Yapay Zeka (AI) alanında son yıllarda yaşanan hızlı teknolojik gelişmeler, MoE, Reinforcement Learning (RL), Ajanlar, bilgisayar kullanımı (computer-use) ve A2A gibi birçok yeni terimi beraberinde getirdi. Teknik altyapısı olmayan sıradan kullanıcılar için bu terimler ve teknolojik kavramlar oldukça karmaşık gelebilir ve önemli bir bilişsel yük oluşturabilir. Sonuç olarak, AI ile etkileşimleri genellikle sohbet kutularında basit soru-cevap alışverişleriyle sınırlı kalır.
MCP veya Model Context Protocol (Model Bağlam Protokolü) bu teknik kavramlardan biridir. Yapay zeka ajanları geçtiğimiz yıl hızla gelişti ve MCP protokolleri, karmaşık görev otomasyonunu destekleyen kritik bir altyapı yeteneği olarak ortaya çıktı. Ancak mevcut MCP devrimi hala geliştiricilerin tekelinde gibi görünüyor; belirsiz protokol dokümantasyonu, karmaşık araç kaydı ve kişiselleştirilmiş yapılandırma önünde yüksek engeller bulunuyor. Sonuç olarak, çoğu sıradan kullanıcı sadece uzaktan izleyebiliyor ve gerçek anlamda uygulamalı deneyim elde etmekte zorlanıyor.
Ancak bu durum değişiyor. 360’ın bir yan kuruluşu olan Nano AI, 23 Nisan’da bireysel kullanıcılar için tasarlanmış “MCP Araç Kutusu“nu (MCP Toolbox) piyasaya sürdüğünü duyurdu. Bu ürün, teknik altyapısı olmayan sıradan kullanıcılar için özel olarak tasarlandı ve herkesin minimum öğrenme maliyetiyle en son AI kullanımını ustalıkla yapabilmesini sağlıyor.
Bu ürün sadece MCP protokolünü tam olarak desteklemekle kalmıyor, aynı zamanda çeşitli büyük model altyapılarına dayalı ajan görevlerini de çalıştırabiliyor. Ek olarak, harici araçları otomatik olarak çağırma, AI bilgi tabanlarına erişme ve kullanıcı tanımlı görev akışlarını destekleme gibi güçlü yeteneklere sahip. En önemlisi, operasyonel eşik önemli ölçüde düşürülmüş durumda, kodlama becerisi gerektirmiyor ve sadece bir sohbet kutusu açılarak kullanılabiliyor.
Şu anda, Süper Ajan (Super Agent) halka açık testlere başladı. Modellerden protokollere, araç ekosistemlerine ve kişiselleştirilmiş görev düzenlemesine kadar Nano AI, AI ajanlarını gerçekten herkesin günlük yaşamına getiren ürün düzeyinde bir yeniliği hedefliyor gibi görünüyor.
Peki, Nano AI’nın “MCP Araç Kutusu” ne kadar iyi? Bu soruyu yanıtlamak için, dahili test yeterliliği kazanan Machine Heart ekibi bir dizi test gerçekleştirdi.
Araç Kutusu ile Uygulamalı Deneyim: MCP Kolaylaştırıldı
Nano AI “MCP Araç Kutusu”nu kullanmak için giriş engeli çok düşük. Kullanıcıların ek bir yapılandırma yapmadan sadece Nano AI uygulamasını indirmesi ve kurması, ardından kayıt olup giriş yapması yeterli.
Güncellenmiş “Ajan” sayfasına girdiğimizde, Nano AI’nın mevcut ajanları derinlemesine araştırma, iş ve verimlilik ve yaşam asistanları gibi çeşitli geniş kategorilere ayırdığını görebiliriz. Aynı zamanda, Araç Kutusu’na ve bir örnek olay incelemesi alanına da erişim sağlıyor.
Araç Kutusu’na girdiğimizde, Nano AI’nın halihazırda 100’den fazla MCP Sunucusu yapılandırdığını görebiliriz (bu sayı bu makalenin yazımı sırasında 120’den 132’ye yükseldi). Bunlar arasında Nano AI’nın kendisi tarafından geliştirilen bir düzine MCP aracı ve ofis işbirliği, akademi, yaşam hizmetleri, arama motorları, finans, medya eğlencesi ve veri kazıma gibi çeşitli senaryoları kapsayan yüzlerce üçüncü taraf MCP aracı bulunuyor ve bu da onu Çin’deki en büyük MCP ekosistemi yapıyor. Ek olarak, Nano AI, kullanıcıların kendi MCP Sunucularını yapılandırmasını da destekliyor. Aşağıda, “MCP Sunucusu” yerine “Araç“ terimini kullanacağız ve bunun nedeni daha sonra ayrıntılı olarak açıklanacak.
İlk olarak, Machine Heart okuyucularının en çekici bulacağı bir uygulamayı test edelim: belirli bir araştırma konusuyla ilgili arXiv’deki son araştırma bulgularını aramak ve düzenlemek.
Öncelikle Araç Kutusu’nu arayalım ve Nano AI’nın önceden ayarlanmış araçlarının zaten “arXiv Arama”yı içerdiğini görelim, bu nedenle kendimiz yapılandırmamıza gerek yok. Geriye baktığımızda, Nano AI’nın zaten arXiv makale alımını destekleyen birçok ajanı olduğunu da görebiliriz. İlk adımımız olarak “Profesyonel Makale Arama”yı seçeceğiz. Bu ajanın dört araçla yapılandırıldığını görebiliriz: Nano AI Süper Arama, arXiv Arama, Google Akademik ve Akademik Arama, bu da ihtiyaçlarımızı mükemmel bir şekilde karşılıyor. Bir komut yazın ve çalıştırın:
Son bir ay içinde arXiv’deki reinforcement learning ile ilgili araştırma bulgularını alın, bunları teorik araştırma, teknolojik iyileştirmeler ve uygulamalara göre sınıflandırın ve önemli ilerlemelerin basit bir yorumunu sağlayın.
“Profesyonel Makale Arama”nın çalışma süreci şu şekildedir:
Bu görev çok basit. Ajan sadece bir kez “arXiv Arama” aracını çağırdı ve bu nedenle görevi yarım dakikadan kısa sürede tamamladı ve üç kategorinin her birinde iki temsili araştırma sonucu seçti.
Ardından, şu komutu kullanarak bisiklet planlayıcısı ajanını deneyin: “Chongqing’deki Guanyin Köprüsü yakınında iyi bisiklet rotaları var mı?”
Bu ajanın üç araç kullandığını görebiliriz: amapmcpserver-cloud’un maps_weather (hava durumunu sorgulamak için) ve maps_direction_bicycling (rotaları ayarlamak için) ve gen_html (web sayfaları oluşturmak için), toplam 362 saniye çalıştı ve sonunda yukarıda gösterilen dinamik web sayfasını elde etti. Bu bağlantı üzerinden de erişebilirsiniz: . Evet, oluşturulan web sayfasını herkese açık olarak paylaşabilirsiniz!
Ardından, zorluğu artıralım. Bu seferki gereksinimimiz “Ağı arayın, mevcut kadın modası trendlerini analiz edin ve bir kadın moda unsuru analiz raporu yayınlayın.” Bu sefer doğrudan Nano AI’nın “Derinlemesine Araştırma Ajanı”nı kullanacağız. Bu ajan, kullanıcının özel ihtiyaçlarına göre MCP Sunucuları ve çeşitli bilgisayar kullanma görevlerini tamamlamak için yerleşik tarayıcı dahil olmak üzere uygun araçları kullanmayı seçebilir. Tabii ki, bu nedenle Derinlemesine Araştırma Ajanı genellikle bir görevi yürütmek için çok daha uzun sürer, bu süre onlarca dakikaya kadar çıkabilir.
Görevi yürütürken, Derinlemesine Araştırma Ajanı önce görev gereksinimlerine göre yürütülecek adımları planlayacak ve ardından adımları plana göre adım adım yürütecektir.
Derinlemesine Araştırma Ajanı tarafından bu özel görev için oluşturulan yürütme adımları aşağıdaki şekilde gösterilmektedir.
İlk olarak, mevcut kadın modası trendleriyle ilgili içeriği birden fazla web sitesinde aradı, ardından aranan içeriği analiz etti ve sonuçları görselleştirdi. Son olarak, nihai raporu verdi.
Bu süreçte, yerel arama aracı aiso_do_search’ü üç kez, veri kazıma aracı 360_crawl’ı bir kez, bulut kodu sanal alanı aracı cloud-sandbox’ı dokuz kez, özet aracı summary’i bir kez ve web sayfası oluşturma aracı gen_html’i bir kez çağırdı.
Sonunda, altı ana bölümü kapsayan 30 sayfalık derinlemesine bir rapor elde ettik: popüler stil tema analizi, popüler renk trendleri, popüler stiller ve unsur analizi, popüler unsurların kapsamlı değerlendirmesi, kumaş ve teknoloji trendleri ve eşleştirme önerileri ve uygulamaları, bu da ilk tek cümlelik görevimizi çok aştı.
Raporun içeriğinden çıkarılan birkaç sayfa
Aşağıdaki video, Nano AI’nın Derinlemesine Araştırma Ajanı’nın görevi tamamlama sürecinin tamamını göstermektedir:
4 kat hızda oynatıldı
Sadece bu da değil, Nano AI ayrıca elde edilen analiz sonuçlarını daha canlı bir şekilde görüntüleyebilen dinamik bir web sayfası da oluşturdu:
Ek olarak, Google’ın yakın zamanda ilk çeyrek mali raporunu yayınladığını göz önünde bulundurarak, Nano AI’nın “Baş Endüstri İçgörüleri Sorumlusu” ajanının bunu yorumlamamıza yardımcı olmasını da sağlayabiliriz.
Web sayfası sürümüne şu adresten erişilebilir: ve çalışma sürecinin tamamı aşağıdaki videoda görülebilir:
Nano AI’yı yakın zamanda popüler olan “The Good Life” adlı TV dizisi için Xiaohongshu’da yayınlanmaya uygun bir film incelemesi yazmak için kullanmayı deneyelim ve önceden ayarlanmış Xiaohongshu tarama robotu bu işi iyi bir şekilde yapabilir.
Dikkat! İçerik spoiler içerecektir.
Aşağıdaki video, Nano AI’nın çalışma sürecinin tamamını göstermektedir.
Bu süreçte, Nano AI’nın Xiaohongshu ile ilgili iki araç kullandığını görebiliriz; bunlar arasında Xiaohongshu’da bilgi toplamak için collect_relate_info_redbook ve Xiaohongshu içeriği oluşturmak için red_book_generate bulunmaktadır; ek olarak, tarayıcı_otomasyon_görevi’ni de kullanmıştır - bu araç, Nano AI uygulamasında yerleşik tarayıcıyı görevleri yerine getirmek için açabilir. Uygun talimatlarla, bu aracı tren bileti rezervasyonu, Weibo’da yayınlama ve tek bir cümlede not alma gibi görevleri tamamlamak için de kullanabilirsiniz.
Son olarak, Nano AI’da kullanıcılar kendi MCP’lerini de kolayca yapılandırabilirler. Örneğin, burada sadece birkaç parametre ayarıyla Obsidian notlarını sorgulamak ve analiz etmek için bir aracı başarıyla yapılandırdık.
Ardından, sadece aracı çağıran bir ajan yapılandırın ve Nano AI’da topladığımız notları akıllıca alıp analiz edebiliriz. Aşağıdaki video bir örneği göstermektedir:
Yukarıdaki örnekler, Nano AI’nın yeteneklerinin sadece buzdağının görünen kısmıdır. MCP Araç Kutusu ile kullanıcıların yapabileceği daha birçok şey var; örneğin, bilgi kazımak ve aramak, resim ve video içeriği oluşturmak, AI’nın flomo parça notlarınızı düzenlemesine ve sonuçları Notion çalışma alanına koymasına izin vermek, hisse senetlerini analiz etmek, Portekiz’e seyahat etmek için en uygun maliyetli uçuş rotasını bulmak, seyahat veya fitness planları belirtmek, şirket raporları oluşturmak, bulut depolama depolarını veya yerel dosyaları yönetmek… Tek sınır hayal gücünüz!
MCP’yi Araç Kutusuna Gizlemek: Nano AI Bunu Nasıl Yapıyor
MCP veya Model Context Protocol (Model Bağlam Protokolü) ilk olarak Anthropic tarafından Kasım 2024’te yayınlandı. Büyük modelleri gerçek dünyaya bağlayan önemli bir “köprü” olduğu söylenebilir - modellerin sadece soruları yanıtlamasına değil, aynı zamanda araçları çağırmasına, veri almasına ve insanlar gibi görevleri yürütmesine olanak tanır. Bu yıl, daha fazla şirket protokolü benimsedikçe, LLM’nin araç kullanımında fiili bir standart haline geldi ve AI ajanlarının potansiyelini daha da ortaya çıkardı.
Ancak çoğu kullanıcı için MCP protokolünün tipik etiketleri “karmaşıklık”, “yüksek teknik eşik” ve “geliştiriciye özel”dir. Başlangıçta profesyonel mühendislere ait olan bu yeteneği her sıradan insana nasıl devredebiliriz?
Bu gerçek soruna yanıt olarak 360’ın cevabı şu: artık size MCP’yi anlamanızı öğretmeyin, ancak doğrudan “görünür, tıklanabilir ve sonuçları tahmin edilebilir” bir araç kutusu setine kapsülleyin.
1. Kavram Basitleştirmesinden Etkileşim Boyut Azaltımına
Nano AI ekibi ilk olarak kavramların çevirisini yaptı: kullanıcıların MCP Sunucusu veya API Anahtarı’nın ne olduğunu anlamasına gerek yok, sadece bunun kullanılabilir bir “araç“ veya “beceri“ olduğunu bilmeleri yeterli - bu nedenle daha önce “araç” terimini kullandık. Başlangıçta belirsiz olan protokol arayüzünü “arama”, “yazma” ve “veri analizi” gibi kolay anlaşılır araç etiketlerine paketlemek, kullanıcının bilişsel eşiğini büyük ölçüde azaltır ve kullanıcıların AI büyük modellerine sözde MCP Sunucusunun anlamını daha sezgisel olarak anlamasını sağlar. Bu, Nano AI Araç Kutusu’nun tasarım felsefesidir. Bunun arkasında, MCP protokolünün Nano AI tarafından yeniden kapsüllenmesi ve arayüz katmanının mühendislik yeniden yapılandırılması bulunmaktadır.
Kullanıcıların arayüzde gördüğü şey basit seçim ve sürüklemedir, ancak gerçekte Nano AI’nın kendisi tarafından geliştirilen veya özenle seçilmiş bir entegrasyon olan 100’den fazla MCP Sunucusunu planlamaktır. Bu araçlar ofis, akademi, finans, arama motorları, web kazıma ve görüntü işleme gibi senaryoları kapsar. Kullanıcılar, büyük modellerin karmaşık görev zincirlerini tamamlamak için bir satır kod yazmadan bu “harici beyinleri” otomatik olarak çağırmasına izin verebilir.
Nano AI, Firecrawl, Brava Search ve AutoNavi Maps gibi birden fazla MCP aracı için yerleşik API Anahtarlarına bile sahiptir.
2. Modeller ve Araçlar Arasındaki “Son Kilometre”nin Kırılması
Geçmişte, büyük modeller güçlü dil anlama yeteneklerine sahip olsalar bile, hala “araç çağırma” ada etkisinde kapana kısılmışlardı. Nano AI’nın yaklaşımı, MCP protokolünü bir ara dil olarak kullanmak, temel olarak “büyük model + araç” işbirliği mekanizmasını kırmaktır.
Bu sadece çağırma sorununu çözmekle kalmıyor, aynı zamanda modelin gerçek yetenek sınırını da büyük ölçüde genişletiyor. Örneğin, kullanıcıların ajana sadece “Bir NVIDIA hisse senedi fiyatı analiz raporu oluşturmama yardım et” demesi yeterli ve ajan otomatik olarak görev adımlarını ayırabilir, arama motorlarını harekete geçirebilir, sayfa içeriğini kazıyabilir, analiz çizelgeleri oluşturabilir ve açıkça yapılandırılmış bir rapor verebilir. Bu süre zarfında 5 ila 7 araç çağrılabilir, ancak kullanıcı sadece bir sonuç sayfası görür.
Bu, MCP’nin “araç kombinasyonu” yeteneğinin tam olarak somutlaşmasıdır: ajanların kaynakları bağımsız olarak planlamasına, süreçleri planlamasına ve operasyon sırasında deneme-yanılma geri bildirimi ve kendini optimize etme yapmasına olanak tanır ve son derece antropomorfik bir görev çözme yolu oluşturur.
3. Yerel Çalışma, Güvenli ve Güvenilir: Teknoloji Yığınının Derinlemesine Parlatılması
Birçok “bulut akıllı varlığından” farklı olarak, Nano AI daha zor ama daha umut verici bir yolu seçti: MCP istemcilerini yerel olarak dağıtmak ve kullanıcılara daha fazla kontrol sağlamak.
Bu, en az üç önemli avantajı beraberinde getirir:
- Çağırma özgürlüğü: Yerel akıllı varlıklar, kullanıcının dosya sistemine erişebilir, tarayıcıyı çağırabilir ve veritabanını alarak gerçek kişiselleştirilmiş görev işlemeyi gerçekleştirebilir.
- Engelleri aşmak: AI’nın benzersiz ihtiyaçlarına yanıt olarak 360, Nano AI için özel bir AI tarayıcısı oluşturdu ve bunu Çin’deki ana akım platformlara uyarladı. Giriş duvarlarını, insan-makine doğrulamayı ve bilgi akışı müdahalesini aşabilir ve giriş ve kaydırma doğrulama gibi işlemleri otomatik olarak tamamlayabilir.
- Sanal alan garantisi: 360’ın güvenlik teknolojisi birikimine dayanarak, Nano AI gelecekte yerel bir çalışma zamanı sanal alanı da tanıtacak ve bu da büyük modelin yerel dosyaları yanlışlıkla yanlış kullanmasını gerçek zamanlı olarak izleyebilir, erken uyarabilir ve kısıtlayabilir, böylece veri güvenliğini sağlayabilir.
Bu tüm sistem, kullanıcıların sadece “kullanmasına” değil, aynı zamanda “güvenli, verimli ve ölçeklenebilir bir şekilde kullanmasına” da olanak tanır.
4. Devasa Kullanıcılarla Karşı Karşıya: Gerçekten Açık Bir MCP Ekosistemi Oluşturmak
Nano AI sadece MCP araçlarını kapsüllemekle kalmadı, aynı zamanda açık bir beceri ekosistemi açmada da öncülük etti. Şu anda, aylık 400 milyondan fazla ziyaret hacmine sahip bu platformda 100’den fazla yüksek kaliteli MCP aracı çevrimiçi ve daha fazla üçüncü taraf MCP Sunucusu giriliyor. Kullanıcılar kendi AI ajanlarını oluşturmak için araç becerilerini özgürce yükleyebilir, yeniden kullanabilir ve birleştirebilir.
Sıradan kullanıcılar için bu, artık “başkaları tarafından belirlenen AI’yı kullanmak” değil, kendi ihtiyaçlarına göre kişiselleştirilmiş bir AI asistanı oluşturabilecekleri anlamına gelir. Makale analizi, veri oluşturma, trend izleme, web sayfası oluşturma, hisse senedi tahmini… Talep olduğu sürece, kombinasyon halinde kullanılabilecek araçlar vardır ve otomatik olarak yürütülebilecek görevler vardır.
Tüm endüstri için bu, ajan teknolojisinin “kapalı sistemden” “ekolojik ağ” aşamasına geçtiği anlamına gelir. Araçlar, modeller ve görevler artık izole edilmeyecek, ancak ortak bir dil olarak MCP tarafından bağlanarak benzeri görülmemiş bir akıllı işbirliği modeli oluşturulacaktır.
Teknik Engeller Kırıldı: Akıllı Varlıklar C Ucuna İniyor
Bir zamanlar, akıllı varlıkları kullanma eşiği hala geliştiricilerin kapı çerçevesinde yüksekti. Şimdi, Nano AI “MCP Araç Kutusu”nun piyasaya sürülmesiyle, AI otomasyon altyapısı olarak bilinen bir protokol olan MCP, neredeyse “aptal tarzı” bir biçimde ilk kez sıradan kullanıcıların vizyonuna girdi. 360 Group Yönetim Kurulu Başkanı Zhou Hongyi’nin lansmandan önceki paylaşım toplantısında söylediği gibi: “Ajan içinde MCP Sunucusu’nun otomatik olarak ne çağrıldığı, kullanıcıların bilmesine gerek yok.” Araç kutusuyla Nano AI, MCP’nin teknik engellerini kırıyor ve akıllı varlıkların C ucuna daha da inmesine olanak tanıyor.
MCP’yi bir “araç kutusu” haline getirmek kulağa kolay geliyor, ancak yapmak zor. Bu, sadece teknolojiyi entegre etme yeteneğini test etmekle kalmıyor, aynı zamanda ürün düşüncesinin ve kullanıcı anlayışının “empati”sini de test ediyor. Nano AI’nın yaptığı şey, karmaşıklığı özünde kapsüllemek ve kullanıcılara özgürlük vermek - böylece her sıradan insan, geliştiriciler gibi “AI dünyasını çağırma” iznine sahip olabilir.
Bu süreç basit bir görsel arayüz yapısı değil, derin bir AI uygulama paradigma değişikliğidir: akıllı varlıklar artık sadece konuşabilen ve cevap verebilen modeller değil, yetenekleri planlama, araçları çağırma ve görevleri tamamlama yeteneğine sahip gerçek ortaklardır.
O zamandan beri, MCP gerçekten C-end kullanıcılarına doğru ilerlemeye başladı ve bu, hatırlanmaya değer tarihi bir başlangıç noktası olabilir.