Yapay Zeka Çözümlerinden Ortak Bilgiye: Topluluk İçin MCP Sunucusu Geliştirmek

Sadece Yapay Zekaya Sormayın: Yanıtı Topluluğa Geri Kazandırın

Yapay zeka, modern yazılım geliştirme süreçlerinde gerçek bir kuvvet çarpanı ve teknik problemleri hızla çözmek için ideal bir yol arkadaşıdır. Ancak geliştiriciler olarak elde ettiğimiz bu değerli çözümleri genellikle kendimize saklıyor ya da sohbet geçmişlerinde kaybediyoruz.

Mevcut geliştirici deneyimi çoğunlukla kısır bir döngüden ibarettir: Soru sorulur, yanıt alınır, problem çözülür ve tüm bu konuşma geçmişin derinliklerine gömülerek kaybolur. Ardından başka bir geliştirici tamamen aynı teknik engelle karşılaşır ve aynı süreç sıfırdan tekrarlanır. Buradaki asıl sorun yapay zekanın aynı problemi yeniden çözememesi değildir. Çalışan bir çözüm zaten bir yerlerde mevcuttur; birisi bu konuyu araştırmış, test etmiş ve kapsamlı bir diyalog yürütmüştür. Oturum kapandığında bilginin buharlaşması, harcanmış elektrik, su ve zaman kaynaklarının gereksiz yere tekrar tüketilmesine neden olur. Bu ham bilginin geri dönüştürülmesi şarttır.

Ne İnşa Edildi? Shared Knowledge MCP

Shared Knowledge MCP, yapay zeka ile yürütülen bir teknik sohbetten elde edilen çözümü yapılandırılmış bir Markdown makalesine ve ardından insan onayına sunulan bir GitHub Pull Request'ine (PR) dönüştüren bir MCP sunucusudur. Katkı birleştirildiğinde (merge), doğrudan dokümantasyon sitesinde yayımlanır ve ElevenLabs entegrasyonuyla sesli sürümü oluşturulur.

Sistemde gizlilik temel prensiptir; sohbetin tamamı gizli kalırken yalnızca ilgili çözüm ayıklanır. Uçtan uca işlem hattı şu 8 adımdan oluşur:

Yapay zeka sohbeti: Teknik problemin asistan eşliğinde çözülmesi.
Açık paylaşım kararı: Kullanıcının çözümü toplulukla paylaşmayı bilinçli olarak seçmesi.
MCP sunucusu: İlgili çözümün ayrıştırılması ve işlenmesi.
Markdown üretimi: İçeriğin bağımsız bir makale formatına getirilip doğrulanması.
Pull Request açılması: GitHub üzerinde otomatik olarak katkı isteğinin oluşturulması.
İnsan incelemesi: İçeriğin ortak bilgi tabanına ait olup olmadığına bir uzmanın karar vermesi.
Birleştirme (Merge): İnceleme sonrası onaylanan PR'ın ana dala kabul edilmesi.
Dokümantasyon ve seslendirme: Yazının herkese açık sitede yayımlanması ve sesli versiyonunun üretilmesi.

Bu mimarideki en hayati sınır insan incelemesidir. MCP sunucusu bilgiyi yapılandırıp katkıyı hazırlayabilir; fakat neyin kamusal bilgi haline geleceğine tek başına karar veremez.

Geliştirici Deneyimi ve Pratik Çıkarımlar

Proje, farklı istemciler üzerinde publish_knowledge aracıyla test edilmiştir. Yayınlanan ilk gerçek katkıda, pyproject.toml içerisindeki opsiyonel bir bağımlılığın içe aktarma zincirini kırması problemi çözülmüş; GitHub Copilot incelemesi ve doğrulama süreçleri başarıyla tamamlanmıştır.

Yazılım geliştiriciler ve öğrenenler için en önemli pratik çıkarım, Model Context Protocol'ün (MCP) yalnızca yerel araç çağırma arayüzü değil, aynı zamanda kolektif bir bilgi paylaşım köprüsü olabileceğidir. Kişisel problem çözümlerini topluluk havuzuna aktarmak, tekrarlayan kaynak israfını önleyerek kalıcı bir mühendislik hafızası oluşturur.

Orijinal kaynağa buradan ulaşabilirsiniz.

Bu konuyu derinlemesine öğrenmek isterseniz: MCP Sunucusu Geliştirme modülüne göz atın.