AIMultiple, "50+ açık kaynaklı AI ajanı" listesini…
16 Ağustos güncellemesi, çoğu açık kaynaklı ajanın hâlâ insan gözetimine ihtiyaç duyduğunu ve daha uzun oturumlardan sonra performanslarının düşebileceğini savunuyor.
AIMultiple, 16 Ağustos 2026'da, uygulamalı testler ve benchmark odaklı değerlendirmelerin ardından "en iyi 50+ açık kaynak AI ajanı" listesini güncelledi. Güncelleme, Model Context Protocol (MCP) ve Stripe’ın Agentic Commerce Protocol (ACP) standartlarını yükseltirken, çoğu açık kaynak ajanının henüz tam olarak otonom olmadığını da belirtiyor.
Ana Noktalar
- AIMultiple, derlenmiş "en iyi 50+ açık kaynak" listesini güncelledi.Yapay zeka ajanları” sayfasında 16 Ağustos 2026'da, Cem Dilmegani'yi Hazal Şimşek ile birlikte kredi vererek listeyi pratikte test edilmiş ve karşılaştırmalarla çerçeveleyerek.
- Sayfa, bir AI ajanını planlama, bellek, araç kullanımı ve yinelemeli yürütmeyi birleştiren bir LLM etrafında dönen bir döngü olarak tanımlarken, bir ajanın “kabul edilmiş bir tanımı olmadığı”nı belirtmektedir.
- AIMultiple, çoğu açık kaynak ajanının “henüz” tam anlamıyla otonom olmadığını, hala yapılandırılmış girdi ve bir insanın devrede olmasına ihtiyaç duyduğunu ve insan etkileşiminin 35 dakikasından sonra başarı oranlarının düştüğünü belirtmektedir.
- MCP'yi standartlaştırılmış ajan-veri/araç bağlantısı için ve Stripe'ın ACP'sini sohbet arayüzleri içindeki ajan tarafından yürütülen ödeme ve tamamlama akışları için öne çıkarıyor.
AIMultiple, Uygulamalı Testlerin Ardından “50+ Açık Kaynak AI Ajanı” Listesini Güncelliyor
AIMultiple, 16 Ağustos 2026'da “En İyi 50+ Açık Kaynak AI Ajanı Listesi” araştırma sayfasını güncelleyerek Cem Dilmegani ve Hazal Şimşek'i yazarlar olarak listeledi. Sayfa, “popüler AI kodlama ajanları, AI ajanı oluşturucuları ve araçları ile uygulamalı testler” yapıldıktan sonra oluşturulmuş bir derleme olarak kendini konumlandırmakta ve “gerçek dünya yeteneklerini” değerlendirmek için kıyaslamalar kullanmaktadır.
Liste, geliştiricilerin ajan yığınlarını nasıl bir araya getirdiğine dair kategorilere göre düzenlenmiştir: ajan geliştirme ve altyapı, ajan çerçeveleri, iş akışı otomasyonu ve orkestrasyonu, ve alan spesifik uygulamalar.
Sayfanın alıntılanan kısmı, LangGraph (açık kaynak kütüphanesi ile tescilli yazılım olarak belirtilmiştir), AutoGen, CrewAI, Camel, Mastra, PydanticAI, Siber Güvenlik AI (CAI), Atomic Agents, SmolAgents, Auto-GPT, AIlice, Manus AI, BabyAGI, AgentGPT ve OpenManus gibi çerçevelerin ve önceden oluşturulmuş çalışma zamanlarının bir karışımını adlandırmaktadır.
Güncellemenin pratik değeri, “50+” sayısının ham sayısından daha çok, ajan yapı taşları ile ajan ürünleri arasında bir çizgi çekme şeklidir. Bu ayrım, kripto ile ilişkili araçlarda “ajan” anlatılarını takip eden herkes için önemlidir; çünkü entegrasyonları standartlaştıran bir çerçeve, uzun oturumlar sırasında bozulabilen bir demo ajandan daha dayanıklı olabilir.
AIMultiple'ın 'Ajanik' ile Ne Demek İstediği: Planlama, Hafıza, Araçlar ve Tekrar Eden Döngü
AIMultiple'ın çerçevesi bir marka adı değil, bir mekanizma ile başlar. “Bir AI ajanı, planlama, hafıza, araç kullanımı ve yinelemeli yürütmeyi birleştiren bileşen bir sistemdir,” sayfa, kararlar alabilen, eylemler gerçekleştirebilen ve yeni bilgilere uyum sağlayabilen bir LLM etrafında yapılandırılmış bir döngüyü tanımlayarak belirtmektedir.
Aynı zamanda terimin kesinleştiğini iddia etmeyi reddediyor. “Bir 'AI ajanı'nın neyi oluşturduğuna dair üzerinde anlaşılan bir tanım yoktur,” sayfasında belirtiliyor ve kesin bir tanımdan açıkça kaçınıyor.
Bunun yerine “ajanik” terimini bir spektrum olarak ele alıyor ve bir sistemi daha ajan benzeri hale getiren faktörleri sıralıyor: değişken hedeflerle karmaşık ortamlarda çalışmak, daha az kullanıcı denetimine ihtiyaç duymak ve araç kullanımı ve planlama gibi tasarım kalıplarını kullanmak.
Bu spektrum çerçevesi gerçek bir işlev görüyor. Çok sayıda pazarlama ifadesini gözlemlenebilir özellikler setine indiriyor: sistem adımlar arasında bağlamı koruyor mu, koşullu olarak araçlar mı seçiyor, çok aşamalı operasyonları koordine ediyor mu ve yeni girdiler geldiğinde iş akışının kontrolünü elinde tutuyor mu.
Pratikte, ajan sistemlerinin başarısız olduğu noktalar bunlardır; çünkü bağlam yönetimi ve orkestrasyon, maliyetlerin, gecikmelerin ve hata yönetiminin biriktiği yerlerdir.
Otonomi Henüz Burada Değil: İnsan Döngüsündeki Gerçeklik ve 35 Dakikalık Benchmark Düşüşü
Güncellemenin en çok tüccarlarla ilgili iddiası, aynı zamanda en az göz alıcı olanıdır: “Bu ajanlar tamamen otonom mu? Henüz değil.” AIMultiple, çoğu açık kaynak ajanın hala yapılandırılmış girdilere ve döngüde bir insana ihtiyaç duyduğunu savunuyor, hatta LLM üzerine araç kullanımı ve karar verme ekleseler bile.
Sayfa, genellikle “ajanlar” olarak tanımlanan ancak genel otonom davranıştan çok önceden tanımlanmış mantık veya pekiştirme öğrenme iş akışlarına daha yakın olan sistemlerin örnekleri olarak Devon ve PR-Agent'ı öne çıkarıyor.
Bu, açık kaynak otonomisinin zaten çözüldüğünü ima eden token anlatılarını değerlendirmek için faydalı bir ayrımdır; çünkü sabit kod yollarına sahip bir iş akışı, görevler ve ortamlar arasında genelleme yapabilen bir ajandan çok farklı davranır.
AIMultiple ayrıca önemli bir uyarı ile somut bir güvenilirlik veri noktası ekliyor. “Örneğin, benchmarklarımızda, AI ajanlarının başarı oranlarının insan etkileşiminin 35 dakikasından sonra azaldığını gözlemledik.” Alıntı, benchmark metodolojisini, görev setini veya sonuçlar tablosunu içermediğinden, 35 dakikalık işaret, evrensel bir eşik değil, uzun oturum bozulması hakkında yönlendirici bir gözlem olarak okunmalıdır.
Sayfanın bu durumun nedenine dair açıklaması yapısaldır: ajans sistemleri, bellek yönetimi, araç orkestrasyonu, hata yönetimi ve kontrol döngülerinde ek yük getirir, bu da gecikmeyi ve maliyeti artırır. AIMultiple, birçok kullanım durumunun, modelin sorgu zamanında ilgili belgeleri çektiği geri alma artırılmış üretim (RAG) ile daha iyi hizmet aldığını savunuyor.
MCP ve Stripe’ın ACP'si: Ajans Veri Erişimini ve Ajans Checkout'unu Standardize Etmek
Güncellemelerdeki ileriye dönük sinyal standartlaştırmadır. AIMultiple, Model Bağlam Protokolü (MCP)'yi 'ajansların dış veri kaynaklarıyla nasıl iletişim kurduğuna dair endüstri standardı' olarak etiketliyor ve LangGraph'ın MCP'yi entegre ettiğini, böylece ajansların veritabanları ve yerel araçlarla özel sarmalayıcılar olmadan 'tak ve çalıştır' yapabileceğini söylüyor.
Eğer bu doğruysa, MCP tek bir çerçevenin kazanmasından çok, ajans yığınları arasında özel yapıştırıcı kodunu azaltmakla ilgilidir. Geliştiriciler için bu, araçları ve veri kaynaklarını değiştirmeyi entegrasyon çalışmasından çok yapılandırmaya daha yakın hale getirir. Pazarlar içinse, 'ajansları' tek seferlik demolar olmaktan çıkarıp tekrarlanabilir altyapıya dönüştüren türden bir tesisat işidir.
Vurgulanan diğer standart ticaret yerelidir. AIMultiple, 'Stripe Ajans Ticaret Protokolü (ACP)'yi 'AI ajanslarının ödemeleri, envanteri ve gönderimleri güvenli bir şekilde yönetmelerine olanak tanıyan ilk canlı endüstri standardı' olarak tanımlıyor ve bunun 'Ajans Checkout'u' mümkün kıldığını, burada bir ajansın bir kullanıcı için bir sohbet arayüzü içinde bir satın alma işlemini tamamladığını ekliyor.
Bu çerçeveden iki izleme maddesi çıkıyor. İlk olarak, MCP benimsemesinin LangGraph ekosisteminin ötesine geçip geçmeyeceği, bu da onun de facto bir arayüz katmanı haline gelmesi için bir gösterge olacaktır. İkincisi, Stripe’ın ACP'sinin belgelerden görünür ortak ve ürün referanslarına geçip geçmeyeceği, bu da gerçek tüccar ve ajans benimsemesini gösterir.
Sayfadaki bir iddianın, kesin bir girdi olarak ele alınmadan önce bağımsız bir doğrulamaya ihtiyacı var: Manus AI'nın 'Meta tarafından satın alındığı' ifadesi, Meta'nın 'Kişisel Ortam Zekası' ekosistemine entegre olmasını içeriyor. Alıntı, herhangi bir anlaşma tarihi, şartlar veya ana belge sağlamıyor, bu nedenle en temiz okuma, bunun sağlanan materyal içinde doğrulanmamış olduğudur.
Bu, AI-Kripto Anlatıları İçin Neden Önemlidir
Burada önemli olan eşik, standartların demoları geçip geçmediğidir. Küratörlüğünü yaptığı '50+ ajans' listesi faydalıdır, ancak kalıcı değişim, MCP ve ACP'nin ajansların veriye güvenilir bir şekilde erişmesine ve her seferinde özel entegrasyonlar olmadan ticaret yapmasına olanak tanıyan arayüzler olarak çerçevelenmesidir.
Daha fazla çerçeve birinci sınıf MCP desteği sunarsa ve Stripe’ın ACP'si gerçek ödeme akışlarında görünmeye başlarsa, 'ajans' bir UI hikayesi olmaktan çıkıp bir temel hikayesi haline gelir.
Gerçek test, güvenilirliğin oturum uzunluğu ve karmaşıklık ile ölçeklenip ölçeklenmediğidir, çünkü AIMultiple'ın kendi kıyaslama notu, insan etkileşiminin 35 dakikasından sonra başarı oranlarının düştüğünü söylüyor. Tam metodoloji olmadan, bu veri noktası bir yasa değildir, ancak bir uyarı etiketidir.
AIMultiple daha kapsamlı kıyaslama detayları yayınlarsa ve bağımsız testler uzun oturum düşüşünü tekrar ederse, pazar 'tamamen otonom açık kaynak ajansları'nı anlatı olarak ele almalıdır, ta ki başarısızlık modu üretim sistemlerinde mühendislik ile ortadan kaldırılana kadar.
