Ana SayfaBlogProjeler
GitHubLinkedInTelegram
12 dk okuma👁️ 2
Öne çıkan

Türkiye’nin Yapay Zekâ Altyapısı EVREN’i Coding Agent ile Kullanmak: EVREN LLM + OpenCode

Yapay Zekâ
Yazılım Geliştirme
Open Source
Coding Agent
Türkiye Teknoloji

Türkiye’nin Yapay Zekâ Altyapısı EVREN’i Coding Agent ile Kullanmak: EVREN LLM + OpenCode

Yapay zekâ ile yazılım geliştirme artık yalnızca bir sohbet ekranına kod sorusu sormaktan ibaret değil.

Yeni nesil coding agent araçları bir projeyi okuyabiliyor, dosyalar arasındaki ilişkileri anlayabiliyor, terminal komutları çalıştırabiliyor, testleri inceleyebiliyor, yeni dosyalar oluşturabiliyor ve bir geliştirme görevini adım adım yürütebiliyor.

Ancak bütün bu sistemlerin arkasında hâlâ en kritik bileşenlerden biri var:

LLM altyapısı.

Türkiye tarafında bu konuda dikkat çekici projelerden biri EVREN Platformu.

Cumhurbaşkanlığı Savunma Sanayii Başkanlığı bünyesinde geliştirilen EVREN, yalnızca bir sohbet uygulaması değil; veri hazırlamadan model eğitimine, çıkarımdan model paylaşımına kadar yapay zekâ geliştirme süreçlerini tek çatı altında toplamayı hedefleyen yerli bir yapay zekâ ve MLOps platformu.

Daha da ilginç olanı ise EVREN’in artık geliştiricilerin kullanabileceği bir LLM Çıkarım Servisi sunması.

Bu yazıda önce EVREN’in ne olduğuna bakacağız, ardından EVREN üzerindeki modelleri açık kaynaklı coding agent OpenCode ile nasıl kullanabileceğimizi göreceğiz.

EVREN Nedir?

Burada önemli bir ayrım yapmak gerekiyor.

EVREN'i doğrudan:

Türkiye'nin geliştirdiği yeni bir büyük dil modeli

şeklinde tanımlamak tam olarak doğru değil.

EVREN daha geniş kapsamlı bir proje.

EVREN, Türkiye’de geliştirilen bir yapay zekâ ve MLOps platformudur.

Platform;

  • veri setlerinin hazırlanması,
  • veri etiketleme,
  • model geliştirme,
  • model eğitimi,
  • model testi,
  • model yayımlama,
  • çıkarım servisleri,
  • model paylaşımı

gibi yapay zekâ yaşam döngüsünün farklı aşamalarını tek ortamda birleştirmeyi amaçlıyor.

Üniversitelere yapılan duyurularda da EVREN; veri hazırlama, veri etiketleme, model geliştirme, eğitim, test ve yayımlama süreçlerinin uçtan uca yönetilebildiği bir altyapı olarak tanımlanıyor.

Platformun dikkat çeken özelliklerinden biri de katkı temelli kredi sistemi.

Kullanıcılar veri seti yükleme veya veri etiketleme gibi faaliyetlerle platforma katkıda bulunarak kredi kazanabiliyor ve bu kredileri GPU kaynaklarını kullanmak için değerlendirebiliyor.

Bu yaklaşım özellikle:

  • öğrenciler,
  • akademisyenler,
  • araştırmacılar,
  • yapay zekâ geliştiricileri,
  • startup ekipleri

için yüksek maliyetli GPU altyapısına alternatif bir erişim modeli oluşturuyor.

EVREN LLM Çıkarım Servisi

Coding agent tarafında bizi asıl ilgilendiren bölüm burası.

EVREN Platformu, açık ağırlıklı büyük dil modellerini Türkiye'deki GPU altyapısında çalıştıran bir LLM çıkarım servisi sunuyor.

Servisin en önemli özelliklerinden biri OpenAI uyumlu API sağlaması.

Bu oldukça önemli bir detay.

Çünkü OpenAI API standardıyla uyumlu bir servis yalnızca EVREN'in kendi web arayüzünden kullanılmak zorunda değil.

OpenAI-compatible provider destekleyen birçok sistem EVREN'e bağlanabilir.

Örneğin:

  • Coding agent'lar
  • IDE araçları
  • Python uygulamaları
  • Node.js uygulamaları
  • RAG sistemleri
  • Agent framework'leri
  • Backend servisleri
  • Kurumsal yapay zekâ uygulamaları

EVREN API ile entegre edilebilir.

EVREN Üzerindeki Modeller

EVREN LLM servisinde farklı kullanım alanlarına yönelik modeller bulunuyor.

Coding agent tarafında özellikle reasoning, code ve agent yetenekleri olan modeller bizim için önemli.

Örneğin:

glm-5.3
deepseek-v4-flash
qwen3.8-flash-next
gemma-4-31b

Görsel yetenekler gerektiren senaryolarda ise:

qwen3-vl-30b

gibi vision modelleri kullanılabiliyor.

EVREN ayrıca yalnızca LLM sunmakla sınırlı değil.

Platformda farklı görevler için:

  • embedding,
  • reranking,
  • OCR,
  • ASR,
  • güvenlik,
  • görsel işleme

gibi servisler de bulunabiliyor.

Bu yapı EVREN'i yalnızca bir chatbot servisinden çıkararak üzerine uygulama ve agent geliştirilebilecek bir yapay zekâ altyapısına dönüştürüyor.

Yerli Altyapı, Küresel Modeller

Burada bir başka önemli ayrım daha yapmak gerekiyor.

EVREN üzerinde kullanılan:

  • GLM
  • DeepSeek
  • Qwen
  • Gemma

gibi modeller Türkiye'de geliştirilmiş foundation modeller değil.

EVREN'in yerli tarafı daha çok şu katmanlarda karşımıza çıkıyor:

GPU altyapısı
    ↓
MLOps platformu
    ↓
Model servis katmanı
    ↓
OpenAI-compatible API
    ↓
Geliştirici araçları

Yani açık ağırlıklı küresel modeller Türkiye'deki altyapı üzerinde çalıştırılıyor ve geliştiricilere ortak bir API üzerinden sunuluyor.

Bu ayrımı yapmak önemli.

Çünkü güçlü bir yapay zekâ ekosistemi yalnızca model geliştirmekten oluşmuyor.

Aynı zamanda:

  • compute,
  • data,
  • tooling,
  • API,
  • deployment,
  • model serving,
  • developer ecosystem

gibi katmanlara da ihtiyaç var.

EVREN bu altyapı katmanında önemli bir çalışma ortaya koyuyor.

Coding Agent Nedir?

Buradan yazılım geliştirme tarafına geçelim.

Son dönemde:

  • Claude Code
  • Codex CLI
  • Gemini CLI
  • OpenCode

gibi araçlarla birlikte AI coding assistant kavramı giderek coding agent yaklaşımına dönüşüyor.

Klasik chatbot ile coding agent arasındaki fark oldukça önemli.

Normal bir chatbot'a:

Python'da JWT authentication örneği yaz.

dediğinizde size kod üretir.

Bir coding agent'a ise şöyle bir görev verebilirsiniz:

Bu projedeki authentication yapısını incele.

Refresh token desteği ekle.

Mevcut mimariyi bozma.

Testleri güncelle ve çalıştır.

Coding agent bu görev sırasında:

Proje dosyalarını okur
        ↓
Kod tabanını analiz eder
        ↓
Plan oluşturur
        ↓
Dosyaları değiştirir
        ↓
Terminal komutları çalıştırır
        ↓
Testleri çalıştırır
        ↓
Hataları analiz eder
        ↓
Gerekirse kodu yeniden düzenler

Bu nedenle coding agent'lar klasik kod tamamlama araçlarından çok daha ileri bir kullanım sunuyor.

OpenCode Nedir?

OpenCode, açık kaynaklı bir AI coding agent.

Terminal üzerinden çalışabiliyor ve farklı LLM provider'larına bağlanabiliyor.

OpenCode'un önemli avantajlarından biri tek bir yapay zekâ sağlayıcısına bağlı olmaması.

OpenCode farklı provider'ların yanı sıra OpenAI-compatible custom provider tanımlamalarını da destekliyor.

Örneğin özel bir provider şu şekilde tanımlanabiliyor:

{
  "provider": {
    "my-provider": {
      "npm": "@ai-sdk/openai-compatible",
      "options": {
        "baseURL": "https://example.com/v1"
      }
    }
  }
}

EVREN entegrasyonu tam olarak bu mekanizmayı kullanıyor.

EVREN OpenAI-compatible API sunduğu için OpenCode içerisine özel bir:

evren

provider'ı ekleyebiliyoruz.

evren-llm-opencode Projesi

Bu entegrasyonu kolaylaştırmak için geliştirdiğim açık kaynak proje:

evren-llm-opencode

GitHub:

github.com/bykemalh/evren-llm-opencode

Projenin amacı oldukça basit:

EVREN LLM provider'ını OpenCode'a mümkün olduğunca kolay şekilde eklemek.

Normalde kullanıcının:

  • OpenCode config dosyasını bulması,
  • EVREN endpoint'ini tanımlaması,
  • modelleri tek tek eklemesi,
  • API key yapılandırması yapması,
  • mevcut config'i bozmadan provider eklemesi

gerekiyor.

evren-llm-opencode bu işlemleri otomatik hale getiriyor.

Desteklenen Platformlar

Proje şu anda:

  • Linux
  • WSL
  • macOS
  • Windows PowerShell
  • Windows CMD

ortamlarını destekliyor.

Ayrıca mevcut OpenCode configuration dosyanızı tamamen değiştirmek yerine yalnızca gerekli olan evren provider bloğunu ekliyor.

Örneğin mevcut provider'larınız varsa korunuyor.

API Key Güvenliği

API anahtarının doğrudan config dosyasına yazılması iyi bir yöntem değildir.

Bu nedenle proje API anahtarını opencode.jsonc içerisine açık olarak yazmıyor.

Bunun yerine:

{
  "apiKey": "{env:EVREN_LLM_API_KEY}"
}

kullanılıyor.

Gerçek API anahtarı environment variable içerisinde saklanıyor:

EVREN_LLM_API_KEY

Bu sayede config dosyanızı yanlışlıkla GitHub'a gönderdiğinizde API anahtarınız repository içerisinde görünmüyor.

Yine de .env, shell config ve secret dosyalarının Git'e eklenmediğinden emin olmak gerekir.

EVREN API Anahtarı Almak

Öncelikle EVREN Platformu'na giriş yapmanız gerekiyor.

Platform:

https://evren.ssyz.org.tr

adresinden erişilebilir.

LLM API kullanımı için oluşturulan anahtarlar şu formatta başlıyor:

evren_llm_...

API anahtarınızı hiçbir zaman:

  • GitHub repository'nize,
  • source code içerisine,
  • Docker image içerisine,
  • public config dosyalarına

eklemeyin.

OpenCode Kurulumu

Linux veya WSL kullanıyorsanız OpenCode'u terminal üzerinden kurabilirsiniz.

curl -fsSL https://opencode.ai/v2/install | bash

Kurulumdan sonra yeni bir terminal açabilirsiniz.

Alternatif olarak:

source ~/.bashrc

çalıştırabilirsiniz.

Kurulumu kontrol etmek için:

opencode --version

EVREN'i OpenCode'a Bağlamak

EVREN provider entegrasyonunu tek komutla gerçekleştirebilirsiniz.

Linux, WSL veya macOS:

curl -fsSL https://raw.githubusercontent.com/bykemalh/evren-llm-opencode/main/evren-opencode.sh | bash

İnternetten indirilen scriptleri doğrudan bash ile çalıştırmadan önce içeriğini incelemek iyi bir güvenlik alışkanlığıdır.

İsterseniz repository'yi clone ederek scripti yerel olarak da çalıştırabilirsiniz.

git clone https://github.com/bykemalh/evren-llm-opencode.git

cd evren-llm-opencode

./evren-opencode.sh

Kurulum Sırasında Ne Oluyor?

Script çalıştırıldığında öncelikle EVREN API anahtarınızı ister.

=== EVREN LLM + OpenCode Kurulumu ===
EVREN LLM API key'inizi girin:

API anahtarı terminalde açık şekilde gösterilmez.

Ardından script temel olarak şu işlemleri yapar:

  1. EVREN API key formatını kontrol eder.
  2. EVREN kullanım şartlarının durumunu sorgular.
  3. Kullanım şartlarının kabul durumunu doğrular.
  4. Mevcut OpenCode configuration dosyasını yedekler.
  5. EVREN provider bloğunu config'e ekler.
  6. API anahtarını environment variable olarak kaydeder.
  7. opencode models ile provider'ın çalıştığını doğrular.

Başarılı bir kurulumdan sonra buna benzer bir çıktı görebilirsiniz:

evren/auto
evren/deepseek-v4-flash
evren/gemma-4-31b
evren/glm-5.3
evren/qwen3-vl-30b
evren/qwen3.8-flash-next

Ardından:

[OK] OpenCode EVREN provider'i okuyabiliyor.

mesajını görüyorsanız entegrasyon başarılıdır.

İlk EVREN Testi

Örneğin GLM 5.3 ile basit bir istek gönderebiliriz.

opencode run --model evren/glm-5.3 "Sadece EVREN OK yaz."

Modelden cevap geliyorsa artık OpenCode EVREN API üzerinden model çağrısı yapabiliyor demektir.

Coding Agent Olarak Kullanmak

Şimdi gerçek kullanım tarafına geçelim.

Proje dizininize gidin:

cd ~/projects/my-app

OpenCode'u başlatın:

opencode

Ardından EVREN provider içerisindeki modellerden birini seçebilirsiniz.

Örneğin:

evren/glm-5.3

Artık yalnızca modele kod sorusu sormak yerine tüm repository üzerinde çalışmasını sağlayabilirsiniz.

Önce Projeyi Analiz Ettirmek

Coding agent kullanırken doğrudan kod değiştirtmek yerine önce projeyi analiz ettirmek genellikle daha sağlıklı bir yöntemdir.

Örneğin:

Bu repository'yi incele.

Backend mimarisini açıkla.

Authentication sisteminin nasıl çalıştığını bul.

Database katmanını analiz et.

Şimdilik hiçbir dosyayı değiştirme.

Önce yapılabilecek iyileştirmeler için bir plan hazırla.

Bu yaklaşım:

ANALİZ
   ↓
PLAN
   ↓
DEĞİŞİKLİK

şeklinde ilerlemenizi sağlar.

Yeni Özellik Geliştirmek

Örneğin Node.js kullanan bir backend projemiz olduğunu düşünelim.

Agent'a şöyle bir görev verebiliriz:

Bu projeyi incele.

Mevcut kullanıcı authentication sistemine refresh token desteği ekle.

Kurallar:

- Mevcut mimariyi koru.
- Gereksiz dependency ekleme.
- Yeni dependency gerekiyorsa nedenini açıkla.
- Database migration gerekiyorsa oluştur.
- Unit testleri ekle.
- Değişikliklerden sonra testleri çalıştır.

Coding agent burada yalnızca bize bir kod bloğu döndürmez.

Agent:

  • ilgili dosyaları bulabilir,
  • kod tabanını analiz edebilir,
  • mevcut mimariyi anlayabilir,
  • dosyalarda değişiklik yapabilir,
  • terminal komutları çalıştırabilir,
  • test sonuçlarını inceleyebilir,
  • hatalara göre kodu tekrar düzenleyebilir.

Büyük Repository Analizi

Coding agent'ların çok faydalı olduğu alanlardan biri de daha önce görmediğiniz kod tabanlarını hızlı şekilde anlamaktır.

Örneğin:

Bu repository'yi analiz et.

Bana şu konuları açıkla:

1. Uygulamanın ana mimarisi
2. Request'in sisteme giriş noktası
3. Authentication yapısı
4. Database katmanı
5. Background job sistemi
6. Test altyapısı
7. En kritik teknik borçlar

Şimdilik hiçbir dosyayı değiştirme.

Bu yöntem özellikle:

  • yeni katıldığınız projelerde,
  • legacy sistemlerde,
  • açık kaynak repository incelemelerinde,
  • teknik borç analizlerinde

oldukça kullanışlı olabilir.

Bug Çözmek

Coding agent'lara doğrudan hata araştırma görevi de verebilirsiniz.

Örneğin:

Login sırasında zaman zaman 500 hatası alıyoruz.

Önce ilgili kodu bul.

Loglama ve exception handling akışını incele.

Olası nedeni belirle.

Sorunu doğrulamadan kod değiştirme.

Nedeni bulduktan sonra minimum değişiklikle düzelt.

İlgili regression testini de ekle.

Burada agent'ın reasoning yeteneği önemli hale geliyor.

Özellikle:

evren/glm-5.3

veya:

evren/deepseek-v4-flash

gibi modeller farklı coding senaryolarında denenebilir.

Code Review Yaptırmak

Coding agent'a her zaman kod yazdırmak zorunda değilsiniz.

Mevcut değişikliklerinizi inceletmek de mümkün.

Örneğin:

Son commit'teki değişiklikleri incele.

Şunlara özellikle bak:

- security açıkları
- race condition
- gereksiz database query'leri
- error handling
- backward compatibility
- test eksikleri

Dosyalarda değişiklik yapma.

Sadece bulguları ve nedenlerini açıkla.

Bu yaklaşım özellikle Pull Request açmadan önce ikinci bir kontrol mekanizması olarak kullanılabilir.

Refactoring İçin Kullanmak

Bir başka kullanım alanı refactoring.

Örneğin:

Bu servisi analiz et.

Kod tekrarlarını tespit et.

Davranışı değiştirmeden kodu sadeleştirmek için plan hazırla.

Public API'yi değiştirme.

Önce planı göster.

Daha sonra refactoring yap ve testleri çalıştır.

Agent burada mevcut davranışı koruyarak kod kalitesini artırmaya yardımcı olabilir.

Test Yazdırmak

Coding agent'ların başarılı olduğu başka bir alan da test oluşturmak.

Örneğin:

Bu modülün mevcut davranışını incele.

Eksik edge case'leri bul.

Mevcut test framework'ünü kullanarak unit testleri oluştur.

Production kodunu yalnızca gerçekten gerekliyse değiştir.

Testlerin tamamını çalıştır.

Böylece yalnızca test kodu üretmek yerine repository'nin mevcut test yaklaşımına uygun testler hazırlanabilir.

Hangi EVREN Modelini Kullanmalı?

Tek bir modeli her görev için en iyi olarak değerlendirmek doğru olmayacaktır.

Göreve göre farklı modelleri denemek daha mantıklı.

Başlangıç için:

evren/glm-5.3

kullanılabilir.

Alternatif olarak:

evren/deepseek-v4-flash

ve:

evren/qwen3.8-flash-next

aynı görev üzerinde karşılaştırılabilir.

Genel kullanım için:

evren/auto

seçeneği de bulunuyor.

Görsel girdiler gereken senaryolarda ise:

evren/qwen3-vl-30b

kullanılabilir.

Model listesi zaman içerisinde değişebileceği için EVREN Platformu üzerindeki güncel model listesini kontrol etmek faydalı olacaktır.

EVREN + OpenCode Neden İlginç?

Burada asıl önemli nokta OpenCode içerisine birkaç yeni model eklemek değil.

Daha büyük resim şu:

Türkiye'deki GPU altyapısı
          ↓
        EVREN
          ↓
 OpenAI-compatible API
          ↓
      OpenCode
          ↓
     Coding Agent
          ↓
Gerçek yazılım projeleri

Türkiye'de çalışan bir yapay zekâ altyapısı doğrudan modern agentic software development araçlarının model katmanı haline gelebiliyor.

Bu oldukça önemli.

Çünkü coding agent ekosistemi hızla gelişiyor ve bu araçların büyük bölümü giderek provider bağımsız hale geliyor.

OpenAI-compatible API standardı da burada önemli bir köprü görevi görüyor.

Bir sağlayıcı bu standardı desteklediğinde farklı geliştirici araçlarıyla entegrasyon çok daha kolay hale geliyor.

evren-llm-opencode projesi de tam olarak bu iki dünyayı birbirine bağlıyor:

EVREN
   +
OpenCode
   =
EVREN destekli Coding Agent

Kurulumu Kaldırmak

EVREN entegrasyonunu kaldırmak isterseniz repository içerisindeki uninstall özelliğini kullanabilirsiniz.

Linux/macOS:

./evren-opencode.sh --uninstall

Script:

  • evren provider'ını OpenCode config'inden kaldırır,
  • EVREN_LLM_API_KEY environment variable tanımını temizler,
  • diğer provider ve OpenCode ayarlarına dokunmaz.

Sonuç

Coding agent'lar yazılım geliştirme biçimimizi hızla değiştiriyor.

Ancak agent'ın başarısı yalnızca kullandığınız terminal arayüzüne veya IDE'ye bağlı değil.

Arkasındaki:

  • model,
  • inference altyapısı,
  • API performansı,
  • context yetenekleri,
  • reasoning kabiliyeti

de büyük önem taşıyor.

EVREN'in OpenAI-compatible LLM API sunması bu nedenle Türkiye'deki geliştiriciler açısından dikkat çekici bir gelişme.

OpenCode gibi provider bağımsız ve açık kaynaklı bir coding agent ile birleştirildiğinde EVREN'i gerçek yazılım projeleri üzerinde kullanmak mümkün hale geliyor.

Kurulum için geliştirdiğim açık kaynak proje:

evren-llm-opencode

https://github.com/bykemalh/evren-llm-opencode

Linux / WSL / macOS kurulumu:

curl -fsSL https://raw.githubusercontent.com/bykemalh/evren-llm-opencode/main/evren-opencode.sh | bash

Kurulum testi:

opencode run --model evren/glm-5.3 "Sadece EVREN OK yaz."

Ardından projenize girerek:

cd my-project

opencode

komutuyla coding agent'ı kullanmaya başlayabilirsiniz.

EVREN'i yalnızca sohbet etmek için değil, gerçek yazılım projeleri üzerinde çalışan coding agent'ların model altyapısı olarak da kullanmak mümkün.

Kaynaklar

Proje

GitHub: bykemalh/evren-llm-opencode

Tek komut kurulum:

curl -fsSL https://raw.githubusercontent.com/bykemalh/evren-llm-opencode/main/evren-opencode.sh | bash