Bir multi-agent system, ortak bir hedef için iletişen birden çok ajandan oluşur. Survey'in çerçevesiyle söylersek bu sadece çok sayıda prompt değildir: her ajanın bir rolü (profil), bir muhakeme biçimi, kendi belleği, kuralları ve kullanabileceği tool'ları vardır. Yani tasarladığınız şey ajanların kendisi kadar, aralarındaki ortam ve iletişim düzenidir.

Pratikte üç temel düzen görürsünüz: bir supervisor-worker yapısı (bir yönetici ajan işi parçalayıp worker'lara dağıtır ve sonuçları toplar), specialist ajanlar (her biri belirli bir aşamanın veya alanın sahibi), ve debate (birden çok ajan farklı görüşleri savunur, bir hakem karar verir). Bu yazı bu üç deseni tek tek açıyor.

En yaygın desen budur. Bir supervisor (yönetici ajan) gelen işi alır, alt görevlere böler, her parçayı uygun bir worker'a (çalışan ajan) yollar, sonuçları toplar ve birleştirir. AutoGen bunu "conversation programming" olarak formülleştirir: önce ajanları ve rollerini tanımlarsın, sonra aralarındaki konuşma akışını programlarsın. Basit haliyle bir assistant ile bir user-proxy ikilisi, karmaşık haliyle bir GroupChatManager'ın yönettiği bir grup sohbeti olabilir.

Bu desen iş doğal olarak paralelleşebilen parçalara ayrıldığında işe yarar: üç farklı kaynaktan veri toplamak, bağımsız üç dosyayı düzenlemek, ayrı ayrı doğrulanabilen üç alt soruyu yanıtlamak. Ama dikkat: AutoGen'in kendi makalesi bile açık bir soru olarak "hangi ajan topolojisi ve konuşma deseni bu görev için en uygun ve en maliyet-etkin?" diye sorar. Yani çok ajanlı yapı, otomatik olarak daha iyi sonuç demek değil; çoğunlukla bir orkestrasyon altyapısıdır, kalite garantisi değil.

İkinci desen, işi rollere bölmektir: her ajan belirli bir aşamanın veya alanın uzmanıdır. MetaGPT bunu yazılım geliştirmeye uyarlar; Product Manager, Architect, Engineer gibi roller, insandaki standart iş akışlarını (SOP) taklit eder ve her rol bir sonrakine yapılandırılmış bir ara çıktı devreder. ChatDev benzer biçimde tasarım, kodlama, kod inceleme ve test fazlarını ayrı ajanlara verir.

Buradaki kritik fikir şu: specialist ajan, somut bir çıktı ürettiğinde ve bir sonraki role net bir biçimde devrettiğinde değerlidir. MetaGPT, naif ajan zincirlerinin "cascading hallucination" (zincirleme uydurma) ürettiğini, yani bir ajanın hatasının sonrakilere bulaşıp büyüdüğünü söyler; çözümü, gevşek rol-yapma sohbeti yerine zorunlu çıktı formatlarıdır. Tersi de doğru: guardrail olmadan specialist'ler sürüklenir. CAMEL'in raporladığı patolojiler tam da bunlar: rol değiştirme (role flipping), talimatı tekrarlama, sönük yanıtlar ve sonsuz mesaj döngüleri.

Üçüncü desen farklıdır: ajanlar işbölümü yapmaz, birbirine karşı çıkar. Multi-Agent Debate'in çıkış noktası, tek bir modelin kendi cevabına erkenden güvendiğinde kendi kendini düzeltememesidir; makale buna "Degeneration-of-Thought" der. Çözüm, dışarıdan gerçek bir muhalefet getirmektir: iki (veya daha çok) debater farklı görüşleri savunur, bir judge (hakem) turları izleyip karar verir.

Bu, cevabın aşikar olmadığı, ezbere muhakemenin yanlış götürdüğü işlerde işe yarar. Makale, sezgiye aykırı aritmetik ve commonsense çeviride debate'in baseline'ı geçtiğini, hatta Common MT veri setinde MAD'li GPT-3.5-Turbo'nun GPT-4'ü aştığı bir durumu raporlar. Ama iki uyarı var: daha çok tartışma turu otomatik olarak daha iyi değil, sistemin ne zaman duracağına karar vermesi (adaptive stopping) gerekir; ve hakem yanlı olabilir, özellikle ajanlar ile hakem farklı modellerse judge-bias riski ortaya çıkar.

Supervisor-worker yapısı tek seviyede kalmak zorunda değildir: bir worker, kendi alt görevlerini başka ajanlara devredebilir (delegation). Bu, kağıt üzerinde temiz görünür; pratikte koordinasyon maliyetini patlatır. Her devir seviyesi yeni model çağrıları, yeni bağlam aktarımı ve yeni handoff noktaları ekler.

Aşağıdaki ağaçta delegation derinliği arttıkça toplam ajan sayısının ve dolayısıyla model çağrısının nasıl katlandığını görebilirsiniz. Survey bunu "efficiency explosion" diye adlandırır: ölçek büyüdükçe ajanlar bellek çıkarımı, planlama, eylem ve iletişim için tekrar tekrar modeli çağırır. Buna bir de "accumulative effect" eklenir: her tur bir öncekinin çıktısına dayandığı için, erken bir hata zincir boyunca büyür. Yani derin bir delegation ağacı, hem daha pahalı hem daha kırılgandır.

Çok ajanlı bir sistemin gizli faturası iletişimdir. Survey, tamamen bağlı (her ajanın her ajanla konuştuğu) doğal dil iletişiminin esnek ama operasyonel olarak pahalı olduğunu açıkça söyler ve iletişim maliyeti ile çalışma süresini birer değerlendirme kaygısı olarak işaretler. Tek bir ajanda "maliyet" daha çok tek bir döngünün token'ıdır; çok ajanlı sistemde ise her mesaj, her handoff, her tur ayrı bir model çağrısıdır.

Aşağıdaki grafik basit bir gerçeği gösterir: ajan sayısı arttıkça iletişim kanalı sayısı doğrusal değil, ona yakın kareli biçimde büyür. Üç ajan üç kanal demektir; altı ajan on beş kanal. Her kanal potansiyel bir mesaj, bir yanlış anlama, bir senkronizasyon noktasıdır. "Daha çok ajan = daha iyi" sezgisi tam da burada çöker: marjinal faydadan önce marjinal maliyet patlar.

"Why Do Multi-Agent LLM Systems Fail?" tam da bu soruyu deneysel olarak inceler. 1.642 trace'i elle etiketleyip 14 failure mode'u üç başlıkta toplar: sistem tasarımı sorunları, ajanlar arası uyumsuzluk (misalignment) ve görev doğrulamasındaki eksikler. İncelenen yedi açık kaynak multi-agent framework'te raporlanan hata oranları %41 ile %86,7 arasındadır. Yani bunlar nadir kazalar değil, sistematik kırılma noktalarıdır.

En sık görülen hatalar tanıdık gelecek: adım tekrarı (step repetition), belirsiz sonlanma (sistem ne zaman duracağını bilemez), verilen rol ya da göreve uymama, muhakeme ile eylemin birbirini tutmaması, verilen girdiyi yok sayma ve eksik veya yanlış doğrulama. Önemli olan, makalenin önerdiği çözümün "daha çok ajan ekle" olmaması: net rol ve görev tanımları, konuşma deseninin tasarlanması, modüler ajanlar, standart iletişim protokolleri ve göreve uygun çok seviyeli doğrulama. Örneğin ChatDev'in rol tanımlarını iyileştirmek görev başarısını %9,4 artırmış; üst düzey hedef doğrulaması eklemek ProgramDev'de %15,6 kazandırmış. Mimari ve doğrulama yardımcı oluyor, ajan sayısı değil.

Dürüst olmak gerekirse: çoğu işte iyi kurulmuş tek bir ajan, çok ajanlı bir sistemi geçer. Failure taxonomy makalesinin açık tespiti, çok ajanlı sistemlerin tek ajana veya best-of-N (aynı işi birkaç kez deneyip en iyisini seçmek) gibi basit karşılaştırma tabanlarına göre kazancının çoğu zaman küçük olmasıdır. Bu yüzden bir mimariye karar vermeden önce, onu basit karşılaştırma tabanlarıyla kıyaslamak şarttır: tek ajan, self-reflection, best-of-N, majority vote.

Pratik kural: minimum koordinasyon topolojisiyle başla, ajanı yalnızca net bir ayrım için ekle. Hangi ayrım? Bağlam ayrımı (bir ajanın penceresine sığmayan ayrı bağlamlar), tool ayrımı (farklı yetki ve erişim gerektiren işler), authority ayrımı (kim neye karar verir), critique ihtiyacı (bağımsız bir eleştirmen gerçekten değer katıyorsa) veya verification ayrımı (üreten ile doğrulayanın ayrı olması gerekiyorsa). Bu ayrımlardan biri yoksa, fazladan ajan büyük olasılıkla sadece gürültüdür.

Çok ajanlı sistem bir varış noktası değil, bir araçtır: işi rollere, çıktılara, fazlara veya rakip görüşlere doğal olarak bölebildiğinde güçlüdür. Bunların hiçbiri yoksa, daha çok ajan sadece daha çok model çağrısı, daha çok gecikme ve birikip büyüyen daha çok hata demektir.

O yüzden mimariyi seçerken "kaç ajan?" diye değil, "hangi ayrım bir ajanı hak ediyor?" diye sorun. Cevap yoksa, iyi kurulmuş tek bir ajan zaten elinizdeki en iyi sistemdir.

1. S1Chen et al., A Survey on LLM-based Multi-Agent System, 2025
2. S2Wu et al., AutoGen, 2023
3. S3Li et al., CAMEL, NeurIPS 2023
4. S4Hong et al., MetaGPT, ICLR 2024
5. S5Qian et al., ChatDev, ACL 2024
6. S6Liang et al., Multi-Agent Debate, EMNLP 2024
7. S7Cemri et al., Why Do Multi-Agent LLM Systems Fail?, NeurIPS 2025