Ozan Özdil
← Yazılar

Google Antigravity'de Gemini ve Argon 4 ile Konsey Mimarisi: Yetenekleri Nasıl Dağıttık?

Google Antigravity üzerinde Gemini 4 Argon'u orkestra şefi olarak konumlandırdığımız 12 üyeli yapay zekâ konseyi, 19 eklenti, 300'den fazla yetenek paketi ve 45'in üzerinde MCP sunucusunun görev dağılımı. Argon 4'ü daha verimli kullanmak isteyenler için pratik bir rehber.

· 9 dk okuma
İçindekiler

Özet: Çok güçlü bir yapay zekâ modelini tek bir sohbet penceresinde hem yüzlerce dosyayı tarayan bir araştırmacı, hem kod yazan bir geliştirici, hem test koşucusu hem de güvenlik denetçisi olarak çalıştırmak bir noktadan sonra verimi düşürüyor. Bağlam penceresi (context window) ham çıktılarla doldukça modelin dikkati dağılıyor, başlangıçtaki kurallar unutuluyor ve belirteç (token) maliyeti gereksiz yere katlanıyor. Bu yazıda önce Google Antigravity üzerinde Gemini 4 Argon modelini neden tek başına çalışan bir işçi yerine bir orkestra şefi ve son denetçi olarak konumlandırdığımızı, sonra 12 üyeli konseyimizi nasıl kurduğumuzu, 19 eklentiyi, 300’den fazla SKILL.md yetenek paketini ve 45’in üzerindeki MCP sunucusunu görev alanlarına göre nasıl paylaştırdığımızı anlatıyorum. Son bölümde ise Argon 4’ü kendi iş akışlarında daha verimli kullanmak isteyenler için doğrudan uygulanabilecek pratik önerileri topladım.

Tek bir modele her işi yüklemek neden tıkanıyor?

Günlük yazılım geliştirme işlerinde Gemini 4 Argon gibi derin muhakeme yeteneği yüksek bir modeli açıp bütün projeyi tek oturumda yaptırmak ilk başta kolay görünüyor. Ancak görev büyüdükçe üç somut sorun ortaya çıkıyor:

  • Bağlam penceresinin kirlenmesi: Bir hatayı bulmak veya yeni bir özellik eklemek için 30-40 farklı dosyayı okuttuğunuzda, derleme çıktılarını ve hata kayıtlarını aynı sohbete yığdığınızda modelin çalışma alanı (context) gürültüyle doluyor. Araştırma literatüründe Lost in the Middle (Ortada Kaybolma) olarak bilinen bu durum, modelin başta verdiğiniz mimari kuralları veya güvenlik kısıtlarını gözden kaçırmasına yol açıyor.
  • Her işe aynı ağırlıkta model harcamak: Çok dosyalı mekanik bir isim değişikliği, rutin bir birim testi veya basit bir bağımlılık güncellemesi için en üst seviye muhakeme modelini dev bir bağlamla tekrar tekrar çalıştırmak hem süreyi uzatıyor hem de belirteç bütçesini boşa harcıyor.
  • Kendi yazdığı kodu denetleme körlüğü: Kodu yazan model ile o kodu denetleyen model aynı sohbet geçmişini paylaştığında, model kodu yazarken yaptığı hatalı bir varsayımı kontrol aşamasında da doğru kabul etme eğiliminde oluyor.

Biz bu tıkanıklığı aşmak için Antigravity içindeki çalışma düzenimizi değiştirdik. Argon 4’ü her satırı bizzat yazan tekil bir ajan olmaktan çıkarıp, uzmanlaşmış araçları ve alt modelleri yöneten bir konsey başkanına dönüştürdük.

Konseyde hangi modeller var ve rolleri nasıl paylaştırdık?

Sistemimizde /home/ozdil/Projects/SubAgents/ax altında çalışan bildirimsel bir görev katmanı (ax.io/v1alpha1) bulunuyor. "konsey ile yap" dediğimizde rastgele betikler çalışmıyor; her biri kendi ikili dosyasına (binary) ve sınırlandırılmış görev tanımına sahip 12 konsey üyesi devreye giriyor:

Konsey ÜyesiÇalışma AracıÜstlendiği Temel Görev
Antigravity (Gemini 4 Argon)antigravity-chiefOrkestra şefi, çok modlu araştırma, eklenti/yetenek/MCP koordinasyonu ve Faz 7 tam yığın (fullstack) son kontrol
Claude Codeclaude (v2.1.302)Sistem mimarisi tasarımı, bulut çözüm şablonları, SecOps, IAM, WAF ve HANCORE güvenlik denetimi
J-Code Harnessjcode (v0.98.1)Yüksek başarımlı Rust ajan koşumu, Rust göçleri (migrate-to-rust), C/Rust FFI bağlamaları ve Genkit (Go/Dart) inşası
OpenAI Codex CLIcodex (v0.163.0)Çekirdek seviyesinde izole kum havuzu (sandbox) yürütme, algoritmik doğrulama, birim/bileşen testleri ve bilimsel hesaplama
Google Gemini CLIgemini-cli (v0.64.0)1M+ belirteç uzun bağlamlı yerel kod deposu taraması, Agent Platform, Cloud Run, AlloyDB/Spanner ve Firebase entegrasyonu
OpenCodeopencode (v1.19.3)Dil Sunucusu Protokolü (LSP) tabanlı statik analiz ve modern Flutter/Android arayüz mimarisi (Jetpack Compose, CameraX, Media3, LiteRT)
Clinecline (v3.0.72)Otonom görev icrası, modern web ve Chrome uzantıları, Chrome DevTools MCP ile performans/erişilebilirlik analizi ve Cloudflare entegrasyonu
Grokgrok (v1.0.62)Yüksek hızlı algoritmik muhakeme, GKE ve yapay zekâ/TPU küme altyapısı, Cloud Monitoring/Logging/Trace ve SLO/FinOps
Qwen Codeqwen (v0.25.2)Data Agent Kit (10 DAK MCP sunucusu), BigQuery/Spark/Dataflow/Airflow boru hatları, biyoenformatik (41 bilimsel yetenek) ve yerelleştirme
Mimo Codemimo (v0.1.15)Hızlı izole prototipleme, mikro modül inşası, arayüz bileşen önizlemeleri ve mobil reklam/medya SDK entegrasyonları
Aideraider (v0.86.2)Çok dosyalı hassas fark (diff) yönetimi, sürüm yükseltmeleri (AGP 9, Compose göçleri) ve yama birleştirme
Jev Gatejev-gate (v0.7.0)Deterministik kalite kapısı (0.85 kabul eşiği), R8/Proguard analizi, mağaza politikası uyumu ve kaynak atıf denetimi

Antigravity’nin yerleşik uzman alt ajanları (Subagents)

Bu 12 üyeli konseye ek olarak Gemini 4 Argon, kendi iç çalışma zamanında invoke_subagent aracıyla 5 yerleşik alt ajanı doğrudan başlatabiliyor. Bu alt ajanların en büyük avantajı, kendi izole bağlamlarında çalışıp ana sohbet penceresini şişirmeden sadece sonucu Argon’a döndürmeleri:

  • research: Salt okunur araştırma ajanı. Kod deposunda onlarca dosyayı taramak veya web/dokümantasyon araştırması yapmak gerektiğinde işi bu ajana devrediyoruz. Ana Argon oturumu yüzlerce satırlık ham dosya içeriğiyle kirlenmiyor.
  • self: Argon’un bütün yeteneklerini miras alan ikiz ajan. Birbirinden bağımsız iki işi paralel yürütmek gerektiğinde ayrı bir çalışma alanı dalında (branch veya share) çalışıp işini bitiriyor.
  • firestore-rules-author: Cloud Firestore güvenlik kuralları (firestore.rules) yazımı ve denetimi için kullandığımız zorunlu uzman alt ajan.
  • flutter_a11y_agent: Flutter ekranlarını ve bileşenlerini WCAG erişilebilirlik standartlarına göre denetleyen uzman ajan.
  • image-generator: Arayüz görselleri veya tasarım varlıkları gerektiğinde devreye giren görsel üretim ajanı.

19 eklenti, 300+ yetenek paketi ve 45+ MCP sunucusunu nasıl dağıttık?

Antigravity ortamımızda 19 kurulu eklenti (plugin), bunların altında 300’den fazla SKILL.md yetenek kılavuzu ve 45’in üzerinde MCP (Model Context Protocol) sunucusu var. Eğer bütün bu yetenek dosyalarını ve MCP araç şemalarını aynı anda Argon 4’ün başlangıç bağlamına yüklerseniz, daha tek satır kod yazmadan bağlam bütçesinin büyük kısmını tüketmiş olursunuz.

Bunu çözmek için iki kademeli bir dağıtım mekanizması kurduk: Görev Alanı Yönlendirme Matrisi (DOMAIN_SKILL_MATRIX) ve Eager/Lazy MCP Ayrımı.

1. Görev alanı yönlendirme matrisi (DOMAIN_SKILL_MATRIX)

ax-run çalıştırıldığında, gelen talebin anahtar kelimelerini ve hedef proje dizinini analiz ederek işi 12 mühendislik alanından ilgili olanlara eşleştiriyor. Yalnızca seçilen alana ait ajanlar, eklentiler, SKILL.md paketleri ve MCP sunucuları aktif ediliyor:

Görev AlanıEşleştiğinde Uyandırılan EklentilerÖne Çıkan Yetenekler (SKILL.md) ve MCP Araçları
flutter-dartflutter, firebase, google-skills-catalogflutter-apply-architecture-best-practices, dart-use-ffigen, dart-run-static-analysis, firebase-mcp-server
android-kotlin-devicesandroid-skills, android-cli-pluginjetpack-compose-performance, navigation-3, litert-runtime, r8-analyzer, android-management-api
web-modern-extensionsmodern-web-guidance-plugin, chrome-devtools-pluginmodern-web-guidance, a11y-debugging, debug-optimize-lcp, chrome-devtools-mcp, cloudflare-*
firebase-serverlessfirebase, google-skills-catalogfirebase-data-connect, firestore-rules-creation, firebase-security-rules-auditor, cloudrun
agent-platform-gemini-genkitgoogle-antigravity-sdk, gemini-api, google-cloud-developergoogle-antigravity-sdk, gemini-interactions-api, developing-genkit-go, gemini-api-docs
gke-ai-tpu-cloud-infragoogle-skills-catalog, google-cloud-developergke-golden-path, gke-compute-classes, gke-ai-troubleshooting-tpu-*, google-kubernetes-engine
data-bigquery-lakehouse-sparkdata-agent-kit-plugin, google-skills-catalogbigquery-sql, bigquery-ai-ml, dbt-bigquery, gcp-spark, dak-bigquery, dak-gcs
secops-iam-waf-hancoregoogle-skills-catalog, firebase, android-skillsgoogle-cloud-waf-security, secops-hunt, iam-helper-*, google-cloud-organization-policy
observability-sre-finopsgoogle-skills-catalogcloud-monitoring-promql-query, google-cloud-slo-alert-configuration, google-cloud-monitoring
science-bioinformatics-epigraphysciencealphafold-database-fetch-and-analyze, alphagenome-variant-impact-score, predictingthepast, biomolecular_structure_viewer_mcp
workspace-maps-ads-mediagslides, gdocs, gsheets, gdrive, gcalendar, google_maps_platformgslides, google-maps-platform, google-ads-api-mcp-setup, canva, gmp-code-assist
systems-rust-omarchygoogle-skills-catalog, fluttermigrate-to-rust, dart-use-ffigen, agy-customizations, github-mcp-server

2. Eager (doğrudan) ve Lazy (ihtiyaç anında) MCP yüklemesi

45’ten fazla MCP sunucusunun her birinde onlarca alt araç bulunuyor. Bunları bağlama yığmak yerine ikiye ayırdık:

  • Doğrudan yüklenen (Eager) araçlar: Sık kullanılan gemini_search_docs ve gemini_get_doc (gemini-api_gemini-api-docs) araçları doğrudan yerel araç olarak kayıtlı. Argon 4, güncel Gemini API ve SDK belgelerine anında ulaşabiliyor.
  • İhtiyaç anında yüklenen (Lazy) araçlar: chrome-devtools-mcp, cloudflare-bindings, data-agent-kit-plugin_dak-bigquery, google-kubernetes-engine veya canva gibi 40’tan fazla sunucu başlangıçta sadece isim listesi olarak duruyor. Argon 4 bu araçlardan birini kullanacağı zaman önce /home/ozdil/.gemini/antigravity/mcp/<sunucu>/<arac>.json şema dosyasını okuyor, ardından call_mcp_tool ile çağrıyı yapıyor. Bu yapı, başlangıç bağlam penceresinde yaklaşık yüzde 88 belirteç tasarrufu sağlıyor.

7 aşamalı yürütme hattı: Sandviç orkestrasyonu nasıl çalışıyor?

Konseyin en önemli tasarım kararı, Gemini 4 Argon modelini sürecin hem en başına hem de en sonuna yerleştirmemiz oldu. Buna kısaca Sandviç Orkestrasyonu (Bookend Verification) diyebiliriz. tasks/pipeline.yaml dosyamızdaki 7 aşama sırasıyla şöyle işliyor:

  1. Keşif ve aktivasyon (1-discovery-plugins-skills-and-mcp): İlk adımı Gemini 4 Argon yönetiyor. gemini-cli (1M+ bağlam) ve research alt ajanıyla kod deposunu tarıyor, ax-run üzerinden hangi eklenti, SKILL.md ve MCP sunucularının kullanılacağını belirliyor.
  2. Mimari ve çözüm tasarımı (2-architecture-and-solution-design): claude-architect liderliğinde sistem şeması, veri tipleri ve güvenlik kuralları (firestore-rules-author eşliğinde) kuruluyor.
  3. Kod, veri ve MCP icrası (3-code-data-and-mcp-implementation): jcode (Rust/FFI), codex (algoritma), opencode (mobil/arayüz), cline (modern web) ve qwen (veri/bilim) kendi uzmanlık alanlarındaki modülleri yazıyor ve MCP araçlarını çalıştırıyor.
  4. Çoklu dosya yaması ve göç (4-multi-file-patching-and-migration): aider-patcher devreye girerek çok dosyalı değişiklikleri ve sürüm geçişlerini birleştiriyor.
  5. Kum havuzu testi, LSP ve kalite kapısı (5-jev-gate-and-sandbox-verification): codex-sandbox birim testlerini, opencode LSP statik analizini, flutter_a11y_agent erişilebilirlik denetimini ve jev-gate ise 0.85 eşikli kalite kontrolünü yapıyor.
  6. SecOps, WAF ve HANCORE denetimi (6-secops-waf-and-hancore-audit): Ağ bağlantısı kısıtlanmış (offline-strict) katmanda gizli anahtar sızıntısı, IAM yetkileri ve Linux HANCORE güvenlik kuralları (process_group(0) süreç izolasyonu, 1 MiB dosya okuma tavanı, 0600 atomik dosya izinleri) denetleniyor.
  7. Argon tam yığın son kontrol (7-argon-fullstack-verification): Son sözü tekrar Gemini 4 Argon söylüyor. Ön yüz, arka yüz, veritabanı, MCP çıktıları, derleme sonuçları ve çalışma zamanı bütünlüğü uçtan uca kontrol edilmeden görev kapanmıyor.

Argon 4’ü daha efektif kullanmak için ne yapılabilir?

Kendi sisteminizde 12 modelli tam bir konsey kurmasanız bile, Antigravity içinde Gemini 4 Argon kullanırken şu altı alışkanlığı edinmek modelden aldığınız verimi doğrudan artırıyor:

  • Geniş dosya taramalarını research alt ajanına yıkın: Bir sorunu anlamak için 15-20 dosyayı okumak gerekiyorsa, bunları ana sohbette tek tek açtırmayın. invoke_subagent ile research alt ajanını görevlendirin. Araştırma ajanı bütün dosyaları kendi bağlamında okuyup Argon 4’e sadece temiz özeti ve satır bağlantılarıyla dönsün. Böylece Argon 4’ün dikkati dağılmaz.
  • Kod yazmadan önce ilgili SKILL.md dosyasını okutun: Modelin genel eğitim hafızasına güvenmek yerine, yapacağınız işle ilgili bir SKILL.md yetenek dosyası varsa (örneğin bigquery-sql, jetpack-compose-performance veya migrate-to-rust) önce onu okutun. Güncel API kuralları doğrudan çalışma bağlamına girmiş olur.
  • Bağımsız işler için self alt ajanını paralel çalıştırın: Birbirini beklemeyen iki ayrı modül yazılacaksa, Argon 4’ün her ikisini sırayla tek pencerede yazmasını beklemeyin. self alt ajanını izole çalışma alanı (branch veya share) modunda başlatıp paralel koşturun.
  • Arka plan görevlerinde yoklama döngüsü (polling) kurdurmayın: Antigravity’de reaktif uyandırma (reactive wakeup) sistemi var. Uzun süren bir derleme veya alt ajan başlattığınızda sleep ya da durum sorma döngüsü kurmanıza gerek yok; araç çağrısı bittiğinde beklemeye geçin, görev tamamlandığında sistem Argon’u otomatik olarak uyandırır.
  • Büyük dosyalarda tam dosya yazımı yerine hedefli yama kullanın: Var olan uzun bir dosyada değişiklik yaparken tüm dosyayı baştan yazdırmak (write_to_file) hem yavaştır hem de mevcut yorum satırlarının kaybolma riskini taşır. Bunun yerine satır aralıklı replace_file_content aracını veya çok dosyalı işlerde aider gibi fark (diff) odaklı araçları tercih edin.
  • Argon 4’ü her zaman “son onay kapısı” olarak kullanın: Kod üretimi bittikten sonra derleme testi, birim testi ve eğer bir web arayüzü varsa chrome-devtools-mcp üzerinden canlı konsol/erişilebilirlik kontrolünü mutlaka Argon 4’e yaptırın. Modelin en güçlü yanı, farklı katmanlardaki çıktıları bir arada değerlendirip gözden kaçan entegrasyon hatalarını yakalayabilmesidir.

Benim okumam

  • Kesin olan: Modelin bağlam penceresi ne kadar büyük olursa olsun, her işi tek bir sohbet geçmişine yığmak bir noktadan sonra hem kaliteyi hem hızı düşürüyor. Görev ayrıştırma ve uzmanlaşmış alt ajan kullanımı artık bir tercih değil, büyük projelerde zorunluluk.
  • Pratikte en çok fark yaratan: 45’ten fazla MCP sunucusunu eager ve lazy olarak ayırmak ile geniş araştırmaları research alt ajanına devretmek, Argon 4’ün çalışma belleğini dramatik biçimde rahatlattı.
  • Özetle: Gemini 4 Argon’u her taşı tek başına taşıyan bir işçi gibi değil; işi doğru uzmanlara dağıtan, mimariyi kuran ve en sonda her şeyi uçtan uca denetleyen bir orkestra şefi olarak kullandığınızda gerçek gücünü görüyorsunuz.

Kaynaklar