Kurumsal AI Ajan Geliştirme: Hazır Platform, Açık Kaynak Çatı, Otomasyon Aracı ve Özel Geliştirme
Kontrol, gözlemlenebilirlik, maliyet yapısı, MCP desteği ve veri güvenliği — hangi olgunluk seviyesine hangi yaklaşımın uyduğu, kaynaklı ve sıralamasız.
Kısa cevap: Kurumsal AI ajanı kurmanın dört yolu var ve seçim, ürünün marka gücünden çok kurumun olgunluk seviyesine bağlı. Ne yapacağını henüz yazamıyorsanız hazır platform (Copilot Studio, Gemini Enterprise) keşfi ucuzlatır; süreç netleşip hacim arttığında açık kaynak çatılar (LangGraph, LlamaIndex, CrewAI) kontrolü geri verir; sistemler arası veri taşıma ağırlıklı işlerde otomasyon araçları (n8n, Make) yeter; çekirdek iş mantığına dokunan ajanlarda ise özel geliştirme gerekir. Aşağıdaki tabloda yalnız resmî kaynaklardan doğrulayabildiklerimiz var.
Karşılaştırma kriterleri
"Hangi ajan platformu daha iyi?" sorusunun cevabı yok; çünkü bu dört yaklaşım aynı işi yapmıyor. Karşılaştırmayı anlamlı kılan altı boyut şunlar:
- Kontrol derinliği: Ajanın kararını, hafızasını, araç çağrısını ve hata davranışını ne kadar değiştirebiliyorsunuz? Hazır platformda platformun izin verdiği kadar; kod tabanlı çatıda tamamı.
- Gözlemlenebilirlik: Ajan yanlış bir şey yaptığında neden yaptığını görebiliyor musunuz? Adım adım iz kaydı, girdi/çıktı saklama, maliyet takibi ve değerlendirme seti çalıştırma yeteneği — üretimdeki tek gerçek güvence budur.
- Maliyet yapısı ve öngörülebilirliği: Koltuk başına mı, kredi/mesaj başına mı, çalıştırma başına mı ödüyorsunuz? Ajan iş yükleri değişkendir; birim yanlış seçilirse başarı faturayı cezalandırır.
- MCP ve standart uyumu: Araç entegrasyonlarınız standart bir protokolle mi yazılıyor, yoksa platforma özgü biçimde mi? Bu, iki yıl sonraki geçiş maliyetinizi bugünden belirler.
- Veri güvenliği ve veri konumu: Kurumun belgeleri ve iş verisi nerede işleniyor? KVKK kapsamındaki senaryolarda bu kriter, teknik kriterlerden önce eler.
- Gereken ekip ve olgunluk: Düşük kodlu arayüzü iş birimi kullanabilir; kod tabanlı çatı Python/TypeScript geliştirici ister. Kurumun gerçek kapasitesine dürüst bakmak gerekir.
Kriter bazlı karşılaştırma tablosu
Bilgiler 9 Ağustos 2026 itibarıyla üreticilerin resmî fiyat/ürün sayfaları ve projelerin resmî kod depolarından derlenmiştir. Koltuk fiyatını kamuya açık yayımlamayan platformlar için üçüncü taraf sitelerdeki rakamları kullanmadık; o hücreler "—"dır. Aylık/yıllık faturalama ayrımı, üreticinin kendi sayfasındaki ifadeyle verilmiştir.
| Kriter | Hazır ajan platformları | Açık kaynak çatılar | Otomasyon araçları | Özel geliştirme |
|---|---|---|---|---|
| Temsilciler | Microsoft Copilot Studio; Google Gemini Enterprise ve Gemini Enterprise Agent Platform | LangChain / LangGraph, LlamaIndex, CrewAI | n8n, Make | Kuruma özel yazılan, kaynak kodu kuruma ait ajan sistemi |
| Kurulum modeli | Üreticinin bulutunda, düşük kodlu tasarımcı + kurumsal veri kaynaklarına hazır bağlayıcılar | Kod kütüphanesi; ajanı siz yazar, istediğiniz altyapıda çalıştırırsınız | Görsel akış tasarımı; LLM adımı akışın bir düğümü. n8n kendi sunucunuzda da çalışır, Make yalnız bulut | Kurumun kendi bulutu veya şirket içi; mimari baştan sizin gereksiniminize göre |
| Fiyat modeli (erişim 09.08.2026) | Copilot Studio: 25.000 Copilot Credit içeren kapasite paketi $200,00/ay (ön satın alma planı) + kullandıkça öde seçeneği; Microsoft 365 Copilot $30,00 kullanıcı/ay (yıllık ödemeli). Gemini Enterprise: Business/Standard/Plus/Frontline/Kullandıkça-öde sürümleri var, koltuk fiyatı resmî sayfada yayımlanmıyor — | Çatılar ücretsiz. Yönetilen izleme/dağıtım katmanı ayrı: LangSmith Developer $0 (1 koltuk, ayda 5.000 temel iz), Plus $39/koltuk/ay (10.000 temel iz), Enterprise teklif usulü. CrewAI: Basic ücretsiz (ayda 50 iş akışı çalıştırması), Enterprise teklif usulü | n8n bulut (yıllık faturalandırmayla): Starter €20/ay – 2.500 çalıştırma; Pro €50/ay – 10.000; Business €667/ay – 40.000 (+ şirket içi barındırma, SSO/SAML/LDAP); topluluk sürümü kendi sunucunuzda ücretsiz. Make: Free $0 (ayda 1.000 kredi), Core $9/ay, Pro $16/ay, Teams $29/ay (ücretli planlarda gösterilen tutarlar ayda 10.000 kredi içindir); yıllık ödemede %15+ tasarruf | Tek seferlik geliştirme bedeli + işletme (model API'si veya kendi altyapınız); koltuk/kredi aboneliği yok |
| Kontrol derinliği | Platformun izin verdiği kadar: konu/akış, istem ve bağlayıcı düzeyinde | En yüksek: akış grafiği, bellek, araç çağrısı, insan onayı ve hata yönetimi tamamen kodda | Orta: akış mantığı görsel ve nettir, karmaşık ajan davranışı sınırlıdır | Tam |
| Gözlemlenebilirlik | Platformun kendi izleme ekranları; Copilot Studio'da MCP çağrılarında hangi sunucu ve aracın çalıştığı izlenebiliyor | Kütüphane tek başına vermez; LangSmith gibi bir iz/değerlendirme katmanı ya da kendi telemetriniz gerekir | Çalıştırma günlükleri ve hata izleri araç içinde (n8n Pro'da tam metin günlük araması) | İhtiyaç kadar: iz kaydı, değerlendirme seti ve denetim günlüğü baştan tasarlanır |
| MCP desteği | Copilot Studio: genel kullanıma açık (Microsoft duyurusu, 29.05.2025). Diğer platformlarda üreticiye göre değişir — resmî belgeden doğrulayın | CrewAI resmî deposunda MCP ve A2A için "yerel destek" belirtiliyor; LangGraph ve LlamaIndex ekosistemlerinde MCP bağdaştırıcıları mevcut | — (sürüme ve eklentiye göre değişir; resmî belgeden doğrulanmalı) | Standardı doğrudan uygularsınız; istemci ve sunucu tarafı sizde |
| Veri güvenliği / konumu | Üreticinin bulut sözleşmesi ve uyumluluk çerçevesine bağlı; veri konumu maddesi sözleşmede netleştirilmeli | Tam kontrol — kendi bulutunuzda veya şirket içinde çalıştırılabilir (yönetilen izleme katmanı seçilirse izler o servise gider) | n8n topluluk/şirket içi kurulumda veri sizde kalır; Make bulut SaaS'tir | Tam kontrol; yerinde çalıştırma ve KVKK-hassas senaryolar için uygun |
| Lisans | Tescilli, abonelik | MIT (LangGraph, LlamaIndex, CrewAI); yönetilen bulut hizmetleri tescilli | n8n: Sustainable Use License 1.0 ("fair-code"; OSI tanımına göre açık kaynak değil), ".ee" dosyaları Enterprise lisansı ister. Make: tescilli SaaS | Kaynak kodu kuruma ait — sözleşmede açıkça yazılır |
| Gereken ekip / olgunluk | Düşük: iş birimi + BT desteği. Başlangıç ve keşif aşaması | Yüksek: Python/TypeScript geliştirici, sürüm ve dağıtım disiplini | Düşük-orta: entegrasyon bilen BT ekibi | Yüksek: net tanımlı süreç, kabul kriteri ve iç sahip gerekir |
| Tedarikçiye bağımlılık | Yüksek: akışlar, bağlayıcılar ve ajan tanımları platforma özgüdür | Düşük: kod sizde. Yönetilen izleme katmanı seçilirse kilit orada oluşur | Orta: akışlar araca özgüdür; n8n'i kendi sunucunuzda barındırmak çıkışı kolaylaştırır | Düşük — buna karşılık bakım ve güncelleme sorumluluğu kurumdadır |
Kaynaklar: Microsoft Copilot Studio resmî fiyat sayfası (erişim 09.08.2026); Microsoft Copilot blogu, MCP genel kullanım duyurusu (29.05.2025); Google Cloud blogu, Gemini Enterprise Agent Platform (22.04.2026) ve Gemini Enterprise sürüm karşılaştırması; LangChain/LangSmith fiyat sayfası (erişim 09.08.2026) ve LangGraph deposu (MIT); LlamaIndex deposu (MIT); CrewAI deposu (MIT) ve CrewAI fiyat sayfası; n8n fiyat sayfası ve Sustainable Use License 1.0; Make fiyat sayfası; Model Context Protocol resmî sitesi.
Seçeneklerin güçlü ve zayıf yönleri
Hazır ajan platformları (Copilot Studio, Gemini Enterprise)
Güçlü: İlk değere ulaşma süresi en kısa olan yol budur. Kurumsal veri kaynaklarına hazır bağlayıcılar, kimlik doğrulama ve yönetişim çerçevesi zaten kurulu gelir; iş birimindeki bir uzman düşük kodlu tasarımcıyla kendi senaryosunu deneyebilir. Microsoft tarafında fiyat modeli kamuya açıktır: 25.000 Copilot Credit içeren kapasite paketi aylık $200,00 ile listelenir ve kullandıkça öde seçeneği ay sonunda tüketime göre faturalanır; Microsoft 365 Copilot ise kullanıcı başına aylık $30,00 (yıllık ödemeli) olarak yayımlanmıştır. Araç entegrasyonu tarafında MCP'nin genel kullanıma açılması (29 Mayıs 2025) önemli bir olgunluk göstergesidir — hangi MCP sunucusunun ve hangi aracın çalıştığı çalışma zamanında izlenebiliyor. Google tarafında ise 22 Nisan 2026'da duyurulan Gemini Enterprise Agent Platform ile Vertex AI hizmetleri tek bir ajan platformunda toplandı; Google'ın resmî ifadesiyle "bundan sonra tüm Vertex AI hizmetleri ve yol haritası, bağımsız bir hizmet olarak değil yalnızca Agent Platform üzerinden sunulacak". Zayıf: Maliyet öngörülebilirliği en zayıf noktadır: kredi tüketimi işlem tipine göre değişir, dolayısıyla kullanım arttıkça fatura doğrusal değil sıçramalı büyüyebilir. Kontrol platformun izin verdiği kadardır; ajanın karar mantığını derinlemesine değiştirmek çoğu zaman mümkün değildir. Gemini Enterprise'ın koltuk fiyatları incelediğimiz resmî sayfalarda yayımlanmıyor — bütçe için Google Cloud satış ekibinden teklif almanız gerekir; bu da karşılaştırmayı zorlaştırır. Vertex AI hizmetlerinin bağımsız bir hizmet olmaktan çıkıp Agent Platform üzerinden sunulmaya başlaması, bu pazarda ürün adlarının ve paketlemenin hızla değiştiğini hatırlatıyor: sözleşmeye ürün adı değil, yetenek ve SLA yazın.
Açık kaynak çatılar (LangGraph, LlamaIndex, CrewAI)
Güçlü: Üçü de MIT lisanslıdır; kodu okuyabilir, değiştirebilir ve kısıtsız ticari kullanabilirsiniz. LangGraph kendini kalıcı (dayanıklı) yürütme, insan-döngüde onay ve kısa/uzun vadeli bellek üzerine kurar — yani ajan bir hata aldığında kaldığı yerden devam edebilir ve kritik adımda insan onayı bekleyecek şekilde tasarlanabilir; bu, kurumsal üretim için gerçek bir fark yaratır. LlamaIndex, belge kaynaklarını (API, PDF, veri tabanı) modelin bağlamına taşıyan veri çerçevesi olarak konumlanır; belge ağırlıklı senaryoların doğal başlangıcıdır. CrewAI, çok ajanlı iş akışları için yüksek seviyeli soyutlamalar sunar ve resmî deposunda MCP ile A2A için yerel destek belirtir. Veri tamamen sizin altyapınızda kalabilir. Zayıf: "Ücretsiz kütüphane" ile "ücretsiz üretim sistemi" aynı şey değildir. Dağıtım, sürüm yönetimi, gözlemlenebilirlik ve değerlendirme altyapısı sizin sorumluluğunuzdur; bu boşluğu doldurmak için genellikle ticari bir katman devreye girer — LangSmith'te Developer katmanı ücretsizdir ama tek koltuk ve ayda 5.000 temel izle sınırlıdır, Plus koltuk başına aylık $39'dır, kendi ortamınızda barındırma ise Enterprise katmanına bağlıdır. Yani "açık kaynak seçtik, maliyet sıfır" varsayımı sahada nadiren doğrulanır. Ekip gereksinimi de en yüksek olanıdır.
Otomasyon araçları (n8n, Make)
Güçlü: Ajan projelerinin büyük bölümü aslında "zeki" olmak zorunda değildir: bir sistemden veri alıp kural uygulayıp başka sisteme yazmak yeter. Bu işte görsel otomasyon araçları hem hızlı hem ucuzdur. n8n bulut planları çalıştırma (execution) sayısına göre fiyatlanır — yıllık faturalandırmayla Starter €20/ay'da ayda 2.500 çalıştırma, Pro €50/ay'da 10.000, Business €667/ay'da 40.000 çalıştırma ve şirket içi barındırma + SSO/SAML/LDAP gelir; faturalama adım sayısına değil, akışın tamamının bir kez çalışmasına bakar. Make tarafında Free planı ayda 1.000 kredi ile başlar; Core $9/ay, Pro $16/ay ve Teams $29/ay olarak listelenir (bu tutarlar ayda 10.000 kredilik kademe içindir, kredi arttıkça fiyat da artar) ve yıllık ödemede %15'in üzerinde tasarruf belirtilir. n8n'in kendi sunucunuzda çalıştırılabilmesi, verinin kurum dışına çıkmaması gereken senaryolarda ciddi bir avantajdır. Zayıf: Lisans ayrıntısı yanlış anlaşılıyor: n8n kaynak kodu açıktır ama OSI tanımına göre açık kaynak değildir — şirket bunu "fair-code" olarak adlandırır ve Sustainable Use License 1.0 ile dağıtır; iç iş amaçlı kullanım serbest, yazılımı ücretli hizmet olarak üçüncü taraflara sunmak yasaktır ve ".ee" dosyaları ayrı Enterprise lisansı ister. İkinci sınır: gerçek ajan davranışı (çok adımlı planlama, kendi kendini düzeltme, uzun bellek) bu araçlarda zorlanır; akış karmaşıklaştıkça görsel tuval okunmaz hâle gelir ve sürüm kontrolü kod kadar disiplinli olmaz.
Özel geliştirme
Güçlü: Ajanın karar mantığı kurumun kendi süreçlerine göre yazılır; hangi verinin nereye gittiği, hangi adımın insan onayı gerektirdiği ve hangi kaydın denetim günlüğüne düştüğü baştan tasarlanır. Abonelik yerine tek seferlik geliştirme + işletme maliyeti olduğu için kullanım arttıkça birim maliyet düşer. Kaynak kodu kuruma ait olduğunda tedarikçiye bağımlılık sorunu ortadan kalkar. Veri, gerekiyorsa hiç kurum dışına çıkmaz — bunun altyapı tarafını açık ağırlıklı model karşılaştırmamızda ayrıca ele alıyoruz. Zayıf: En yavaş başlayan yoldur ve kurumdan net bir süreç tanımı ile iç sahip ister; "ne istediğimizi tam bilmiyoruz, siz kurun" yaklaşımıyla başlayan özel geliştirme projeleri pahalıya patlar. Bakım, güncelleme ve model değişimlerini takip etme sorumluluğu da kurumda kalır (dış ekiple sözleşmeye bağlanmadıysa). Dürüst olalım: senaryonuz standart bir toplantı özeti veya kurum içi arama ise hazır platform ihtiyacı karşılar ve özel geliştirme gereksiz maliyettir. Biz Yazılım Koçu olarak bu ürünlerin hiçbirinin bayisi değiliz ve bunu açıkça söylüyoruz.
Hibrit gerçeklik: çoğu kurum tek yol seçmiyor
Sahada en sık gördüğümüz kurgu şu: kurum içi verimlilik senaryoları hazır platformda kalıyor, sistemler arası veri taşıma otomasyon aracında yürüyor, müşteriye dokunan veya mevzuata tabi olan ajan ise kod tabanlı çatı üzerinde özel geliştiriliyor. Bu üçünün ortasında ortak bir katman tutmak kritik: bilgi tabanı (RAG), kurumsal asistan mimarisi ve araç entegrasyonları MCP gibi bir standarda yaslanırsa, hangi platformda hangi ajanın koştuğu ikincil bir karar hâline gelir. Aksi hâlde her platform kendi bilgi tabanını, kendi bağlayıcısını ve kendi erişim modelini kurar; üç yıl sonra üç ayrı sistemin bakımını yaparsınız.
Hangi durumda hangisi?
- Henüz hangi süreci otomatikleştireceğinizi yazamıyorsanız: Hazır platformda 4-6 haftalık bir keşif turu yapın. Amaç ürün seçmek değil, gerçek talebin nerede olduğunu ucuza öğrenmek. Bu turun çıktısı, sonraki kararın şartnamesidir.
- Microsoft 365 ağırlıklı kurum, iç verimlilik senaryoları: Copilot Studio en kısa yoldur; kimlik, izin ve veri erişimi zaten kurulu gelir. Kredi tüketimini ilk aydan itibaren ölçün ve kapasite paketi ile kullandıkça öde arasındaki eşiği kendi verinizle hesaplayın.
- Sistemler arası veri taşıma, bildirim, raporlama ağırlıklı işler: n8n veya Make yeter; ajan çatısı kurmak gereksiz karmaşıklıktır. Veri kurum dışına çıkmayacaksa n8n'i kendi sunucunuzda çalıştırın.
- Çok adımlı, insan onayı gerektiren, hata toleransı düşük iş akışları: LangGraph gibi kalıcı yürütme ve insan-döngüde onay sunan bir çatı doğru zemindir; yanına iz kaydı ve değerlendirme setini ilk günden koyun.
- Belge ağırlıklı senaryolar (sözleşme, mevzuat, teknik dosya): Önce veri katmanını çözün — LlamaIndex gibi bir veri çerçevesi ya da kendi RAG mimariniz. Ajan katmanı bundan sonra gelir; tersi sırayla başlayan projeler doğruluk sorununa takılır.
- KVKK-hassas veri, kamu, sağlık, finans: Veri konumunu ve işleme sözleşmesini teknik karardan önce netleştirin. Yerinde çalıştırma gerekiyorsa hazır bulut platformları çoğu zaman elenir; açık kaynak çatı veya özel geliştirme kalır.
- Ajan çekirdek iş mantığına dokunuyorsa (fiyatlama, risk, uygunluk kararı): Bu mantığı kimsenin platformuna gömmeyin. Kaynak kodu kuruma ait bir çözüm, hem denetlenebilirlik hem de uzun vadeli maliyet açısından doğru tercihtir.
Model seçimi bu kararın ikinci yarısıdır: kurumsal LLM platformları karşılaştırmamız fiyat ve bağlam penceresi tarafını, ileri analitik ve karar destek sayfamız ise ajanın besleneceği veri katmanını ele alıyor. Kavramsal giriş için AI agent nedir yazımıza bakabilirsiniz.
Merak edilenler
MCP nedir ve neden ajan platformu seçiminde kriter oldu?
Model Context Protocol (MCP), yapay zeka uygulamalarını dış sistemlere — dosyalara, veritabanlarına, arama motorlarına, iş uygulamalarına — bağlamak için tanımlanmış açık bir standarttır; resmî tanımında "yapay zeka uygulamaları için USB-C portu" benzetmesi kullanılır. Kurumsal seçimde önemi şu: MCP öncesinde her ajan çatısı kendi araç entegrasyon biçimini dayatıyordu, dolayısıyla platform değiştirmek tüm entegrasyonları yeniden yazmak demekti. MCP ile aynı araç sunucusunu farklı istemcilerde kullanabilirsiniz; bu doğrudan tedarikçi kilidini azaltır. Microsoft, MCP entegrasyonunu Copilot Studio'da 29 Mayıs 2025'te genel kullanıma açtığını duyurdu. Şartnamenize "araç entegrasyonları MCP uyumlu olmalıdır" maddesini koymak, ileride geçiş maliyetinizi düşürür.
Hazır ajan platformuyla mı, açık kaynak çatıyla mı başlamalıyız?
Sorunun cevabı olgunluk seviyenizde. Henüz hangi süreci otomatikleştireceğinizi net yazamadıysanız, hazır platformla 4-6 haftalık bir keşif turu yapmak doğrudur; düşük kodlu arayüz sayesinde iş birimi kendi senaryosunu deneyebilir ve gerçek talebin nerede olduğunu ucuza öğrenirsiniz. Süreç netleştiğinde, hacim arttığında ya da ajanın kurumun çekirdek iş mantığına dokunması gerektiğinde denklem değişir: kredi/mesaj bazlı fiyatlandırma öngörülemez hâle gelir ve platformun izin vermediği davranışlar duvar olur. O noktada açık kaynak çatı ya da özel geliştirme mantıklıdır. Pratik kural: keşfi hazır platformda, üretimi kontrol edebildiğiniz katmanda yapın.
n8n gerçekten açık kaynak mı? Kendi sunucumuzda ücretsiz çalıştırabilir miyiz?
n8n kaynak kodu açıktır ama OSI tanımına göre "açık kaynak" değildir; şirket bunu "fair-code" olarak adlandırır ve Sustainable Use License 1.0 ile dağıtır. Lisans, yazılımı kendi iç iş amaçlarınız ve kişisel/ticari olmayan kullanım için serbestçe kullanmanıza, kopyalamanıza ve türev iş üretmenize izin verir; yasakladığı şey, yazılımı ücretli bir hizmet olarak üçüncü taraflara sunmaktır. Ayrıca dosya adında ".ee." veya klasör adında ".ee" geçen kaynak dosyalar bu lisansın kapsamı dışındadır ve geçerli bir n8n Enterprise lisansı gerektirir. Yani kendi sunucunuzda kendi süreçleriniz için ücretsiz çalıştırmak mümkündür; SSO/SAML gibi kurumsal özellikler ve n8n'i müşterilere hizmet olarak satmak ise lisanslıdır.
Ajan projesinin maliyetini neye göre bütçelemeliyiz?
Üç kalemi ayrı ayrı hesaplayın, sonra toplayın. Birincisi platform/lisans: kredi paketi, koltuk ücreti veya çalıştırma kotası. İkincisi model tüketimi: ajanlar tek soruluk sohbetlerden farklı çalışır — bir görevde onlarca model çağrısı, araç çağrısı ve yeniden deneme olur; bu yüzden "istek başına token" değil "tamamlanan görev başına token" ölçün. Üçüncüsü insan: entegrasyon geliştirme, değerlendirme seti hazırlama ve üretimde izleme. Sahadaki en yaygın sürpriz ikinci kalemdedir; pilotta 200 görevi ölçüp gerçek ortalama maliyeti çıkarmadan yıllık bütçe yapmayın. Fiyat modelleri de hızlı değişiyor, sözleşme öncesi üreticinin güncel resmî fiyat sayfasını kontrol edin.
Ajan kararını tek bir sürecin üzerinden verelim.
Otomatikleştirmek istediğiniz süreci birlikte yazalım, dört yaklaşımı kendi verinizle maliyet ve kontrol açısından karşılaştıralım; gerekirse kaynak kodu size ait bir ajan katmanı geliştirelim.
Talep Oluştur