---
title: "Cursor'da Minds MCP ile Pazarlama Araştırma Ajanı Oluşturun"
description: "Cursor'da PostHog'tan veri çeken, Minds panelleri çalıştıran ve Slack'e gönderen özel bir pazarlama araştırma ajanı kurma adım adım yürüyüşü."
canonical_url: "https://getminds.ai/blog/tr/build-marketing-research-agent-cursor-minds-mcp"
last_updated: "2026-06-22T02:06:41.487Z"
---

# Cursor'da Pazarlama Araştırma Ajanı Oluşturun

Bu rehber, hazır bir tane kullanmak yerine özel bir pazarlama araştırma ajanı oluşturmak isteyen biri için. Sonuç, Cursor'ın içinde, doğal dilde bir araştırma brief'i alan, PostHog'tan ürün analitiği çeken, Minds ile sentetik bir panel çalıştıran, ikisini çapraz referans veren ve Slack'e bir özet gönderen bir ajandır. Üç hizmette de zaten hesaplarınız varsa uçtan uca yaklaşık 90 dakikalık iş.

Mesele cilalı bir ürün yayımlamak değil. Ajanlı döngüyü somutlaştırmak: ajan brief alır, ajan birden fazla MCP sunucusunu sırayla çağırır, ajan birleşik sonuç üzerinde akıl yürütür, ajan geri rapor eder. Bir tane oluşturduktan sonra, örüntü inşa etmek istediğiniz başka her şeye uyum sağlar.

## Önkoşullar

Üç hesap ve üç API anahtarı:

- API anahtarına sahip bir Minds hesabı (`minds_…`). Yoksa getminds.ai'da kayıt olun.
- Kişisel API anahtarına sahip bir PostHog hesabı.
- Webhook veya app token aracılığıyla bir kanala gönderebileceğiniz bir Slack workspace.

Bir Cursor kurulumu (veya MCP destekli herhangi bir editör: Copilot ile VS Code aynı şekilde çalışır).

Yaklaşık 30 dakika odaklı kurulum süresi, sonra ajanın brief'i ve prompt'u üzerinde 60 dakika yineleme.

## Adım 1: Üç MCP sunucusunu bağla

Üç hizmetin her biri bir MCP sunucusu açığa çıkarır. Üçünü de Cursor'a bağlayacağız.

Cursor'da, Settings → MCP'yi açın ve üç sunucu ekleyin.

*Minds.* `https://getminds.ai/mcp` URL'siyle yeni bir sunucu ekleyin ve OAuth ile yetkilendirin. 12 Minds aracı (`create_panel`, `ask_panel`, `export_panel` vb.) tool picker'ınızda görünür.

Ürün dokümantasyonu [Minds MCP sunucu genel bakışında](/mcp/overview) başlar; client’a özel adımlar için [Minds MCP kurulum rehberini](/mcp/setup) kullanın.

*PostHog.* PostHog kendi MCP sunucusunu yayımlar. Önerilen kurulum `https://app.posthog.com/mcp` adresindeki uzak endpoint'tir, yine OAuth ile. Olayları, funnel'ları, cohort'ları ve dashboard'ları kapsayan 55 araç alırsınız.

*Slack.* Slack MCP sunucusu npm aracılığıyla mevcuttur. Bunu `npx -y @modelcontextprotocol/server-slack` ve env'de Slack bot token'ınızla stdio sunucusu olarak ekleyin. İki araç yeterlidir: `slack_post_message` ve `slack_list_channels`.

Cursor'ı yeniden başlatın. Üç sunucu da ajanın araç listesinde görünmeli. Ajandan paneller (Minds), cohort'lar (PostHog) ve kanallar (Slack) listelemesini isteyerek her birini test edin.

## Adım 2: Otomatikleştirmeye değer bir araştırma iş akışı seç

Ajan, ona verdiğiniz iş akışı kadar yararlıdır. Spesifik bir şey seçin. Oluşturacağımız örnek:

> Bir feature ismi al, son 30 gün içinde PostHog'ta feature'ı kullanan kullanıcıları bul, onları Minds aracılığıyla sentetik bir persona olarak karakterize et, o personaya feature'ı neden önereceğini veya önermeyeceğini sor ve Slack'te #product-research'e bir özet gönder.

Bu örüntü (gerçek-veri grounding artı sentetik zenginleştirme artı ekip dağıtımı) birçok kararda yeniden kullanılabilir. Kendinizinkini yerine koyun.

## Adım 3: Ajan prompt'unu yaz

Ajan prompt'unu bir Cursor `.cursorrules` dosyasına veya ajan oturumunuzun system mesajı olarak koyun. İşe yarayan yapı:

```text
You are a marketing research agent. Your job is to take a feature name as input
and return a recommendation summary, posted to Slack.

For each request, do the following in order:

1. Use PostHog tools to find users who triggered the feature event in the last
   30 days. Get a count and basic properties (plan tier, account age, region).

2. Build a Minds persona that matches the dominant cohort from step 1. Use
   `create_mind` with a description that captures the cohort's plan tier,
   tenure, and likely role.

3. Create a panel of three personas matching that profile, using `create_panel`
   then `ask_panel`. Ask: "Would you recommend this feature to a colleague?
   Why or why not? What would have to change for it to be a yes?"

4. Cross-reference the panel response against the PostHog data. Look for
   alignment (do the panel's stated reasons match the actual usage patterns?)
   and gaps (does the panel surface concerns the metrics don't show?).

5. Post a summary to #product-research in Slack with three sections:
   - Cohort profile (who used it)
   - Panel verdict (recommend or not, top stated reasons)
   - Recommended action (what to do next)

Keep the Slack summary under 500 words. Link back to the full panel export.
```

Bu prompt üç şeyi bilerek yapar:

- Adımları sıkı sıralar, böylece ajan kestirme yapamaz.
- Ajana sonuçları araçlar arasında nasıl birleştireceğini söyler, sadece nasıl çağıracağını değil.
- Çıktıyı sınırlar, böylece Slack mesajı gerçekten okunabilir olur.

## Adım 4: Gerçek bir feature'a karşı test et

Ürününüzün gerçekten yayımladığı bir feature seçin. Ajanı çalıştırın. Beklenen sıra:

1. Ajan PostHog `events` query'sini feature ismine ve son 30 güne filtrelenmiş `feature_used` için çağırır. Bir count ve örnek döndürür.
2. Ajan kullanıcıları karakterize etmek için PostHog `cohorts`'u çağırır. Baskın plan tier'ı ve ortalama hesap yaşını tanımlar.
3. Ajan Minds `create_mind`'ı "Mid-tier ödeyen müşteri, platformda 6 ila 18 ay, <span>

feature kategorisi

</span>

 birincil kullanıcısı" gibi bir persona açıklamasıyla çağırır.
4. Ajan Minds `create_panel`'ı bu personalardan üçüyle çağırır.
5. Ajan Minds `ask_panel`'ı öneri sorusuyla çağırır.
6. Ajan yanıtları okur. Slack linki için tam oturumu kaydetmek için Minds `export_panel`'ı çağırır.
7. Ajan Slack `slack_post_message`'ı yapılandırılmış özet ve export linkiyle çağırır.

Uçtan uca süre: cohort boyutuna ve panel yanıt uzunluğuna bağlı olarak 60 ila 120 saniye. Uçtan uca maliyet: yaklaşık 0,15 dolar MCP-çağrı maliyeti artı 0,05 dolar ajan inferansı.

Herhangi bir adım başarısız olursa, ajan genellikle bir kez yeniden dener veya yön değiştirir. Takılırsa, en yaygın neden adım 4'teki kırılgan bir prompt'tur (persona açıklaması cohort'a temiz bir şekilde uymaz). Persona açıklamasını daha esnek yeniden yazın ve yeniden çalıştırın.

## Adım 5: Planla

Ajan yalnızca sizsiz çalışırsa değer üretir. İki yol:

*Slack üzerinden manuel tetikleyici.* Cursor ajanını tetikleyen bir `/research [feature-ismi]` slash komutu ekleyin. En basit yoldur ve ad-hoc araştırma için işe yarar.

*Cron tetikleyicisi.* Her Pazartesi ajan endpoint'ine bir feature ismi listesi göndermek için bir CI iş akışı (GitHub Actions, Linear automation, programa göre çalıştırılabilen herhangi bir şey) kullanın. Ajan iş akışını feature başına bir kez çalıştırır ve her özeti gönderir. Ekip insan overhead'i olmadan Pazartesi sabahı bir araştırma digest'i alır.

Cron yolu, değerin compound ettiği yerdir. Bir çeyrek boyunca yayımlanan her feature'da feature seviyesinde araştırma çalıştıran bir ekip, yılda bir büyük çalışma çalıştıran bir ekipten ürünü hakkında daha fazla şey öğrenir ve maliyetin yüzde 5'inden daha azına.

## Özel Ajanlar Hazır Olanları Nerede Yener

Bunu paketlenmiş bir araştırma aracı kullanmak yerine inşa etmek için tartışma:

*İş akışı özgüllüğü.* Hazır araçlar en yaygın durum için optimize eder. Ekibinizin araştırma iş akışı nadiren en yaygın durumdur. Özel bir ajan tam olarak karar ritminize uyar.

*Araç kompozisyonu.* İlginç hareketler, sentetik araştırma gerçek ürün verilerine karşı yere bağlandığında, sonra ekibinizin kanalında dağıtıldığında olur. Hiçbir hazır araç tam zinciri yapmaz. Üç MCP'yi birbirine diken özel bir ajan yapar.

*Maliyet kontrolü.* Çağrı başına, hizmet başına ödersiniz. Koltuk lisansları yok, üstüne platform ücretleri yok. Yoğun kullanım, ekip ölçeğinde paketlenmiş araçlardan daha ucuza çıkar; hafif kullanım esasen ücretsizdir.

*Yineleme hızı.* İş akışını değiştirmek prompt'u değiştirmektir. Tedarikçi yol haritası yok, feature talepleri yok. Kısıtlama kendi dikkatinizdir, başka birinin release döngüsü değil.

## Yaygın Tuzaklar

Üretimde çalıştırmaktan birkaç keskin kenar:

- *Çağrılar arasında persona drift'i.* Her run için yeni bir Mind oluşturursanız, persona profili her seferinde belirli belirsiz kayar. Mind'ı bir kez kalıcı yapın (ID'yi cache'leyin) ve yeniden kullanın. Minds MCP `list_minds`'ı tam olarak bunun için açığa çıkarır.
- *PostHog query timeout'ları.* Büyük cohort'lar ajanı timeout eder. Cohort boyutunu prompt'ta cap edin veya temsilci bir örneğe ön-filtreleyin.
- *Slack mesaj boyut limitleri.* Slack 4000 karakteri aşan mesajları kırpar. Prompt'taki 500 kelime cap'i bunun çok altındadır ama ajan onu yok sayarsa, tek mesaj yerine thread olarak gönderin.
- *OAuth token rotasyonu.* Üç hizmet de tokenları periyodik olarak döndürür. Ajan aniden çalışmayı durdurursa, prompt'u debug etmeden önce her konektörü yeniden yetkilendirin.

## Bunun Gideceği Yer

Tek-feature öneri iş akışı başlangıç noktasıdır. Çalıştığında, aynı ajan şuna genelleşir:

- Haftalık kampanya etkinlik döngüleri (kampanya canlıya gitmeden önce sentetik reklam reaksiyonları çalıştır, sonra gerçek tıklama oranına karşı doğrula)
- Aylık rekabetçi konumlandırma (rakip mesajlarına karşı sentetik paneller çalıştır, kendi dönüşüm verilerinize karşı çapraz referans ver)
- Çeyreklik persona refresh (gözlenen ürün davranışı kaymalarına dayalı sentetik personaları güncelle)

Her biri aynı şekildedir: gerçek-veri grounding, sentetik zenginleştirme, ekip dağıtımı. İlkini inşa edin. Geri kalanlar varyasyonlardır.

Yanında neyin bağlanmaya değer olduğu hakkında daha fazlası için: [2026'da pazarlama ve araştırma ajansları için en iyi MCP sunucuları](/blog/best-mcp-servers-marketing-research-agents-2026). Altta yatan kategori için: [ajanlı pazar araştırması, tanımı](/blog/agentic-market-research-definition). Sentetik çıktı üzerindeki güven sorusu için: [ajanlı araştırma çıktısını doğrulama](/blog/validating-agentic-research-output-eval-frameworks).