AI iş verimliliği radarı | 2026-07-18

Günümüzün en bariz sinyali, başka bir “daha akıllı” sohbet kutusunun ortaya çıkması değil, yapay zeka araçlarının iki uçta birleşmesi: Birincisi, geliştiricilerin günlük yaşamına daha yakın olan yerel terminal, çalışma alanı ve kontrol yüzeyi; diğeri ise hazır sistemleri ajanlara bağlayan MCP sunucusudur.
Bir başka çok pratik değişiklik ise kodlama aracılarının çevresindeki alanların eklenmeye başlanmasıdır: bazıları durum izleme yapıyor, bazıları çok aracılı çalışma tezgahı yapıyor ve bazıları veritabanları ve Office gibi gerçek iş akışı arayüzlerini tamamlıyor.

JetonBar

Nedir: macOS menü çubuğunda yerel Swift ile yazılmış bir AI belirteci kullanımı ve kota izleme aracı, Claude Code, Codex, Cursor, OpenCode vb. gibi 25’ten fazla aracıyı destekler ve kullanımı yerel olarak izler.
Şimdi neden izlemeye değer: Kodlama ajanları günlük hayata girmeye başladıktan sonra asıl takılan şey sadece “kullanıp kullanamayacakları” değil, aynı zamanda "bugün ne kadar kredi kaldığı ve hangi araçların token yuttuğu"dur. Bu tür görselleştirme aracı altyapıya çok benzer ve göze çarpmaz, ancak aracıyı iş akışına istikrarlı bir şekilde yerleştirip yerleştiremeyeceğinizi doğrudan etkileyecektir.
Geliştirme/veri toplama/otomasyon/ekip işbirliği için kullanımı nedir: Bireysel geliştiriciler için en doğrudan şey, farklı aracıların maliyetlerini ve dalgalanmalarını net bir şekilde görebilmek ve uzun görevlerin ortasında kotalara çarpmaktan kaçınmaktır; ekipler için “araç kullanımını” sözlü duygulardan gözlemlenebilir verilere dönüştürebilir.
Riskler veya dikkat edilecek noktalar: Daha çok bir izleme katmanına benzer ve acentenin kalite sorununu çözmez; Aynı anda birden fazla istemci kullanıyorsanız veri kalibresinin tutarlı olup olmadığını doğrulamak faydalı olacaktır.
Orijinal bağlantı: https://github.com/Nanako0129/TokenBar

bölme akışı

Nedir: Gerçek bir terminal paneli, canlı durum, çalışma ağacı incelemesi, salt okunur MCP ve yerel orkestrasyon ile kodlama aracılarını yan yana çalıştırmak için yerel öncelikli bir Rust/GPUI çalışma tezgahı.
Neden şimdi izlemeye değer: Birçok aracı aracın sorunu, çalışamamaları değil, iyi görünmemeleri, yönetilmelerinin zor olması ve paralel olarak çalıştırılmalarının kolay olmamasıdır. Paneflow gibi projeler açıkça “ajan işletim sistemi kabuğuna” yöneliyor. Odak noktası diyalog değil, çoklu pencere, çoklu görev ve gözden geçirilebilirliktir.
Geliştirme/veri organizasyonu/otomasyon/ekip işbirliği için kullanımı nedir: Geliştirme açısından aynı anda birden fazla şube görevine odaklanmaya uygundur; veri organizasyonu açısından farklı etmenlerin çıktıları ayrılabilir ve gözden geçirilebilir; ekip işbirliği açısından, çalışma ağacı incelemesi ve yerel düzenleme daha pratiktir ve “kim neyi değiştirdi ve şimdi nerede?” sorusunun iletişim maliyetini azaltabilir.
Riskler veya dikkat edilmesi gereken noktalar: Bu tür yerel kontrol yüzeyi genellikle büyük ölçüde kullanıcının kendi çalışma alışkanlıklarına dayanır ve ilk erişimde öğrenme maliyetleri olacaktır; ayrıca “salt okunur MCP”, gözlem ve koordinasyona daha fazla odaklanıldığı ve tüm eylemleri sizin için doğrudan tamamlayamayabileceği anlamına da gelir.
Orijinal bağlantı: https://github.com/arthjean/paneflow

waku-ajanı

Nedir: “Kendi dizüstü bilgisayarınızda çalıştırmayı” vurgulayan kişisel bir AI aracısı projesi. Kod yapısı öğleden sonra da okunabilecek şekilde tasarlanmıştır. Temel bileşenler koşum takımı, döngü, bellek ve değerlendirmedir.
Neden şimdi izlemeye değer: Bu tür bir proje, büyük bir platformdan ziyade, aracıyı “kendini kontrol edebilen” minimal bir kapalı döngüye eğitmeye benzer. Bugün izlemeye değer; en güçlüsü olduğu için değil, ama failin iskeletini anlayış ve dönüşüm için yeterince açık bir şekilde parçaladığı için.
Geliştirme/veri toplama/otomasyon/ekip işbirliği için kullanımı nedir: Geliştiriciler için bir araştırma temeli olarak uygundur; belleği, değerlendirme döngülerini ve araç çağırma yöntemlerini değiştirmenize olanak tanır; veri toplama ve otomasyon için “bellek, yürütme ve değerlendirme” şeklindeki üç bağlantıyı ayrı ayrı düşünmenize yardımcı olabilir ve bunu kendi komut dosyanız veya bilgi tabanınızla takip etmek daha kolay olacaktır.
Riskler veya uyarılar: Bu tür “öncelikle okunabilirlik” projesi genellikle öğrenme ve deneme yapmaktan daha güçlüdür ve doğrudan üretime uygun olmayabilir; Ayrıca hafıza ve değerlendirmenin tasarımı çok basitleştirilirse, gerçek görevlerde çarpıtılması kolaydır.
Orijinal bağlantı: https://github.com/ShenSeanChen/waku-agent

iletken-oss

Nedir: Çalışma alanlarını, çalışma ağaçlarını, terminali, farkı, önizlemeyi ve eşleştirilmiş cihaz erişimini kapsayan, yerel öncelikli bir AI kodlama aracısı konsolu.
Neden şimdi izlemeye değer: Kodlama aracıları ekip işbirliğine girdikten sonra asıl sorun genellikle kod üretmek değil, “aracının sonuçlarını güvenli bir şekilde çalışma alanına nasıl geri koyacağıdır.” conductor-oss bu orta katmana odaklanır ve çok pratik bir çevresel araçtır.
Geliştirme/veri organizasyonu/otomasyon/ekip işbirliği için kullanımı nedir: Geliştirme açısından, birden fazla çalışma alanını yönetmeye ve önizlemeleri değiştirmeye uygundur; veri organizasyonu açısından, aracı tarafından üretilen içerik, incelemeyi kolaylaştırmak için farklılık gösterebilir; Ekip işbirliği açısından bu noktaya eşleştirilmiş cihazlarla erişim, uzaktan işbirliği veya rotasyon incelemesi için uygun olabilir.
Riskler veya uyarılar: Bir etmen ontolojisinden çok bir kontrol yüzeyine benzemektedir, dolayısıyla değeri halihazırda hangi aracıları kullandığınıza bağlıdır; Eğer işleminiz hala hafifse bu tip aletler biraz ağır gelebilir.
Orijinal bağlantı: https://github.com/charannyk06/conductor-oss

QwenLM/qwen kodu

Nedir: Doğrudan terminalde çalışan, açık kaynaklı bir AI kodlama aracısı.
Neden şimdi izlemeye değer: Terminal acentesi hattı soğumadı, ancak giderek daha çok “varsayılan giriş” haline geliyor. Qwen-code’un önemi, “terminalde aracı çalıştırmayı”, süreci kendileri devralmak isteyenler için uygun, açık kaynaklı bir çözüm haline getirmesidir.
Geliştirme/veri toplama/otomasyon/ekip işbirliği için kullanımı nedir: Geliştirme açısından mevcut kabuk, git ve test scriptleriyle birleştirilmeye uygundur; veri toplama açısından aynı zamanda otomatik toplama, düzenleme ve yeniden yazma için bir uygulayıcı olarak da kullanılabilir; Ekip işbirliği açısından, bir terminal aracında birleştirilebilirse komut dosyası oluşturma ve denetleme daha kolay olacaktır.
Riskler veya dikkat edilecek noktalar: Terminal aracısı gerçek depoyla temasa geçtiğinde, dosyaları yanlışlıkla değiştirme ve komutları yanlışlıkla yürütme riski artacaktır. Öncelikle korumalı alan, izinler ve geri alma mekanizması iyice düşünülmelidir.
Orijinal bağlantı: https://github.com/QwenLM/qwen-code

obsidyen-yerel-geri kalan-api

Nedir: Obsidian kasası için güvenli bir REST API ve MCP sunucusu sağlamaya yönelik bir proje.
Neden şimdi izlemeye değer: Bu, günümüzün en “mevcut bilgi iş akışına anında bağlanan” öğelerinden biridir. Birçok kişi Obsidian’ı zaten bir veri merkezi olarak görüyor. MCP sunucusunun değeri, bu merkezi yalıtılmış bir dizüstü bilgisayar yerine aracı tarafından çağrılabilecek bir araca dönüştürmesinde yatmaktadır.
Geliştirme/veri toplama/otomasyon/ekip işbirliği için kullanımı nedir: Geliştirme açısından, aracıların kasa içeriğini okumasına, organize etmesine, oluşturmasına ve güncellemesine olanak tanır; veri toplama açısından otomatik sınıflandırmaya, toplantı tutanaklarının arşivlenmesine ve bağlantı tamamlamaya uygun olup; Ekip işbirliği açısından, manuel işlemleri azaltmak için en azından kişisel bilgi tabanlarını ve otomatik işlem hatlarını birbirine bağlayabilir.
Riskler veya dikkat edilecek noktalar: Not kitaplığı aracının kullanımına sunulduktan sonra izin sınırları, özellikle de yazma yetenekleri ve hassas notlar çok önemlidir; Ayrıca, “güvenli REST API”, varsayılan olarak emin olabileceğiniz anlamına gelmez; yine de kimlik doğrulama ve yerel dağıtım yöntemine bağlıdır.
Orijinal bağlantı: https://github.com/coddingtonbear/obsidian-local-rest-api

ms-365-mcp-sunucusu

Nedir: Microsoft 365 ile Office hizmetlerini birbirine bağlayan ve Graph API aracılığıyla çalışan bir MCP sunucusu.
Neden şimdi izlemeye değer: Pek çok ekip hâlâ Word, Excel, Outlook ve Teams gibi sistemlerde çalışıyor. Bir aracı gerçekten yararlı olduğunda, bu genellikle yeni şeyler yazmakla değil, bu eski sistemlere bağlanıp bağlanamayacağıyla ilgilidir. Bu projenin değeri burada yatıyor.
Geliştirme/veri organizasyonu/otomasyon/ekip işbirliği için kullanımı nedir: Geliştirme için toplantılar, e-postalar, belgeler ve programlar gibi parçalanmış görevleri otomatik süreçlere bağlayabilir; veri organizasyonu açısından belgeler arası erişim, özetleme ve bilgi aktarımı için uygundur; Ekip işbirliği için, düzgün bir şekilde bağlanması halinde birden fazla Office aracı arasında ileri geri kopyalamayı azaltabilir.
Riskler veya dikkat edilecek noktalar: Graph API izinleri genellikle bu tür projelerin temel riskidir. Erişmeden önce okuma ve yazma kapsamını netleştirmek en iyisidir; ayrıca kurumsal ortamda daha çok temel bağlantı katmanına benzer ve hafif kişisel kullanıma uygun olmayabilir.
Orijinal bağlantı: https://github.com/Softeria/ms-365-mcp-server

Bugün takip edilmesi gereken en değerli yön “acentenin kontrol düzlemi + MCP’nin bağlantı katmanı” çizgisidir. İlki nasıl yönetileceğini, nasıl görüntüleneceğini ve nasıl paralelleştirileceğini çözerken, ikincisi gerçek çalışan sistemlerin nasıl bağlanacağını çözer; eğer bu ikisi olgunlaşmaya devam ederse, yapay zeka araçları gerçekten demolardan yeniden kullanılabilir iş akışlarına dönüşecek.