CLI Yeterli

İnsanlar bana sıkça şunu soruyor: "Claude Code açıkça diğer yapay zeka kodlama araçlarından daha iyi ama nedenini tam olarak açıklayamıyorum." Aşağıdaki Marco Franzon'un blog yazısı bu nedeni mükemmel bir şekilde açıklıyor. Hem Claude Code hem de son dönemde popüler olan OpenClaw ortak temel bir özelliğe sahip: büyük dil modeli yeteneklerini doğrudan sistemin terminal komut satırına bağlıyorlar. Tam da bu nedenle yapay zeka sadece "bir öneride bulunmakla" kalmaz -- aslında proje dizinize girip işe koyulabilir: arama yapar, değiştirir, çalıştırır, test eder, commit atar ve hata ayıklar; böylece sıkı bir otomatik geliştirme döngüsü oluşturur. Pek çok kişi terminali "eski usul bir giriş yöntemi" olarak düşünür ama aslında tam tersi doğrudur. Dünyanın en kritik bilgi sistemlerinin tamamı komut satırında çalışır: bankacılık işlem işleme, havayolu rezervasyonu ve planlaması, lojistik ayırma ve takip, devlet ve kamu kurumlarının temel iş süreçleri. Komut satırı bu kadar uzun süre "evrensel arayüz" olarak kalmayı başarmıştır çünkü yeterince kararlı, yeterince genel amaçlı, yeterince birleştirilebilir ve otomatikleştirmesi yeterince kolaydır. LLM'ler devasa miktarda komut satırı verisi üzerinde eğitilmiştir ve komut satırını dikkat çekici bir hassasiyetle kullanabilir. Dolayısıyla güçlü LLM'ler komut satırının esnekliğiyle buluştuğunda, ortaya insanlığın daha önce hiç karşılaşmadığı bir kombinasyon çıkar.

MCP hype'ı bitti.

Son iki yıl boyunca yapay zeka agent araçlarının geleceği olarak görülen MCP (Model Context Protocol), pratikte çok hantal olduğunu kanıtladı. 2026'da hız ve verimliliğe değer veren geliştiriciler komut satırı terminale geri dönüyor. LLM'lere doğrudan Shell erişimi veriyorlar ve onlarca yıldır sahada test edilmiş araçları -- git, rg, grep, npm, docker, curl, jq ve tail gibi -- çağırmasına izin veriyorlar. Geliştiricilerin artık özel sunuculara veya context pencerelerini dolduran hantal şema tanımlarına ihtiyacı yok. Tek ihtiyacınız olan Bash veya Zsh ile eşleştirilmiş güçlü bir yapay zeka modeli ve Deep Code gibi yapay zeka destekli kodlama araçları dikkat çekici sonuçlar sunuyor.

MCP neden günlük geliştirmede cazibesini kaybetti

Tipik geliştirme iş akışları için MCP genellikle sürtünmeyi azaltmak yerine artırır. Bunun birkaç nedeni var:

• Token yükü: Uzun araç katalogları ve şema tanımları değerli context alanını tüketir.
• Tekerleği yeniden icat etmek: Özel MCP sunucuları, sıklıkla standart CLI araçlarının zaten güvenilir şekilde hallettiği işlevleri tekrarlar.
• Zayıf birleştirilebilirlik: Geliştiriciler, Unix sistemlerinin on yıllar önce mükemmelleştirdiği borulama, zincirleme ve anlık değiştirme yeteneklerini kaybeder.
• Model uyumluluğu: Önde gelen LLM'ler Shell kullanımı konusunda kapsamlı eğitim almıştır. Bu modeller parametreleri, boruları, hata mesajlarını ve dokümantasyonu etkileyici bir doğrulukla anlar.

En iyi uygulama basittir: Proje dizinizi Deep Code'de açın, güvenlik sınırları dahilinde Shell çalıştırma izni verin, ardından ne yapmak istediğinizi tanımlayan komutlar verin. Deep Code otomatik olarak planlayacak, komutları çalıştıracak, dosyaları düzenleyecek, testleri yürütecek, kodu commit edecek ve hata ayıklayacaktır.

MCP, düzenlemeye tabi kurumsal ortamlarda ve sıkı tür güvenliği gerektiren SaaS API entegrasyonlarında hâlâ değerlidir. Ama günlük işlerin %80 ila %90'ında sadece gürültüdür.

Komut satırının MCP'yi geride bıraktığı senaryolar

Günlük geliştirmemde, MCP'nin sınırlılıklarını acı bir şekilde gösteren durumlarla sıkça karşılaşıyorum.

Proje genelinde kod refaktöringi

Deep Code şu komutla başlar: rg "oldDeprecatedFunction" . Değişiklik kapsamını haritalandırır. Birden fazla dosyada hedefli düzenlemeler yapar. git diff ile inceler. npm test veya cargo test çalıştırır. Sonra commit atar: refactor: remove deprecated API calls

Bu tür senaryolarda bir GitHub MCP sunucusuna gerek yoktur -- sadece rg ve git yeterli.

Production hatalarının tam yığın hata ayıklaması

Deep Code'e şu talimatı veriyorum: Reproduce the user authentication failure in the staging environment. Deep Code kodu çeker, staging ortamını ayağa kaldırır ve log hatalarını izler. curl ile API'leri sorgular, docker-compose ile veritabanlarını başlatır ve belirli test senaryolarını çalıştırır.

Docker MCP'sine gerek yok. Logging MCP'sine gerek yok. Sadece yetenekli bir shell.

Yeni bir mikro servisin iskeletinin oluşturulması

Deep Code'e şu talimatı veriyorum: Build a Rust user profile API with Axum + sqlx. Use Postgres for the database. Deep Code makinede kurulu olan araç takımını (Rust'ın cargo'su gibi) kullanarak projeyi oluşturur, bağımlılıkları ekler ve servisi başlatır.

Mevcut araç takımı yeterlidir -- veritabanı MCP'sine gerek yok.

Kararsız CI/CD hatalarının düzeltilmesi

Deep Code reposunu klonlar. act ile iş akışını yerel olarak çalıştırır. Hatayı tespit eder. .github/workflows/ci.yml veya Dockerfile dosyasını değiştirir. docker build ile doğrular. Bir branch iter. gh ile bir PR açar.

Tamamı standart CLI araçları. Özel bir CI entegrasyon katmanına gerek yoktur.

Geri bildirimlerdeki kalıplar

Deep Code'in yerel komut satırı yaklaşımını kullanan ekipler aşağıdaki avantajları raporladı:

• Önemli ölçüde daha hızlı teslimat.
• Daha öngörülebilir token tüketimi.
• Yapay zeka destekli araç davranışında daha fazla şeffaflık.
• Yapay zeka operasyonlarının daha kolay denetlenmesi ve hata ayıklaması.

Özetle, ortaya çıkan uzlaşım açıktır: Entegrasyon inşa etmeyi bırakın. Bunun yerine CLI araçları inşa edin. Çünkü Bash nihai MCP'dir.

Terminal her zaman evrensel geliştirme ortamıydı

2026'da terminal, yapay zeka kodlama agent'ları için de en güçlü arayüzdür. Özel kurumsal araçlarla çalışmadığınız sürece, ağır MCP yığınını tamamen atlayabilirsiniz.

Sadece proje dizinizi Deep Code'de açın, Shell erişimi verin, görevinizi tanımlayın ve çalışmasını izleyin.