300+ Yapay Zeka Uzmanı Claude Code ve Cursor'a Nasıl Kurulur

agency-agents: AI ajan personelerini gerçekten nasıl kullanmalı?

Kısaca: agency-agents, 1 Eylül 2026 itibarıyla 149.312 yıldızla GitHub’daki en büyük derlenmiş yapay zeka ajanı persona koleksiyonudur. Yaklaşık 20 kategori klasöründe 300’den fazla ajan tanımlama dosyası sunar ve bunları tek bir komutla Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Windsurf, Aider ve diğer araçlara yükler. Elde ettiğiniz şey yeni bir yetenek değil, bir çerçevedir: Personalar aracınızın göreve yaklaşımını değiştirir; ona sahip olmadığı bilgiyi vermez ve oturumdan sonra kalıcı olmaz.

Apidog'u bugün deneyin

Bu yazı, 2026’da kurulmaya değer beş açık kaynaklı yapay zeka ajanı aracından oluşan özetimizdeki araçlardan biri olan agency-agents’a derinlemesine bakar: İçinde ne var, istediğiniz parçaları nasıl kurarsınız ve bir persona kütüphanesi sizin için neyi yapamaz?

Gerçekte ne yüklüyorsunuz?

Kodlama aracınızın varsayılan kişiliği genellikle yardımcı bir genelcidir. Ondan kimlik doğrulama akışını incelemesini istediğinizde makul ama unutulabilir tavsiyeler alırsınız. Aynı görevi tehdit modeli ve kontrol listesi olan bir güvenlik denetçisine verdiğinizde ise daha tutarlı bulgular elde edersiniz.

agency-agents bu boşluğu doldurur. Proje, ajan uzmanlaşması hakkında bir Reddit başlığı olarak başladı ve bugün tüm kadroyu yüklemenin bazı ajan çalışma zamanlarını bozabileceği kadar büyüdü.

Her ajan bir Markdown dosyasıdır. Tek satırlık bir sistem istemi veya kod içeren bir eklenti değildir. Dosyada genellikle şunlar bulunur:

• Kimlik ve kişilik
• Temel görev
• İzlenecek çalışma süreci
• Örneklerle teknik çıktılar
• Başarı ölçütleri

1 Eylül 2026’da depodaki Markdown dosyalarını saydığımızda, 20 üst düzey kategori klasöründe 312 dosya bulunuyor. examples/ dizini hariç tutulduğunda sayı 306’ya iniyor.

Bölüm	Ajan dosyaları
Mühendislik	59
Uzmanlık alanı	58
Pazarlama	36
Oyun geliştirme	21
Entegrasyonlar	18
Strateji	16
GIS	13
Güvenlik	12
Tasarım	10
Satış	9
Test	9
Ücretli medya	7
Proje yönetimi	7
Akademik	6
Uzamsal hesaplama	6
Destek	6
Finans	5
Ürün	5
Sağlık	3

Depo README’sinin hâlâ “230’dan fazla ajan” demesi güncel değil. Ağaç 300’ü aşmış durumda.

Mühendislik bölümü çoğu geliştiricinin başlayacağı yerdir ve içerik, sıradan bir istem koleksiyonundan daha spesifiktir. Örnekler:

• Frontend Geliştirici ve Backend Mimar
• Cisco IOS-XE, Juniper Junos ve Palo Alto PAN-OS için Ağ Mühendisi
• ESP32, STM32 ve Nordic hedefleri için Gömülü Yazılım Mühendisi
• Ölüm sonrası analizler ve çağrıya hazır olma durumu için Olay Müdahale Komutanı
• Değişiklik önermek yerine depoyu salt okunur keşfeden Kod Tabanı Onboarding Mühendisi

Son örnek, yaklaşımın neden işe yaradığını gösterir. Açıkça düzenleme yapmama yetkisine sahip salt okunur bir persona, varsayılan asistanınızdan gerçekten farklı davranır ve size yalnızca bir dosyaya mal olur.

Kurulumunuzu bozmadan yükleyin

Depo, dönüştürme ve yükleme betikleri içerir. Etkileşimli kurulum, ne yükleyeceğinizi algılar ve seçimlerinizi sorar:

git clone https://github.com/msitarzewski/agency-agents.git
cd agency-agents
./scripts/install.sh

Belirli bir aracı ve bölüm alt kümesini hedeflemek daha güvenli bir varsayılandır:

# her şey, Claude Code'a
./scripts/install.sh --tool claude-code

# sadece iki bölüm
./scripts/install.sh --tool claude-code --division engineering,security

# sadece adlandırılmış ajanlar
./scripts/install.sh --tool cursor --agent frontend-developer,ui-designer

# kaydetmeden önce ne olduğunu görün
./scripts/install.sh --list teams
./scripts/install.sh --tool opencode --division engineering --dry-run

Desteklenen hedefler arasında Claude Code, Cursor, Codex, Gemini CLI, OpenCode, GitHub Copilot, Windsurf, Aider, Kimi Code, Hermes, Antigravity, Osaurus ve Mistral Vibe bulunur.

Ayrıca agencyagents.app üzerinden macOS, Linux ve Windows için kadroyu gezebileceğiniz, tek tıklamayla yükleyebileceğiniz ve otomatik güncellemeleri alabileceğiniz bir masaüstü uygulaması ile Homebrew cask seçeneği vardır.

OpenCode sınırına dikkat edin

OpenCode’un çalışma zamanı şu anda yaklaşık 119 ajanı kaydediyor ve geri kalanını sessizce düşürüyor. Bu durum proje tarafından bir upstream hatasına karşı belgelenmiş durumda.

--division ile yalnızca ihtiyacınız olan alt kümeyi kurmak sizi bu limitin altında tutar. Seçiminiz limiti aşacaksa yükleyici uyarır. Sessiz kesme, istediğiniz ajanın eksik kalmasına rağmen bunu fark etmemenize neden olduğu için en kötü hata modudur.

300 persona kurmak diğer araçlarda da genellikle kötü fikirdir. Hatırlayamayacağınız kadro, kullanmayacağınız kadrodur. Çalıştığınız iki bölümü kurun, dört veya beş dosyayı baştan sona okuyun ve ekibinizin çalışma biçimiyle uyuşmayanları silin.

Bir persona neyi değiştirir?

Persona, aracın:

• Neye bakacağını
• Çıktıyı hangi formatta üreteceğini
• Bir işi tamamlanmış saymak için hangi ölçütleri kullanacağını

belirler.

Bu, göründüğünden daha değerlidir. Kötü ajan çıktılarının önemli bir bölümü modelin “yanlış” olmasından değil, yanlış cevap biçimi için optimize edilmesinden kaynaklanır.

Persona neyi değiştirmez?

Persona, modelin sahip olmadığı bilgiyi sağlayamaz. Bu sınır özellikle API’lerde belirgindir.

Backend Mimarını yükleyip dahili faturalama hizmetiniz için istemci yazmasını istediğinizi düşünün. Persona, bulduğu yanıt biçimine karşı temiz ve deyimsel kod üretebilir. Ancak hizmetinizin:

• Tekrarlanan bir kimlik anahtarı için farklı bir hata zarfıyla 409 döndürdüğünü
• Sayfalama imlecinin bir offset değil, opak bir değer olduğunu

bilmesinin bir yolu yoktur.

Persona kodu daha iyi organize etti; ama kodu doğru hale getirmedi.

Aynı sınır testler için de geçerlidir. Bir QA personası, API’nin kendi zihinsel modeline karşı kapsamlı testler yazabilir. Testler geçer, ancak gerçek API davranışını kanıtlamaz. Bu döngüyü deterministik olmayan yapay zeka ajanlarını test etme ve API değişiklikleri yapay zeka ajanlarını bozduğunda ne olur yazılarında ele aldık.

Çözüm, personanın telafi edeceğini ummak yerine sözleşmeyi ajana vermektir.

API’niz Apidog’da tasarlandıysa OpenAPI spesifikasyonu doğruluk kaynağıdır:

• Gerçek şemalar
• Gerçek durum kodları
• Gerçek hata zarfları
• Gerçek zorunlu alanlar

Ajan, bunları çağrı sitelerinden tahmin etmek yerine okur. Mock’lar aynı spesifikasyondan üretilir; böylece personanın düşünmediği hata dalları da test edilir. Spesifikasyon ile gerçeklik ayrıştığında test paketi CI’da başarısız olur.

Kullanışlı zihinsel model şudur:

Persona, aracın nasıl çalışacağını belirler.

Spesifikasyon, neyin doğru olduğunu belirler.

İlgili okumalar:

• OpenAPI spesifikasyonunuzu ajan araçları olarak kullanma
• Ajanlar için API araç şemaları tasarlama

Canlı spesifikasyonunuzu aracınızın bağlamına bağlamak için Apidog’u indirin ve mevcut projenize yönlendirin.

İkinci sınır: Persona bir ekip değildir

Kadro, parmaklarınızın ucunda eksiksiz bir ajans varmış izlenimi verebilir. Uygulamada bir oturumda tek bir personayı etkinleştirir, bir görev yapar ve oturumu sonlandırırsınız. Ertesi gün aktivasyonu yeniden yazarsınız.

Kalıcı bir ekip olmadığı için şunlar da yoktur:

• İş atama
• Önceki denetim sonuçlarının kaydı
• Takım arkadaşlarının sonuçları görmesi
• Süreç ve sorumluluk takibi

Depodaki bölümlerin dokuzu yalnızca bir kuruluş içinde anlamlı olan rolleri tanımlar; bu personayı kuran aracın ise kuruluş kavramı yoktur.

Kadro fikrinin tek bir terminal oturumundan sonra da devam etmesini istiyorsanız eksik katman iş yönetimidir. Sharkly tam olarak bu katman için inşa edilmiştir:

• Ajan, yeniden yazdığınız bir istem değil, kaydedilmiş bir konfigürasyondur. Talimatları, çalışma zamanını, becerileri, depoları ve ortamı barındırır. Bir kez ayarladığınız persona yeniden kullanılabilir.
• Ekip, bir lider ajan ile diğer ajanlar ve insanlardan oluşur. Lider görev bağlamını okur, hangi üyeleri dahil edeceğine karar verir ve sonuçları tek bir yerde birleştirir.
• İş atanır, çağrılmaz. Bir ajana, takım arkadaşınıza verdiğiniz şekilde görev verirsiniz. Görev bir alanda, projede ve sprintte yaşar; ekip zaten Jira kullanıyorsa Jira ile senkronize edilebilir.
• Yürütme sizin seçiminizdir. Dizüstü bilgisayar, sunucu veya konteyner olabilen bir Bilgisayar bağlarsınız. Sharkly, üzerinde zaten kurulu olan çalışma zamanını kullanır. Claude Code veya Codex aboneliğiniz işi yürütür; token’lar yeniden satılmaz.
• Çıktı incelenebilirdir. İlerleme, araç çağrıları ve sonuçlar göreve geri akar. Ajanın çıktısı, yanıtlayabileceğiniz yorumlar olarak görünür. Gecikmiş bir görev çalıştırmayı başlatmaz; işi yürütmeden önce hazırlayabilirsiniz.

Özetle: agency-agents iş tanımlarını verir; Sharkly bu işlerin atanacağı, yürütüleceği ve inceleneceği yeri sağlar. Depoyu, gerçek ajanları besleyen bir rol tanımları kütüphanesi olarak kullanın; kurup unutacağınız bir klasör olarak değil.

Onlarınkini şablon alarak kendi personanızı yazın

Bu depodan alacağınız en kalıcı şey dosya formatıdır. Birkaç dosyayı okuduktan sonra, kendi teknoloji yığınınıza yönelik bir persona yazmak yaklaşık 15 dakika sürer. Yığınınıza özel persona, genel bir personaladan her zaman daha değerlidir.

İyi dosyalarda şu yapı tekrar eder:

• Kimlik ve ses tonu: Ajanın kim olduğu ve nasıl konuştuğu. Bu bölüm, uzun görevlerde genel asistan moduna geri dönmesini engeller.
• Temel görev: Başarının ne anlama geldiğini anlatan tek cümle.
• Çalışma süreci: Ajanın izleyeceği sıralı adımlar. En çok kopyalanmaya değer bölüm budur.
• Çıktılar: Belirli formatta somut artefaktlar. “Bir rapor” yerine “ciddiyet, dosya yolu ve satır numarası içeren Markdown tablosu” deyin.
• Başarı ölçütleri: Ajanın işinin bittiğini nasıl anlayacağı ve sizin işi nasıl kontrol edeceğiniz.

API işleri için ev yapımı bir örnek:

# API Sözleşme Denetleyicisi

## Görev
Yeni veya değiştirilmiş uç noktaların bu depodaki OpenAPI spesifikasyonuyla incelemeye gelmeden önce eşleştiğini doğrulayın. Uyumsuzlukları raporlayın. Kodu düzenlemeyin.

## Süreç
1. Mevcut farktan etkilenen her uç nokta için spesifikasyonu okuyun.
2. Her biri için işleyiciyi spesifikasyonla karşılaştırın: durum kodları,
   yanıt şeması, hata zarfı, gerekli başlıklar, sayfalama stili.
3. Sözleşme testlerini çalıştırın. Hataları kelimesi kelimesine kaydedin.
4. Yeni uç noktaların sadece yönlendiriciye değil, spesifikasyona da eklendiğini kontrol edin.
5. Kodda bulunan ancak spesifikasyonda olmayan herhangi bir yanıt alanını işaretleyin.

## Çıktılar
Bir tablo: uç nokta, metot, uyumsuzluk türü, spesifikasyon satırı, kod satırı, ciddiyet.
Nesir özeti yok. İstenmedikçe önerilen düzeltmeler yok.

## Tamamlanma Kriteri
Farktaki her uç nokta bir kararla birlikte tabloda yer aldığında ve
sözleşme testi çıktısı kanıt olarak eklendiğinde.

Bu dosya, bir backend ekibi için depodaki 59 mühendislik personasından daha yararlı olabilir; çünkü spesifikasyonunuzu, testlerinizi ve tamamlanma tanımınızı açıkça belirtir.

Üçüncü adım özellikle önemlidir: Persona, görüş değil kanıt üretmek üzere tasarlanmıştır. Bu, üzerinde hareket edebileceğiniz bir inceleme ile yalnızca rahatlatıcı bir paragraf arasındaki farktır.

Aynı yaklaşım olay müdahalesi, geçiş çalışmaları, bağımlılık yükseltmeleri ve işe alıştırma için de geçerlidir. Dosya yapısını alın, süreç disiplinini koruyun ve genel içeriği kendi kurallarınızla değiştirin. Çıktının bir insana veya başka bir ajana aktarımda hayatta kalması gerekiyorsa, format sözleşmesi işin çoğunu üstlenir. Ayrıntılar için ajan aktarımı ve bağlam geçişi yazısına bakabilirsiniz.

Yıldız sayısı ne kadar anlamlı?

149.312 yıldız çok büyük bir sayıdır ve bir uyarıyı hak eder. Persona depoları kolay anlaşılır, kolay paylaşılır ve denenmesi ücretsiz olduğu için diğer proje türlerinden daha hızlı yıldız toplar. Bir yıldız, birinin fikri iyi bulduğunu gösterir; hâlâ kullandığını değil.

Bu depoyu güvenilir kılan asıl şey sayı değil, işin şeklidir:

• Ekim 2025’ten beri gerçek bir katkı geçmişi vardır.
• MIT lisanslıdır.
• OpenCode kayıt sınırı gibi kendi sınırlarını belgeler.
• Ajan dosyaları genel rol tanımları yerine belirli alan bilgisi taşır.

Bunu, zirveye çıkıp durmuş “harika istemler” depolarıyla karşılaştırın.

Değerlendirmek için iyi bildiğiniz bir bölümde üç dosya açın. Frontend Geliştirici dosyası iyi bir frontend geliştiricisinin söyleyeceği şeyleri söylüyorsa geri kalan içerik muhtemelen sorunsuzdur. Bir iş ilanına benziyorsa depoyu atlayın.

Bundan gerçekten nasıl değer elde edilir?

Ayakta kalan iş akışı şu:

1. Bir bölüm kurun. Günlük işinize uyanı seçin. Çoğu geliştirici için başlangıç noktası Mühendislik’tir.
2. Dosyaları okuyun. Dört veya beş dosyayı baştan sona inceleyin. Özellikle süreç bölümlerini arayın.
3. Dosyaları düzenleyin. Kendi yığınınızı, kurallarınızı ve tamamlanma tanımınızı ekleyin. Genel bir React mağazasını tanımlayan persona, test kurallarınızı içeren aynı dosyadan daha az değerlidir.
4. Gerçek girdiler kullanın. OpenAPI spesifikasyonunuzla çalışan bir güvenlik denetçisi sözleşme sorunlarını bulabilir. Spesifikasyon olmadan aynı ajan yalnızca bir kontrol listesi üretir.
5. Kalıcı olanları yükseltin. Haftada iki kez kullandığınız herhangi bir persona, makineler arasında kopyaladığınız bir .md dosyası yerine iş yönetimi sisteminde kaydedilmiş bir Ajan olmalıdır.

Son adım, ekiplerin bu yaklaşımı ölçeklendirdiği veya sessizce terk ettiği noktadır.

Sıkça Sorulan Sorular

agency-agents Cursor ve Codex ile mi, yoksa yalnızca Claude Code ile mi çalışır?

Hepsiyle. convert.sh araca özel entegrasyon dosyaları oluşturur; install.sh --tool ise belirli bir hedefi seçer. Claude Code, Cursor, Codex, Gemini CLI, OpenCode, Copilot, Windsurf, Aider, Kimi Code ve diğerleri desteklenir. API işleri için ajan istemcilerini karşılaştırıyorsanız Cursor ve Copilot’taki API istemcilerine bakışımıza göz atabilirsiniz.

300 ajanın hepsini kurmalı mıyım?

Hayır. OpenCode’da bunu yapamazsınız; çalışma zamanı yaklaşık 119 ajanı kaydeder ve geri kalanını sessizce düşürür. Diğer araçlarda teknik olarak mümkün olsa da çoğunu kullanmazsınız. Bölümlere göre kurun.

Personalar ajanı daha akıllı yapar mı?

Onu daha iyi yönlendirirler. API’nizin ne döndürdüğü de dahil olmak üzere gerçek soruların doğruluğu değişmez. Bunun için gerçek bir spesifikasyon gerekir. Bu konu, yapay zeka ajanları çağında hâlâ bir API aracına ihtiyacınız var mı sorusuyla doğrudan bağlantılıdır.

Kurulum betiğini çalıştırmak güvenli mi?

Ajan tanımlama dosyalarını aracınızın yapılandırma dizinlerine yazar; amacı budur. Kaynak kodu açıktır ve proje MIT lisanslıdır. --dry-run, değişiklik yapmadan önce ne olacağını gösterir. Önce kuru çalıştırma yapın. Ajanların nelere dokunmasına izin verdiğiniz konusunda yapay zeka ajanı koruyucuları iyi bir başlangıçtır.

Bunun bir ajan çerçevesinden farkı nedir?

Bir oturumda birden fazla personanın aynı anda çalışmasını istiyorsanız Orca gibi bir yaklaşım gerekir. Strands veya AgentKit gibi çerçeveler, kod içinde çalışma zamanı orkestrasyonu sağlar.

agency-agents ise mevcut bir ajanın davranışını değiştiren Markdown dosyaları sunar. Farklı katmanlardır; aralarında çakışma yoktur.

Özet

agency-agents, belirli bir fikrin güçlü bir uygulamasıdır: Ajanınız hangi rolü oynadığını bildiğinde daha iyi iş çıkarır.

Bir bölüm kurun, dosyaları okuyun, ekibinize uyacak şekilde düzenleyin. Yaklaşık 20 dakikalık bir kurulumla gerçek değer elde edebilirsiniz.

Ancak çözemediği iki sınırı unutmayın:

1. Personalar API’nizin ne döndürdüğünü bilmez. Bunun için Apidog gibi bir doğruluk kaynağı gerekir.
2. Personalar, bir ekibin görebileceği veya inceleyebileceği kalıcı bir iş akışına kendiliğinden dönüşmez. Bunun için Sharkly gibi bir iş yönetimi katmanı gerekir.

Bir kadro iyi bir başlangıçtır; fakat ne organizasyonun kendisidir ne de doğruluk kaynağıdır.