Google Antigravity Ajan Takımları ve Özel Ajanlar Rehberi | Yapay Zeka Okulum
Google AntigravityYapay Zeka AjanlarıÇoklu Ajan MimarisiCustom AgentsYazılım Mühendisliği
Google Antigravity Ajan Takımları ve Özel Ajanlar Rehberi
29 Ağustos 2026
Google Antigravity platformuna eklenen /teamwork-preview komutu ve dosya tabanlı özel ajanlar (Custom Agents), yapay zekâ destekli yazılım mühendisliğini tekil sohbet pencerelerinden çıkarıp koordineli çoklu ajan takımlarına taşımaktadır. Bu mimari; planlama, kodlama, inceleme ve doğrulama süreçlerini bağımsız alt ajanlara dağıtarak bağlam şişmesini (context bloat) önler ve karmaşık projelerin paralel yürütülmesini sağlar. Geliştiriciler agent.md ve SKILL.md dosyalarıyla her ajana özel yetki, araç ve kural tanımlayabilmektedir.
Antigravity 2.0 ve Çoklu Ajan Çağı: Tekil Asistandan Takım Mimarisine
Google Antigravity 2.0, yapay zekânın tek bir genel amaçlı asistan gibi çalıştığı monolitik modeli terk ederek özelleştirilmiş alt ajanların ortak bir hedef doğrultusunda çalıştığı çoklu ajan mimarisine geçişi temsil eder. Tek bir büyük dil modeline tüm mimariyi kurdurma, kodları yazdırma ve test etme görevi verildiğinde bağlam penceresi hızla dolar ve model önceki talimatları unutmaya başlar. Antigravity'nin farklı çalışma yüzeyleri ve kullanım senaryoları hakkında ayrıntılı karşılaştırma için Antigravity 2.0 yüzeyleri rehberimizi inceleyebilirsiniz.
Geleneksel yapay zekâ kodlama araçlarında yaşanan en büyük darboğaz, tek bir sohbet oturumunun ilerleyen aşamalarda çelişkili çıktılar üretmesidir. Antigravity çoklu ajan mimarisi, büyük yazılım projelerini bağımsız iş paketlerine bölerek her görevi yalnızca o alana odaklanmış bir alt ajana atar. Böylece hem modelin dikkat kapasitesi korunur hem de mimari tasarım ile kod uygulama süreçleri birbirinden yalıtılır.
Bu yaklaşım, kurumsal yazılım ekiplerinin çalışma disiplinini yapay zekâ çalışma alanına taşır. Bir projede yazılım mimarı, kıdemli geliştirici, güvenlik uzmanı ve test mühendisi nasıl farklı sorumluluklara sahipse; Antigravity içerisindeki alt ajanlar da aynı iş bölümü mantığıyla çalışır.
/teamwork-preview Komutu: Paralel Ajan Takımları Nasıl Koordine Edilir?
/teamwork-preview komutu, Google Antigravity platformunda karmaşık yazılım projeleri ve derin araştırma süreçleri için dinamik bir alt ajan takımı kuran ve bu takımı otomatik koordine eden orkestrasyon komutudur. Komut çalıştırıldığında sistem önce kullanıcı talebini analiz eder, ardından projeye en uygun çalışma modelini ve ihtiyaç duyulan ajan rollerini belirler.
Orkestrasyon iki fazdan oluşur:
İstem Hazırlama Fazı: Sentinel ajanı kullanıcıyla birlikte işin kapsamını, gereksinimleri, doğrulama yöntemini ve kabul ölçütlerini yazılı hâle getirir. Bu faz onaylanmadan takım kurulmaz.
Otonom Yürütme Fazı: Onaydan sonra Proje Orkestratörü devralır; işi parçalara böler, alt ajanları görevlendirir ve takım arka planda bağımsız çalışır.
Yürütme fazında yarış koşullarını ve birleştirme çakışmalarını önleyen temel kural, dosya sahipliğidir: orkestratör her dosyayı tek bir uygulayıcı ajana atar ve iki ajan aynı dosyayı aynı anda düzenlemez. Her durum değişikliği, çalıştırılan komut, inceleme yorumu ve doğrulama kaydı proje planı ile ilerleme çıktılarına yazılır.
Kullanıcı, çalışma başlamadan önce oluşturulan plan dosyasını inceleyebilir, görev dağılımını veya kuralları düzenleyebilir. Bu sayede otonom süreçler kontrolsüz kalmaz; geliştirici sürecin mimari lideri konumunda kalmaya devam eder.
Ajan Takımında Rol Dağılımı: Planlama, Kodlama, İnceleme ve Bağımsız Denetim
Antigravity çoklu ajan takımlarında her ajan belirli bir uzmanlık katmanını temsil eder ve bu rollerin sorumluluk sınırları kesin olarak ayrılmıştır. Bir ajanın yazdığı kodu aynı ajanın denetlemesi yerine, bağımsız bir denetçi ajanın devrede olması hata yakalama oranını doğrudan artırır.
Takım içerisindeki temel roller ve görevleri şunlardır:
Ajan Rolü
Temel Sorumluluk
Yetki ve Araç Kapsamı
Çıktı Türü
Sentinel
Talebi netleştirme; kapsam, doğrulama yöntemi ve kabul ölçütlerini kullanıcıyla mutabık kılma
Sohbet, plan hazırlama
Onaylanmış görev tanımı
Proje Orkestratörü (Project Orchestrator)
İşi parçalara bölme, dosya sahipliğini dağıtma, ilerlemeyi kayıt altına alma
Görev yönetimi, plan ve ilerleme kayıtları
Proje planı ve aşama tablosu
Kâşif (Explorer)
Kod tabanını tarayıp mevcut yapıyı ve bağımlılıkları çıkarma
Salt-okunur dosya ve arama araçları
Keşif notları
Uygulayıcı (Worker)
Yalnızca kendisine atanan dosyalarda kodu yazma ve çalıştırma
Dosya yazma, terminal
Kaynak kod değişiklikleri
Eleştirmen (Critic)
Yazılan kodu bağımsız gözle inceleme
Kod okuma ve analiz
İnceleme notları ve düzeltme talepleri
Zorlayıcı (Challenger)
Sınır durumları ve stres senaryolarıyla çıktıyı zorlama
Test çalıştırma, senaryo üretimi
Kırılma ve risk raporu
Denetçi (Auditor)
İşin eksiksiz ve tanımına uygun tamamlandığını doğrulama
Plan ile çıktıyı karşılaştırma
Bütünlük denetim raporu
Başarı Denetçisi (Success Auditor)
Son kabul kontrolü: başlangıçtaki kabul ölçütleri karşılandı mı
Uçtan uca doğrulama
Kabul onayı
Bu rol ayrımı, yapay zekânın kendi ürettiği koddaki mantık hatalarını "makul görme" eğilimini kırar. Denetim katmanındaki ajanlar yalnızca kodun hatasız derlenmesine değil; başlangıçta yazılı hâle getirilen kabul ölçütlerinin karşılanıp karşılanmadığına odaklanır.
Özel Ajanlar (Custom Agents): agent.md ile Dosya Tabanlı Ajan Yapılandırması
Özel Ajanlar (Custom Agents), Antigravity 2.0 ve Antigravity CLI üzerinde dosya tabanlı konfigürasyonlarla oluşturulan, dar kapsamlı görev tanımlarına ve özel kurallara sahip yapay zekâ birimleridir. Ajan tanımları, YAML frontmatter ve Markdown talimatları içeren .md yapılandırma dosyaları üzerinden yönetilir.
Ajan dosyaları iki kapsamda aranır: yalnız o projede geçerli olmasını istediğiniz ajanlar çalışma alanı kökündeki .agents/agents/<ad>.md (veya klasör biçiminde .agents/agents/<ad>/agent.md) yoluna, tüm projelerde kullanılacak ajanlar ise ~/.gemini/config/agents/<ad>.md altına konur. Frontmatter'da name ve description zorunludur; tools, model, subagent, mainAgent, commandExecutionPolicy, mcpServers ve skills alanları isteğe bağlıdır. model alanına tam model kimliği değil, kademe adı yazılır: inherit, flash veya pro.
Bir özel ajanın yapılandırma dosyası temel olarak şu bileşenlerden oluşur:
---
name: Guvenlik-Denetim-Ajani
description: Kod tabanındaki yetkilendirme ve veri güvenliği açıklarını denetler.
tools:
- view_file
- grep_search
- run_command
model: flash
---
# Görev ve Yetki Sınırları
Sen bir güvenlik ve uyumluluk denetçisisin. İşin kod yazmak değil; yazılan kodlardaki açıkları raporlamaktır.
## Temel Kurallar
1. Kaynak kodda doğrudan değişiklik yapma; bulguları rapor dosyasına yaz.
2. Yetkilendirme kontrolleri eksik API uç noktalarını tespit et.
3. Çıktılarda kişisel veri ve gizli anahtar kalıplarını kontrol et.
Dosya tabanlı yapılandırmanın en büyük avantajı, sürüm kontrol sistemlerine (Git) dâhil edilebilmesidir. Bir ekip, projeye özgü standartları ve ajan rollerini repoya ekleyerek tüm geliştiricilerin aynı standartta çalışan alt ajanlarla iş yapmasını sağlar.
Araç Sınırlandırma ve MCP: Ajanlara Yetki ve Kapsam Atama
Antigravity özel ajan mimarisinde en kritik güvenlik ve performans ilkesi, her ajanın yalnızca işine yetecek kadar araç erişimine (least privilege) sahip olmasıdır. Model Context Protocol (MCP) desteği sayesinde harici veri tabanları, API servisleri ve yerel geliştirme araçları ajanlara güvenli biçimde bağlanabilir. Ajanların araç kullanımı ve protokol yapıları hakkında temel kavramlar için Yapay Zekâ ve LLM Okuryazarlığı rehberimizi inceleyebilirsiniz.
Ajanlara sınırsız terminal veya dosya yazma yetkisi vermek yerine, rollerine göre araç kısıtlaması uygulanır. Örneğin bir araştırma ajanına yalnızca arama ve web sayfası okuma araçları atanırken, bir denetim ajanına yalnızca salt-okunur dosya görüntüleme yetkisi verilir.
Model Context Protocol (MCP) standartları, kurum içi sistemlerin yapay zekâya güvenli bir arayüzle açılmasını sağlar. Bu sayede ajanlar doğrudan kontrolsüz komutlar koşturmak yerine, MCP sunucusu üzerinden tanımlanmış fonksiyonları çağırarak kontrollü işlem yürütür.
SKILL.md ve JSON Hook Mekanizmaları ile Davranış Genişletme
Antigravity ortamında ajanların uzmanlıkları ve dinamik davranışları, SKILL.md dosyaları ve JSON Hook mekanizmaları ile zenginleştirilmektedir. Bir ajan belirli bir teknoloji yığınına veya kurumsal kural setine ihtiyaç duyduğunda, bu bilgi ayrı bir beceri dosyası olarak ajana yüklenebilir.
Beceriler proje kapsamında .agents/skills/<beceri-klasoru>/SKILL.md, kullanıcı kapsamında ~/.gemini/antigravity/skills/<beceri-klasoru>/SKILL.md yoluna yerleşir; klasör isteğe bağlı olarak betik, örnek ve kaynak dizinleri de taşıyabilir. Ajan, becerileri elle çağırmak yerine kademeli açılım (progressive disclosure) ile önce üstveriyi okur ve isteme uygun beceriyi kendisi devreye alır. Hook yapılandırmaları ise /hooks komutuyla ~/.gemini/config/hooks.json dosyasına yazılır ve arayüz ile arka uç arasında eşitlenir.
JSON Hook yapıları, ajanların belirli olaylar gerçekleştiğinde otomatik olarak tetiklenmesini sağlar:
Ajan Başlatma Hook'ları: Ajan göreve başladığında çalışma ortamının durumunu ve bağımlılıkları otomatik kontrol eder.
Görev Tamamlama Hook'ları: Kod yazımı bittiğinde test ajanı veya biçimlendirici aracı kendiliğinden devreye girer.
Hata Yakalama Hook'ları: Derleme veya çalıştırma hatası alındığında eleştirmen ajanı bilgilendirilir.
Bu mekanizmalar, çok adımlı yazılım süreçlerinin insan müdahalesine gerek kalmadan, önceden belirlenmiş kalite kapılarından geçmesini mümkün kılar.
Geliştirici Deneyimi Güncellemeleri: Yan Soru, Akış ve Ses
Antigravity güncellemeleri yalnızca arka plan ajanlarını değil, günlük kullanımdaki arayüz akışını da kapsamaktadır. Aşağıdaki maddeler Antigravity CLI sürüm notlarında yer alan ve doğrudan çalışma hızını etkileyen değişikliklerdir.
Son sürümle birlikte platforma eklenen öne çıkan geliştirici özellikleri şunlardır:
/btw ile Yan Soru: Ana görevin bağlamını bozmadan araya soru sormayı sağlar; özel ve SDK ile tanımlanmış ajanlarda da çalışacak biçimde güncellenmiş, akış hâlinde yanıt verir hâle getirilmiştir.
Progresif Akış (Progressive Streaming):/codesearch sonuçları aramanın bitmesi beklenmeden, akış hâlinde parça parça ekrana yansıtılır.
Ses Eki Desteği: Gemini modellerinin kabul ettiği standart ses biçimleri (wav, mp3, m4a, aac, flac, opus) doğrudan bağlama eklenebilir.
/voice Dikte:f5 tuşu veya /voice komutuyla konuşma doğrudan istem alanına yazıya çevrilir.
Durum Satırında Kota ve Çalışma Kipi: Kalan kota kullanımı ve ajanın hangi yürütme kipinde çalıştığı durum satırında görünür.
Uygulamada: Tek Ajan Bağlam Şişmesi ile Çoklu Ajan Doğrulama Ayrımı
Kurumsal eğitim ve yapay zekâ atölyelerinde katılımcıların en sık karşılaştığı sorun, tek bir modele yüzlerce satırlık iş kuralını verip ardından aynı modelden hem kod üretmesini hem de kendi kodunu doğrulamasını istemeleridir. Tekrar eden tablo şudur: oturumun başında verilen güvenlik kuralı, konuşma uzadıkça modelin etkin bağlamının dışına düşer ve ilerleyen adımlarda o kuralı çiğneyen bir fonksiyon üretilir. Kural hâlâ konuşmanın içindedir; modelin o an ağırlık verdiği yerde değildir.
Aynı iş dosya tabanlı özel ajanlarla ve çoklu ajan akışıyla yeniden kurgulandığında kuralın taşındığı yer değişir. Kod yazan uygulayıcı ajan yalnızca ilgili fonksiyonun mantığına odaklanır; kurumun güvenlik kuralları ise sohbet geçmişinde değil, denetçi ajanın kendi tanım dosyasında durur ve her denetimde baştan yüklenir. Bu ayrım, uygulayıcının kendi varsayımını doğrulaması riskini ortadan kaldırmaz; ancak kuralın çiğnendiği yeri uygulama aşamasında değil, denetim aşamasında görünür kılar.
Buradaki asıl ders şudur: yapay zekâ mühendisliğinde kazanç çoğu zaman daha büyük bir modelden değil, kuralın nerede saklandığını ve kimin denetlediğini değiştirmekten gelir.
Kimin İçin Uygun, Kimin İçin Uygun Değil?
Antigravity'nin /teamwork-preview ve Custom Agents özellikleri güçlü bir altyapı sunsa da her geliştirme senaryosu için aynı derecede verimli değildir.
Kriter
Ajan Takımları ve Teamwork İçin Uygun
Tekil Ajan / Standart Sohbet İçin Uygun
Proje Kapsamı
Çok dosyalı mimariler, büyük ölçekli refactoring, uçtan uca modül inşası
Tek fonksiyon yazımı, basit hata ayıklama, hızlı betik üretimi
Doğrulama İhtiyacı
Katı güvenlik, mimari standartlar ve bağımsız test zorunluluğu
Hızlı prototipleme, deneme amaçlı kod parçaları
Donanım ve Kota
Yüksek token bütçesi ve sürekli açık geliştirme ortamı
Düşük token kullanımı ve hızlı tek seferlik yanıtlar
Ekip Yapılanması
Ortak repo kuralları ve standartlaştırılmış rol tanımları
Bireysel ve esnek kodlama akışları
Kurumsal Boyut: Token Tüketimi, Hata Yayılımı ve ISO/IEC 42001 Denetlenebilirliği
Çoklu ajan sistemleri paralel çalıştığı için token tüketimi tekil sohbetlere kıyasla belirgin şekilde daha yüksektir. Dört veya beş ajanın birbirine mesaj gönderdiği, planları eleştirdiği ve kodları tekrar tekrar gözden geçirdiği bir akışta kontrolsüz döngüler maliyetleri hızla katlayabilir. Kurumsal yapay zekâ projelerinde güvenlik risklerinin ve yönetişim mekanizmalarının kurgulanması hakkında detaylı bilgiye Kurumlar İçin Güvenli Yapay Zekâ ve Risk Yönetimi rehberimizden ulaşabilirsiniz.
Kurumsal ölçekte çoklu ajan mimarisi kurulurken şu üç risk başlığı dikkate alınmalıdır:
Maliyet ve Kota Yönetimi: Ajanların sonsuz eleştiri döngüsüne girmesini engelleyen maksimum iterasyon limitleri ve token sınırları belirlenmelidir.
Hata Yayılımı (Cascading Errors): Planlayıcı ajanın yaptığı bir mantık hatası alt uygulayıcılara taşınmadan önce bağımsız bir insan kontrolü veya doğrulama kapısından geçmelidir.
ISO/IEC 42001 Standardı ve Denetlenebilirlik: Yapay zekâ yönetim sistemi standardı olan ISO/IEC 42001 kapsamında, otonom kararlar alan alt ajanların hangi gerekçeyle hangi eylemi gerçekleştirdiği kayıt altına alınmalıdır.
Ajanların kullandığı komutların, eriştiği dosyaların ve ürettiği raporların şeffaf biçimde loglanması, hem kurumsal bilgi güvenliği hem de uluslararası standartlara uyum açısından zorunludur.
Sıkça Sorulan Sorular
Antigravity /teamwork-preview komutu ne işe yarar ve hangi planlarda kullanılabilir?
/teamwork-preview komutu, Google Antigravity üzerinde karmaşık görevleri planlama, kodlama ve doğrulama aşamalarına bölerek paralel alt ajan takımları kuran orkestrasyon özelliğidir. İlk etapta belirli paketlerle sınırlı olan bu özellik, güncellemelerin ardından tüm ücretli Antigravity planlarının kullanımına açılmıştır.
Custom Agent (Özel Ajan) oluşturmak için hangi dosyalar ve formatlar kullanılır?
Özel Ajanlar, YAML frontmatter ve Markdown yönergeleri içeren .md yapılandırma dosyaları üzerinden oluşturulur. Ajanın adı, görev tanımı, kullanabileceği araçlar ve model parametreleri bu dosyada tanımlanır. Ajan becerileri SKILL.md ve dinamik tetikleyiciler JSON Hook mekanizmalarıyla genişletilir.
Çoklu ajan mimarisinde kodlama ve doğrulama süreçleri neden ayrılmalıdır?
Bir dil modeli kendi yazdığı koddaki mantık hatalarını veya varsayımları aynı oturum içinde sorgulamakta yetersiz kalabilir. Bağımsız çalışan incelemeci ve denetçi ajanlar, koda tarafsız bir gözle yaklaşarak güvenlik açıklarını, standart sapmalarını ve eksik uç durumları çok daha yüksek doğrulukla yakalar.
Antigravity ajan takımları kurumsal projelerde token maliyetini nasıl etkiler?
Birden fazla alt ajanın aynı anda çalışması, karşılıklı eleştiri ve doğrulama mesajları üretmesi nedeniyle token tüketimi tekil modellere göre belirgin şekilde artar. Kurumların kontrolsüz maliyet artışını önlemek için iterasyon sınırları, dar kapsamlı araç yetkileri ve kota limitleri tanımlaması önerilir.
Kurumunuzda yapay zekâ ajan mimarilerini güvenli, denetlenebilir ve verimli iş akışlarına dönüştürmek için kapsamlı bir yol haritasına ihtiyaç duyuyorsanız; Yapay Zeka Okulum eğitim programlarını inceleyebilir, ekiplerinize özel tasarlanacak atölyeler için kurumsal eğitim talebi formunu iletebilirsiniz.
