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~