{"id":36371,"date":"2025-12-14T19:31:00","date_gmt":"2025-12-14T16:31:00","guid":{"rendered":"https:\/\/fatihsoysal.com\/blog\/from-confusion-to-clarity-building-my-first-research-agent-in-googles-ai-intensive\/"},"modified":"2025-12-14T19:31:00","modified_gmt":"2025-12-14T16:31:00","slug":"from-confusion-to-clarity-building-my-first-research-agent-in-googles-ai-intensive","status":"publish","type":"post","link":"https:\/\/fatihsoysal.com\/blog\/from-confusion-to-clarity-building-my-first-research-agent-in-googles-ai-intensive\/","title":{"rendered":"From Confusion to Clarity: Building My First Research Agent in Google’s AI Intensive"},"content":{"rendered":"

<\/p>\n

G\u00fcn\u00fcm\u00fcz d\u00fcnyas\u0131nda bilgiye eri\u015fim hi\u00e7 olmad\u0131\u011f\u0131 kadar kolay, ancak bu durum beraberinde devasa bir karma\u015fay\u0131 da getiriyor. \u0130nternet, her an ak\u0131p giden veri selleriyle dolu; makaleler, raporlar, haberler ve sosyal medya payla\u015f\u0131mlar\u0131 adeta bir tsunami gibi \u00fczerimize geliyor. Bu yo\u011fun bilgi ak\u0131\u015f\u0131 i\u00e7inde, belirli bir konuda derinlemesine ve do\u011fru bilgiye ula\u015fmak, adeta bir samanl\u0131kta i\u011fne aramak gibi zorlu bir s\u00fcrece d\u00f6n\u00fc\u015febiliyor. Bir proje i\u00e7in pazar ara\u015ft\u0131rmas\u0131 yapmaya \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131z\u0131 veya karma\u015f\u0131k bir teknik konu hakk\u0131nda bilgi toplamaya u\u011fra\u015ft\u0131\u011f\u0131n\u0131z\u0131 d\u00fc\u015f\u00fcn\u00fcn; saatler s\u00fcren web taramalar\u0131, y\u00fczlerce sekme, birbirini tekrar eden veya \u00e7eli\u015fen bilgiler… \u0130\u015fte tam da bu noktada, yapay zeka destekli ara\u015ft\u0131rma ajanlar\u0131 imdad\u0131m\u0131za yeti\u015fiyor.<\/p>\n

Google’\u0131n yapay zeka alan\u0131ndaki yo\u011fun programlar\u0131na kat\u0131larak edindi\u011fim deneyimlerle, bu bilgi kaosuyla nas\u0131l ba\u015fa \u00e7\u0131k\u0131laca\u011f\u0131n\u0131 ve hatta ondan nas\u0131l de\u011fer yarat\u0131laca\u011f\u0131n\u0131 \u00f6\u011frendim. \u0130lk ara\u015ft\u0131rma ajan\u0131 projem, sadece bir teknik uygulama de\u011fil, ayn\u0131 zamanda bilgiye ula\u015fma ve onu anlama bi\u00e7imimizi k\u00f6kten de\u011fi\u015ftiren bir yolculuk oldu. Bu makalede, benimle birlikte s\u0131f\u0131rdan ba\u015flayarak, Google’\u0131n g\u00fc\u00e7l\u00fc yapay zeka ara\u00e7lar\u0131n\u0131 (\u00f6zellikle Gemini API’si) kullanarak nas\u0131l kendi ara\u015ft\u0131rma ajans\u0131n\u0131z\u0131 kurabilece\u011finizi ad\u0131m ad\u0131m ke\u015ffedece\u011fiz. Art\u0131k bilgi da\u011flar\u0131 aras\u0131nda kaybolmak yerine, ak\u0131ll\u0131 bir yard\u0131mc\u0131n\u0131n sizin i\u00e7in en de\u011ferli m\u00fccevherleri \u00e7\u0131karmas\u0131na izin vereceksiniz. Bu yolculuk, hem teknik yeteneklerinizi geli\u015ftirecek hem de ara\u015ft\u0131rma s\u00fcre\u00e7lerinize yepyeni bir boyut kazand\u0131racak.<\/p>\n

Yapay Zeka Ajanlar\u0131 ve B\u00fcy\u00fck Dil Modelleri (LLM’ler) D\u00fcnyas\u0131na Ho\u015f Geldiniz: Temelleri Anlamak<\/h2>\n

Yapay zeka ajanlar\u0131, belirli g\u00f6revleri otonom bir \u015fekilde yerine getirmek \u00fczere tasarlanm\u0131\u015f ak\u0131ll\u0131 sistemlerdir. \u00c7evrelerini alg\u0131layabilir, bu alg\u0131lara dayanarak kararlar alabilir ve eylemlerde bulunabilirler. T\u0131pk\u0131 bir insan\u0131n g\u00f6zlem yap\u0131p, d\u00fc\u015f\u00fcn\u00fcp, hareket etmesi gibi. Bu ajanlar\u0131n “beyin” i\u015flevini g\u00f6ren ana bile\u015fenlerden biri ise B\u00fcy\u00fck Dil Modelleri (LLM’ler), yani bizim \u00f6rne\u011fimizde Google Gemini gibi geli\u015fmi\u015f yapay zeka modelleridir. LLM’ler, muazzam boyutlarda metin verisi \u00fczerinde e\u011fitilerek, do\u011fal dil anlama, \u00fcretme, \u00f6zetleme, \u00e7eviri gibi bir\u00e7ok karma\u015f\u0131k dil g\u00f6revini ba\u015far\u0131yla yerine getirebilirler. Ara\u015ft\u0131rma ajan\u0131m\u0131z i\u00e7in LLM’ler, sadece bir metin \u00fcretme motoru de\u011fil, ayn\u0131 zamanda karma\u015f\u0131k problemleri analiz edebilen, stratejiler geli\u015ftirebilen ve hatta \u00f6\u011frenerek kendini geli\u015ftirebilen bir zeka \u00e7ekirde\u011fi g\u00f6revi g\u00f6recek.<\/p>\n

Peki, bu ikisi nas\u0131l bir araya geliyor? Bir ara\u015ft\u0131rma ajan\u0131, sadece bir LLM’den ibaret de\u011fildir. LLM, ajana karar verme ve mant\u0131k y\u00fcr\u00fctme yetene\u011fi kazand\u0131r\u0131rken, ajan\u0131n kendisi bu zekay\u0131 kullanarak d\u0131\u015f d\u00fcnyayla etkile\u015fime girmesini sa\u011flayan bir dizi mekanizma i\u00e7erir. \u00d6rne\u011fin, bir LLM’in tek ba\u015f\u0131na internette arama yapma yetene\u011fi yoktur; ancak bir ajan\u0131n i\u00e7ine entegre edildi\u011finde, LLM arama yapma ihtiyac\u0131n\u0131 tan\u0131mlayabilir, uygun arama sorgusunu olu\u015fturabilir ve hatta arama sonu\u00e7lar\u0131n\u0131 analiz edip \u00f6zetleyebilir. Bu, bir arac\u0131n beyni ile uzuvlar\u0131n\u0131 birle\u015ftirerek tam te\u015fekk\u00fcll\u00fc bir organizma olu\u015fturmaya benzer. Google AI Intensive program\u0131, bu entegrasyonu en verimli \u015fekilde nas\u0131l yapaca\u011f\u0131m\u0131z\u0131 anlamam\u0131z i\u00e7in kritik bilgiler ve pratik deneyimler sundu. Program boyunca, sadece teorik bilgilerle yetinmek yerine, Gemini API’sinin esnekli\u011fini ve g\u00fcc\u00fcn\u00fc ke\u015ffederek, kendi yapay zeka ajanlar\u0131m\u0131z\u0131 tasarlama ve geli\u015ftirme becerilerini edindik. Bu temelleri sa\u011flam bir \u015fekilde anlamak, ajan\u0131n karma\u015f\u0131k ara\u015ft\u0131rma g\u00f6revlerini nas\u0131l ba\u015far\u0131yla tamamlayabilece\u011fini kavramak i\u00e7in hayati \u00f6nem ta\u015f\u0131yor.<\/p>\n

Ara\u015ft\u0131rma Ajan\u0131 Mimarisi Nas\u0131l Tasarlan\u0131r? Bir Ara\u015ft\u0131rma Ajan\u0131n\u0131n Anatomisi: Beyin, G\u00f6zler ve Kollar<\/h2>\n

Etkili bir ara\u015ft\u0131rma ajan\u0131 olu\u015fturmak, t\u0131pk\u0131 karma\u015f\u0131k bir makine in\u015fa etmek gibidir; her bir par\u00e7an\u0131n belirli bir amac\u0131 vard\u0131r ve uyum i\u00e7inde \u00e7al\u0131\u015fmas\u0131 gerekir. Bir ara\u015ft\u0131rma ajan\u0131 mimarisini tasarlarken, insan zihninin ara\u015ft\u0131rma yapma bi\u00e7imini taklit etmeye \u00e7al\u0131\u015f\u0131r\u0131z. Bu mimariyi genelde \u00fc\u00e7 ana mod\u00fcle ay\u0131rabiliriz: Planlama (Beyin), Y\u00fcr\u00fctme (Kollar) ve Yans\u0131tma\/\u00d6\u011frenme (G\u00f6zler ve Haf\u0131za).<\/p>\n

1. Planlama Mod\u00fcl\u00fc (Beyin): G\u00f6revi Anlamak ve Strateji Geli\u015ftirmek<\/b><\/p>\n

Bu mod\u00fcl, ajan\u0131n g\u00f6revi analiz etti\u011fi ve bir yol haritas\u0131 \u00e7\u0131kard\u0131\u011f\u0131 yerdir. Kullan\u0131c\u0131n\u0131n bir ara\u015ft\u0131rma sorgusu (“2023’teki s\u00fcrd\u00fcr\u00fclebilir enerji trendleri nelerdir?” gibi) ile ba\u015flad\u0131\u011f\u0131nda, planlama mod\u00fcl\u00fc devreye girer. Bu a\u015famada, B\u00fcy\u00fck Dil Modeli (LLM) merkezi bir rol oynar. LLM, karma\u015f\u0131k bir ara\u015ft\u0131rma sorusunu daha k\u00fc\u00e7\u00fck, y\u00f6netilebilir alt g\u00f6revlere b\u00f6ler. \u00d6rne\u011fin, “s\u00fcrd\u00fcr\u00fclebilir enerji trendleri” sorgusu \u015fu alt g\u00f6revlere ayr\u0131labilir:<\/p>\n