AgentLoop
AgentLoop, her döngüde yeni Codex çalışanları çalıştırarak, bağımsız bir eleştirmen değerlendirme ölçütünü uygulayarak ve projenizin dosyalarını tam gözlemlenebilirlik ve kontrol ile kalıcı bellek olarak kullanarak sınırlı bir hedefi gönderilmiş koda dönüştüren yerel öncelikli bir ajan iş akışıdır.
https://agentloop.tools/?ref=producthunt&utm_source=aipure
Ürün Bilgisi
Güncellendi:Jul 24, 2026
AgentLoop Nedir
AgentLoop, yapay zeka ile yinelemeli kodlamanın "röle işini" otomatikleştirmek için geliştirici odaklı bir sistemdir; bir kez planlama yapar, ardından standartlarınız karşılanana kadar uygulama, inceleme ve düzeltmeler arasında tekrar tekrar geçiş yapar. Bir OpenAI Build Week projesi olarak oluşturulan ve yerel bir araç olarak yayınlanan (MIT lisanslı), kodunuzun bulunduğu yerde çalışır ve özellikler, geçişler, yeniden düzenlemeler ve sertleştirme geçişleri gibi gerçek yazılım görevleri için tasarlanmıştır. Uzun, sürüklenen bir sohbet bağlamına güvenmek yerine, AgentLoop hedefi ve kabul kriterlerini sabit tutar (örneğin, goal.md ve GUIDELINES.md'de) ve tam olarak ne olduğunu görmeniz ve gerektiğinde durdurmanız veya yönlendirmeniz için denetlenebilir döngü günlükleri üretir.
AgentLoop Temel Özellikleri
AgentLoop, kullanıcı tanımlı bir rubrik karşılanana kadar tekrarlanan çalışan→eleştirmen döngüleri çalıştırarak planlama ve yürütme arasındaki "insan rölesini" ortadan kaldıran, yerel öncelikli, geliştirici odaklı bir aracı iş akışı aracıdır. Sınırlı bir hedef ve "tamamlanma tanımı" (örn. GUIDELINES.md'de) tanımlarsınız, ardından AgentLoop her döngüde doğrudan gerçek deponuzda değişiklikleri uygulamak, kontrolleri/testleri çalıştırmak ve sonuçları gözden geçirmek ve bir sonraki yinelemeye somut düzeltmeler beslemek için bağımsız bir eleştirmen kullanmak üzere yeni Codex tabanlı çalışanlar gönderir. MCP aracılığıyla planlamayı yerel yürütmeden ayrı tutan ve motor takılabilir kalmayı hedefleyen bir mimariyle gözlemlenebilirliği (canlı gösterge paneli, transkriptler, kararlar, tekrar oynatma), güvenilirliği (her döngüde yeni bağlam + bellek olarak dosyalar) ve kontrolü (döngü bütçeleri, iptal, rubrik odaklı durdurma koşulları) vurgular.
Her döngüde yeni çalışan: Her yineleme, birikimli istem kaymasını azaltmak için temiz, yeni bir bağlamda çalışırken, projenin dosyaları aracılığıyla kalıcı doğruluk kaynağı olarak ilerlemeye devam eder.
Rubrik tabanlı kararlara sahip bağımsız eleştirmen: Ayrı bir eleştirmen, çalışanın çıktısını standartlarınıza (GUIDELINES.md gibi dosyalarda saklanır) göre inceler ve somut düzeltmeler döndürür; eleştirmen bir GEÇTİ/gönderim düzeyinde karar verene kadar döngü devam eder.
Gerçek deponuzda yerel öncelikli yürütme: Kodunuzun yaşadığı yerde çalışır (Node.js 18+, Git, kimliği doğrulanmış Codex CLI gerektirir), böylece değişiklikler, testler ve kanıtlar doğrudan gerçek proje ortamında üretilir; barındırılan bir çalışma alanı gerekmez.
Gözlemlenebilir, tekrar oynatılabilir aracı döngüleri: Her döngünün transkriptini, araç sonuçlarını, maliyetlerini ve dosya aktarımlarını incelemek için bir gösterge paneli ve günlükler sağlar, ayrıca neyin ne zaman olduğunu anlamak için tekrar oynatma araçları sunar.
Sınırlı hedefler, bütçeler ve durdurma koşulları: Net bir hedef ve kabul kriterleri belirlersiniz, döngü bütçesiyle yinelemeleri sınırlarsınız ve çalıştırmaları iptal edebilirsiniz; özerkliği kısıtlı ve üretime uygun tutarsınız.
MCP sınırı ve motor takılabilir yönü: Planlamayı yerel yürütmeden ayrı tutmak ve zamanla motorları değiştirmek/eklemek için temiz bir sınır sürdürmek için MCP kullanır (bugün Codex öncelikli, yol haritası olarak daha geniş destek ima edilir).
AgentLoop Kullanım Alanları
Yazılım ekiplerinde otonom özellik teslimi: AgentLoop'a sınırlı bir hedef vererek uçtan uca özellikler (UI + API + testler + dokümanlar) gönderin; çalışanlar uygular, eleştirmenler kaliteyi uygular ve rubrik GEÇTİ diyene kadar döngü yinelenir.
Regresyon sertleştirmesi ile hata düzeltme: "Yeşil testlerin" yeterli olmadığı kusurları ayıklayın ve düzeltin: eleştirmen ince sorunları yakalayabilir, regresyon kapsamı gerektirebilir ve doğrulanana kadar yinelemeli iyileştirmeler sağlayabilir.
Güvenlik ve kalite sertleştirme geçişleri: Değişikliklerin açık standartları karşıladığından ve keşfedilen zayıflıklar için testler eklediğinden emin olmak için eleştirmen odaklı inceleme ile odaklanmış bir sertleştirme hedefi (örn. girdi işleme, uç durumlar, sağlamlık) çalıştırın.
Kod tabanı geçişleri ve yeniden düzenlemeler: Döngünün tekrarlanan döngüleri ve kanıt toplamayı ele almasına izin vererek normalde gözetim gerektiren (dosyaları düzenle, testleri çalıştır, hatalara göre ayarla) çok adımlı yeniden düzenlemeleri veya geçişleri yürütün.
Yalnız geliştiriciler ve startup'lar için geliştirici üretkenliği: Planlama araçları ve kodlama aracıları arasındaki çok miktarda özel orkestrasyonu ve manuel ileri geri iletişimi tekrarlanabilir bir çalışan/eleştirmen döngüsü ve net gözlemlenebilirlik ile değiştirin.
Artıları
Rubrik odaklı güvenilirlik: bağımsız eleştirmen ve açık GUIDELINES.md tarzı standartlar, "tamamlanmanın" yalnızca geçen testlere dayanmasını önlemeye yardımcı olur.
Yerel öncelikli ve şeffaf: güçlü gözlemlenebilirlik (gösterge paneli, transkriptler, tekrar oynatma) ile gerçek depoda çalışır, değişikliklere güvenmeyi ve denetlemeyi kolaylaştırır.
Yeni bağlam döngüleri kaymayı azaltır: her döngüde çalışanları yeniden başlatmak, tutarlılığı artırabilir ve uzun çalıştırmalarda birikimli hataları azaltabilir.
Eksileri
Kurulum ve bağımlılık kısıtlamaları: Node.js 18+, Git ve kimliği doğrulanmış bir Codex CLI gerektirir; kullanışlılık, bu ortamın çalışır durumda olmasına bağlıdır.
Yineleme maliyeti ve süresi: döngü tabanlı özerklik, özellikle karmaşık görevlerde tek geçişli iş akışlarından daha fazla döngü (ve dolayısıyla jeton/hesaplama) tüketebilir.
Deterministik iş akışları için ideal değil: sabit, öngörülebilir diziler, bir aracı döngüsünün ek yükü olmadan basit işlem hatları tarafından daha iyi hizmet edilebilir.
AgentLoop Nasıl Kullanılır
1) Sınırlı bir hedef ve kabul kriterleri tanımlayın: AgentLoop'un tam olarak neyi başarmasını istediğinizi (bir özellik, geçiş, sertleştirme geçişi, iyileştirme) yazın ve bunu sınırlı hale getirin. Ayrıca "tamamlanma tanımınızı" bir değerlendirme ölçütü olarak tanımlayın (GEÇİŞ için neyin doğru olması gerektiği). AgentLoop sitesi, bir kez planlama yapmayı (örneğin, ChatGPT'de) ve ardından AgentLoop'a açık bir hedef ve standartlar vermeyi önermektedir.
2) Değerlendirme ölçütünüzü GUIDELINES.md dosyasına koyun: Projenizde (veya AgentLoop çalışma dizininde, nasıl çalıştırdığınıza bağlı olarak) GUIDELINES.md adında bir dosya oluşturun veya güncelleyin. Bu dosya kalıcı standart olarak kabul edilir: her döngüde okunur ve eleştirmen tarafından GEÇTİ/KALDI kararı vermek için kullanılır (örneğin, "Tüm testler geçmelidir", "Her kusur için regresyon kapsamı ekleyin", "Belgeler sonuçla eşleşiyor").
3) Yerel ortamınızı hazırlayın: Node.js 18+, Git ve kimliği doğrulanmış bir Codex CLI'nin mevcut olduğundan emin olun (AgentLoop'un yerel öncelikli talimatları bunları açıkça gerektirir).
4) AgentLoop'u klonlayın: Şunu çalıştırın: git clone --branch v1.1.0 --depth 1 https://github.com/aiedwardyi/AgentLoop.git
5) AgentLoop dizinine girin: Şunu çalıştırın: cd AgentLoop
6) Kodunuzun bulunduğu yerde yerel arka plan programını başlatın: Arka plan programı sürecini çalıştırın (resmi talimatlarda gösterildiği gibi): node src\daemon.js. Bu, AgentLoop'u yerel olarak başlatır, böylece gerçek proje ortamındaki dosyalar üzerinde çalışabilir.
7) İş isteğini (hedefi) AgentLoop'a sağlayın: AgentLoop'a somut bir hedef ifadesi verin (siteden örnek: "Kullanıcı arayüzü, API ve regresyon paketinde CSV dışa aktarma ekleyin."). Eleştirmenin tamamlamayı değerlendirebilmesi için GUIDELINES.md'deki değerlendirme ölçütüyle sınırlı ve uyumlu tutun.
8) Bir döngü/yineleme bütçesi belirleyin (önerilir): Döngünün süresiz çalışmaması için küçük bir döngü bütçesi yapılandırın (site "döngü bütçesi: 3" örneğini gösterir). Bu, yaygın ajan-döngü en iyi uygulamasını yansıtır: maliyeti ve çalışma süresini kontrol etmek için yinelemeleri/dönüşleri veya bütçeyi sınırlayın.
9) AgentLoop'un çalışan→eleştirmen döngülerini çalıştırmasına izin verin: AgentLoop tekrar tekrar şunları yapacaktır: (a) hedefi yeni bir çalışan sürecine gönderecek, (b) çalışanın yerel dosyaları düzenlemesini ve proje komutlarını/testlerini çalıştırmasını sağlayacak, (c) bağımsız bir eleştirmenin sonuçları GUIDELINES.md'ye göre incelemesini sağlayacak ve (d) başarısız olursa eleştirmen geri bildirimini bir sonraki döngüye besleyecektir.
10) Döngüler arasında kalıcı bellek olarak dosyaları kullanın: AgentLoop'un tasarımı, "her döngüde yeni bağlam" vurgusu yaparken "dosyalar işi ileriye taşır". Çalışanın kanıtları depoya (kod değişiklikleri, testler, belgeler, günlükler) yazmasını sağlayın, böylece bir sonraki döngü uzun sohbet geçmişine güvenmeden bunun üzerine inşa edebilir.
11) İlerlemeyi ve gözlemlenebilirlik çıktılarını izleyin: Sitede açıklanan pano/tekrar oynatma özellikleri aracılığıyla döngüden döngüye kararları (GEÇTİ/KALDI), transkriptleri ve maliyet/makbuzları takip edin. Bu, gözetimsiz çalışırken görünürlüğü nasıl koruduğunuzdur.
12) Gerekirse durdurun veya iptal edin: Çalışma rayından çıkarsa veya erken durdurmak isterseniz, panodan iptal edin (site panodan iptal etmeyi açıkça belirtir).
13) Eleştirmenin nihai kararıyla tamamlandığını onaylayın: Bir çalışma, eleştirmenin son satırı GUIDELINES.md'ye göre "KARAR: GEÇTİ" rapor ettiğinde tamamlanmış sayılır. AgentLoop'un akışı açıkça değerlendirme ölçütü odaklıdır: sizin standartlarınız tamamlanmayı belirler.
14) Son değişiklikleri gözden geçirin ve gönderin: GEÇTİ olduğunda, yerel projenizdeki sonuçta ortaya çıkan kod/testler/belgeler değişikliklerini gözden geçirin ve döngü günlüklerini ve eleştirmen makbuzlarını destekleyici kanıt olarak kullanarak normal gönderim iş akışınıza (commit, PR, yayınlama) devam edin.
AgentLoop SSS
AgentLoop, bir kez sınırlı bir hedef ve kabul standartları belirlemenizi sağlayan yerel öncelikli bir ajan döngüsü aracıdır (bir OpenAI Build Week 2026 projesi). Ardından, ölçütlerinizi karşılayana kadar yerel projenizi geliştirmek için yeni Codex çalışanları ve bağımsız bir eleştirmen kullanarak tekrarlanan döngüler çalıştırır.
AgentLoop Videosu
Popüler Makaleler
Atoms: Fikirleri Lansmana Hazır Ürünlere Dönüştüren Çoklu Ajan Yapay Zeka Platformu
May 22, 2026
Nano Banana SBTI: Nedir, Nasıl Çalışır ve 2026'da Nasıl Kullanılır
Apr 15, 2026
Atoms İncelemesi — 2026'da Dijital Oluşumu Yeniden Tanımlayan Yapay Zeka Ürün Geliştiricisi
Apr 10, 2026
Kilo Claw: Gerçek Bir "Senin Yerine Yapan" Yapay Zeka Aracısı Nasıl Kurulur ve Kullanılır (2026 Güncellemesi)
Apr 3, 2026
AgentLoop Benzer En Yeni Yapay Zeka Araçları
Gait
Gait, AI destekli kod üretimini sürüm kontrolü ile entegre eden bir işbirliği aracıdır, ekiplerin AI tarafından üretilen kod bağlamını verimli bir şekilde takip etmelerini, anlamalarını ve paylaşmalarını sağlar.
invoices.dev
invoices.dev, geliştiricilerin Git commit'lerinden doğrudan fatura oluşturan otomatik bir faturalama platformudur; GitHub, Slack, Linear ve Google hizmetleri için entegrasyon yetenekleri vardır.
EasyRFP
EasyRFP, RFP (Teklif Talebi) yanıtlarını kolaylaştıran ve derin öğrenme teknolojisi ile gerçek zamanlı alan fenotipleme sağlayan AI destekli bir kenar bilişim araç takımıdır.
Cart.ai
Cart.ai, kodlama, müşteri ilişkileri yönetimi, video düzenleme, e-ticaret kurulumu ve 24/7 destek ile özel AI geliştirme dahil kapsamlı iş otomasyon çözümleri sunan AI destekli bir hizmet platformudur.
AgentLoop Gibi Popüler Yapay Zeka Araçları
GitHub Copilot Chat
GitHub Copilot Chat, desteklenen IDE'ler ve GitHub.com içinde doğal dil etkileşimleri, gerçek zamanlı kod önerileri ve bağlamsal destek sağlayan AI destekli bir kodlama asistanıdır.
CopilotForXcode
CopilotForXcode, Xcode içinde AI destekli kod önerileri, sohbet yardımı ve prompt-to-code işlevselliği sağlamak için GitHub Copilot, Codeium ve ChatGPT'yi entegre eden bir Xcode Kaynak Editörü Uzantısıdır.
BrowserAI
BrowserAI, sunucu altyapısı gerektirmeden gizlilik odaklı yapay zeka yetenekleri sunarak, WebGPU hızlandırmasıyla doğrudan web tarayıcılarında yerel Büyük Dil Modellerini (LLM'ler) çalıştırmayı sağlayan açık kaynaklı bir kitaplıktır.
OpenAI Codex CLI
OpenAI Codex CLI, terminalinizde çalışan, geliştiricilerin doğal dili kod yürütmeye çevirmesini sağlayan, kod çalıştırma, dosyaları manipüle etme ve sürüm kontrolü altında yineleme yeteneği ile ChatGPT düzeyinde akıl yürütme sağlayan hafif, açık kaynaklı bir kodlama aracıdır.