenli olarak gözden geçirip güncelleyin.  
- Ajan çıktılarının doğruluğunu ve kaynaklarını kontrol etmek için kanıt gösterme mekanizmaları oluşturun.  
- Ajanların performansını ve iş değerini düzenli olarak ölçün; gerekirse ajanları güncelleyin veya devre dışı bırakın.  
- Ajanların çevresindeki sistemlerin (wiki, süreçler, veri kaynakları) güncel ve doğru olmasına özen gösterin.  
- Ajan bakımını, yazılım bakımından farklı olarak sürekli ve dinamik bir süreç olarak planlayın.  
- Büyük AI platformlarının sunduğu gelişmiş iş ortamı (harness) çözümlerini takip edin ve mümkünse kullanın.  

# Anahtar Kavramlar  
- Ajan (Agent)  
- Harness (İş ortamı / çalışma alanı)  
- Model gelişimi ve sürüm değişiklikleri  
- İş akışı (Workflow)  
- Araç ve entegrasyon yönetimi  
- Kanıt ve kaynak gösterme (Proof)  
- Sistem bakımı ve sürdürülebilirlik  
- Vercel örneği  
- Maintenance of Everything (Stewart Brand kitabı)  
- Kodex (Codex) ve Claude Code platformları