Claude Code + Codex + OpenCode’u Birleştirdim! AI Agent Ordusu
· 2026-07-22
💡 Hızlı Bilgi
1. Videonun temel tezi, farklı yapay zeka araçlarını tek bir komut merkezinde birleştirerek planlama, kodlama ve inceleme (review) süreçlerini otomatikleştiren açık kaynaklı bir sistem geliştirmektir.
2. Tek bir modelin hem planlama hem kodlama yapması yerine; planlamayı güçlü modellerle (Claude, Codex), kodlama maliyetini düşürmek için ucuz modelleri (Open Code) ve incelemeyi yine yetenekli modellere yaptırmak çok daha kaliteli sonuçlar üretir.
3. Tanıtılan "Crew CTR" adlı açık kaynaklı ve ücretsiz tool, cihazda kurulu olan CLI araçlarını dinamik olarak tarayarak bir ekip akışı (operatör, planlayıcı, uygulayıcı, incelemeci) oluşturur.
4. Sistem; görev ekleme, zamanlama, dinamik ajan ve rol ayarları, skill (yetenek) entegrasyonu, canlı kod takibi ve yapılan değişiklikleri tek tuşla geri alma (versiyona dönme) gibi özellikler sunar.
📊 Detaylı Açıklama
Video, tek bir yapay zeka modeline (örneğin sadece Open Code) karmaşık bir komut verildiğinde ortaya çıkan mantıksal ve yapısal hataları (rayların evlerin içinden geçmesi gibi) göstererek başlar. Konuşmacı, bu sorunu çözmek için iş bölümü stratejisini benimsemiştir: Planlamayı gelişmiş akıl yürütme becerisine sahip modeller yaparken, kodun ağır yükünü ucuz ve hızlı bir kodlama modeli üstlenir, ardından başka bir model kodu gözden geçirir. Bu iş bölümü sayesinde, aynı model altyapısı kullanılsa bile çok daha hatasız ve üst düzey projeler elde edilebilmektedir.
Bu çoklu ajan (multi-agent) sürecini manuel olarak yürütmek pencereler arasında sürekli geçiş yapmayı gerektirdiği için çok zaman alıcıdır. Konuşmacı bu süreci otomatikleştirmek için geliştirdiği "Crew CTR" adlı aracı tanıtmaktadır. GitHub üzerinden tek bir komutla kurulan bu arayüz, kullanıcının bilgisayarında halihazırda bulunan CLI araçlarını (Codex, Claude, Gemini, Open Code vb.) otomatik olarak tarar ve sisteme entegre eder. Kullanıcı arayüzünde bir "operatör model" belirlenir; bu operatör, diğer ajanlar arasındaki iletişimi yöneterek planlama, kodlama ve review döngüsünü tamamen otonom bir şekilde koordine eder.
Sistemin yönetim paneli oldukça detaylı ve dinamik özelliklerle donatılmıştır. Kullanıcılar panel üzerinden yeni görevler ekleyebilir, bu görevlerin hangi dosyada çalışacağını seçebilir ve hatta "saat 10'da testi başlat" gibi zamanlama komutları verebilir. Ayarlar bölümünde ise hangi ajanın hangi rolü üstleneceği (örneğin Claude planlayıcı, Open Code uygulayıcı, Codex incelemeci olarak) özelleştirilebilir, hatta sisteme yeni roller (tester gibi) ve 100'den fazla özel yetenek (skill) eklenebilir. Ayrıca proje klasöründe tutulan bağlam (context) dosyaları sayesinde, sistem sonraki görevlerde projeyi sıfırdan incelemek zorunda kalmaz ve token maliyetinden tasarruf sağlar.
Uygulama içerisinde yer alan "canlı kod" ekranı, GitHub'ın kodlama ekranına benzer şekilde hangi kodların eklendiğini veya silindiğini şeffaf bir şekilde gösterir. Yapılan işlemler beğenilmediğinde veya bir hata oluştuğunda "bu sürüme dön" butonu ile yapılan tüm kod değişiklikleri anında geri alınabilir. Geçmiş sekmesindeki "operatöreye sor" özelliği ise geliştirilen projeye özel (örneğin hangi paketin kullanıldığı gibi) sorular sorulmasına olanak tanır. Tüm bu süreç tamamlandığında sistem kullanıcıya sesli ve görsel bildirim göndererek görevin başarıyla bittiğini raporlar.
🎯 Uzman Yorumu
Yapay zeka kodlama asistanlarının tek başına çalıştığında bağlam kopması yaşaması ve karmaşık mimarilerde mantıksal hatalar üretmesi sektörel olarak bilinen bir sınırlamadır. Bu videoda sunulan çoklu ajan (multi-agent) yaklaşımı ve iş bölümü modeli, LLM'lerin zayıf yönlerini (örneğin ucuz modellerin planlama zafiyetini veya pahalı modellerin token maliyetini) minimize etmek için oldukça akılcı ve profesyonel bir mühendislik çözümüdür.
Araç, GitHub'daki mevcut CLI altyapılarını yerel cihazda bir araya getirmesi ve harici ücretli API bağımlılığını kullanıcının kendi kurulu araçlarına (Codex, Claude vb.) bırakması açısından hem esnek hem de maliyet etkin bir yapı sunuyor. Dinamik roller, yüzlerce hazır skill entegrasyonu ve context hafızası gibi özellikler, projenin sadece basit bir betik olmadığını, gerçek dünya yazılım geliştirme döngülerini taklit edebilen olgun bir otomasyon katmanı olduğunu gösteriyor.
Ancak bu sistemin verimli çalışabilmesi için kullanıcının arka planda çalışan farklı LLM araçlarının (Codex, Claude CLI vb.) kurulumuna ve yetki yönetimine hâkim olması gerekir. Teknik altyapısı zayıf veya terminal komutlarıyla çalışmaya yabancı olan geliştiriciler için ilk kurulum ve rol yapılandırması bir öğrenme eğrisi oluşturabilir; ayrıca yanlış yapılandırılmış ajan döngüleri token tüketimini beklenenden hızlı artırabilir.
Sonuç olarak, yazılım geliştirme süreçlerini otonomlaştırmak ve farklı modellerin güçlü yönlerini tek bir çatı altında birleştirmek isteyen yazılımcılar için bu açık kaynaklı araç kesinlikle incelenmeye ve üretime dahil edilmeye değerdir; projeye katkıda bulunmak veya yerel ortamda test etmek isteyenler GitHub deposunu inceleyerek hemen kullanmaya başlayabilirler.