AI Agent’lar, tarayıcı otomasyonu ve iş akışı orkestrasyonu hızla yaygınlaşıyor. Bu rehber Ollama, LiteLLM, n8n, Crawl4AI ve CC Switch’i inceliyor, bunların bir otomasyon araç zincirinde nasıl birleştirileceğini açıklıyor ve PurpleMark’ın Local API, MCP ve Skill ile tarayıcı yürütme katmanı olarak nasıl kullanılabileceğini gösteriyor.
2026 yılında giderek daha fazla geliştirici ve operasyon ekibi tek bir “hepsi bir arada” ürüne bağımlı kalmak istemiyor. Bunun yerine AI Agent, tarayıcı otomasyonu, iş akışı orkestrasyonu ve web verisi işleme gibi yetenekleri ayrı bileşenlere bölüyor ve açık kaynak parçalarla kendi araç zincirini kuruyor.
Bu tür projeler GitHub’da yoğun ilgi görmeye devam ediyor. Yeni başlayan ve kendi sistemini kurmak isteyenler için zorluk genellikle araç bulmak değil, hangi parçanın neyi üstlenmesi gerektiğini ve parçaların nasıl bir araya geleceğini anlamak. Bu yazı önce yerel çıkarım, model geçidi, iş akışı, web tarama ve AI kodlama aracı yönetimi için bilinmeye değer beş üçüncü taraf açık kaynak projeyi ele alıyor; ardından en sık eksik kalan parçayı açıklıyor: programların kararlı biçimde çağırabildiği bir tarayıcı yürütme katmanı.
Uygulanabilir bir otomasyon araç zinciri genellikle bu beş parçaya ihtiyaç duyar
Gerçek kullanım için hazırlanmış bir AI otomasyon projesi çoğu zaman birden fazla açık kaynak bileşen türünü aynı anda kullanır. Sadece GitHub Star sayılarını listelemek yerine, bunları zincirde üstlendikleri role göre ele alalım.
Büyük modelleri yerelde çalıştırma: Ollama Modellerin kendi makinenizde çalışmasını ve tüm verilerin dışarı gönderilmemesini istiyorsanız Ollama, yerel LLM çalıştırmak için popüler bir framework’tür. DeepSeek, Qwen, Llama ve Gemma gibi açık kaynak modelleri hızlıca kurabilir; komut satırı ve API üzerinden basit erişim sunar. Şu soruyu çözer: “Çıkarım nerede çalışacak?”
Birden fazla model sağlayıcısının API’sini birleştirme: LiteLLM Projenizin farklı model sağlayıcıları arasında geçiş yapması gerekiyorsa LiteLLM; OpenAI, Claude, Gemini, DeepSeek ve Qwen gibi yaygın modelleri tek bir arayüz altında toplar. Böylece tek bir entegrasyon kodu yazıp arka ucu sonradan değiştirebilirsiniz. Şu sorunu çözer: “Tek bir model sağlayıcısına bağımlı kalmaktan nasıl kaçınırım?”
Otomatik iş akışlarını orkestre etme: n8n n8n, OpenAI, Slack, Telegram, Gmail ve Webhook gibi servisleri bağlayabilen tanınmış bir açık kaynak iş akışı platformudur. Görsel düğümlerle belirli bir olaydan sonra hangi adımların otomatik çalışacağını tanımlayabilirsiniz. Şu soruyu çözer: “Birden fazla servis arasındaki süreçleri nasıl bağlarım?”
Web sayfalarını modellerin okuyabileceği veriye dönüştürme: Crawl4AI Crawl4AI, AI uygulamaları için tasarlanmış bir web tarama aracıdır. Sayfaları büyük dil modellerinin daha kolay işleyebileceği Markdown ve JSON gibi yapılandırılmış biçimlere dönüştürebilir; bu nedenle RAG ve bilgi tabanı senaryolarında popülerdir. Şu soruyu çözer: “Web içeriğini modele nasıl veririm?”
AI kodlama araçlarını tek yerden yönetme: CC Switch Claude Code, Codex CLI ve Gemini CLI gibi farklı AI geliştirme araçları arasında sık sık geçiş yapıyorsanız CC Switch; model geçişlerini, MCP ve Skills yapılandırmalarını merkezi biçimde yönetmenize yardımcı olur. Şu soruyu çözer: “Geliştirici tarafındaki giriş noktalarını nasıl tek yerde toplarım?”
Bu beş parça algoritma, model, iş akışı ve veri katmanlarını kapsar. Ancak birçok otomasyon görevinin sonunda gerçekten bir web sitesinde işlem yapması gerekir: bir yönetim paneline giriş yapmak, içerik yayınlamak, sayfa toplamak, form doldurup göndermek gibi. İşte bu noktada bir yürütme katmanı daha gerekir.
Sık gözden kaçan parça: kararlı bir tarayıcı yürütme katmanı
Neden bunu ayrı vurguluyoruz? Çünkü web otomasyonundaki en can sıkıcı sorun çoğu zaman mantık değil, kararsız yürütme ortamıdır:
- Oturumlar, cookie’ler ve giriş durumu otomasyon sırasında sona erebilir veya birbirini etkileyebilir;
- Farklı siteler ya da müşteriler için farklı görevler aynı tarayıcı özelliklerini paylaşırsa yanlış değerlendirmeler veya çakışmalar oluşabilir;
- Script’lerin sürekli “doğru ortamı açması” gerekir; onlarca ya da yüzlerce görevde pencereleri elle açmak ölçeklenmez;
- Ekipte birden fazla script aynı anda çalıştığında hangi ortamın kullanıldığı ve görevin başarıyla tamamlanıp tamamlanmadığı belirsizleşebilir.
Tarayıcı ortamı yönetim platformlarının çözmek istediği sorunlar tam olarak bunlardır. PurpleMark örneğin bu otomasyon zincirinde yürütme katmanı olarak kullanılabilir:
“Tarayıcı ortamını” yazılımın çağırabileceği bir kaynağa dönüştürün. PurpleMark web çalışma alanında farklı görevler, müşteriler veya platformlar için toplu olarak birbirinden izole tarayıcı ortamları oluşturabilir; her ortam için proxy, cookie, başlangıç sayfaları ve fingerprint parametreleri ayarlayabilirsiniz. Her ortam kararlı ve bağımsız bir “tarayıcı yürütme birimi” haline gelir.
AI ve script’lerin ortamları Local API / MCP üzerinden doğrudan kontrol etmesini sağlayın. PurpleMark, isteğe bağlı API Key doğrulaması destekleyen yerel bir servis endpoint’i sunar. Geliştiriciler belirli bir ortamı başlatan, kapatan ve ortam bilgisini okuyan script’ler yazarak otomasyon mantığını gerçek bir tarayıcı penceresine bağlayabilir. PurpleMark ayrıca Claude Code, Codex, Cursor, OpenCode, Gemini CLI, OpenClaw ve Hermes gibi AI veya komut satırı araçları için PurpleMark Skill kurulum girişi sunar. Böylece bir AI asistanı PurpleMark API’yi yapılandırılmış şekilde çağırabilir, tarayıcı ortamı yönetimini araca bırakabilir ve siz iş akışına odaklanabilirsiniz.
Ortamları kurduğunuz açık kaynak zincire bağlayın. Örneğin projeniz modeller için Ollama/LiteLLM, orkestrasyon için n8n ve web sayfalarını yapılandırılmış veriye dönüştürmek için Crawl4AI kullanıyor olsun. Sürecin “gerçekten bir panelde işlem yapması” gerektiğinde n8n veya AI Agent’ınız PurpleMark Local API üzerinden ilgili tarayıcı ortamını açabilir, işlemi yapabilir, sonucu alıp akışı sürdürebilir. Her açık kaynak bileşen kendi bölümünü yönetirken PurpleMark “kararlı tarayıcı yürütme” bölümünü tamamlar.
Ekip içinde uygulama için birkaç öneri
- Önce uyumluluk sınırlarını belirleyin. Otomasyon hesaplarla ilgiliyse her platformun şartlarına uyun. Gerçek, sizin kontrolünüzde ve kurallara uygun hesaplar kullanın; bot benzeri senaryolarda platformun resmi API’lerini tercih edin. Araç yalnızca yürütme katmanıdır; iş sürecinin uyumluluğu sizin sorumluluğunuzdadır.
- Bir ortam, bir amaç. Her otomasyon görevi için proje/müşteri/platform bazında ayrı ortamlar oluşturun, net şekilde adlandırın ve gruplayın. Böylece sorun giderme ve devir süreçleri kolaylaşır.
- Süreci denetlenebilir hale getirin. PurpleMark üye izinleri ve işlem kayıtları, ortamı kimin oluşturduğunu, kimlerin açabildiğini ve bir görevin hangi ortamda çalıştığını görmenizi sağlar. Bu hem ekip iş birliği hem de müşterilere veya platformlara uyumlu işlemleri açıklamak açısından değerlidir.
- Önce küçük bir akışı çalıştırın. En başta uçtan uca tam bir sistem kurmaya çalışmayın. Önce “bir açık kaynak bileşen + bir PurpleMark ortamı” ile gerçek bir görevi tamamlayın, ardından diğer parçaları aşamalı olarak bağlayın.
Sık sorulan sorular
Bu açık kaynak projeleri kullanmak zorunda mıyım? Hayır. Açık kaynak; kendi sunucunuzda barındırma, kontrol ve yalnızca ihtiyaç duyduğunuz parçaları seçme avantajı sunar. Yerel çıkarıma veya verilerin kesinlikle iç ağda kalmasına ihtiyacınız yoksa mevcut SaaS ürünleriyle de bu zinciri kurabilirsiniz. Önemli olan gerçekten hangi parçalara ihtiyacınız olduğunu belirlemektir.
PurpleMark’ın bu açık kaynak projelerle ilişkisi nedir? Onların yerine geçmez, onları tamamlar. Ollama/LiteLLM modelleri, n8n iş akışlarını, Crawl4AI web verisi işlemeyi yönetir. PurpleMark ise web sayfalarında gerçekten işlem yapan bölüm için yazılımın kararlı biçimde çağırabildiği tarayıcı yürütme katmanını sağlar (ortam izolasyonu + Local API / MCP / AI Skill).
PurpleMark Local API kullanmak için programlama bilmek gerekir mi? Hazır bir Skill ile AI aracını bağladığınızda giriş eşiği oldukça düşüktür. Özel toplu zamanlama script’leri yazmak ise genellikle belli bir geliştirme deneyimi gerektirir. PurpleMark geliştiricilerin başlamasını kolaylaştırmak için çevrimiçi dokümantasyon ve örnekler sunar.
Bu tür otomasyon hesabın engellenmesine yol açabilir mi? Araç tarafsızdır. Uyumluluk kullanım amacına bağlıdır. Hedef platformun şartlarına uyan ve gerçek, kurallara uygun hesaplarla yapılan otomasyon meşru olabilir; dolandırıcılık veya platform kurallarını aşma amacı taşıyan işlemler desteklenmez. Her zaman platformun resmi yönlendirmelerini esas alın.
Nasıl başlamalıyım? GitHub’da ihtiyacınız olan açık kaynak bileşenleri deneyin. Ardından PurpleMark web çalışma alanını açın, birkaç izole ortam oluşturun ve proxy ile gruplamaya alışın. Programatik kontrol gerektiğinde indirme sayfasından istemciyi kurun, API sayfasında yerel endpoint ve API Key’i etkinleştirin ve script’lerinizi veya AI araçlarınızı bağlayın.
Özet
Kendi AI otomasyon araç zincirinizi kurarken temel nokta sorumlulukları net ayırmaktır: Ollama, LiteLLM, n8n, Crawl4AI ve CC Switch gibi açık kaynak bileşenler model, iş akışı ve veriyi yönetirken web sayfalarında gerçekten işlem yapmak için yazılımın çağırabildiği kararlı bir tarayıcı yürütme katmanı gerekir. PurpleMark, izole ortamlar ve Local API / MCP / AI Skill ile tam olarak bu rolü üstlenir. Yürütme katmanı tamamlandığında kurduğunuz zincir gerçekten “bir işi kendi başına bitirebilir”.
(Uyumluluk notu: Otomasyonu her zaman hedef platformun hizmet şartlarına uygun ve gerçek, kurallara uygun hesaplarla yürütün.)
