Neden işe yarıyor?
Dikkat mekanizmasındaki ilişki sayısı token sayısının karesiyle büyüdüğü için, bir görevi ikiye bölüp her yarısını ayrı bir bağlamda çalıştırmak, aynı işi tek bir dev bağlamda yapmaktan çok daha hafif. Anthropic bunu somut bir desene döküyor: uzmanlaşmış alt-ajanlar, kendi temiz bağlamlarında çalışıp sadece bir özet paylaşıyor.
Önceki yazılarda gördüğümüz gibi, ilişki sayısı token sayısının karesiyle büyüyor. Bu, ters yönde de işliyor: bir görevi ikiye bölüp her yarısını ayrı bir bağlamda çalıştırırsak, toplam hesaplama yükü tek bir dev bağlamda yapmaktan çok daha az. İki tane 50.000 token'lık bağlam, tek bir 100.000 token'lık bağlamdan çok daha hafif, çünkü 50.000² + 50.000², 100.000²'den küçük.
Anthropic'in önerisi: alt-ajan mimarisi
Anthropic'in kendi mühendislik rehberi, bunu somut bir desene döküyor: uzmanlaşmış alt-ajanlar, kendi temiz bağlamlarında çalışıyor, sadece bir özet üst ajana (ya da bize) dönüyor1.
Örnek: elimizde 20 dosyalık bir kod tabanını araştırmamız gereken bir görev var. Tek bir oturumda 20 dosyanın tamamını okuyup bağlama doldurmak yerine, her dosyayı (ya da dosya grubunu) ayrı bir alt görev olarak ayrı bir bağlamda incelettirip, sadece "bu dosyada şunu bulduk" özetini ana bağlama taşıyabiliriz. Ana bağlam, 20 dosyanın ham içeriğiyle değil, 20 özetle doluyor, bu çok daha az yer kaplıyor.
Ne zaman işe yarar, ne zaman yaramaz?
Bu strateji her görev için uygun değil. İşe yaradığı durum: görev, birbirinden bağımsız parçalara ayrılabiliyorsa (20 dosyayı ayrı ayrı incelemek gibi). İşe yaramadığı durum: görevin her adımı bir öncekine sıkı sıkıya bağlıysa, parçaladığımızda bağlamı parçalar arasında tekrar tekrar taşımak gerekir, bu da kazancı azaltır.
Yanlış görevde bu kayba da dönüşebilir
Bu ayrım teorik bir uyarı değil, ölçülmüş bir bulgu. Aralık 2025’te yayımlanan, Nisan 2026’da güncellenen geniş kapsamlı bir çalışma, 260 farklı kurulumu (6 benchmark, 5 mimari, 3 model ailesi) aynı görev, araç ve hesaplama bütçesiyle test etti2. Sonuç görev türüne göre keskin biçimde ayrışıyor: parçalara ayrılabilir bir görevde (finansal akıl yürütme) çok-ajan mimarisi tek bir ajana göre %80,8’e kadar performans artışı sağladı. Adımları birbirine sıkı bağlı bir planlama görevinde ise aynı çok-ajan mimarisi %70’e kadar performans kaybına yol açtı. İki görevin genel zorluk seviyesi neredeyse aynıydı, farkı yaratan görevin parçalara ayrılabilir olup olmadığıydı.
Yani görevi bölmek yanlış yerde uygulanırsa “daha az kazandırmakla” kalmıyor, performansı belirgin biçimde düşürebiliyor.
Neden önemli?
Bu, "aptal bölgeye girmeden önce" uygulanabilecek bir tasarım kararı, bir belirti görüldükten sonraki acil müdahale değil. Sıradaki yazıda, iş zaten başlamışken bağlam dolmaya başladığında ne yapılacağına (temizleme, sıkıştırma) bakıyoruz.
Bu yazı 12 bölümlük bir serinin sekizincisi. Önceki yazı: Claude, GPT, Gemini: uzun bağlamda hangisi nasıl bozuluyor? · Sonraki yazı: Bağlamı ne zaman temizlemeli, ne zaman sıkıştırmalıyız?
Kaynaklar
1: Anthropic, "Effective context engineering for AI agents", 29 Eylül 2025
2: Yubin Kim ve 18 araştırmacı, "Towards a Science of Scaling Agent Systems", gönderim 9 Aralık 2025, son revizyon 8 Nisan 2026