Perplexity ‘Teammates’ Mimarisi: ‘Perplexity Computer’ Üzerinde 7/24 Çalışan Kalıcı, İzole ve Çoklu Orkestrasyona Sahip Kurumsal Ajan Sistemi
Perplexity, tek seferlik istem-yanıt döngüsünü aşarak 'Perplexity Computer' altyapısı üzerinde 7/24 otonom çalışan, her biri izole masaüstü/tarayıcı oturumuna ve kalıcı belleğe sahip 'Teammates' kurumsal ajan orkestrasyon sistemini devreye aldı. Varsayılan olarak Claude Opus 5.5 ile güçlendirilen ve şirket içi kullanımda insan çalışan sayısını 20'ye 1 oranında aşan sistemin mimari anatomisi.

Kurumsal yapay zeka ekosisteminde yıllardır süregelen en büyük mimari darboğaz, büyük dil modellerinin (LLM) doğası gereği tepkisel (reactive) ve durumsuz (stateless) bir çalışma prensibine hapsolmuş olmasıdır. Bir mühendisin veya operasyon yöneticisinin yapay zekadan değer üretebilmesi için her seferinde bağlamı yeniden inşa etmesi, istem (prompt) yazması ve üretilen çıktıyı manuel olarak bir sonraki iş akışına taşıması gerekiyordu. Perplexity, 5 Kasım 2026 itibarıyla kullanıma sunduğu Teammates sistemiyle bu paradigmayı kökünden değiştirerek yapay zekayı bir "sohbet penceresi" olmaktan çıkarıp, doğrudan iş akışlarının mülkiyetini (ongoing project ownership) üstlenen 7/24 aktif, kalıcı ve proaktif birer dijital ekip arkadaşına dönüştürdü.
CEO Aravind Srinivas ve kurucu ortak Johnny Ho tarafından paylaşılan verilere göre, Perplexity’nin kendi iç operasyonlarında aktif olarak çalışan otonom ajanların sayısı şimdiden insan çalışan sayısını 20'ye 1 oranında aşmış durumda. Derin araştırmadan (deep research) kalite güvencesine (QA), bilet triyajından (ticket triage) kod incelemesine (code review) kadar yüzlerce saatlik angarya işi otonomlaştıran bu sistem, Perplexity’nin mevcut bulut tabanlı dijital işçisi Perplexity Computer üzerine inşa edilmiş yeni bir delegasyon ve orkestrasyon katmanı olarak konumlanıyor.
1. 'Prompt' Paradigmasından Kalıcı İş Mülkiyetine (Ongoing Ownership) Geçiş
Temmuz 2025'te Comet tarayıcısı ile başlayan web yetenekli kişisel asistan dönemi, daha sonra tekil karmaşık görevleri yürütebilen Perplexity Computer ile kurumsal boyuta taşınmıştı. Ancak Perplexity Computer ne kadar güçlü olursa olsun, uzun soluklu ve sürekli değişen bir projeyi uçtan uca sahiplenmek için insan planlamasına ihtiyaç duyuyordu. Teammates, tam olarak bu boşluğu dolduran üst düzey bir kontrol düzlemi (control plane) sunuyor.
Standart bir ajan çalıştırması (agent run) ile bir Teammate arasındaki mimari fark üç temel sütun üzerinde yükseliyor:
- Süreklilik ve Kalıcı Bellek (Continuity & Persistent Memory): Bir Teammate her görevde sıfırdan (cold start) başlamaz. Proje hedeflerini, geçmiş görev kayıtlarını, paylaşılan dosyaları ve en önemlisi insan geri bildirimlerini çalıştırmalar arasında (across runs) kalıcı olarak korur. Örneğin, bir operasyon Teammate'ine dış kaynaklı bir ajansın 2 haftalık ön bildirim süresine (lead time) ihtiyaç duyduğu bir kez söylendiğinde, ajan gelecekteki tüm proje takvimlerini bu kısıtı otomatik olarak hesaba katarak oluşturur.
- Çoklu Ajan Koordinasyonu (Multi-Agent Coordination): Tek bir Teammate, büyük bir hedefi alt görevlere (subtasks) bölebilir, paralel çalışması gereken işler için arka planda birden fazla Perplexity Computer oturumu başlatabilir ve çıktıyı kendi içinde doğruladıktan sonra kullanıcıya sunar. Daha da önemlisi, Teammates birbirlerine iş devredebilir (handoff): Bir QA Teammate web sitesindeki bir hatayı tespit ettiğinde, bulgularını doğrudan kod düzeltmesini hazırlayacak olan Mühendislik Teammate'ine aktarabilir.
- Proaktif İzleme (Proactive Monitoring): Teammates yeni bir istem (prompt) beklemek yerine bağlı olduğu veri kaynaklarını (Slack, GitHub, Linear, CRM vb.) 7/24 dinler. Örneğin bir Satış Teammate'i, düzenli alım yapan bir kurumsal müşterinin işlemlerinin durduğunu kendi başına fark edip, sipariş geçmişini ve destek biletlerini inceleyerek özel bir teklif taslağı hazırlayabilir ve iletişim kurulmadan önce çözülmesi gereken teknik engelleri ekip liderine raporlayabilir.
"Mimari Not: Perplexity Teammates, model seçimini statik bir yapılandırma olarak değil, dinamik bir orkestrasyon problemi olarak ele alır. Varsayılan olarak üst düzey akıl yürütme ve planlama için Claude Opus 5.5 kullanan sistem, Perplexity Computer üzerinden alt görevleri (kod üretimi, hızlı veri kazıma, belge sentezi) en uygun uzmanlaşmış modellere yönlendirir."
2. İzole Masaüstü/Tarayıcı Sandbox Mimarisi ve Güvenlik Sınırları
7/24 arka planda çalışan ve dış sistemlerde aksiyon alabilen otonom ajanların kurumsal ortamlarda yarattığı en büyük risk, yetki aşımı (privilege escalation) ve oturum verilerinin birbirine karışmasıdır. Perplexity, Teammates mimarisinde bu sorunu donanım/konteyner seviyesinde çalışma alanı izolasyonu ile çözüyor.
Her bir Teammate, Perplexity Computer altyapısı içinde kendi bağımsız sanal bilgisayarına, masaüstüne ve tarayıcı örneğine (browser instance) sahiptir:
- Bağımsız Oturum ve Çerez İzolasyonu: Bir Teammate'in tarayıcı oturumları ve yerel çerezleri (local cookies), diğer Teammate'lerden tamamen izoledir. Pazarlama ajanının kullandığı analitik paneli oturumu ile Finans ajanının çalıştığı ERP oturumu aynı bellek alanını paylaşmaz.
- Şifrelenmiş Kimlik Bilgisi Kasası (Encrypted Credential Vault): Ajanların harici araçlara erişirken kullandığı kayıtlı kimlik bilgileri şifrelenir; Teammate'in altındaki dil modeli bu parolaları düz metin (plaintext) olarak göremez, yalnızca yetkilendirilmiş yürütme katmanı üzerinden enjekte edilen oturumları kullanır.
- İnsan Onay Noktaları (Human-in-the-Loop Checkpoints): Ajanlar araştırmayı, taslak hazırlamayı ve ön analizi otonom olarak yürütürken; bütçe harcaması, reklam yayına alma, müşteriye dış e-posta gönderimi veya üretim ortamına kod birleştirme gibi kritik eşiklerde (irreversible actions) işlemi durdurarak Slack veya web arayüzü üzerinden insan onayı talep eder.
Aşağıdaki TypeScript kodu, Teammates benzeri bir kurumsal ajan sisteminde Kalıcı Durum (Persistent State), Paralel Computer Oturumu Dağıtımı ve İnsan Onay Kapısı (Checkpoint Gate) mekanizmalarının mimari düzeyde nasıl modellendiğini göstermektedir:
import { EventEmitter } from 'events';
interface AgentMemory {
projectGoals: string[];
learnedConstraints: Record<string, string>; // Örn: { "agency_notice_period": "14d" }
taskHistory: Array<{ taskId: string; status: 'completed' | 'failed'; summary: string }>;
}
interface ComputerSessionConfig {
sessionId: string;
isolatedDesktopId: string;
modelOverride?: 'claude-opus-5.5' | 'sonar-reasoning-pro' | 'gpt-5.4-codex';
allowedTools: string[];
}
class PerplexityTeammate extends EventEmitter {
private readonly roleId: string;
private memory: AgentMemory;
private activeComputerSessions: Map<string, ComputerSessionConfig> = new Map();
constructor(roleId: string, initialMemory: AgentMemory) {
super();
this.roleId = roleId;
this.memory = initialMemory;
}
/**
* 7/24 Proaktif Olay Dinleyicisi (Slack, GitHub, Linear Webhook Tetikleyicisi)
*/
public async onExternalSignal(source: 'slack' | 'linear' | 'crm', payload: Record<string, any>): Promise<void> {
console.log(`[Teammate:${this.roleId}] Yeni sinyal algılandı (${source}). Bağlam belleği yükleniyor...`);
// 1. Kalıcı bellekten kısıtları ve geçmişi çekerek alt görev planı oluştur
const executionPlan = await this.planWithOpus55(payload, this.memory);
// 2. Paralel çalışabilecek alt görevler için izole Perplexity Computer oturumları başlat
const parallelResults = await Promise.all(
executionPlan.subtasks.map(task => this.spawnIsolatedComputerSession(task))
);
// 3. Başka bir Teammate'e devredilmesi (Handoff) gereken bulgu var mı kontrol et
if (executionPlan.requiresHandoffTo) {
this.emit('teammate:handoff', {
fromRole: this.roleId,
toRole: executionPlan.requiresHandoffTo,
artifacts: parallelResults,
});
}
// 4. Kritik aksiyon öncesi İnsan Onay Noktası (Human Checkpoint) kontrolü
if (executionPlan.requiresHumanApproval) {
await this.requestSlackApproval(executionPlan.proposedAction, parallelResults);
return;
}
await this.commitMemoryUpdate(executionPlan.goalSummary);
}
private async spawnIsolatedComputerSession(task: { id: string; description: string; toolScope: string[] }) {
const sessionConfig: ComputerSessionConfig = {
sessionId: `comp-sess-${Date.now()}-${task.id}`,
isolatedDesktopId: `sandbox-vm-${this.roleId}-${task.id}`,
modelOverride: 'claude-opus-5.5',
allowedTools: task.toolScope,
};
this.activeComputerSessions.set(sessionConfig.sessionId, sessionConfig);
try {
// İzole tarayıcı ve masaüstü ortamında görevi yürüt
return {
taskId: task.id,
sandboxId: sessionConfig.isolatedDesktopId,
output: `[Tamamlandı] ${task.description} (Kısıtlar uygulandı: ${JSON.stringify(this.memory.learnedConstraints)})`,
};
} finally {
this.activeComputerSessions.delete(sessionConfig.sessionId);
}
}
private async planWithOpus55(payload: Record<string, any>, memory: AgentMemory) {
// Claude Opus 5.5 tabanlı orkestrasyon planlayıcısı simülasyonu
return {
goalSummary: `Otomatik Triyaj ve Kök Neden Analizi: ${payload.eventType}`,
requiresHandoffTo: payload.eventType === 'BUG_DETECTED' ? 'engineering-fixer-teammate' : undefined,
requiresHumanApproval: payload.involvesExternalCommunication || payload.budgetImpact > 0,
proposedAction: 'Müşteri telafi teklifini CRM üzerinden gönder ve destek biletini kapat.',
subtasks: [
{ id: 't1', description: 'Sipariş ve destek geçmişini sorgula', toolScope: ['crm:read', 'zendesk:read'] },
{ id: 't2', description: 'Son 72 saatlik hata loglarını tarayıcıda incele', toolScope: ['browser:isolated', 'datadog:read'] }
]
};
}
private async requestSlackApproval(action: string, evidence: any[]): Promise<void> {
console.log(`[CHECKPOINT] Slack üzerinden insan onayı bekleniyor: "${action}"`);
}
private async commitMemoryUpdate(summary: string): Promise<void> {
this.memory.taskHistory.push({ taskId: `run-${Date.now()}`, status: 'completed', summary });
}
}
3. Kurumsal İş Akışı Aileleri ve 'Computer' vs. 'Teammates' Kıyaslaması
Perplexity, Teammates sistemini dört ana kurumsal iş akışı ailesi (workflow families) etrafında optimize etmiş durumda: Pazarlama (Marketing), Satış (Sales), Müşteri Desteği (Support) ve Operasyon (Operations). Ayrıca Slack entegrasyonu sayesinde bir Teammate doğrudan bir Slack kanalına eklenebiliyor; ekip üyeleri ajanı etiketleyerek durum raporu isteyebildiği gibi, ajan da kanal içindeki konuşmaları proaktif olarak izleyip görev üstlenebiliyor.
Aşağıdaki tablo, Perplexity ekosistemindeki temel asistan katmanları ile yeni Teammates mimarisi arasındaki teknik ve operasyonel farkları ortaya koymaktadır:
| Mimari Özellik / Boyut | Perplexity Pro / Deep Research | Perplexity Computer | Perplexity Teammates (Yeni) |
|---|---|---|---|
| Çalışma Modeli | Senkron / İstem-Yanıt (Prompt-Response) | Görev Bazlı Asenkron Oturum (Task-Driven) | 7/24 Kalıcı Rol ve İş Mülkiyeti (Role-Driven) |
| Tetikleme Mekanizması | Kullanıcı sorgusu (Manuel) | Doğal dil komutu veya zamanlanmış görev | Proaktif Olay/Durum İzleme + Otomasyon |
| Bellek ve Bağlam | Sohbet dizisi (Thread) veya Proje klasörü ile sınırlı | Oturum içi artefaktlar ve paylaşılan proje belleği | Çalıştırmalar arası kalıcı görev geçmişi ve geri bildirim öğrenimi |
| Orkestrasyon Kapasitesi | Tekil model / Arama yönlendirmesi | Tekil Computer oturumu altında alt ajanlar | Çoklu Computer oturumu yönetimi + Ajanlar arası iş devri (Handoff) |
| Çalışma Ortamı İzolasyonu | Bulut API / Paylaşılan arama motoru | Bulut tabanlı sanal çalışma alanı | Her Teammate için bağımsız masaüstü, tarayıcı ve izole çerezler |
| Varsayılan Çekirdek Model | Kullanıcı seçimi (Sonar, GPT-5, Claude) | Çoklu model yönlendirici (Multi-model router) | Claude Opus 5.5 (Görev bazlı model özelleştirme destekli) |
| Erişim ve Fiyatlandırma | Pro Plan ($20/ay) | Pro ve Max Planları | Perplexity Max ($200/ay veya yıllık $167/ay) + Kredi Tüketimi |
4. FinOps Gerçekliği: 7/24 Çalışan Ajanlarda Kredi Tüketimi ve Maliyet Yönetimi
Her mimari sıçrama beraberinde yeni bir mühendislik maliyeti getirir. Teammates şu an için yalnızca Perplexity Max (aylık 200 dolar veya yıllık faturalandırmada aylık 167 dolar) abonelerine web üzerinden araştırma önizlemesi (research preview) olarak sunuluyor. Lansman dönemine özel olarak ücretsiz bir promosyon kullanım hakkı tanınsa da, bu sınır aşıldığında Teammates doğrudan kullanıcının aylık Max kredi havuzundan tüketim yapıyor.
Buradaki en kritik mühendislik uyarısı token ve kredi ekonomisi (FinOps) tarafında yatıyor: Erken dönem Perplexity Computer kullanıcılarının tekil, karmaşık ve çoklu tarayıcı adımı içeren görevlerde bir saatin altında 10.000 kredi tüketebildiği biliniyor. Bir Teammate'in 7/24 arka planda çalışması, sürekli tarayıcı otomasyonu yapması, paralel Computer oturumları açması ve varsayılan olarak Claude Opus 5.5 gibi ağır bir akıl yürütme modelini kullanması, kapsamı (scope) sıkı sınırlandırılmamış ajanlarda kredi havuzunun hızla tükenmesine yol açabilir.
"Mimari Not: Kurumsal ortamda 7/24 çalışan otonom ajanları devreye alırken, ajan izinlerini ve izleme sıklığını (polling/trigger frequency) tıpkı bir bulut altyapı faturası (AWS/GCP) yönetir gibi bütçelemek zorunludur. Sürekli tam sayfa DOM taraması yapan bir Teammate yerine, webhook veya hafif API sinyalleriyle uyanıp yalnızca anomali anında Claude Opus 5.5 ve tam tarayıcı oturumunu tetikleyen kademeli (tiered) bir mimari kurgulanmalıdır."
5. Sektör ve Yazılım Mühendisleri İçin Çıkarımlar
Perplexity Teammates hamlesi; OpenAI, Anthropic ve Microsoft arasındaki kurumsal ajan rekabetinde oyunun kurallarını netleştiriyor:
- Ajan Tasarımında 'Handoff' (İş Devri) Standartlaşıyor: Tek bir "süper ajanın" her şeyi yapmaya çalışması yerine; dar kapsamlı, kendi izole tarayıcısına ve araç yetkilerine sahip uzman ajanların (örneğin bir Bug Bulucu Ajan ile bir Kod Yamayıcı Ajan) birbirine yapılandırılmış veri aktarması çok daha güvenilir ve denetlenebilir sonuçlar üretiyor.
- Durum Bilgisi (State) ve Geri Bildirim Belleği En BüyükHendektir: Bir ajanın gerçek anlamda "ekip arkadaşı" sayılabilmesi için, dün aldığı mimari veya operasyonel bir düzeltmeyi bugünkü planlamasına otonom olarak dahil edebilmesi gerekir. Kalıcı bellek katmanı (persistent memory layer), modelin ham zekası kadar kritik bir altyapı bileşenine dönüşmüştür.
- 20'ye 1 Ajan/İnsan Oranı Yeni Kurumsal Norm Olabilir: Perplexity'nin kendi içinde 1 çalışana karşılık 20 iç ajan çalıştırması, yazılım ve teknoloji şirketlerinde mühendislerin doğrudan kod veya rapor yazan kişiler olmaktan çıkıp, otonom ajan sürülerini (agent swarms) denetleyen, onay kapılarını (checkpoints) yöneten ve kredi/maliyet optimizasyonu yapan birer orkestratöre dönüşeceğini kanıtlıyor.
Instagram Carousel Slayt Yapısı (JSON)
{
"carousel_topic": "Perplexity Teammates: 7/24 Çalışan Kurumsal Ajan Mimarisi",
"slides": [
{
"slide_number": "01",
"dimension": "Problem & Bağlam",
"title": "Sohbet Penceresinden 'İş Mülkiyetine' Geçiş",
"summary": "Geleneksel LLM asistanları durumsuzdur (stateless); her görevde sıfırdan prompt yazmayı ve bağlamı yeniden kurmayı gerektirir. Perplexity'nin 5 Kasım 2026'da devreye aldığı 'Teammates', tek seferlik yanıtlar yerine pazarlama, satış, destek ve mühendislik iş akışlarının sorumluluğunu 7/24 üstlenen kalıcı ajanlar sunar.",
"key_metric": "Perplexity içinde aktif çalışan otonom ajan sayısı, insan çalışan sayısını 20'ye 1 oranında aşmış durumda."
},
{
"slide_number": "02",
"dimension": "Mimari & Çalışma Prensibi",
"title": "İzole Sandbox, Claude Opus 5.5 ve Çoklu Orkestrasyon",
"summary": "Perplexity Computer üzerine inşa edilen her bir Teammate; kendi bağımsız sanal masaüstüne, izole tarayıcı oturumuna ve çerezlerine sahiptir. Varsayılan olarak Claude Opus 5.5 kullanan ajanlar, büyük hedefleri alt görevlere bölerek paralel Computer oturumları başlatır ve diğer Teammate ajanlarına iş devredebilir (handoff).",
"key_architecture": "Kalıcı Bellek (Persistent Memory) + İzole VM/Tarayıcı + Slack/Linear Proaktif İzleme."
},
{
"slide_number": "03",
"dimension": "Performans & Kıyaslama",
"title": "Perplexity Computer vs. Teammates ve FinOps Dengesi",
"summary": "Standart Computer oturumları görev odaklı çalışırken, Teammates çalıştırmalar arasında geri bildirimleri öğrenir (örn. 2 haftalık ajans bildirim süresini gelecek takvimlere otomatik işler). Ancak 7/24 proaktif tarayıcı kullanımı yüksek kredi tüketimi yaratır; karmaşık görevler saatte 10.000 krediyi aşabilir.",
"comparison_highlight": "Max abonelerine ($200/ay) özel açılan sistemde kritik aksiyonlar (bütçe, yayın, dış iletişim) İnsan Onay Noktalarına (Human Checkpoints) tabidir."
},
{
"slide_number": "04",
"dimension": "Mühendislik Çıkarımları",
"title": "Ajan Sürülerini Yönetmek ve Kredi Bütçelemesi",
"summary": "Kurumsal yazılım mimarisinde tekil devasa ajanlar yerine, birbirine görev aktaran (Bug Triage Teammate -> Code Fix Teammate) izole uzman ajanlar standartlaşıyor. Mühendisler için yeni odak noktası; ajanların araç yetkilerini daraltmak, öğrenilmiş bellek varsayımlarını denetlemek ve ajan kredi tüketimini bulut faturası gibi optimize etmektir.",
"actionable_takeaway": "Sürekli DOM taraması yerine olay güdümlü (event-driven) tetikleyiciler ve görev bazlı model seçimi ile çıkarım maliyetlerini sınırlandırın."
}
]
}
Yazılım mimarisi, mikroservis ekosistemleri ve üretken yapay zeka uygulamaları üzerine çalışıyorum. TastutanLabs çatısı altında geliştirici araçları ve SaaS ürünleri inşa ediyorum.
Bu analizin 6 kartlık görsel özetini Instagram'da inceleyin ve kaydedin
Her gün yazılım mimarisi, Java/JVM ve yapay zeka gelişmelerini kendi başına okunabilen 6 slaytlık Mini-Blog serileri halinde paylaşıyoruz.
Yorumlar (0)
Düşüncelerinizi Paylaşın
Henüz yorum yapılmamış. İlk yorumu siz yapın!
Bu Kategorideki Diğer İncelemeler
Google AI Studio ‘gemini-3.1-flash-live-preview’ Mimarisi: Doğal Ses-Ses (Audio-to-Audio) İşleme, BidiGenerateContent WebSocket Protokolü ve Çok Modlu Gerçek Zamanlı Ajanlar
Google'ın Gemini Live API üzerinden sunduğu `gemini-3.1-flash-live-preview` modeli, geleneksel STT-LLM-TTS zincirini ortadan kaldırarak doğrudan ses-ses (Audio-to-Audio) tabanlı gerçek zamanlı çıkarım mimarisi sunuyor. Kalıcı WebSocket oturumları, ComplexFuncBench Audio'da %90,8 başarı oranı ve `thinkingLevel` yapılandırmasıyla düşük gecikmeli çok modlu ajanların mühendislik anatomisi.
OpenAI ‘GPT-6 Cyber’ Mimarisi: ‘Kritik’ Seviye Otonom İstismar (Exploit) Keşfi, Daybreak Red İzolasyonu ve Yetki Sınırlarına Uyumlu Siber Ajanlar
OpenAI, Hazırlık Çerçevesi (Preparedness Framework) kapsamında "Kritik" (Critical) tehlike sınıfına yerleştirdiği ilk özel güvenlik modeli olan GPT-6 Cyber'ı yayımladı. Firefox üzerinde 81 sıfır-gün açığı ve Linux çekirdeğinde 948 yerel yetki yükseltme (LPE) istismarı üreten model, siber ajanlarda "çift kullanımlı ret" (dual-use refusal) darboğazını ve hedef dışına taşma (out-of-scope) riskini takviyeli öğrenme tabanlı hizalama ile yeniden tanımlıyor.
METR’den ‘1,9 Kat Hızlanan Öz-Gelişim’ Raporu, Anthropic’in 1,5 Trilyon Dolarlık Halka Arzında Değerleme Baskısı ve AB’nin 2027-28 ‘AI Okuryazarlığı’ Sertifikası
METR'in yapay zeka modellerinin kendi Ar-Ge ve eğitim süreçlerini 1,9 kat hızlandırdığını ortaya koyan özyinelemeli öz-gelişim çalışması, WSJ ve Reuters'ın aktardığı Anthropic 1,5 trilyon dolarlık IPO değerleme direnci ve Avrupa Komisyonu'nun 15 yaş grubu için başlatacağı yapay zeka okuryazarlığı sertifikası inceleniyor.