--- title: "AI Ajanlar Araçları Nasıl Seçer: Ajanlık Keşfin Mekaniği" description: "Claude, ChatGPT ve Cursor'ın hangi MCP sunucusunu çağıracağına nasıl karar verdiği. Hangi sinyaller önemli ve seçilen araç nasıl olunur." canonical_url: "https://getminds.ai/blog/tr/how-ai-agents-choose-tools-mcp-discovery-mechanics" last_updated: "2026-06-22T02:07:36.301Z" --- # AI Ajanlar Araçları Nasıl Seçer Bir pazarlamacı Claude'a "Almanya'daki B2B SaaS için sentetik müşteri panelleri bul" dediğinde, model bir arama motoru açmaz. Oturuma şu anda bağlı her MCP aracının açıklamalarını okur, sıralar ve birini seçer. Bu sıralama, araç keşfi için internetin yeni ana sayfasıdır ve neredeyse hiç kimse bunun için optimize etmez. Bu yazı, kapağı kaldırıp 2026'da sıralamanın gerçekte nasıl çalıştığını, hangi sinyallerin onu hareket ettirdiğini ve bir MCP sunucusu yayımlayan herhangi bir ekip için pratik etkilerini açıklıyor. ## Ajanlık Bağlamında "Keşif" Ne Demek Ayrı tutulması gereken iki keşif katmanı vardır. *Katman 1, kayıt seviyesi.* Kullanıcı (veya ajanın kendisi) bir dizinde MCP sunucusunu bulur ve istemciye bağlar. Bu tarayıcı tarzı bir keşiftir: ajan dostu kayıtlar, OAuth akışları, "bu konektörü ekle" butonları. MCP kayıt defteri, Anthropic dizini, OpenAI'nin Apps SDK dizini ve `mcpmarket.com` hepsi bu rolü oynar. Kullanıcı Bağlan'a bastığı anda, sunucu ajanın araç listesindedir. *Katman 2, oturum içi keşif.* Kullanıcı her mesaj gönderdiğinde, ajan hangi aracı (varsa) çağıracağına karar vermek zorundadır. Asıl kullanımı bu katman hareket ettirir. Bir sunucu aylarca bağlı olabilir ve hiç çağrılmayabilir, çünkü ajan hep başka bir şey seçer. Asıl sıralama burada olur ve neredeyse hiç kimse bu konuda konuşmaz. Bu yazının geri kalanı Katman 2 hakkındadır. ## Ajanın Gerçekte Gördüğü Bir MCP sunucusu bağlandığında, açığa çıkardığı her aracı tanımlayan bir el sıkışma gönderir. Her araç için ajan şunu alır: - Bir isim (örn. `create_panel`) - Kısa bir açıklama (1-3 cümle, sunucu yazarı tarafından yazılır) - Giriş parametreleri için bir JSON şeması - Opsiyonel yapılandırılmış meta veri (annotation'lar, örnekler, dönüş tipi) Tüm yüzey budur. Ajan web sitenizi, fiyatlandırmanızı, dokümantasyonunuzu veya blogunuzu görmez. Tüm ürününüzdeki en yüksek kaldıraçlı tek metin parçası, araç kaydınızdaki açıklama dizesidir. Çıkarım rahatsızdır: belirsiz bir açıklamaya sahip parlak bir araç, keskin bir açıklamaya sahip ortalama bir araca her seferinde kaybeder. ## Sıralama Süreci, Adım Adım Kullanıcı bir mesaj gönderdiğinde, ajan kabaca şunu yapar: 1. *Olası ilgili araçlara filtrele.* Model kendi bağlamını okur (şimdiye kadarki konuşma, kullanıcının son mesajı) ve bir aday kümesi belirler. Küçük bir araç setiyle (20'nin altı), genellikle hepsini değerlendirir. Büyük bir araç setiyle, önce filtreler. 2. *Açıklama eşleşmesine göre puanla.* Her aday araç için model, açıklamanın kullanıcının niyetine ne kadar iyi uyduğunu değerlendirir. Bu yumuşak, anlamsal bir eşleşmedir, anahtar kelime eşleşmesi değil. Eşanlamlılar işe yarar. Alan dili işe yarar. Belirsiz açıklamalar başarısız olur. 3. *Bir çağrı oluştur.* Bir araç seçilirse, model parametreleri konuşma bağlamından doldurur. Şemaları belirsiz alanlar gerektiren araçlar (örn. parametrize edilmemiş bir "options" nesnesi) cezalandırılır çünkü model onları doğru çağırabileceğine daha az güvenir. 4. *Opsiyonel olarak çağrıları zincirle.* Çok adımlı görevler için, model ilk aracı seçer, çalıştırır, sonucu okur ve tekrarlar. Yapılandırılmış, ajan-okunabilir çıktı döndüren araçlar takip çağrıları kazanır. Duvar gibi metin çıktısı döndüren araçlar zinciri durdurur. Tüm bunlar tek bir çıkarım geçişinde olur. Ayrı bir sıralayıcı model yoktur. (Henüz) telemetri geri besleme döngüsü yoktur. Karar, açıklamalara ve şemaya dayanılarak verilir, nokta. ## Sıralamayı Gerçekten Hareket Ettiren Şeyler Gözlenen ajan davranışından geriye doğru çalışınca, dört şey araç seçimini kanıtlanabilir şekilde hareket ettirir: *Açıklama özgüllüğü.* "Pazar araştırması yap", "Bir hedef kitle personasına karşı sentetik müşteri paneli çalıştır ve özetlenmiş bulguları döndür"e karşı kaybeder. Daha uzun açıklama daha çok sorguyla eşleşir çünkü modelin tutunabileceği daha fazla tutamaç açığa çıkarır. Bir bütçe vardır (çoğu ajan ~500 karakteri aşan açıklamaları kırpar) ama çoğu sunucu o civarda değildir. *Fiil-özne-nesne yapısı.* Ajanlar açıklamaları kullanıcının kullandığı fiile uyan araçları seçer. "Müşterilerime sor" `query_panel_responses`'tan ziyade `ask_panel`'e daha iyi uyar. Hem isimlendirme hem açıklama eylemle başlamalıdır. *Somut çıktı şekli.* "`panel_id`, `responses` ve `summary` alanlarına sahip bir JSON nesnesi döndürür" "panel sonucunu döndürür"ü yener. Ajanlar çıktıyla ne yapacaklarını öngörebildiklerinde araçları daha çok çağırır. *Şema ayrıştırılabilirliği.* Modelin bağlamdan doldurabileceği gerekli alanlara sahip şemalar (metin açıklamaları, sayısal sayılar) çağrılır. Çağrı ortasında kullanıcı girdisi gerektiren gerekli alanlara sahip şemalar (auth tokenları, dahili ID'ler), uçtan uca çalışabilen araçların lehine atlanır. ## (Henüz) Sıralamayı Hareket Ettirmeyen Şeyler 2026 itibarıyla, önemliymiş gibi konuşulan ama önemli olmayan şeylerin listesi: - *Kayıttaki yıldız sayıları.* Katman 1'de keşfedilebilirlik, Katman 2'de alakasız. - *SEO tarzı anahtar kelime doldurma.* Model anlamsal eşleşme yapar; anahtar kelime eşleşmesi yapmaz. "Ajanlık araştırma AI panelleri MCP"yi açıklamaya tıkıştırmak yardımcı olmaz. - *Marka tanınırlığı.* Modelin oturum içi katmanda, yerleşik markalara karşı bilinmeyenlere karşı tercihi yoktur. Açıklama kalitesi kazanır. - *500 ms altı gecikme.* Model sıralarken araç çağrılarını zamanlamaz. Yavaş ama yararlı araçlar yine de çağrılır. Bu değişecek. Eval skorları, çağrı sonrası memnuniyet sinyalleri ve anti-spam sıralaması, hepsi büyük host'ların yol haritasında. Bugün, kaldıraç açıklamadır. ## Anti-Spam Sorunu Tüm bunların doğal sonucu, herkesin çok uzun, çok anahtar kelime yoğun bir açıklama yazarak sıralamayı oyunlayabilmesidir. Host'lar bunu biliyor. Anthropic, OpenAI ve MCP kayıt bakımcıları, 2026 sonlarında açıklama-doldurmayı deprecation etmeye başladı. İki anti-spam mekanizması ortaya çıkıyor: *Şema doğrulama.* Beyan edilen şeması gerçek yanıt şekline uymayan araçlar düşürülür veya kaldırılır. *Cross-host eval skorlama.* MCP kayıt defteri, kayıtlı sunuculara karşı promptlar çalıştıran ve doğruluk skorlarını raporlayan bir kamuya açık eval suite'i pilot ediyor. Eval'i geçemeyen sunucular uyarı alır, sonra kaldırılır. İkisi de 2026 ortası itibarıyla tam olarak canlı değil ama ikisi de geliyor. Alınması gereken duruş: yalnızca anahtar kelime eşleştirilen değil, kalite-puanlı bir dünyada kazanacak açıklamayı yazın. ## Sunucu Yazarları İçin Pratik Öneriler Eğer bir MCP sunucusu yayımlıyorsanız, aşağıdaki değişiklikler oturum içi seçimi ölçülebilir şekilde iyileştirecek: 1. *Her araç açıklamasını kullanıcının kullanacağı fiille başlayacak şekilde yeniden yazın.* "Panel runner" değil, "Bir hedef kitleye karşı bir müşteri araştırma paneli çalıştır ve özetlenmiş yanıtları döndür". 2. *Açıklamada çıktı şeklini belirtin.* "Bir `responses` dizisi, bir `themes` alanı ve bir `summary` alanına sahip bir JSON nesnesi döndürür." Bu, ajanın takip çağrılarını zincirlemeye yetecek kadar emin olmasını sağlar. 3. *Gerekli alanları bağlamdan doldurulabilir yapın.* Bir alan dahili bir ID gerektiriyorsa, bir isim kabul edin ve sunucu tarafında çözün. Ajanlar gerekli alanlarını öngöremedikleri araçları atlar. 4. *Araç başına 200 ila 400 karakter kullanın.* 100'ün altı çok ince. 500'ün üstü çoğu istemci tarafından kırpılır. 5. *Araç sayınızı denetleyin.* 30'dan fazla araca sahip sunucular, ajan onları sıralamadan önce filtrelenir. Mümkün olduğunda ilgili araçları birleştirin. 60-aracılı sunucuların 12'lik olanlardan daha kötü seçim aldığını gördük çünkü model uzun kuyruğu hiç görmez. Bu açıklamaları en önemli copy'leri olarak ele alan ekipler çağrılıyor. Onları kayıt sıhhi tesisatı olarak ele alan ekipler değil. ## Bunun Gideceği Yer Mekanik önümüzdeki 12 ayda sertleşecek. Üç değişiklik bekleyin: *Eval-tabanlı sıralama canlıya geçiyor.* Otomatik eval'lerden gelen kalite skorları kayıt listelerinde görünmeye başlayacak ve en az bir büyük host'ta oturum içi seçimi etkileyecek. *Ajan telemetrisi geri besleme döngüleri.* "Geçmiş oturumlarda tatmin edici sonuçlar üreten araçlar daha yüksek sıralanır"ı yayımlayan ilk büyük host, diğerlerini geçecek. Bu click-through-rate'in ajanlık eşdeğeridir ve optimizasyon hedefini değiştirir. *Dikey ajan ekosistemleri.* Pazarlama ajanları, satış ajanları, araştırma ajanları her biri kendi normatif araç yığınlarını geliştirecek. Kendi dikeyinizde varsayılan olmak, her dizinde olmaktan daha önemli olacak. Bu geçişte kazanan araçlar, MCP açıklamalarını ürünlerinin ana sayfası olarak ele alanlardır. Bunu yapmayan araçlar, altta yatan hizmet ne kadar iyi olursa olsun, çağrılmayacak. --- Ajanların neden yeni alıcılar olduğuna dair büyük resim için: [AI ajanlar yeni pazarlama alıcıları](/blog/ai-agents-new-marketing-buyer-agentic-discovery). Pratik kurulum için: [Claude, ChatGPT veya Cursor'dan müşteri panelleri nasıl çalıştırılır](/blog/run-customer-panels-from-claude-chatgpt-cursor-mcp-guide). İyi tanımlanmış bir MCP sunucusunun üretimde nasıl göründüğünü görmek için: [Minds MCP](/mcp/overview).