Kod tabanınızı boğmadan yapay zekâ ajanlarına en doğru dosyaları sunan araç

Yapay zekâ destekli kodlama araçlarını kullanırken karşılaşılan en yaygın sorunlardan biri, proje dosyalarının büyüklüğüyle başa çıkmakta yaşanan zorluklardır.Claude ya da GitHub Copilot’a bir görev tanımı yapıştırdığınızda, genellikle ilk engel olarak tüm kod tabanının belleğinize sığmamasıyla karşılaşırsınız. Bu durumda iki seçenek kalıyor: Ya gereksiz tüm dosyaları yükleyerek bellek penceresini boşa harcıyorsunuz, ya da elle seçtiğiniz dosyalarda kritik bir bağlantıyı kaçırıp süreci riske atıyorsunuz. Bu döngüyü kırmak için geliştirilen ContextOS, yerel bir komut satırı aracı olarak devreye giriyor ve kod deposunuz ile yapay zekâ ajanınız arasındaki akıllı bir bağlayıcı görevi görüyor.

Kod tabanınızın zihinsel yükünü hafifleten yerel çözüm

Yeni bir projeye başlamak ya da mevcut bir koda yeni özellik eklemek istediğinizde, yapay zekâdan yardım almak gitgide daha yaygın hale geliyor. Ancak bu süreçte karşılaşılan en büyük engel, yapay zekâ yardımcısının ihtiyacı olan bağlamı doğru şekilde anlamasıdır. ContextOS, bu problemi yerel olarak ve gerçek zamanlı olarak çözmek üzere tasarlandı.

Aracın kullanımı oldukça basit:

pip install rm-contextos
cd your-project
contextos scan
contextos pack --task "auth uç noktasına hız sınırlama ekle" --budget 8000

Bu komutlar, belirttiğiniz göreve doğrudan katkı sağlayan dosyaları otomatik olarak tespit eder ve size sadece gereken bağlamı sunar. Çıktı olarak, Markdown ya da JSON formatında bir bağlam paketi alırsınız. Bu pakette dosyalar, anahtar kelime eşleşmesi, ithal grafiği merkeziliği, AST sembol örtüşmesi ve Git değiştirme skoruna göre sıralanır. Hassas veriler otomatik olarak gizlenir.

Bir örnek üzerinden gidelim:

• Paketlenen dosya sayısı: 12
• Toplam token sayısı: ~6.840
• Tam kod tabanına göre tasarruf: %87 (yaklaşık 47.200 token)

Bağlamı daraltan beş akıllı sinyal

ContextOS, dosyaları sıralarken beş farklı sinyali bir araya getirerek en doğru sonuçları üretir. Bu sinyaller, yalnızca anahtar kelime eşleşmesiyle değil, aynı zamanda kodun yapısal özellikleriyle de çalışır:

• Anahtar kelime eşleşmesi: Görev tanımınızdaki terimlere en yakın olan dosyalar öne çıkarılır.

• İthal grafiği merkeziliği: Projede kullanılan temel ve paylaşılan modüllerin tespitini sağlar. Örneğin, tüm diğer dosyaların import ettiği auth.py gibi kritik dosyalar yüksek puan alır.

• AST sembol örtüşmesi: Sadece metin araması yapmak yerine, kodun soyut sözdizimi ağacındaki semboller (fonksiyonlar, sınıflar) incelenir. Böylece get_user(), validate_token() gibi fonksiyonların geçtiği dosyalar öne çıkarılır.

• Git değiştirme skoru: Son zamanlarda değiştirilen dosyalar, genellikle aktif olarak geliştirilen ve dolayısıyla bağlam açısından önemli olan dosyalardır.

• Gizlilik cezası: Ortam değişkenleri ya da şifre dosyaları gibi hassas içerikler otomatik olarak paket dışında bırakılır.

Bu işlemlerin hiçbirinde yapay zekâ modeline ya da bulut sistemlerine ihtiyaç duyulmaz. Tüm analizler yerel olarak, çevrimdışı şekilde gerçekleştirilir.

Yapay zekâ ajanlarınıza doğrudan bağlanabilme

ContextOS’un sunduğu en kullanışlı özelliklerden biri de, MCP sunucu desteğidir. Bu özellik sayesinde, aracı doğrudan yapay zekâ yardımcınıza entegre edebilirsiniz. Örneğin, Claude Desktop ya da Claude Code kullanıyorsanız:

pip install "rm-contextos[mcp]"
contextos serve --stdio

Ardından, claude_desktop_config.json dosyanızda MCP sunucusunu kaydederek, yapay zekâ aracınıza doğrudan bağlam sağlama yeteneği kazandırabilirsiniz. Böylece pack_context, scan_repo, list_files, get_file ve churn_report gibi fonksiyonları araç olarak kullanabilirsiniz. Bu sayede CLI kullanımı gereksinimi ortadan kalkar ve süreciniz daha da hızlanır.

Geliştirici dostu özellikler ve gelecek planları

ContextOS, kullanıcı dostu olmanın yanı sıra teknik olarak da sağlam bir altyapıya sahiptir:

• Toplam 980 test ve %96 kod kapsamı
• Apache-2.0 lisansı altında yayınlanmakta olup, herhangi bir telemetri ya da hesap gerektirmemektedir
• Python 3.11 ila 3.13 arasında çalışmakta olup, Linux ve macOS sistemlerinde desteklenmektedir
• Çıktı formatları olarak Claude, Codex, Cursor, Aider ve JSON seçenekleri sunulmaktadır
• Artımlı tarama önbelleği sayesinde, yalnızca değiştirilen dosyalar yeniden taranır, bu da performansı önemli ölçüde artırır

Kurulum için üç farklı seçenek bulunmaktadır:

pip install rm-contextos                     # Temel CLI
pip install "rm-contextos[mcp]"              # MCP sunucu desteği
pip install "rm-contextos[all]"              # Tüm özellikler

Geliştiriciler, ContextOS’un ranking sinyallerinin etkinliği ve MCP entegrasyonu hakkında geri bildirimlerde bulunabilirler. Özellikle hangi sinyallerin eksik olduğunu ya da hangi yeni özelliklerin eklenmesi gerektiği konusunda öneriler beklenmektedir. Gelecekte, daha fazla yapay zekâ aracıyla entegrasyon ve farklı programlama dillerine destek gibi genişletmeler planlanmaktadır. Bu yenilikçi araç, yapay zekâ destekli kodlama sürecini daha verimli ve güvenilir hale getirmeyi hedeflemektedir.