Yapay Zekalar Anlaşamayınca: Qwen-Max ile Çok Ajanlı Kod İncelemesi

ShiftLeft Society, Qwen Cloud Global AI Hackathon 2026 için geliştirilen bir DevSecOps aracı olarak, tek bir AI'ın kararına güvenen klasik kod inceleme araçlarındaki temel zaafı hedef alıyor. Sistem, güvenlik ve performans odaklı iki yapay zeka incelemecisini birbiriyle gerçek anlamda müzakere ettiriyor: her ajan DEFEND (ısrar et), PARTIAL (yarı yolda buluş) veya CONCEDE (geri çekil) gibi kategorik bir pozisyon seçiyor, ancak bunun bütçe maliyetini hesaplayan matematik tamamen deterministik Python koduyla yapılıyor. Böylece LLM asla sayılarla oynamıyor, sadece tutum belirliyor; bu da sonuçların denetlenebilir ve her seferinde tekrarlanabilir olmasını sağlıyor.

Tribünal ayrıca 'itibar' kavramını da devreye sokuyor: her ajanın geçmiş müzakerelerdeki isabet oranı Bayes yumuşatmasıyla hesaplanıp ±15 puanla sınırlandırılıyor ve sonraki PR incelemelerinde başlangıç bütçesine yansıyor. Böylece sistem zamanla hangi 'sesin' ne kadar güvenilir olduğunu öğreniyor, insan müdahalesi olmadan. Teknik altyapıda Qwen-Max, DashScope'un OpenAI uyumlu uç noktası üzerinden LangGraph tarafından orkestre ediliyor; FastMCP gerçek güvenlik araçlarını devreye sokuyor, FastAPI ve SQLite ile Docker/Caddy üzerinde Singapur'daki Alibaba Cloud ECS'de canlı olarak çalışıyor.

40 vakalık bir kıyaslamada tek ajanlı temel sistem %82,5 doğruluk elde ederken, çok ajanlı tribünal %95'e ulaştı; en büyük kazanım, güvenli kodun yanlışlıkla riskli olarak işaretlenmesinin (yanlış pozitif) altı vakada tamamen ortadan kalkmasıydı. Geliştirici ayrıca Qwen-Max'in OpenAI uyumlu API'sinin sorunsuz çalıştığını, yapılandırılmış çıktı üretiminin yaklaşık %99 güvenilir olduğunu, ancak daha güçlü akıl yürütme modelinin (qwen3.7-max) gecikme nedeniyle webhook zaman aşımı için uygun olmadığını belirtti.

Bu proje, mühendisler için LLM tabanlı çok ajanlı sistemlerde belirsizliğin nasıl kontrol altına alınabileceğine dair somut bir mimari örnek sunuyor: modelin karar verme rolünü sınırlı kategorilere indirip sonuçların hesaplanmasını kodun eline bırakmak, hem denetlenebilirlik hem tekrarlanabilirlik açısından üretim ortamları için kritik bir tasarım tercihi olarak öne çıkıyor.