- Yapay zeka tabanlı geliştirme araçları yaygınlaştıkça güncel geliştirme dokümantasyonuna doğru erişim daha da önemli hale geliyor
- Google, bunu çözmek için Developer Knowledge API ve Model Context Protocol (MCP) sunucusu için herkese açık önizlemeyi duyurdu
- API, Google'ın resmi geliştirici dokümanlarını makinenin okuyabileceği Markdown biçiminde arama ve görüntüleme olanağı sunuyor
- MCP sunucusu, yapay zeka asistanlarının veya IDE'lerin Google dokümanlarını doğrudan okuyup sorun çözme, karşılaştırmalı analiz ve uygulama rehberliği sağlamasını mümkün kılıyor
- Bu iki araç, yapay zeka geliştirme ortamlarında güvenilirlik ve güncelliği sağlamak için temel altyapı niteliği taşıyor
Developer Knowledge API'ye genel bakış
- Developer Knowledge API, Google'ın resmi geliştirici dokümanlarına programatik erişim yolu sunuyor
- Böylece web scraping veya eski eğitim verilerine bağımlı kalmadan güncel dokümanlar doğrudan aranıp görüntülenebiliyor
- Başlıca özellikler şöyle
- Geniş doküman kapsamı: firebase.google.com, developer.android.com, docs.cloud.google.com ve daha fazlası
- Arama ve görüntüleme özellikleri: ilgili doküman sayfaları ve kod parçacıkları aranabiliyor, ardından tam Markdown içeriği alınabiliyor
- Hızlı güncelleme yansıtma: herkese açık önizleme süresince doküman değişiklikleri 24 saat içinde yeniden dizine ekleniyor
MCP sunucusu ve yapay zeka araçlarıyla entegrasyon
- MCP (Model Context Protocol) sunucusu, yapay zeka asistanlarının harici veri kaynaklarına güvenli şekilde erişmesini sağlayan açık standart tabanlı bir sunucu
- Developer Knowledge MCP sunucusu IDE'ye veya bir yapay zeka asistanına bağlandığında, Google geliştirici dokümanları doğrudan okunabiliyor
- Uygulama rehberliği sağlama: örneğin Firebase push bildirimlerinin nasıl uygulanacağını kontrol etme
- Sorun çözme desteği: Maps API'deki
ApiNotActivatedMapError hatasının nasıl giderileceğini arama
- Karşılaştırmalı analiz yapma: belirli kullanım senaryoları için Cloud Run ile Cloud Functions'ı karşılaştırma
- MCP sunucusu, çeşitli yapay zeka araçları ve yardımcı sistemlerle uyumlu
Nasıl başlanır
- Herkese açık önizleme sürümü hemen kullanılabiliyor
- Google Cloud projesindeki Credentials sayfasında Developer Knowledge API için bir API anahtarı oluşturun ve kısıtlamaları ayarlayın
- Google Cloud CLI'ı kurduktan sonra şu komutla MCP sunucusunu etkinleştirin
gcloud beta services mcp enable developerknowledge.googleapis.com --project=PROJECT_ID
- API bağlantısını yapılandırmak için araç yapılandırma dosyasını (
mcp_config.json, settings.json gibi) düzenleyin
- Farklı yapay zeka asistanları için ayrıntılı yapılandırma bilgileri resmi dokümanlarda bulunabilir
Gelecek planları
- Mevcut önizleme, şu anda yapılandırılmamış Markdown içeriği sunmaya odaklanıyor
- Resmi sürümden önce kod örneği nesneleri, API referans varlıkları gibi yapılandırılmış içerik desteği eklenmesi planlanıyor
- Google geliştirici dokümanlarının kapsamı genişletilecek ve yeniden dizine ekleme gecikmesi azaltılacak
- Resmi doküman için bkz. - https://developers.google.com/knowledge/api
2 yorum
Toss Payments'a bakınca, entegrasyon için Markdown sayfalarını zaten hazırlamışlar gibi görünüyor.. Zamanının ilerisindeler.
Hacker News yorumları
Neden bunu bu kadar karmaşık hale getirdiklerini anlamıyorum
API anahtarı istemek, MCP sunucusunu çalıştırmak ve istemciyi gerçek zamanlı olarak markdown dosyalarını çekecek şekilde ayarlamak gerektiğini söylüyorlar
İçinde tüm dokümantasyonun olduğu tek bir tar dosyası yeterli olmaz mı?
Topu topu birkaç MB olurdu
Güncellemeleri kolaylaştırmak istiyorlarsa bunu bir git repo yapabilirler. Benim ajanım yeni bir oturumda her zaman
git fetchçalıştıracak şekilde ayarlıHâlâ MCP'nin amacını pek anlamış değilim. Codex zaten jira, confluence, gitlab, prometheus, SQL gibi şeylerle çalışabiliyor ve bunun için sadece
.netrcdosyası yeterliMCP araçlarının birleştirilebilirlik özelliğine sahip olup olmadığından da emin değilim. grep ya da jq gibi şeyleri pipeline içinde bağlayabiliyor muyuz, yoksa basit bir CRUD API daha mı güçlü ve kolay, bilmiyorum
HTTP/HTML'nin kendisi zaten markdown sağlayabilen bir “API”ye sahip
nginx'i
$URL.mddöndürecek şekilde ayarlarsanız, LLMcurl --header 'Accept: text/markdown' [https://gwern.net/archiving](https://gwern.net/archiving)komutuyla en güncel dokümanı doğrudan alabilir. Tek satırlık ayar yeterliCRUD uygulamaları basit ama tüm ayrıntıları LLM'e tek tek anlatmanız gerekiyor
MCP ise sadece gerektiği anda ilgili bağlamı ekleyip hemen çağrılabiliyor. Birden fazla API'nin üstüne sarmalayıcı scriptler koyarsanız, sonunda fiilen MCP'yi kendiniz uygulamış olursunuz
/usr/share/man/klasörüne bakınca bile dokümantasyon yaklaşık 52MBZaten
man,aproposgibi araçlar bu işi yapıyorWeb sayfaları insanlar için, MCP'nin sunduğu dokümanlar ise ajanlar için
Sonuçta MCP'nin özü, ajanın
curlile erişebileceği bir API sağlamakBen ajanımın
curlçağrılarını saran küçük bir CLI yazıp kimlik doğrulamayı öyle hallediyorumDaha hafif ve taşınabilir bir yöntem olup olmadığını bilmek isterim
AWS de kendi MCP sunucusunu işletiyor
AWS Documentation MCP Server
Dokümantasyonun içine gömülmüş nadir yapılandırmaları ya da özellikleri bulurken oldukça işe yarıyor
Microsoft Learn MCP,
GitHub deposu,
ilgili blog yazısı incelenebilir
Google'a özel, herkese açık dokümantasyon için bir MCP sunucusuysa, zaten Context7 gibi birkaç servis yok mu?
Denemek istiyorum ama bugünlerde Gemini CLI'ın token kullanımı o kadar yüksek ki çekiniyorum
Token birim fiyatı biraz daha ucuz olsa bile, her promptta 3 kat fazla harcıyorsa bunun pek anlamı yok
Keşke Google önce bu sorunu çözse
Ben de katılıyorum. Gemini 3'ün iOS 26 ya da Liquid Glass hakkında hiçbir fikri yok
Sürekli benim özel bir custom view yazmaya çalıştığımı sanıyor ve önceki nesil API olan ultrathinmaterial ile bir şeyler üretmeye kalkıyor
İlgili teknik dokümantasyon linklerini AGENTS.md dosyasına eklemek daha iyi değil mi?
Tabii tek bir devasa metin dosyası olarak sunulursa ajan linkleri tekrar tekrar dolaşmak zorunda kalmaz,
ama dokümantasyon sitesi böyle sunuluyorsa bu da yeterli gibi görünüyor
Biraz retro bir havası var
Teknoloji son derece modern ama üstüne bindirilmiş bürokratik süreç sanki başka bir çağdan gelmiş gibi hissettiriyor
Bu muhtemelen indirilebilir bir skill olarak da yapılabilirdi
Ama API çağrısıyla sunulursa, kodlama ajanlarının hangi dokümanları okuduğuna dair daha fazla veri toplanabilir
Bu sanırım gwern'in sözünü ettiği “AI için yazmak” anlayışına bir örnek
Sadece markdown dosyaları sunan bir HTTP sunucusu yeterli olmaz mı?
LLM
curlile dosyayı alır, olay biter