05.06.2025

Yapay Zeka Asistanları için A2A, MCP ve ACP Protokolleri

A2A, MCP ve ACP protokollerinin yapay zeka ajanları ile sistemler arasında kesintisiz iletişim, iş birliği ve veri entegrasyonunu nasıl sağladığını keşfedin. Kurumların bu standartları kullanarak ölçeklenebilir, güvenli ve birlikte çalışabilir yapay zeka asistan altyapılarını nasıl inşa ettiğini öğrenin.

Yapay zeka asistanları artık hayatımızın her köşesinde karşımıza çıkıyor. Ancak bu asistanların gerçekten etkili olabilmesi için sadece insanlarla değil, birbirleriyle ve diğer sistemlerle de sorunsuz bir şekilde iletişim kurabilmesi gerekiyor. Bu noktada devreye bazı önemli protokoller giriyor. Son dönemde öne çıkan ve üzerinde sıkça konuşulan üç temel protokol şunlar:
MCP (Model Context Protocol)
A2A (Agent-to-Agent) Protokolü,
ACP (Agent Communication Protocol)
Bu protokoller, yapay zeka asistanlarının, birbirleriyle veri alışverişi yapmasını, birlikte çalışmasını ve görevleri paylaşmasını mümkün kılan bir altyapı sağlıyor.

Bu nedenle, yapay zeka sistemlerinin enerji verimliliğini artırmak ve enerji tüketimini azaltmak, sadece teknoloji şirketleri açısından değil, aynı zamanda çevresel sürdürülebilirlik açısından da kritik bir önem taşıyor.

MCP (Model Context Protocol) Protokolü

MCP (Model Context Protocol), Anthropic tarafından 2024 sonunda tanıtılan açık kaynaklı bir standarttır. Temel amacı, yapay zeka modellerinin (özellikle LLM’lerin) harici veri kaynakları ve araçlarla dinamik bir şekilde iletişim kurabilmesini sağlamaktır. Anthropic, MCP’yi yapay zeka dünyasının “USB-C portu” olarak tanımlar; tıpkı USB-C’nin farklı cihazları tek bir standart bağlantı üzerinden birbirine bağlaması gibi, MCP de farklı veri kaynakları ve araçları LLM tabanlı sistemlerle tek ve standart bir arayüz üzerinden bağlar.

MCP, büyük dil modellerinin eğitim verisi dışındaki sistemlere ve gerçek zamanlı verilere erişimini standartlaştıran bir bağlantı noktası görevi görür. Örneğin, bir yapay zeka asistanı, PDF belgelerinden e-postalara, şirket içi veri tabanlarından üçüncü parti API’lara kadar pek çok farklı kaynağı hızlı ve güvenli bir şekilde çalışma bağlamına dahil edebilir.

Teknik Mimari ve İletişim Modeli

MCP protokolü, istemci-sunucu mimarisine dayanır ve üç temel bileşenden oluşur:

MCP Host (Ana Uygulama): Yapay zeka modelini barındıran veya bu modelle etkileşim kuran ana uygulamadır. Host uygulaması, LLM’den gelen veri taleplerini MCP sunucularına iletir ve bu sunuculardan aldığı yanıtları modele aktarır.
MCP Server (Sunucu): Belirli veri kaynaklarına veya araçlara bağlanan ara servislerdir. Bir MCP sunucusu; dosyalar, veritabanı kayıtları, API çağrıları veya dinamik oluşturulan içerik gibi pek çok kaynağı yapılandırılmış biçimde sağlar. MCP sunucuları, sundukları yeteneklerin tamamını JSON formatında tanımlar ve böylece istemciler (hostlar), hangi verilere nasıl erişebileceklerini keşfedebilir.
MCP Client (İstemci): MCP sunucularına bağlanarak ilgili veriyi çeker ve modele aktarır. İstemci aynı anda birden fazla MCP sunucusuyla etkileşime geçebilir. Örneğin, SkyStudio’ya ait bir yapay zeka asistanı; kullanıcıdan gelen sorgulara yanıt vermek için, bir yandan şirket içindeki dokümanlara erişirken diğer yandan üçüncü parti bir API’den güncel finansal verileri çekebilir.

Tüm bu bileşenler arasındaki iletişim genellikle HTTPS üzerinden JSON mesajlarıyla gerçekleşir ve OAuth2 gibi kurumsal güvenlik standartlarıyla entegre edilebilir. Bu sayede MCP, kurumsal ortamlarda verinin güvenliğini ve erişim kontrolünü de güçlendirir.

Çalışma Prensibi ve Bağlamsal Veri Enjeksiyonu

MCP’nin en önemli özelliği, bağlamsal veri enjeksiyonu yapabilmesidir. Bu, modele her sorguda gerekli verilerin anlık ve dinamik olarak sağlanması anlamına gelir. Model her seferinde büyük veri setleriyle değil, sadece o anki kullanıcı talebine uygun bilgilerle beslenir. Bu yöntem sayesinde, hem daha kısa ve net prompt’lar oluşturulur hem de gereksiz bilgi yüklemesi yapılmaz.

Örneğin bir kullanıcı SkyStudio üzerinden, “Bu ayki satışlarımız geçen ay ile kıyaslandığında nasıl?” diye sorduğunda, asistan yalnızca o iki aya ait verileri çekip, doğrudan modelin bağlamına ekleyerek net ve hızlı yanıt verebilir. Böylece prompt uzunluğu azalır, modelin yanıt verme süresi hızlanır ve model daha doğru cevaplar üretir.

Avantajları ve Dezavantajları

Avantajları:

Standartlaştırılmış entegrasyon: Veri kaynakları ve araçlar kolayca eklenebilir.
Modelin yeteneğini artırır: Gerçek zamanlı ve güncel verilere erişim sağlar.
Etkili prompt kullanımı: Gereksiz bilgi yükünü azaltarak, model performansını artırır.
Model bağımsız ve geleceğe dönük bir yapı sunar.
Güçlü güvenlik ve erişim kontrolü sağlar.
Büyüyen ekosistem ve topluluk desteği bulunur.

Dezavantajları:

Tek modele odaklıdır; multi-agent iletişim için yeterli değildir.
Ek mimari bileşenler gerektirir ve küçük uygulamalarda karmaşıklığa neden olabilir.
Her sistem için hazır bir MCP sunucusu olmayabilir, bu da ek geliştirme gerektirir.
Birden fazla sistem etkileşime girdiğinde hata ayıklama karmaşık olabilir.

Agent-to-Agent (A2A) Protokolü

Google tarafından Nisan 2025’te duyurulan Agent-to-Agent (A2A) protokolü farklı yapay zeka ajanlarının birbirleriyle doğrudan iletişim kurmasını, güvenli şekilde veri paylaşmasını ve ortak görevleri koordine edebilmesini sağlıyor.

A2A protokolü, farklı üreticilerin veya platformların geliştirdiği yapay zeka sistemlerinin ortak bir dil üzerinden anlaşmasına olanak tanıyor. Google, protokolün geliştirilmesi sürecinde Salesforce, Atlassian, SAP ve ServiceNow gibi 50’den fazla önemli teknoloji şirketiyle iş birliği yaptı.

A2A ayrıca, Anthropic tarafından duyurulan MCP protokolünü tamamlayıcı nitelikte tasarlandı. MCP, yapay zeka asistanlarının harici verilere ve araçlara erişimini kolaylaştırırken; A2A ise farklı asistanların doğrudan birbiriyle konuşmasını ve ortak çalışmasını sağlıyor. Google’ın tanımıyla A2A protokolü, tüm platform ve altyapılardan bağımsız olarak, farklı sağlayıcıların ajanlarını tek bir standart yöntemle bağlayarak yönetebilmenin kapılarını açıyor.

İletişim Modeli ve Mimari

A2A protokolü, HTTP tabanlı bir istemci-sunucu modelini esas alıyor. Bu mimaride, her bir yapay zeka ajanı internet üzerinden erişilebilir bir servis gibi davranıyor ve sahip olduğu yetenekleri, erişim uç noktalarını ve kimlik doğrulama gereksinimlerini Agent Card (Ajan Kartı) adı verilen JSON tabanlı bir formatta paylaşıyor. Böylece ajanlar, birbirlerinin yeteneklerini ve iletişim yöntemlerini kolayca keşfedebiliyorlar.

Protokolün güncel versiyonunda iletişim, HTTPS üzerinden JSON-RPC 2.0 formatında gerçekleşiyor. Ajanlar arasındaki iletişim görev odaklı: Bir ajan (istemci) diğer bir ajana (sunucu) görev tanımını içeren bir istek gönderir. Görevi alan ajan, bu işlemi yerine getirir ve sonucu veya ilgili verileri geri döner.

Her görevin standartlaşmış durumları vardır: görev gönderildi (submitted), işleniyor (working), girdi bekleniyor (input-required) ve tamamlandı (completed). Uzun süren görevlerde ise, ajanlar görev durumu hakkında birbirlerini düzenli aralıklarla güncelleyebilirler. Protokol, basit istek-cevap modeli dışında uzun görevler için düzenli durum sorgulama (polling) veya gerçek zamanlı bildirimleri (push notifications) de destekler. Bu esneklik sayesinde farklı görev türlerinde etkili iletişim sağlanır.

Her A2A uyumlu ajan hem görev verebilir hem de görev kabul edip işleyebilir. Bu çift rol yeteneği sayesinde yapay zeka ajanları dinamik olarak birbirleriyle koordineli şekilde çalışabilir.

Örneğin SkyStudio asistanına “İstanbul’daki konferansa katılmak için gerekli tüm hazırlıkları yapabilir misin?” dediğinizi düşünün. SkyStudio, bu isteğinizi A2A protokolünü kullanarak şu şekilde çözer:

İlk olarak, seyahat organizasyonuyla ilgili ajanı devreye sokar ve ulaşım ile konaklama rezervasyonlarını yaptırır.
Ardından, etkinlik yönetimi yapan başka bir ajanı çağırarak konferans kaydınızı gerçekleştirir ve giriş bilgilerini hazırlar.
Son olarak, takvim yönetim ajanına bağlanarak seyahat ve konferans bilgilerinizi takviminize otomatik olarak ekletir.

Bütün bu süreçte her bir ajan, görevlerini tamamladıktan sonra SkyStudio’ya geri bildirimde bulunur. Böylece görevler ilgili ajanlara dağıtarak çok daha hızlı, verimli ve hatasız bir sonuç sağlanır. Kullanıcı açısından ise, tek bir basit talimat vermek yeterli olur.

Avantajları ve Dezavantajları

Avantajları:

Evrensel Uyumluluk: Farklı üreticilerin AI sistemleri arasında standart ve sorunsuz iletişim sağlar.
Güçlü Endüstri Desteği: Google’ın öncülüğünde birçok büyük teknoloji firmasının desteğiyle hızla benimsenmektedir.
Kolay Altyapı Entegrasyonu: HTTP ve JSON gibi yaygın web teknolojilerini kullandığı için mevcut sistemlere entegre edilmesi kolaydır.
Esnek Görev Yönetimi: Görev durumlarının standartlaştırılmış olması, karmaşık iş akışlarının yönetimini kolaylaştırır.
Güvenli ve Yetkilendirilmiş İletişim: Kimlik doğrulama ve yetkilendirme mekanizmaları ile güvenli iletişim sağlanır.
Açık Kaynak ve Topluluk Katkısı: Protokol açık kaynak olarak yayınlandığı için geliştiriciler tarafından sürekli geliştirilebilir.

Dezavantajları:

Web Teknolojilerinin Yükü: Ağ üzerinden HTTP ve JSON iletişimi nedeniyle iç sistemlerde fazladan işlem yükü oluşabilir.
Sistem Karmaşıklığı: Basit görevlerde dahi çoklu ajan yönetimi zorunlu hâle gelerek sistem karmaşasını artırabilir.
Yeni ve Gelişmekte: Henüz yeni bir standart olduğundan tam olgunluğa erişmesi zaman alabilir; sürüm farklılıkları uyumluluk sorunlarına neden olabilir.
Güvenlik Yönetiminde Zorluklar: Birden fazla ajanın iletişim kurması, kapsamlı kimlik ve erişim yönetimi gerektirir; kötü yapılandırılmış sistemler risk taşır.

ACP (Agent Communication Protocol)

ACP (Agent Communication Protocol), IBM Research tarafından geliştirilen ve Linux Foundation bünyesinde açık kaynaklı olarak sürdürülen bir iletişim protokolüdür. ACP’nin temel hedefi, aynı ortamda çalışan yapay zeka ajanlarının ortak ve standart bir dil üzerinden iletişim kurabilmesini sağlamaktır. Protokol, özellikle yerel veya uç ortamlarda çalışan ajanların hızlı, düşük gecikmeli ve yapılandırılmış mesajlaşmasını mümkün kılar.

Ajanlar genellikle farklı framework, dil veya mimarilere sahip olabilirler. ACP, bu farklılıkları ortadan kaldırarak, tüm ajanların ortak bir arayüz üzerinden iletişimini sağlar.

ACP’nin ana motivasyonu, yapay zeka projelerinde sıkça karşılaşılan silo problemini çözmektir. Şirketler genelde farklı ekipler tarafından geliştirilmiş ve ayrı teknolojiler kullanan birçok ajana sahiptir. ACP, bu ajanları ortak bir zeminde buluşturup entegre ederek, veri paylaşımını ve işbirliğini artırmayı amaçlar.

Çalışma Prensibi ve Mimari

ACP, temel olarak RESTful bir mimariye sahiptir. Ajanlar, HTTP tabanlı basit uç noktalar üzerinden haberleşir. JSON formatında yapılandırılmış mesajlarla gerçekleşen bu iletişim, hem senkron hem de asenkron şekilde olabilir. ACP’nin önceliği sadeliktir: karmaşık JSON-RPC gibi protokollerden farklı olarak, yaygın HTTP yöntemleri ve standartlarıyla doğrudan uyumludur.

ACP destekli platformlarda, genellikle şu iki temel bileşen bulunur:

Orkestrasyon Sunucusu: Bu sunucu, ajanları yönetir, başlatır, durdurur ve aralarındaki iletişimi koordine eder. Harici sistemler de bu tek bir sunucu üzerinden ajanlarla kolayca iletişime geçebilir.
Ajanlar: Farklı teknolojilerle geliştirilmiş ajanlar, ACP standardına uygun sarmalayıcılar sayesinde ortak arayüz üzerinden haberleşir.

Mesajlaşma yapısında, bir ajan diğerine görev tanımlayıcı istekler, sorgular veya durum güncellemeleri gönderebilir. Ayrıca ACP, streaming (akış) desteğine sahiptir. Böylece uzun süren işlemlerde ara sonuçlar veya durum bildirimleri diğer ajanlara anlık olarak iletilebilir.

Örneğin SkyStudio’da, bir kullanıcı “Son 6 ayın satış verilerinin detaylı bir analizini çıkarır mısın?” şeklinde bir talepte bulunduğunda, ACP protokolü şu şekilde çalışır:

Talebi alan ana SkyStudio ajanı, görevi veri analizi uzmanı bir ajana ACP üzerinden iletir.
Veri analizi ajanı, gerekli verileri işlemek üzere görevi alır ve işlem sırasında analiz aşamalarını ana ajana düzenli olarak akış halinde bildirir.
İşlem tamamlandıktan sonra, sonuçları yine ACP üzerinden ana SkyStudio ajanına ileterek kullanıcıya hızlı bir şekilde sunar.

ACP ayrıca, ajanların dinamik olarak keşfedilmesini ve yönetilmesini sağlar. Bir ajan çalışmaya başladığında kendisini sunucuya kayıt eder ve durduğunda kayıttan çıkar. Bu dinamik yapı, sistemlere esneklik ve ölçeklenebilirlik kazandırır.

Avantajları

Yerel Performans ve Düşük Gecikme: ACP, yerel ortamlarda çalışmak üzere optimize edilmiştir. Aynı makinedeki ajanlar hızlıca iletişim kurabilir.
Gizlilik: Veriler dışarıya çıkmadan, şirket içinde tutulur.
Kolay Kurulum ve Yönetim: Birden fazla ajanın kurulumu ve yönetimi basitleşir.
Platform Bağımsızlığı: Farklı teknolojilere sahip ajanlar ortak arayüz sayesinde entegre edilebilir.
Gözlemlenebilirlik: Dahili telemetri sistemi, ajanlar arasındaki tüm iletişimi izlenebilir hale getirir.
Açık Kaynak ve Topluluk Desteği: Linux Foundation altında geliştirildiği için açık ve topluluk odaklıdır.

Dezavantajları

Gelişim Süreci: Protokol henüz erken aşamada olup, sık değişiklikler olabilir.
Yerel Kapsamla Sınırlı: İnternet veya global ölçekli dağıtımlar için ideal değildir. Daha geniş kapsamlı iletişim için A2A veya MCP tercih edilebilir.
Ekosistem Bağımlılığı: Şu an için ACP deneyimi büyük ölçüde IBM’in BeeAI platformuna bağlıdır.
Sınırlı Endüstri Yaygınlığı: A2A veya MCP kadar kabul görmemiştir.
Kaynak Yönetimi: Çok sayıda ajan çalıştırmak, donanım kaynakları açısından zorlayıcı olabilir.
İletişim Basitliği: ACP’nin basit HTTP yaklaşımı bazı karmaşık durumları yönetmekte geliştiriciye ek yük çıkarabilir.

Protokollerin Birlikte Kullanımı ve Uyumluluğu

A2A, MCP ve ACP protokolleri, farklı odak noktalarına sahip olsa da, temelde birbirlerini tamamlayıcı nitelikte çözümler olarak ortaya çıktı.

A2A ve MCP Uyumu

MCP protokolü, yapay zeka asistanlarına dış kaynaklardan dinamik bağlam verisi sağlamaya odaklanırken, A2A protokolü ise birden fazla ajanın ortak bir dil üzerinden iletişim kurmasını mümkün kılar. Google ve Anthropic, bu iki protokolü birbiriyle uyumlu, tamamlayıcı katmanlar olarak konumlandırmaktadır.

Örneğin SkyStudio platformunda bir kullanıcı, “Son üç ayda gerçekleşen müşteri şikayetlerini özetleyebilir misin?” şeklinde bir soru sorduğunda, kullanılan asistan önce MCP protokolü ile şirketin veritabanından ilgili şikayetleri çeker. Eğer yanıtı oluşturmak için farklı uzmanlık alanlarında bilgi gerekiyorsa, bu noktada devreye A2A girer. Ajan, A2A üzerinden farklı uzman ajanlarla iletişim kurarak, kapsamlı ve tutarlı bir cevap hazırlayabilir. Burada MCP bağlamsal veri sağlayarak veri odaklı zenginliği artırırken, A2A bu zenginliği farklı ajanlar arasında dağıtır ve çok yönlü iş birliğini mümkün kılar.

ACP ve A2A Uyumu

ACP, özellikle yerel ortamlarda çalışan yapay zeka ajanlarının hızlı, düşük gecikmeli ve güvenli bir biçimde iletişimini sağlamaya odaklanırken, A2A protokolü daha geniş, internet tabanlı ve bulut ortamlarındaki ajanlar arası iletişimi hedefler.

Buradaki ilişkiyi basitçe şu şekilde tanımlayabiliriz: ACP, kapalı devre çalışan sistemlerde mükemmel bir yerel iletişim çözümüyken, bu yerel sistemlerin dış dünyaya açılması gerektiğinde A2A devreye girer.

Örneğin, SkyStudio platformunda çalışan bir ekip düşünelim. Ekip üyeleri, belgeleri özetleyen, görseller üreten ve web aramaları yapan farklı AI ajanlarını ACP ile birbirine bağlamış olsun. Belgeleri özetleyen bir ajan, yerel bir görsel üretim ajanına “rapor kapağı için uygun bir görsel üret” komutunu ACP ile iletebilir. Aynı ekip, güncel piyasa analizlerini almak için bir web arama ajanına ihtiyaç duyduğunda, bu ajan buluttaki bir SaaS hizmetine bağlanmak üzere A2A protokolünü kullanır.

Bu senaryoda:

ACP, yerel makinelerde çalışan belge özetleme, görsel oluşturma ve sunum hazırlama ajanları arasında hızlı bir iletişim sağlar.
A2A ise, bir SkyStudio ajanının internet üzerindeki bir haber veya araştırma servisiyle konuşarak en güncel verilere ulaşmasını mümkün kılar.

Böylece SkyStudio gibi platformlarda, ACP ve A2A birlikte kullanılarak hem yerel hız hem de küresel erişim avantajı elde edilir. Kullanıcı, bu altyapının farkında bile olmadan, hem bilgisayarındaki ajanlardan hem de buluttaki servislerden sorunsuzca yararlanabilir.

ACP ve MCP Uyumu

Tarihsel olarak ACP’nin geliştirilmesinde MCP protokolünden esinlenilmiş olması, ACP ile MCP arasında doğal bir uyum yaratmıştır. ACP, yerel ajanlar arasında iletişim ve koordinasyonu sağlarken, MCP her bir ajanın dış kaynaklardan veri ve araçlara erişimini yönetir.

Örneğin SkyStudio platformunda, yerel olarak çalışan ve ACP ile koordine edilen bir veri analiz ajanı, müşteri bilgilerinin saklandığı bir veritabanına MCP üzerinden bağlanabilir. Bu ajan, diğer ajanlarla ACP kullanarak haberleşirken, veri tabanıyla olan iletişimini MCP protokolü üzerinden yürütür. Böyle bir kullanım, veriye erişimi MCP’nin gücüyle sağlarken, çoklu ajan koordinasyonunu ACP’nin sağladığı hızlı ve yerel iletişim imkânlarıyla birleştirir.

Üç Protokolün Birlikte Kullanımı

Üç protokolün birlikte kullanılabileceği en geniş kapsamlı senaryoda, modüler ancak uyumlu bir sistem elde edilir. İdeal bir ortamda:

ACP, yerel iletişimin hızını ve düşük gecikmeyi sağlar.
MCP, dinamik bağlamsal veri ve araç entegrasyonu sunar.
A2A, geniş çaplı ajan iletişimini ve farklı platformlar arasında etkileşimi mümkün kılar.

Örneğin, bir şirkette çalışan ajanlar ACP ile yerel ağ içinde hızlı ve güvenli biçimde haberleşir. Bir müşteri temsilcisi ajanı, MCP kullanarak şirketin CRM sistemindeki müşteri bilgilerine ve satış verilerine ulaşır. Müşterinin talebi yerel kapasiteyi aşıyorsa veya daha özel uzmanlıklar gerektiriyorsa, şirket bulutunda yer alan diğer uzman ajanlarla iletişim A2A protokolü üzerinden kurulur.

Bu mimari sayesinde, kullanıcı herhangi bir soru veya talep ile geldiğinde:

Talep öncelikle ACP üzerinden yerel ajanlara iletilir,
Gerekli bağlam bilgisi MCP üzerinden anlık olarak sağlanır,
Eğer daha geniş çaplı bilgi veya ek uzmanlık gerekiyorsa A2A devreye girerek dış uzman ajanlarla iletişime geçilir.

Sonuçta kullanıcı, üç protokolün benzersiz özelliklerinden faydalanarak hızlı, tutarlı ve zengin içerikli cevaplara ulaşır.