Agentic Retrieval Nedir? AI Ajanları Arama ve Kaynak Seçimini Nasıl Değiştiriyor?

AI ajanı nedir?

AI ajanı, kullanıcının verdiği hedefi adımlara bölen, her adım için uygun aracı seçen ve aldığı sonuca göre bir sonraki hareketine karar veren yapay zeka sistemidir. Ajan tabanlı olmayan bir sohbet sistemi genellikle isteğe tek bir yanıt üretir. Ajan ise görevi tamamlamak için arama yapabilir, sayfa açabilir, bir hizmete bağlanabilir ve kritik adımlarda kullanıcıdan onay isteyebilir.

Singh ve arkadaşlarının ajan tabanlı RAG sistemleri üzerine hazırladığı akademik derleme, bu sistemlerin dört tasarım kalıbından yararlandığını anlatır. Bunlar planlama, araç kullanımı, kendi çıktısını gözden geçirme ve birden fazla ajanın iş birliğidir. Google, Mayıs 2026'daki I/O Arama duyurularında kullanıcının belirlediği bir konuda web'i arka planda izleyen bilgi ajanlarını tanıttı. Özelliğin 2026 yazında önce Google AI Pro ve Ultra abonelerine açılacağı duyuruldu.

Agentic retrieval nedir?

Agentic retrieval, bilgi getirme adımını bir ajanın yönettiği ve gerektiğinde tekrarlanan bir döngüye dönüştüren yöntemdir. Ajan hangi bilgiye ihtiyaç duyduğunu kendisi belirler ve arama sorgularını buna göre üretir. Sonuçlar yetersiz kalırsa sorgu planını değiştirip yeniden arar.

Microsoft'un Azure AI Search belgesine göre agentic retrieval, karmaşık bir soruyu daha dar alt sorgulara bölen ve bunları paralel çalıştıran çok sorgulu bir akıştır. Akıl yürütme düzeyi belgesine göre orta düzey ayarda ilk tur sonuçları yeterince ilgili değilse sistem gözden geçirilmiş bir sorgu planıyla bir kez daha arama yapar. Microsoft, bu yaklaşımın tek sorguluk bir akışa göre gecikmeyi artırdığını da belirtir. Eylül 2026 itibarıyla agentic retrieval'ın bazı temel işlevleri genel kullanıma açık. LLM tabanlı sorgu planlama, yanıt sentezi ve daha derin akıl yürütme ayarları ise önizleme sürümünde.

Google'ın arama ürünlerinde de birden çok sorgu üreten bir teknik bulunuyor. Google'ın Temmuz 2026'da güncellenen üretken yapay zeka rehberi, sorgu yelpazesini (query fan-out) modelin daha fazla bilgi ve sonuç almak için ürettiği eş zamanlı, ilişkili sorgular olarak tanımlar. Google Türkiye'nin 18 Şubat 2026 tarihli duyurusu bu tekniğin Türkiye'deki AI Modu'nda da kullanıldığını belirtiyor.

Şemadaki döngü dört adımda özetlenebilir.

1. Ajan kullanıcının hedefini alt sorulara böler ve hangi araçlara ihtiyaç duyacağını seçer.
2. Web araması yapar, sayfaları ziyaret eder veya bir API ya da protokol üzerinden veri ister.
3. Bulduğu kaynakları okur, birbirleriyle karşılaştırır ve çelişkili bilgileri tartar.
4. Bilgi yeterliyse kaynaklı bir yanıt verir veya işlemi başlatır. Yeterli değilse yeni alt sorgularla ilk adıma döner.

Agentic retrieval klasik retrieval ve RAG'den nasıl ayrılır?

Agentic retrieval, basit ve önceden tanımlanmış bir RAG akışından retrieval planını ara sonuçlara göre değiştirebilmesi, gerektiğinde yeniden arama yapabilmesi ve araçlar arasında seçim yapabilmesiyle ayrılır. Klasik retrieval bir sorguya karşılık tek seferde belge listesi döndürür. Basit RAG bu listeden seçilen parçaları dil modeline bağlam olarak verir ve yanıtı önceden belirlenmiş adımlarla üretir.

Ajan kullanmayan RAG sistemleri de sorguyu yeniden yazma, yönlendirme, hibrit arama, yeniden sıralama veya çoklu sorgu gibi teknikler kullanabilir. Bu yüzden aşağıdaki tablo basit, tek aşamalı RAG mimarisini temel alır. RAG'in temel işleyişi RAG rehberinde ayrıntılı olarak anlatılıyor.

Tablodaki akış ve değerlendirme satırları Singh ve arkadaşlarının derlemesine, gecikme satırı ise Microsoft'un belgesine dayanır. Gecikme değerleri göreli karşılaştırmadır ve ölçülmüş süreleri göstermez. Site sahibi için asıl fark değerlendirme satırındadır. Agentic retrieval kullanan bir sistem sayfanızı başka kaynaklarla karşılaştırarak okur ve yetersiz bulduğu bilgiyi başka yerde arar.

Çok adımlı arama kaynak seçimini nasıl değiştirir?

Çok adımlı aramada bir sayfa, ajanın ürettiği farklı alt sorgular için aday kaynak havuzuna girebilir ve ajan bu adayları okuyup karşılaştırarak seçim yapar. Bu yapıda bir sayfanın alt sorulara net, tutarlı ve doğrulanabilir yanıt vermesi önem kazanır. Tek bir anahtar kelime için iyi sıralanan ama kritik bilgiyi eksik bırakan bir sayfa, ajanın başka kaynaklara yönelmesine yol açabilir.

Google'ın Ağustos 2025'te AI Modu için duyurduğu ajan tabanlı restoran rezervasyonu bu süreci iyi gösterir. Kullanıcı kişi sayısı, tarih, saat, konum ve mutfak türü gibi birden çok koşul verir. AI Modu birden çok rezervasyon platformunda ve web sitesinde gerçek zamanlı müsaitliği arar. Ardından koşullara uyan restoranları liste halinde sunar ve kullanıcıyı doğrudan rezervasyon sayfasına yönlendirir. Google, bu deneyimde Project Mariner'ın canlı tarama yeteneklerini, iş ortağı entegrasyonlarını, Bilgi Grafiği'ni ve Google Haritalar'ı kullandığını açıklıyor.

Varsayımsal bir örnek düşünelim. Kullanıcı İstanbul'da 20 kişilik, projeksiyonlu bir toplantı salonu arıyor olsun. Ajan bu isteği kapasite, ekipman, müsaitlik ve fiyat gibi alt sorulara bölebilir. Kapasiteyi ve ekipmanı sayfada açıkça yazan bir mekân bu soruların birkaçını tek ziyarette yanıtlar. Fiyatı yalnızca telefonla paylaşan bir mekân için ajanın başka kaynaklara bakması gerekir.

AI ajanları hangi araçlara ve verilere erişir?

AI ajanları web aramasına, sayfaları açan tarama yeteneklerine, iş ortaklarının sağladığı veri bağlantılarına ve standart protokoller üzerinden sunulan araçlara erişebilir. Hangi araçların kullanıldığı platforma, ülkeye ve görevin türüne göre değişir.

Sayfa ziyareti tarafında platformlar kullanıcı adına çalışan ajanlar için ayrı kimlikler tanımlıyor. Google'ın kullanıcı tetiklemeli getiriciler belgesi, Google-Agent adlı user agent'ın Google altyapısında çalışan ajanların web'de gezinmesi ve kullanıcı isteğiyle işlem yapması için kullanıldığını belirtiyor. OpenAI'ın tarayıcı belgesi ise iki kimliği birbirinden ayırır. OAI-SearchBot, sitelerin ChatGPT arama sonuçlarında gösterilmesi için kullanılır. ChatGPT-User kullanıcı eylemleri sırasında sayfa ziyaret eder ve bir içeriğin aramada görünüp görünmeyeceğini belirlemek için kullanılmaz.

Araç ve işlem tarafında ise birkaç açık protokol öne çıkıyor.

• Model Context Protocol (MCP), yapay zeka uygulamalarını veri kaynaklarına, araçlara ve iş akışlarına bağlayan açık kaynaklı bir standarttır.
• Google'ın Universal Commerce Protocol (UCP) rehberi, bu standardın AI Modu ve Gemini'de doğrudan satın almayı mümkün kıldığını anlatır. Uygulama rehberine göre entegrasyonun yayına girmesi için Google onayı gerekir ve standartta tanımlanan her özellik Google yüzeylerinde kullanılabilir durumda değildir.
• OpenAI ve Stripe'ın Eylül 2025'te duyurduğu Agentic Commerce Protocol (ACP), Mart 2026'da ürün keşfini de kapsayacak şekilde genişletildi. Satıcılar ürün akışları ve promosyonlar paylaşarak kataloglarını ChatGPT'de gösterebiliyor.

Google'ın Temmuz 2026 rehberi UCP gibi protokolleri, Search ajanlarının daha fazla iş yapmasını sağlayacak gelişmekte olan standartlar olarak anıyor. Rehber bu protokolleri görünürlük için bir gereklilik olarak sunmuyor. Bu yüzden MCP, UCP ve ACP'yi uygun platformlarda ajanları veri ve eylemlere bağlayan entegrasyon katmanları olarak değerlendirmek gerekir. Bu erişim katmanının bot izinleri, sağlayıcı kontrolleri ve tarayıcı doğrulaması gibi teknik boyutları GEO teknik optimizasyon rehberinde ele alınıyor.

Agentic search web siteleri için ne değiştirir?

Agentic search, bir web sitesinin değerini tek bir sayfanın sıralamasıyla açıklamayı zorlaştırır ve dört koşulu öne çıkarır. Ajan siteye erişebilmeli, içeriği doğru okuyabilmeli, bilgileri başka kaynaklarla tutarlı bulmalı ve gerektiğinde işlemi tamamlayabilmelidir.

İlk koşul büyük ölçüde klasik teknik SEO'ya dayanır. Google'ın üretken yapay zeka rehberi, bir sayfanın bu özelliklerde gösterilebilmesi için dizine eklenmiş ve Google Arama'da snippet ile gösterilmeye uygun olması gerektiğini belirtiyor. Aynı rehber, Google Arama'da görünmek için yeni makine tarafından okunabilir dosyalar, yapay zeka metin dosyaları veya Markdown oluşturmanın gerekmediğini söylüyor. Bu nedenle agentic search hazırlığı taranabilirlik, dizine eklenme ve sayfa kalitesi kontrolüyle başlamalıdır.

Similarweb'in agentic search rehberindeki bulma, analiz etme, doğrulama ve işlem yapma modeli de benzer bir sıra önerir. Bu bir satıcı modelidir. Platform kuralı gibi okunmamalıdır. Dört koşul, Generative Engine Optimization (GEO, üretken arama motoru optimizasyonu) çalışmasının genel çerçevesiyle de örtüşür.

Retrieval maliyeti (cost of retrieval) açısından bakıldığında, bilgiyi dağınık, çelişkili veya yalnızca görsel içinde sunan bir site ajana ek sorgu ve ek ziyaret yükler. Bu kavram editoryal bir düşünme çerçevesidir. Platformların raporladığı ölçütlerle karıştırılmamalıdır.

Makine tarafından okunabilir veri ve eylemler nasıl hazırlanır?

Makine tarafından okunabilir veri ve eylemler, doğru bilgiyi görünür metinde yayımlayıp etkileşimli öğeleri anlamsal HTML ile kurarak hazırlanır. Yapılandırılmış veri ile API ya da protokol bağlantıları, ilgili olduğu ve gerçekten desteklendiği yerde bu temeli tamamlar.

Google'ın Temmuz 2026 rehberine göre tarayıcı ajanları bir siteyi ekran görüntüleri, DOM yapısı ve erişilebilirlik ağacı (accessibility tree) üzerinden inceleyebilir. Aynı rehber, üretken yapay zeka araması için yapılandırılmış verinin gerekli olmadığını ve özel bir schema.org işaretlemesi eklemenize gerek bulunmadığını belirtir. Rehberin yönlendirdiği web.dev makalesi ise ajan dostu bir site için somut uygulamalar sıralar.

• Fiyat aralığı, kapasite, hizmet bölgesi, çalışma saatleri ve iade koşulları gibi karar bilgilerini sayfada doğru ve görünür metin olarak yazın.
• Tıklanabilir öğeler için gerçek <button> ve <a> etiketlerini kullanın.
• Form alanlarını <label for> ile ilgili etiketlere bağlayın.
• Erişilebilirlik ağacını tarayıcının geliştirici araçlarında kontrol edin ve etkileşimli öğelerin anlamlı adlarla göründüğünden emin olun.
• Sayfa düzenini sabit tutun ve işlem düğmelerini görünür bırakın. Etkileşimli öğelerin üzerini kapatan saydam katmanlardan kaçının.
• Yapılandırılmış veriyi zengin sonuç uygunluğu gibi mevcut SEO amaçları için kullanın ve değerlerin sayfadaki bilgilerle örtüşmesini sağlayın.
• Aynı bilgiyi işletme profillerinde ve ürün akışlarında güncel ve çelişkisiz tutun.
• WebMCP'yi deneysel bir seçenek olarak değerlendirin. web.dev, bu önerilen standardın aktif geliştirme aşamasında olduğunu ve değişebileceğini belirtiyor.

E-ticaret, yerel işletmeler ve hizmet sektörü nasıl etkilenir?

Bu sektörler, ajanların araştırma ve karşılaştırma işini üstlenip kullanıcıyı işlemin son adımına taşımasıyla etkileniyor ve en doğrudan değişim e-ticaretteki ürün keşfi ile satın alma akışlarında görülüyor. Yerel işletmeler ve hizmet sağlayıcılar için ajanlar şimdilik daha çok müsaitlik, fiyat ve rezervasyon bilgisini toplayan bir aracı gibi çalışıyor.

Aşağıdaki tablo başlıca özelliklerin duyurulan kapsamını ve Türkiye durumunu özetler.

Bu özet Google Türkiye, Google I/O 2026 Arama, Google Alışveriş ve OpenAI kaynaklarına dayanır. İncelenen Google Arama özellikleri açısından Türkiye'de bugün doğrulanabilen temel katman, AI Modu'nun sorgu yelpazesi ve kaynak seçimi mekanizmasıdır. Google'ın işlem ve eylem özellikleri için Türkiye, incelenen resmi duyurularda yer almıyor.

E-ticaret siteleri için ne değişiyor?

E-ticaret sitelerinde ajan, ürün keşfinden sepete ve ödemeye kadar daha fazla adımı üstleniyor. Bu nedenle ürün akışındaki fiyat, stok ve varyant bilgisinin sitedeki bilgiyle eş zamanlı olması doğrudan satış akışını etkiler.

Google, Mayıs 2026'da tanıttığı Universal Cart ile UCP üzerinden Google Pay'le ödeme yapılabileceğini ya da ürünlerin satıcının sitesine aktarılabileceğini açıkladı. OpenAI ise Mart 2026'da ACP'yi ürün keşfine genişletti. OpenAI'ın ticaret belgeleri, ürün akışlarının tanımlayıcı, açıklama, fiyat, stok, medya, teslimat ve varyant bilgilerini kapsadığını gösteriyor. OpenAI aynı duyuruda ilk Instant Checkout sürümünün beklediği esnekliği sağlamadığını ve satıcıların kendi ödeme deneyimlerini kullandığını açıkladı. Tutarsız fiyat veya eski stok bilgisi, ürünün karşılaştırmada zayıf kalmasına ya da işlemin yarıda kesilmesine yol açabilir.

Yerel işletmeler ve hizmet sağlayıcılar için ne değişiyor?

Yerel işletmeler ve hizmet sağlayıcılar için ajan, müsaitliği, fiyatı ve hizmet kapsamını toplayıp kullanıcıya kısa liste sunan bir aracıya dönüşüyor. Google, Mayıs 2026'da ajan tabanlı rezervasyonu ABD'de yerel deneyimlere ve hizmetlere genişleteceğini duyurdu. Ev tamiri, güzellik ve evcil hayvan bakımı gibi seçili kategorilerde işletmeleri kullanıcı adına telefonla arama özelliği de aynı duyuruda yer aldı.

Türkiye'de bu işlem özellikleri henüz duyurulanlar arasında görünmese de AI Modu'nun sorgu yelpazesi, Türkiye'deki bir kliniğin, hukuk bürosunun veya otelin hangi bilgilerle kaynak havuzuna girdiğini bugün de etkiliyor. Hizmet kapsamı, süreç adımları, çalışma saatleri ve fiyatı belirleyen etkenler açıkça yazılmışsa ajanın bu işletmeyi doğru temsil etmesi kolaylaşır.

Agentic search etkisi nasıl ölçülür?

Agentic search etkisi üç ayrı katmanda ölçülür. Google'daki üretken yapay zeka görünürlüğü Search Console'daki Generative AI performans raporuyla izlenir. Ajan ziyaretleri sunucu kayıtlarından, iş sonuçları ise yönlendirme ve dönüşüm verilerinden takip edilir.

Google, Generative AI performans raporunu 31 Ağustos 2026 itibarıyla dünya genelindeki sitelere açtı. Rapor, AI Bakışı ve AI Modu'ndaki gösterimleri sayfa, ülke, cihaz ve tarih kırılımlarıyla gösterir. Google, raporun her mülkte henüz görünmeyebileceğini ve veri oluşması için bu özelliklerde yeterli gösterim gerektiğini belirtiyor. Rapor Search Labs deneylerini kapsamaz.

Ajan ziyaretleri için sunucu kayıtlarında user agent'ları ayrı ayrı filtreleyin. Google-Agent ve ChatGPT-User kullanıcı adına yapılan ziyaretleri gösterir. OAI-SearchBot ise ChatGPT aramasının keşif taramasıyla ilgilidir. Google, Google-Agent için ayrı bir IP aralığı dosyası yayımlıyor. OpenAI de tarayıcılarının IP aralıklarını paylaşıyor. Bu aralıklar, sahte user agent kullanan istekleri ayıklamaya yardımcı olur.

İş sonuçlarında ilişkilendirme zorlaşıyor. Ajan araştırmayı kendi arayüzünde yapıp kullanıcıyı doğrudan rezervasyon sayfasına gönderdiğinde, bu ziyareti hangi yanıtın tetiklediği analitik araçlarında görünmeyebilir. Bu yüzden yönlendirme oturumlarını ve dönüşümleri, sabit bir sorgu setiyle düzenli aralıklarla yapılan testlerle birlikte okumak gerekir. Bu tür gözlemler değişimi gösterir ama nedenini tek başına kanıtlamaz.

Kaynaklar

1. Google Search Central, Google's Guide to Optimizing for Generative AI Features on Google Search. Sayfanın son güncellemesi 10 Temmuz 2026.
2. Search Console Yardım, Generative AI performance report (Search). Eylül 2026'da erişildi.
3. web.dev, Build agent-friendly websites. Kasper Kulikowski ve Omkar More, son güncelleme 1 Nisan 2026.
4. Google Türkiye Blog, Türkiye'de AI Modu ve AI Bakışı Dönemi Başlıyor. Yayın tarihi 18 Şubat 2026.
5. Google Blog, Google Search's I/O 2026 updates. Elizabeth Reid, 19 Mayıs 2026.
6. Google Blog, Introducing the Universal Cart and more ways to help you shop. Vidhya Srinivasan, 19 Mayıs 2026.
7. Google Blog, AI Mode in Search gets new agentic features and expands globally. Robby Stein, 21 Ağustos 2025.
8. Google for Developers, Universal Commerce Protocol (UCP) Guide. Eylül 2026'da erişildi.
9. Google for Developers, UCP guide overview. Sayfanın son güncellemesi 25 Ağustos 2026.
10. Google Crawling Infrastructure, Google User-Triggered Fetchers. Sayfanın son güncellemesi 19 Ağustos 2026.
11. OpenAI, Overview of OpenAI Crawlers. Eylül 2026'da erişildi.
12. OpenAI, Powering product discovery in ChatGPT. Yayın tarihi 24 Mart 2026.
13. OpenAI Developers, Agentic Commerce. Eylül 2026'da erişildi.
14. Model Context Protocol, What is the Model Context Protocol (MCP)? Eylül 2026'da erişildi.
15. Microsoft Learn, Agentic Retrieval Overview, Azure AI Search. Sayfanın son güncellemesi Eylül 2026.
16. Microsoft Learn, Set the retrieval reasoning effort. Sayfanın son güncellemesi 11 Haziran 2026.
17. Singh, A. ve ark., Agentic Retrieval-Augmented Generation, A Survey on Agentic RAG. arXiv 2501.09136, ilk sürüm 15 Ocak 2025.
18. Similarweb, What Is Agentic Search? Limor Barenholtz, 28 Mayıs 2026, güncelleme 24 Ağustos 2026. Satıcı kaynaklı bir çerçevedir.

Yazar hakkındaİbrahim ÖzkanDijital Pazarlama Uzmanı

Meta ve Google reklamları, SEO, GEO, sosyal medya yönetimi ve ChatGPT Ads üzerine markalara danışmanlık veriyor. Yazılarında sahada uygulanan yöntemleri sade bir dille anlatıyor.

LinkedIn ↗Instagram ↗İletişimHakkımızda