- 2025 itibarıyla kodlama ajanını doğrudan yapmak, bireysel geliştiricilerin deneyebileceği en iyi projelerden biri
- Ajanlar yalnızca 300 satır kod ve bir LLM token döngüsü ile çalışır; bunu yapmak, tüketici olmaktan çıkıp bir AI üreticisine dönüşme fırsatı sunar
- Temel bileşenler dosya okuma, dosya listeleme, Bash çalıştırma, dosya düzenleme, kod arama gibi araçlardır ve bunlarla gerçek otomasyon işlevleri kurulabilir
- Model seçiminde Claude Sonnet, Kimi K2 gibi agentic modeller uygundur; gerekirse GPT gibi oracle modeller araç olarak bağlanıp daha üst düzey doğrulama yapılabilir
- Amp, Cursor, Claude Code, GitHub Copilot gibi ticari ürünler de pratikte benzer bir yapıya sahiptir
Atölye özeti
- Geoffrey Huntley'nin yürüttüğü ücretsiz bir atölye; kodlama ajanını doğrudan nasıl yapacağınızı ve mantığını uygulama odaklı şekilde anlatıyor
- Roo code, Cline, Amp, Cursor, Windsurf, OpenCode gibi mevcut ticari AI yardımcılarıyla yapı ve prensipler karşılaştırılıyor; ayrıca bunu bizzat uygulama fırsatı sunuluyor
- Geliştirme deneyimi sayesinde sıradan bir AI kullanıcısı olmaktan çıkıp AI kullanarak otomasyon araçları üreten bir geliştirici olarak gelişmek mümkün
- Temel yapı, yaklaşık 300 satırlık kod içinde LLM token'larını döngü biçiminde kullanarak ajan işlevleri oluşturmaya dayanıyor
- Her araç için primitive işlevler (okuma, dosya listeleme, çalıştırma, düzenleme, kod arama) ekleniyor; gerçek çalışma örnekleri ve kodlar GitHub deposunda açıklandı
Ajan nedir?
- Son dönemde "ajan" terimi çok yaygın kullanılıyor, ancak gerçek anlamı ve iç çalışma prensibi net değil
- Ajan geliştirmenin giriş engeli düştükçe, AI tüketicisinin ötesine geçip iş otomasyonuna yön veren bir üretici olarak gelişmek mümkün hâle geliyor
- 2025 itibarıyla, temel veritabanı kavramları (Primary key) gibi ajan geliştirme prensipleri de zorunlu bilgi hâline geliyor
- Canva gibi şirketler mülakat süreçlerinde şimdiden AI kullanımını teşvik ediyor ve AI otomasyon yeteneği işe alımın kilit unsurlarından biri oluyor
- Artık geride kalmanın nedeni AI değil; kişinin kendini geliştirip yeni araçları öğrenmemesi
Kodlama ajanının temel ilkeleri
- Kodlama ajanı yalnızca 300 satır kod ve bir LLM token döngüsü ile kurulur; tekrar eden token girişleri üzerinden işlev üretir
- Eşzamanlı çalışma (concurrent work) kavramı önemlidir
- Örnek: Zoom toplantısı sırasında bile ajan paralel olarak çalışıp iş akışının verimini ciddi biçimde artırabilir
- Her LLM agentic değildir
- 'yüksek güvenlik' (örn. Anthropic, OpenAI)
- 'düşük güvenlik' (örn. Grok)
- 'oracle' (özetleme ve üst düzey düşünmede avantajlı)
- 'agentic' (eyleme yatkın, hızlı yineleme ve araç çağırma)
- Geliştiriciler modellere özgü özellikleri anlamalı ve amaca göre kullanılacak modeli seçmelidir
- Bağlam penceresini koşulsuz büyütmek performansı düşürür; "ne kadar az verirseniz sonuç o kadar iyi olur" ilkesini akılda tutmak gerekir
- Aşırı MCP araç kaydı performans düşüşüne yol açar
- Kural: "Less is more" → en iyi performans için yalnızca gerekli araç ve verileri bağlama yerleştirmek gerekir
Kodlama ajanı kurma sürecinin akışı
-
1. Araç kaydı ve fonksiyon çağırma
- Örneğin LLM'e bir hava durumu sorgulama aracı kaydedilir ve LLM'in uygun durumlarda buna fonksiyon çağırma biçiminde yanıt verebilmesi sağlanır
- MCP(Model Context Protocol), "bir fonksiyon için bilgi afişi"ne benzer; sadece fonksiyon açıklaması kaydedilse bile otomatik çağrı mümkün olur
-
2. Primitive araçların temel işlevleri
- Dosya okuma (ReadFile): Yol verildiğinde dosya içeriğini bağlama okur
- Dosya listeleme (ListFiles): Bir dizindeki dosya ve klasör listesini sağlar
- Komut çalıştırma (Bash): LLM sistem kabuğu komutlarını çalıştırır ve sonucu döndürür
- Dosya düzenleme (Edit): Belirli bir dosyayı oluşturma veya değiştirme işini otomatikleştirir
- Kod arama (CodeSearch): Desen, anahtar kelime veya fonksiyon adına göre tüm kod tabanında hızlı arama yapar (ripgrep kullanır)
-
3. Örnekler ve sonuç akışı
- Her araç LLM'e entegre edilerek yalnızca doğal dil prompt'u ile ardışık işler (örn. FizzBuzz kodu üretme → çalıştırıp doğrulama, dizin gezme → içerik analizi) otomatikleştirilebilir
- Araç fonksiyonları kullanıcı girdisine veya senaryoya göre sırayla çağrılır ve sonuçlar döngü içinde tekrar tekrar döndürülür
- Ajanın temel çalışma dizisi: kullanıcı girdisi → araç çağrılıp çağrılmayacağına karar verme → aracı çalıştırma → sonucu bağlama ekleme → tekrar
Genişleyebilirlik ve açık kaynak
- Günümüzde çoğu kodlama ajanı ripgrep gibi mevcut açık kaynak araçlar üzerine kuruludur
- GitHub'da SST Open Code, mini-swe-agent gibi yalnızca 100 satırla yazılmış basit ama güçlü ajan projeleri vardır; performans ve yapı açısından iyi birer referanstır
- Geliştiricilere, mevcut ürünleri kıyaslamak yerine bizzat yaparak prensipleri anlamaları ve kullanmaları tavsiye edilir
- Gerçek işlerde ve otomasyonda uygulandığında, kendi ajanını üretmek ve bunu organizasyon içinde yaymak rekabet avantajına dönüşür
Sonuç ve çıkarımlar
- Kodlama ajanı karmaşık bir teknoloji değil, basit bir döngü yapısı ve araç kombinasyonudur
- Kodlama ajanı geliştirmenin özü, yapıyı anlamak ve hızlı uygulamaktır; bizzat geliştirme deneyimi, AI teknolojisindeki değişimlere aktif yanıt vermeyi sağlar
- Bugün asıl önemli olan şey AI'ın kendisinden çok sürekli kendini geliştirmek ve araç üretme yetkinliğine yatırım yapmaktır
- "İşinizi elinizden alacak olan AI değil; ajanlarla donanıp otomasyon yapan ve daha hızlı çalışan iş arkadaşlarınızdır"
Henüz yorum yok.