MCP ve CLI Entegrasyonu: AI Ajanslarında Verimli İş Akışları

Yapay zeka ajansları, karmaşık görevleri yönetirken sıklıkla performans ve güvenilirlik sorunlarıyla karşılaşır. Windows tabanlı bir ajanımız, görevlerini ark-delegator adlı bir köprü aracılığıyla gerçekleştirirken ani bir şekilde durdu. Sorunun kökeni, OpenCode’un arka plan programcığının yeniden başlatılmasıyla ilişkiliydi. Ancak bu duruma rağmen, sistemdeki diğer bileşenlerin çalışmaya devam etmesi dikkat çekiciydi. Bu deneyim, bizi MCP sunucularını eklenti olarak değil, bağımsız süreçler olarak yönetmeye yöneltti.

MCP Sunucularını Bağımsız Süreçler Olarak Yönetmek

MCP (Model Context Protocol) sunucuları, uygulamaların dışında çalışan bağımsız süreçlerdir. Bu yaklaşım, sistemin genel dayanıklılığını artırır. Örneğin, sistemimizde altı adet odaklanmış MCP sunucusu bulunuyor:

• ark-exec: Komut çalıştırma
• ark-memory: Bellek veri grafiği
• ark-resolve: URI çözümleme
• mempalace: Vektör semantik arama
• ark-gist: GitHub Gist işlemleri
• ark-delegator: Çapraz ajan görev yönlendirme

Her bir sunucu, systemd tarafından yönetilir ve belirli bir port üzerinden erişilebilir. Bu yapı, sunucuların bağımsız olarak yeniden başlatılabilmesini ve herhangi bir istemci tarafından kullanılabilmesini sağlar. Örneğin, ark-memory sunucusu 8102 portunda çalışırken, ark-exec 8101 portunda hizmet verir. Bu sayede, bir sunucunun çökmesi diğerlerini etkilemez.

# oh-my-mcp yapılandırma örneği
servers:
  ark-exec:
    transport: stdio
  ark-memory:
    transport: stdio
  ark-resolve:
    transport: stdio
  mempalace:
    transport: stdio
  ark-gist:
    transport: stdio
  ark-delegator:
    transport: stdio

MCP ve CLI’nin Birlikte Kullanımı: Üç Katmanlı Mimari

AI ajansları için en etkili strateji, MCP sunucularını ve CLI araçlarını birlikte kullanmaktır. Bu yaklaşım, hem yapısal hem de esnek iş akışları oluşturmayı sağlar. Üç katmanlı mimarimiz şu şekildedir:

1. MCP Sunucuları (Yapısal İşlemler)

• Odaklanmış araçlara sahip olan sunucular, ajansın her oturumunda kullanılan sorgular ve okumalar için idealdir.
• Örneğin, ark-memory sunucusu, bellek veri grafiğine erişim sağlarken, mempalace vektör aramalarını gerçekleştirir.

1. CLI Köprüsü (Komut ve Yan Etkiler)

• server-commands-rtk adlı CLI aracı, küçük çıktıya sahip komutlar ve yan etkilere sahip işlemler için kullanılır.
• Bu aracın RTK filtresi, çıktıdaki token sayısını %90’a kadar azaltır ve yapısal denetim günlükleri oluşturur.

1. Karma Dispatch Mekanizması (Karar Katmanı)

• Ajans, hangi yöntemin kullanılacağına operasyon tipi temelinde karar verir:
• Sorgulama/Arama/Okuma: MCP aracı kullanılır.
• Yazma/İtme: Doğrudan CLI komutu çalıştırılır.
• Denetim Gereksinimi: CLI köprüsündeki yapısal günlükleme kullanılır.

def dispatch(operation):
    if operation.type in ("query", "search", "read"):
        return call_mcp(operation)
    elif has_tool(operation):
        run_raw(operation)
    else:
        return run_raw_rtk(operation)  # CLI ile denetimli çalıştırma

Performans ve Maliyet Karşılaştırması

MCP araçları ve CLI komutları arasındaki performans farkı, token maliyetleri üzerinden ölçülebilir. Örneğin, bir npm paketinin indirilme sayısını kontrol etmek için:

• MCP aracı kullanımı: 170 token, 3 alanlı yanıt
• Doğrudan CLI komutu (RTK filtresiz): 2.000+ token
• Doğrudan CLI komutu (RTK filtreli): ~400 token

Bu durumda, MCP aracı %240 daha verimlidir. Haftada binlerce kez gerçekleştirilen bu işlemler, maliyet açısından önemli bir avantaj sağlar. Ancak, basit komutlar ve küçük çıktıya sahip işlemlerde (örneğin git push), doğrudan CLI kullanımı daha avantajlıdır.

Bağımsız Süreçlerin Önemi: Hata Kurtarma ve Dayanıklılık

Bağımsız MCP sunucularının en büyük avantajı, yaşam döngülerinin bağımsız olmasıdır. Bir eklenti (plugin), ana uygulamanın sürecinde çalıştığı için, ana uygulama çöktüğünde eklenti de çöker. Buna karşın, MCP sunucuları bağımsız süreçler olarak çalıştığından, istemci bağlantısı kesilse bile sunucu çalışmaya devam eder.

Gerçek bir senaryoda, OpenCode’un arka plan programcığı yeniden başlatıldığında, eklenti çöktü ve tüm görevler kaybedildi. Ancak, ark-delegator sunucusu (port 8106) çalışmaya devam etti ve yeni bir istemci bağlantısı kurulduğunda görevlerini sürdürdü. Bu durum, bağımsız süreçlerin önemini açıkça ortaya koyuyor.

Gelecek İçin Öneriler ve Sonuç

MCP ve CLI’nin birlikte kullanılması, AI ajansları için hem esnek hem de verimli bir mimari sunar. Odaklanmış MCP sunucuları, sistemin genel yükünü azaltırken, CLI araçları da küçük çıktılı işlemler için ideal bir çözüm sağlar. Bu yaklaşımın en büyük avantajı, sistemin dayanıklılığını ve hata kurtarma yeteneklerini artırmasıdır.

Gelecekte, bu mimariyi daha da optimize etmek ve farklı senaryolara uyarlamak için çalışmalar devam edecek. AI ajanslarının performansını artırmak için MCP ve CLI’nin birlikte kullanılması, sadece bir trend değil, aynı zamanda bir gereklilik haline geliyor.