MCP Yetmedi, CLI Yazdık: Yapay Zeka Ajanları İçin Neden Komut Satırı Hâlâ Doğru Tercih?
YargıMCP'yi çıkardığımızda, Türk hukuk dünyasında küçük bir devrim oldu. 587 GitHub yıldızı, 99 fork, 13 farklı mahkeme ve kurum, 19 araç. Claude Desktop'tan Gemini CLI'a kadar her yerde çalışan, avukatların emsal karar arama süresini saatlerden dakikalara indiren bir sistem.
Peki o zaman neden bir de CLI yazdık?
Çünkü MCP, yapay zekanın dış dünyayla konuşmasının tek yolu değil. Ve bazı senaryolarda, en iyi yolu bile değil.
MCP'nin Görünmeyen Maliyeti
Model Context Protocol harika bir fikir: Yapay zeka modelleriyle araçlar arasında standart bir köprü. Bir kere kur, her yerde çalışsın. Biz de bu vizyona inandık ve YargıMCP'yi tam da bu felsefe üzerine inşa ettik.
Ama MCP'yi gerçek dünyada, gerçek iş akışlarında kullandıkça bazı sürtünme noktalarını fark ettik.
Birincisi, bağlam penceresi maliyeti. Bir MCP sunucusu bir yapay zeka ajanına bağlandığında, tüm araç şemalarını (tool schema) ajanın bağlam penceresine yükler. YargıMCP'de biz bunu %61.8 oranında optimize ettik, 14.061 token'dan 5.369'a düşürdük. Ama yine de bu, ajan daha hiçbir iş yapmadan harcanan token demek. Bir ajana üç-dört MCP sunucusu bağladığınızda, bağlam penceresinin önemli bir kısmı sadece "araç tanımlarıyla" doluyor. Geriye kalan alan, ajanın asıl işi olan muhakeme (reasoning) için daralıyor.
İkincisi, zincirleme çalışma zorluğu. Unix felsefesinin en güçlü tarafı, küçük araçların birbirine bağlanabilmesidir. grep | sort | uniq -c gibi. MCP araçları ise birbirlerine pipe'lanamaz. Her araç çağrısı bağımsızdır, sonucu bir sonrakine doğrudan aktaramazsınız.
Üçüncüsü, platform bağımlılığı. MCP, doğası gereği bir istemci-sunucu mimarisi gerektirir. Claude Desktop, 5ire veya benzeri bir MCP istemcisi olmadan çalışmaz. Bu da MCP'yi belirli platformlara bağımlı kılar.
CLI: Yapay Zekanın Ana Dili
İşte tam bu noktada, bir adım geri atıp temel bir soruyu sorduk: Yapay zeka ajanları için en doğal arayüz ne?
Cevap, düşündüğümüzden çok daha eski çıktı: komut satırı.
Büyük dil modelleri devasa miktarda eğitim verisi üzerinde yetişti. Bu verinin büyük bir kısmı GitHub repoları, Stack Overflow cevapları, teknik dokümantasyon ve terminal komutlarından oluşuyor. Bir yapay zeka modeli git, grep, curl, jq gibi araçları zaten "biliyor." Bu komutların nasıl çalıştığını, hangi parametreleri aldığını, çıktılarının neye benzediğini eğitim verisinden öğrenmiş durumda.
MCP araçlarını ise hiçbir model eğitim sırasında görmedi. Her MCP sunucusunun şeması çalışma anında (runtime) keşfedilmek zorunda. Bu da fazladan token, fazladan gecikme ve fazladan hata potansiyeli demek.
CLI ise tam tersi bir denklem sunuyor: Sıfır şema maliyeti. Model komutu zaten biliyor. Sadece --help çağrısıyla spesifik parametreleri öğrenmesi yeterli. 2026'nın en çarpıcı teknik tartışmalarından biri de tam olarak bu: OpenClaw'un yaratıcısı Peter Steinberger, otonom ajanı için yaklaşık 10 adet özel CLI yazdı. Ve OpenAI onu tam da bu yaklaşımı nedeniyle işe aldı.
Yargı CLI: Ne, Neden, Nasıl?
Yargı CLI, YargıMCP'nin komut satırı karşılığı. Aynı Türk hukuk veritabanlarına (Yargıtay, Danıştay, Yerel Mahkemeler, İstinaf, Kanun Yararına Bozma) erişimi sağlıyor ama MCP protokolü yerine saf komut satırı arayüzüyle.
Tasarım felsefesi beş ilke üzerine kurulu:
JSON-only çıktı. Her komut, stdout'a yapılandırılmış JSON yazar. İnsan gözüyle okumak için değil, makinenin işlemesi için tasarlandı.
Pipe-friendly. Unix boruları (pipe) ile zincirlenebilir. jq, xargs veya herhangi bir Unix aracıyla birlikte çalışır.
Zengin --help. Parametre açıklamaları, arama operatörleri, çıktı şemaları ve örnekler doğrudan yardım metnine gömülü. Böylece bir yapay zeka ajanı, dış bir dokümana ihtiyaç duymadan CLI'ı kendi başına keşfedebilir.
Sıfır kimlik doğrulama. Kurulum yap, çalıştır. API anahtarı, token, OAuth akışı yok.
Durumsuz (stateless). Her çağrı bağımsız. Oturum (session) yok, çerez (cookie) yok, sunucu bağlantısı yok.
Gerçek Dünyada Nasıl Çalışıyor?
Bir yapay zeka ajanının Yargı CLI ile tipik iş akışı şöyle:
# 1. Karar ara
yargi bedesten search "mülkiyet hakkı" -c YARGITAYKARARI
# 2. Sonuçtan belge ID'sini çek
yargi bedesten search "mülkiyet hakkı" \
| jq -r '.decisions[0].documentId'
# 3. Tam karar metnini getir
yargi bedesten search "mülkiyet hakkı" \
| jq -r '.decisions[0].documentId' \
| xargs yargi bedesten doc
# 4. Tüm esas numaralarını listele
yargi bedesten search "iş kazası" -c YARGITAYKARARI \
| jq '[.decisions[] | .esasNo]'
Bu akışın güzelliğine dikkat edin: Her adım bir öncekinin çıktısını alıp bir sonrakine aktarıyor. Ara sonuçlar incelenebilir, her adım bağımsız olarak test edilebilir. Bir yapay zeka ajanı bu kalıbı zaten biliyor çünkü eğitim verisinde binlerce benzer pipe zinciri görmüş.
Aynı işi MCP ile yapmak için ajanın önce araç şemasını yüklemesi, ardından her adım için ayrı bir yapılandırılmış araç çağrısı yapması, sonuçları kendi belleğinde tutup bir sonraki çağrıya manuel olarak aktarması gerekir.
MCP vs CLI: Hangisi Ne Zaman?
Burada keskin bir "biri iyi, diğeri kötü" ayrımı yapmak doğru olmaz. İkisi farklı senaryolar için optimize edilmiş farklı araçlar.
MCP'nin güçlü olduğu yerler: Claude Desktop gibi son kullanıcıya yönelik uygulamalar, teknik olmayan kullanıcıların yapay zeka ile etkileşimi, görsel arayüzlü istemciler. Bir avukat Claude Desktop'ta "kira artışıyla ilgili Yargıtay kararlarını bul" dediğinde, arka planda MCP çalışıyor ve kullanıcı hiçbir teknik detayla muhatap olmuyor. Bu deneyim CLI ile sağlanamaz.
CLI'ın güçlü olduğu yerler: Otonom ajanlar, CI/CD boru hatları, RAG sistemleri, toplu veri işleme, diğer araçlarla zincirleme entegrasyon. Bir kodlama ajanı (Claude Code, Codex, Gemini CLI) Türk hukuk veritabanlarını sorgulayacaksa, bir MCP sunucusu ayağa kaldırmak yerine doğrudan yargi bedesten search komutunu çalıştırması çok daha verimli.
Biz ikisini de yazdık çünkü ikisine de ihtiyaç var. YargıMCP, son kullanıcı uygulamalarının arayüzü. Yargı CLI, geliştiricilerin ve ajanların arayüzü.
Daha Büyük Resim: CLI Rönesansı
Yargı CLI, daha büyük bir trendin parçası. 2025-2026 döneminde yazılım dünyasında sessiz ama güçlü bir CLI rönesansı yaşanıyor.
Claude Code, Codex CLI, Gemini CLI gibi otonom kodlama ajanları terminalde yaşıyor. OpenClaw gibi otonom genel amaçlı ajanlar, CLI araçlarını "beceri" (skill) olarak kullanıyor. Peter Steinberger'in OpenClaw için yazdığı özel CLI'lar, bu yaklaşımın pratikte ne kadar güçlü olduğunu kanıtladı.
Bunun altında yatan mantık basit: Terminal, 50 yıllık bir arayüz. Denenmiş, test edilmiş, standartlaşmış. Her işletim sisteminde çalışıyor. İzin modeli, hata yönetimi, süreç kontrolü gibi temel sorunlar çoktan çözülmüş. Ve en önemlisi, yapay zeka modelleri bu arayüzü eğitim verisinden derinlemesine biliyor.
MCP, bu ekosisteme yeni ve değerli bir katman ekledi. Ama CLI'ın yerini almadı. Aksine, en iyi yapay zeka sistemleri ikisini birlikte kullanıyor: Kullanıcıya bakan yüz MCP, motorun altında çalışan güç CLI.
Başlangıç Rehberi
Yargı CLI'ı denemek isterseniz:
# Node.js >= 24 gerekli
npm install -g @saidsrc/yargi
# İlk aramanızı yapın
yargi bedesten search "kamulaştırma" -c YARGITAYKARARI
# Tarih aralığıyla filtreleyin
yargi bedesten search "iş kazası" --date-start 2024-01-01 --date-end 2024-12-31
# Bir kararın tam metnini alın
yargi bedesten doc 1123588300 | jq -r '.markdownContent'
Proje açık kaynak: github.com/saidsurucu/yargi-cli
YargıMCP da burada: github.com/saidsurucu/yargi-mcp
Son Söz
Yapay zeka dünyasında yeni protokoller, yeni standartlar, yeni çerçeveler her gün ortaya çıkıyor. Her biri bir öncekinin eksiklerini gidermeye çalışıyor. Bu iyi bir şey.
Ama bazen en güçlü çözüm, en yeni çözüm değildir. Bazen 50 yıllık bir arayüz, yapay zekanın dış dünyayla konuşması için hâlâ en verimli, en güvenilir ve en doğal yol olabilir.
Biz Beta Space Studio'da şunu öğrendik: Doğru aracı doğru iş için seçmek, tek bir araca bağlanmaktan her zaman daha değerlidir. MCP ve CLI rakip değil, tamamlayıcı. İkisini birlikte kullanmak, yapay zeka çözümlerini hem kullanıcı dostu hem de geliştirici dostu kılmanın anahtarı.
Sonuçta mesele bir protokolü veya arayüzü savunmak değil. Mesele, insanların (ve ajanların) bilgiye en hızlı, en verimli şekilde ulaşmasını sağlamak.
İşte Yargı CLI tam da bu amaca hizmet ediyor.
Yapay zeka projelerinizde CLI ve MCP entegrasyonu konusunda merak ediyorsanız, hello@betaspacestudio.com adresinden bize ulaşın.
