AI Otomasyon
CrewAI vs LangGraph: Çoklu Ajan (Multi-Agent) Mimarileri Nasıl Kurulur?
Birden fazla AI ajanının (araştırmacı, yazar, denetçi, kodlayıcı) senkronize çalışarak karmaşık iş süreçlerini otonom tamamlamasını sağlayan kütüphanelerin analizi.
Özet & Doğrudan Çözüm (TL;DR)
CrewAI ve LangGraph, karmaşık iş süreçlerini tek bir devasa prompt yerine uzmanlaşmış roller üstlenen çoklu yapay zeka ajanlarına (Multi-Agent Swarm) paylaştıran iki lider mimaridir. CrewAI rol tabanlı işbirlikçi ekipler için hızlı ve beyin fırtınası odaklı bir soyutlama sunarken; LangGraph döngüsel durum makineleri (StateGraph), insan onayı kapıları (Human-in-the-loop) ve deterministik hata toleransı için kurumsal standarttır.
Önemli Çıkarımlar:
- Rol Tabanlı İş Bölümü: Araştırmacı, Veri Analisti, Kodlayıcı ve Kalite Denetçisi gibi uzman ajanların orkestrasyonu.
- LangGraph Durum Makinesi: Koşullu kenarlar (Conditional Edges), geri alma (Time-travel checkpointing) ve deterministik akış.
- Halüsinasyon İzolasyonu: Bir ajanın hatası diğer ajan tarafından denetlenip geri çevrilerek genel hata payı %80 azaltılır.
- Kurumsal Entegrasyon: LangGraph veritabanı persistence ve checkpointing ile uzun süren iş akışlarını güvenle yürütür.
1. Neden Tek Bir Büyük Prompt Değil de Çoklu Ajan?
Tek bir prompt içine tüm kuralları ve yüzlerce satırlık iş mantığını yığdığınızda, LLM'ler dikkat dağılması (attention distraction) yaşar ve kritik adımları atlar.
Çoklu ajan (Multi-Agent) mimarisinde ise her ajan dar ve uzmanlaşmış bir role sahiptir. Örneğin: Araştırmacı Ajan sadece veriyi toplar; Denetçi Ajan kaynakları doğrular; Yazıcı Ajan ise onaylı veriden nihai raporu üretir. Bir ajanın çıktısı diğerinin girdisi olur.
2. LangGraph ile Durum Makinesi (StateGraph) Kurulumu
LangGraph, ajanlar arası veri akışını Python tip tanımlı bir durum nesnesi (TypedDict) üzerinde döngüsel bir graf olarak yönetir:
from typing import TypedDict, Annotated, Sequence
import operator
from langgraph.graph import StateGraph, END
class AgentState(TypedDict):
input_task: str
draft_code: str
review_feedback: str
is_approved: bool
def coder_node(state: AgentState) -> AgentState:
# Kod yazan ajan mantığı...
return {"draft_code": "def solution(): return True"}
def reviewer_node(state: AgentState) -> AgentState:
# Kodu denetleyen ajan mantığı...
has_bugs = False
return {
"review_feedback": "Kod standartlara uygun." if not has_bugs else "Hatalar var.",
"is_approved": not has_bugs
}
def should_continue(state: AgentState) -> str:
return END if state.get("is_approved") else "coder"
# Graf oluşturma
workflow = StateGraph(AgentState)
workflow.add_node("coder", coder_node)
workflow.add_node("reviewer", reviewer_node)
workflow.set_entry_point("coder")
workflow.add_edge("coder", "reviewer")
workflow.add_conditional_edges("reviewer", should_continue, {"coder": "coder", END: END})
app = workflow.compile()3. CrewAI vs LangGraph: Hangisi Tercih Edilmeli?
Eğer amacınız hızlıca bir pazar araştırması veya içerik üretim ekibi kurup 30 satır kodla ayağa kaldırmaksa CrewAI sezgisel ve hızlıdır.
Ancak bankacılık, ERP entegrasyonu, ödeme sistemleri ve insan onay kapısı (human-in-the-loop) gerektiren deterministik süreçlerde LangGraph'ın durum yönetimi ve hata toleransı kesin tercihtir.
Sıkça Sorulan Sorular
Çoklu ajan sistemlerinde token maliyeti fırlar mı?
Evet. Ajanlar birbirleriyle konuştukça token tüketimi katlanabilir. Bunu önlemek için küçük modeller (Gemini Flash, GPT-4o-mini) ara adımlarda, büyük akıl yürütme modelleri ise yalnızca nihai denetim aşamasında kullanılmalıdır.
Ajanlar birbirini sonsuz döngüye sokarsa ne yapılır?
Graf tanımında maksimum yineleme sayısı (`recursion_limit`) belirlenerek sonsuz döngüler programatik olarak engellenir.
Doğrulanmış Kaynaklar ve Dokümantasyon
- LangGraph StateGraph & Multi-Agent ArchitectureResmi Doküman
- CrewAI Official Framework DocumentationResmi Doküman
- Multi-Agent System Architectures for Enterprise AutomationResmi Doküman
İlgili Teknik Rehberler
Bu mimariyle bağlantılı diğer üretim odaklı rehber ve vaka analizlerini inceleyin:
Claude Fable 5.1 & Claude Opus 5: 1M Token, Güvenli Tool Sandbox ve Subagent Koordinasyonu
Anthropic'in Eylül 2026'da sunduğu Claude Fable 5.1, Opus 5 ve Sonnet 5 modelleri ile 1M bağlam, allowlist subprocess sandbox'ı ve prompt caching rehberi.
LangGraph ile Döngüsel ve Stateful Ajan Mimarisi: StateGraph ve MemorySaver
LangChain ekibinin geliştirdiği LangGraph ile durum yönetimi (state management), döngüsel grafikler (cycles) ve kontrol edilebilir otonom AI ajanları inşa etme rehberi.
CrewAI ile Hiyerarşik Ajan Mimarisi: Manager LLM ve Görev Delegasyonu
CrewAI'da rol tabanlı ajanlar, yönetici (Manager) LLM koordinasyonu ve görevlerin uzmanlaşmış ajanlara otomatik dağıtılması mimarisi.