1 
2AI agentları artık araştırma demolarından production sistemlerine geçti. 2026 itibarıyla enterprise AI uygulamalarının %60''ından fazlasının agentic bileşenler içermesi bekleniyor. Ancak agentları sıfırdan inşa etmek  -  tool looplarını, state''i, memory''yi, error handling''i ve multi-agent koordinasyonunu yönetmek  -  karmaşıktır. İşte frameworkler bu noktada devreye giriyor.
3 
42026''da dört framework baskın: **LangGraph**, **CrewAI**, **OpenAI Agents SDK** ve **Claude Agent SDK**. Her biri aynı soruna temelde farklı bir yaklaşım getiriyor: LLM''lere akıl yürütme, planlama, tool kullanma ve işbirliği yapma yeteneği kazandırmak.
5 
6## Bir Bakışta
7 
8| Yön | LangGraph | CrewAI | OpenAI Agents SDK | Claude Agent SDK |
9|--------|-----------|--------|-------------------|-----------------|
10| **Geliştiren** | LangChain | CrewAI Inc. | OpenAI | Anthropic |
11| **Mimari** | Graph tabanlı | Role tabanlı | Handoff tabanlı | Otonom loop |
12| **Felsefe** | Maksimum kontrol | Takım işbirliği | Minimal soyutlama | Agent''a bir bilgisayar ver |
13| **Diller** | Python, TypeScript | Python | Python | Python, TypeScript |
14| **Model desteği** | Herhangi biri (OpenAI, Claude, yerel) | Herhangi biri | Herhangi biri (isme rağmen) | Yalnızca Claude |
15| **GitHub stars** | ~29k | ~40k | ~21k | ~6k |
16| **En uygun** | Karmaşık stateful workflowlar | Multi-agent uzmanlaşma | Routing ve triage | Coding ve dosya yoğun görevler |
17 
18## LangGraph: Graph İnşaatçısı
19 
20LangGraph, agent workflowlarını **yönlendirilmiş çevrimsel graphlar** olarak modeller. Nodeları (iş yapan fonksiyonlar) ve edgeleri (aralarındaki geçişler, isteğe bağlı olarak koşullu) tanımlarsınız. State graph boyunca akar ve checkpointing yoluyla kalıcı hale gelir.
21 
22Bu, en açık ve kontrol edilebilir frameworktür  -  her adımı kendiniz bağlarsınız.
23 
24```mermaid
25graph LR
26    Start --> Router[Router Node]
27    Router -->|needs research| Research[Research Node]
28    Router -->|needs code| Code[Code Node]
29    Research --> Synthesize[Synthesize Node]
30    Code --> Synthesize
31    Synthesize --> End
32```
33 
34### Temel Kavramlar
35 
36- **StateGraph**: typed state ile graph tanımı
37- **Nodes**: state''i dönüştüren Python fonksiyonları
38- **Edges**: nodelar arası bağlantılar, koşullu olabilir
39- **Checkpointing**: uzun süreli workflowlar için yerleşik persistence
40 
41### Kod Örneği
42 
43```python
44from langgraph.graph import StateGraph, MessagesState, START, END
45from langchain_openai import ChatOpenAI
46 
47llm = ChatOpenAI(model="gpt-4o")
48 
49def call_agent(state: MessagesState):
50    response = llm.invoke(state["messages"])
51    return {"messages": [response]}
52 
53def should_continue(state: MessagesState):
54    last = state["messages"][-1]
55    if last.tool_calls:
56        return "tools"
57    return END
58 
59def call_tools(state: MessagesState):
60    # Execute tool calls and return results
61    results = []
62    for tool_call in state["messages"][-1].tool_calls:
63        result = execute_tool(tool_call)
64        results.append(result)
65    return {"messages": results}
66 
67graph = StateGraph(MessagesState)
68graph.add_node("agent", call_agent)
69graph.add_node("tools", call_tools)
70graph.add_edge(START, "agent")
71graph.add_conditional_edges("agent", should_continue, {"tools": "tools", END: END})
72graph.add_edge("tools", "agent")
73 
74app = graph.compile()
75result = app.invoke({"messages": [{"role": "user", "content": "What's the weather?"}]})
76```
77 
78### Güçlü Yönler
79 
80- Her adım ve geçiş üzerinde ince taneli kontrol
81- Yerleşik checkpointing ve human-in-the-loop
82- Tam TypeScript paritesi
83- Herhangi bir LLM sağlayıcısıyla çalışır
84- Koşullu branching ve looplar içeren karmaşık workflowlar için en uygun
85 
86### Zayıf Yönler
87 
88- Dik öğrenme eğrisi  -  graph teorisi kavramlarını anlamanız gerekir
89- Basit use caseler için fazla ayrıntılı  -  temel bir agent diğer frameworklere göre daha fazla boilerplate gerektirir
90- LangSmith olmadan graph akışlarının debug edilmesi zor olabilir
91 
92### Fiyatlandırma
93 
94Open-source (MIT). LangSmith (yönetilen observability platformu) production izleme için ücretli tierlara sahiptir.
95 
96## CrewAI: Takım Oluşturucu
97 
98CrewAI insani bir metafor kullanır: her biri bir **role**, **goal** ve **backstory**''ye sahip uzman agentlardan oluşan bir **crew** oluşturursunuz. Agentlar, bir **process** (sequential, hierarchical veya consensual) tarafından koordine edilen **tools** kullanarak **tasks** üzerinde işbirliği yapar.
99 
100Bunu, her üyenin belirli bir iş unvanı ve uzmanlığına sahip olduğu bir takım kurmak olarak düşünün.
101 
102```mermaid
103graph TD
104    Crew[Crew Manager] --> R[Researcher\nRole: Find data\nTools: WebSearch]
105    Crew --> W[Writer\nRole: Write content\nTools: FileWrite]
106    Crew --> E[Editor\nRole: Review quality\nTools: FileRead]
107    R --> Task1[Research Task]
108    W --> Task2[Writing Task]
109    E --> Task3[Review Task]
110    Task1 --> Task2 --> Task3
111```
112 
113### Temel Kavramlar
114 
115- **Agent**: role, goal, backstory ve toolları olan bir persona
116- **Task**: açıklama, beklenen çıktı ve atanan agent ile birlikte bir görev
117- **Crew**: birlikte çalışan bir agent grubu
118- **Process**: yürütme stratejisi (sequential, hierarchical, consensual)
119- **Flow**: birden fazla crew''yu bağlamak için olay güdümlü orkestrasyon katmanı
120 
121### Kod Örneği
122 
123```python
124from crewai import Agent, Task, Crew, Process
125 
126researcher = Agent(
127    role="Senior Research Analyst",
128    goal="Find comprehensive data about the given topic",
129    backstory="You have 10 years of experience in technology research. "
130              "You are thorough and always verify facts from multiple sources.",
131    tools=[web_search_tool],
132    verbose=True,
133)
134 
135writer = Agent(
136    role="Technical Writer",
137    goal="Create clear, engaging technical content",
138    backstory="You write for a developer audience. "
139              "Your articles are practical and include code examples.",
140    tools=[file_tool],
141    verbose=True,
142)
143 
144research_task = Task(
145    description="Research the latest developments in WebAssembly in 2026. "
146                "Focus on WASI, Component Model, and production use cases.",
147    expected_output="A structured research document with key findings and sources.",
148    agent=researcher,
149)
150 
151writing_task = Task(
152    description="Write a blog post based on the research. "
153                "Include code examples and Mermaid diagrams.",
154    expected_output="A complete blog post in Markdown format.",
155    agent=writer,
156    context=[research_task],  # Writer receives researcher's output
157)
158 
159crew = Crew(
160    agents=[researcher, writer],
161    tasks=[research_task, writing_task],
162    process=Process.sequential,
163    verbose=True,
164)
165 
166result = crew.kickoff()
167print(result.raw)
168```
169 
170### Güçlü Yönler
171 
172- Sezgisel role tabanlı soyutlama  -  düşünmesi kolay
173- 100''den fazla yerleşik tool entegrasyonu
174- Agentlar arasında paylaşılan memory (kısa vadeli, uzun vadeli, entity)
175- En büyük topluluk (~40k GitHub stars)
176- Delege eden ve doğrulayan bir "manager" agentı ile hierarchical process
177 
178### Zayıf Yönler
179 
180- LangGraph''a göre daha az ince taneli kontrol  -  roller tanımlarsınız, kesin yürütme yollarını değil
181- Agentlar anlaşamadığında hierarchical process öngörülemez olabilir
182- Multi-agent konuşmalarının debug edilmesi single-agent akışlarından daha zordur
183 
184### Fiyatlandırma
185 
186Open-source çekirdek (ücretsiz). CrewAI Platformu: $99/ay (Teams) ile $120k/yıl (Enterprise) arası. Fiyatlandırma live crew ve aylık yürütmelere dayalıdır.
187 
188## OpenAI Agents SDK: Router
189 
190OpenAI Agents SDK (Swarm''ın ruhani halefi), **handoffs** üzerine odaklanır  -  agentlar konuşmaları diğer uzman agentlara aktarır. En minimal frameworktür: agents, tools, handoffs ve guardrails. Hepsi bu.
191 
192```mermaid
193graph LR
194    User --> Triage[Triage Agent]
195    Triage -->|billing question| Billing[Billing Agent]
196    Triage -->|refund request| Refund[Refund Agent]
197    Triage -->|technical issue| Support[Support Agent]
198    Billing --> Response[Response]
199    Refund --> Response
200    Support --> Response
201```
202 
203### Temel Kavramlar
204 
205- **Agent**: model + talimatlar + tools + handoffs
206- **Handoff**: başka bir agenta transfer (LLM''in çağırabileceği bir tool olarak modellenmiştir)
207- **Guardrail**: agentla paralel çalışan input/output doğrulaması
208- **Runner**: agent loopunu çalıştırır
209- **Tracing**: tüm LLM çağrıları, tool invocationları ve handoffları için yerleşik observability
210 
211### Kod Örneği
212 
213```python
214from agents import Agent, Runner, handoff, InputGuardrail, GuardrailFunctionOutput
215from pydantic import BaseModel
216 
217class SafetyCheck(BaseModel):
218    is_safe: bool
219    reason: str
220 
221async def content_safety(ctx, agent, input_text):
222    result = await Runner.run(
223        Agent(name="Safety", instructions="Check if input is safe. No PII."),
224        input_text,
225        context=ctx,
226    )
227    output = SafetyCheck.model_validate_json(result.final_output)
228    return GuardrailFunctionOutput(
229        output_info=output, tripwire_triggered=not output.is_safe
230    )
231 
232billing_agent = Agent(
233    name="Billing Agent",
234    instructions="You handle billing inquiries. Be precise with numbers.",
235    tools=[lookup_invoice, process_payment],
236)
237 
238refund_agent = Agent(
239    name="Refund Agent",
240    instructions="You process refund requests. Always verify the order first.",
241    tools=[lookup_order, issue_refund],
242)
243 
244triage_agent = Agent(
245    name="Triage Agent",
246    instructions="Route the customer to the right specialist. "
247                 "Ask clarifying questions if needed.",
248    handoffs=[billing_agent, refund_agent],
249    input_guardrails=[InputGuardrail(guardrail_function=content_safety)],
250)
251 
252result = await Runner.run(triage_agent, "I need a refund for order #4521")
253print(result.final_output)
254# The triage agent routes to refund_agent, which processes the refund
255```
256 
257### Güçlü Yönler
258 
259- Temiz handoff pattern  -  routing/triage workflowları için doğal
260- Guardrails yürütmeyle paralel çalışır (fail-fast, bloklamaz)
261- Debugging için yerleşik tracing dashboard
262- İsmine rağmen non-OpenAI modellerini destekler
263- Minimal soyutlama  -  anlaması ve genişletmesi kolay
264 
265### Zayıf Yönler
266 
267- LangGraph''a göre daha az olgun state yönetimi
268- Yerleşik persistence veya checkpointing yok
269- Üçüncü taraf tool ekosistemi daha küçük
270- Handoff merkezli tasarım her mimariye uygun olmayabilir
271 
272### Fiyatlandırma
273 
274Open-source (MIT). Kullandığınız herhangi bir model için token başına ödersiniz.
275 
276## Claude Agent SDK: Geliştirici
277 
278Claude Agent SDK farklı bir yaklaşım benimser: workflow veya rolleri tanımlamak yerine, agenta bir **tool seti verirsiniz ve görevi nasıl başaracağını kendisine bırakırsınız**. Claude Code''u çalıştıran aynı otonom loopu kullanır  -  oku, harekete geç, doğrula, yinele.
279 
280```mermaid
281graph TD
282    Prompt[User Prompt] --> Loop[Autonomous Agent Loop]
283    Loop --> Reason[Reason about next step]
284    Reason --> Act[Execute tool]
285    Act --> Verify[Check result]
286    Verify -->|not done| Loop
287    Verify -->|done| Output[Final output]
288```
289 
290### Temel Kavramlar
291 
292- **query()**: agent loopunu başlatan ana giriş noktası
293- **Built-in tools**: Read, Write, Edit, Bash, Glob, Grep, WebSearch, WebFetch
294- **Custom tools via MCP**: toolları process içi MCP serverları olarak tanımlayın
295- **Sub-agents**: parentın delege edebileceği uzman agentlar
296- **Sessions**: birden fazla etkileşim boyunca bağlamı korur
297 
298### Kod Örneği
299 
300```typescript
301import { tool, createSdkMcpServer, query } from "@anthropic-ai/claude-agent-sdk";
302import { z } from "zod";
303 
304const searchDocs = tool(
305  "search_docs",
306  "Search the internal documentation for relevant information",
307  { query: z.string().describe("Search query") },
308  async ({ query }) => {
309    const results = await vectorStore.similaritySearch(query, 5);
310    return {
311      content: [{ type: "text", text: results.map(r => r.pageContent).join("\n\n") }],
312    };
313  }
314);
315 
316const docsServer = createSdkMcpServer({
317  name: "docs",
318  version: "1.0.0",
319  tools: [searchDocs],
320});
321 
322for await (const message of query({
323  prompt: "Find how authentication works in our system and write a summary",
324  options: {
325    mcpServers: { docs: docsServer },
326    allowedTools: ["Read", "Glob", "Grep", "mcp__docs__search_docs"],
327  },
328})) {
329  if (message.type === "result" && message.subtype === "success") {
330    console.log(message.result);
331  }
332}
333```
334 
335### Güçlü Yönler
336 
337- Birinci sınıf MCP entegrasyonu  -  herhangi bir MCP server ekosistemine bağlanın
338- Dosya işlemleri, terminal ve web erişimi için yerleşik tools
339- Büyük codebaseler için otomatik bağlam sıkıştırma
340- Karmaşık görevler için sub-agent paralelliği
341- Claude Code ile aynı motor  -  gerçek development workflowlarında savaşta test edilmiş
342 
343### Zayıf Yönler
344 
345- Yalnızca Claude modelleri  -  multi-provider desteği yok
346- Daha küçük topluluğa sahip daha yeni framework
347- Python SDK için bile Node.js runtime gerektirir
348- LangGraph''a kıyasla daha az açık workflow kontrolü
349 
350### Fiyatlandırma
351 
352Open-source. Standart Claude API token ücretleri. Managed Agents (hostlanan sürüm): token maliyetlerine ek olarak session-saat başına $0.08.
353 
354## Hangisini Ne Zaman Seçmeli
355 
356```mermaid
357graph TD
358    Start{What's your priority?}
359    Start -->|Full control over workflow| LG[LangGraph]
360    Start -->|Multi-agent collaboration| CA[CrewAI]
361    Start -->|Routing and triage| OA[OpenAI Agents SDK]
362    Start -->|Coding and file automation| CS[Claude Agent SDK]
363 
364    LG --> LGU[Complex stateful workflows\nConditional branching\nHuman-in-the-loop]
365    CA --> CAU[Team of specialized agents\nResearch + writing pipelines\nContent generation]
366    OA --> OAU[Customer service routing\nMulti-step handoffs\nInput validation]
367    CS --> CSU[Code generation and review\nFile-heavy automation\nMCP tool ecosystem]
368```
369 
370### LangGraph''ı şu durumda seçin:
371- Workflowun her adımı üzerinde hassas kontrole ihtiyacınız var
372- Use case''iniz karmaşık koşullu mantık ve loopları içeriyor
373- Yerleşik persistence ve human-in-the-loop checkpointları istiyorsunuz
374- Aynı workflowda birden fazla LLM sağlayıcısı kullanmanız gerekiyor
375 
376### CrewAI''ı şu durumda seçin:
377- Sezgisel, role tabanlı bir soyutlama istiyorsunuz
378- Göreviniz farklı uzmanlıklara sahip birden fazla agent içeriyor
379- Agentların işbirliği yapmasını ve birbirlerine bağlam iletmesini istiyorsunuz
380- En büyük topluluğa ve en fazla yerleşik entegrasyona değer veriyorsunuz
381 
382### OpenAI Agents SDK''yi şu durumda seçin:
383- Birincil patterniniz konuşmaları uzmanlara yönlendirmek
384- Input/output''u paralel doğrulayan guardraillere ihtiyacınız var
385- Minimal boilerplate ile mümkün olan en basit soyutlamayı istiyorsunuz
386- Yerleşik tracing ve observability önemli
387 
388### Claude Agent SDK''yi şu durumda seçin:
389- Agentlarınızın kod okuması, yazması ve yürütmesi gerekiyor
390- Birinci sınıf MCP server entegrasyonu istiyorsunuz
391- Yineleyen ve kendini düzelten otonom agentlara ihtiyacınız var
392- Zaten Claude kullanıyorsunuz ve en derin entegrasyonu istiyorsunuz
393 
394## Frameworkleri Birleştirebilir Misiniz?
395 
396Evet. Yaygın bir pattern, orkestrasyon için bir framework ve bireysel agentlar için başka bir framework kullanmaktır:
397 
398- Genel workflow graph için **LangGraph**
399- Multi-agent işbirliği gerektiren belirli bir node için **CrewAI**
400- MCP aracılığıyla coding ile ilgili alt görevler için **Claude Agent SDK**
401- Müşteriye dönük triage ve routing için **OpenAI Agents SDK**
402 
403Frameworkler karşılıklı dışlayıcı değildir. Sisteminizin her bölümüne uyanı kullanın.
404 
405## Sonuç
406 
407Her framework net bir bahis yapar:
408 
409- **LangGraph** kontrol için optimize eder  -  her geçişe siz karar verirsiniz
410- **CrewAI** işbirliği için optimize eder  -  agentlar bir takım olarak çalışır
411- **OpenAI Agents SDK** basitlik için optimize eder  -  minimal soyutlama, temiz handoffs
412- **Claude Agent SDK** otonomi için optimize eder  -  ona toollar verin ve çalışmasına izin verin
413 
414Doğru seçim workflowunuza, ekibinize ve mevcut stackinize bağlıdır. Birincil use case''inize uyanı seçin, iyi öğrenin ve sweet spotlarına ulaştığınızda diğerlerini dahil edin.
415