Kesin Rehber: Sadece 3 Dakikada Codex'e 'Sonsuz Bellek' Nasıl Eklenir?

Kodeks'e, konuşma yarıda kalsa bile bağlamın korunması için "ikinci bir beyin" ekleme mekanizmasını biliyor musunuz? Adı Agentmemory. Kurulum prosedüründen yapılandırmasına, sık karşılaşılan tuzaklara kadar her şeyi özetledim. Her seferinde aynı şeyi anlatmaktan sıkılanlar ve token israfı istemeyenler için mutlaka okunması gereken bir yazı.

Her sabah Claude Code'u başlatıp "Dünden devam et" yazıyorum ve karşıma "Lütfen önceki oturumun içeriğini söyleyin" çıkıyor. Bu neredeyse her gün yaşadığım bir durum.

Bir oturum kesildiği an, proje bağlamı sıfırlanıyor. CLAUDE.md'ye yazılanlar okunsa da, üç gün önceki bir hatayla ilgili tartışmalar veya geçen hafta kararlaştırılan bir tasarım politikasının arkasındaki mantık gibi "bağlamın ağırlığı" tamamen kayboluyor.

Bir geliştirici şöyle yazmıştı:

Claude Code oturum geçmişinizin yalnızca 30 günü varsayılan olarak bilgisayarınızda saklanır, hepsi üzerinde hafızaya sahip olmak istiyorsanız bunu daha uzun olarak ayarlamanız gerekir.

Oturum geçmişi için varsayılan saklama süresi 30 gündür. Üstelik kaydedilen şey sadece "bir metin olarak kayıttır", bağlam olarak çağrılabilecek bir mekanizma değildir.

Codex tarafında da durum temelde aynı. GPT-5.5'in bağlamı API aracılığıyla 1M token ve Codex CLI'da 400K token. Fiziksel boyut yeterli görünse de pratikte, doğruluk 200K token civarında düşmeye başlıyor.

İşte tam bu noktada, 4.000 Yıldız'ı geçerek gündeme gelen Agentmemory sahneye çıktı. Bir haftadır yoğun bir şekilde kullanıyorum. İşte benim sonucum:

Codex/Claude Code'a "sonsuz bellek ekleme" ifadesi yarı abartı, yarı gerçektir.

Bu yazıda, "gerçek" kısmını nasıl en üst düzeye çıkaracağınızı ve "abartı" kısmıyla karşılaştığınızda bundan nasıl kaçınacağınızı anlatacağım.

1. Codex/Claude Code Neden "Hafıza Kaybı" Yaşar?

Agentmemory'yi tartışmadan önce, mevcut araçların neden yeterli olmadığını açıklayayım. Bunu atlarsak, "Kullanışlı bir bellek aracı ekledim" ile biter ve özü kaçırırız.

Bağlam penceresi büyük olsa bile pratikte tam olarak kullanılamaz.

Mayıs 2026 itibarıyla, büyük modellerin bağlam pencereleri şu şekildedir:

● Claude Opus 4.7: 1M token (200K'dan genişletildi)

● GPT-5.5: 1M token (API) / Codex CLI'da 400K sınırı

● Gemini 3.1 Pro: 1M token

Japonca terimlerle ifade etmek gerekirse, bu yaklaşık 1,41 milyon karakterdir. Sadece bir kitabı değil, bir serinin tamamını sığdırmaya yetecek kapasite. Rakamlara bakınca "her şey sığıyor" gibi görünüyor.

Ancak Anthropic, resmi mühendislik blogunda şunları yazdı:

Bağlam penceresindeki token sayısı arttıkça, modelin bu bağlamdaki bilgileri doğru bir şekilde hatırlama yeteneği azalır.

Fiziksel kapasite, doğruluğu koruma becerisine eşit değildir. Deneyimler gösteriyor ki, 200K ila 400K token civarında Claude, "az önce söylediğini unutmaya" başlıyor. Bu yaygın olarak bağlam çürümesi olarak bilinir.

Resmi Claude Code'da bile Meydana Gelen "Düşünce Çöküşü"

Somut bir örnek vereyim. 23 Nisan 2026'da Anthropic resmi olarak bir postmortem yayınladı.

26 Mart'ta yayına verilen bir hata, "1 saat boşta kalma süresinden sonra eski düşünceleri temizleme" özelliğinin, bir oturum devam ettirildikten sonra her turda tetiklenmesine neden oldu.

Sonuç olarak, medyan görünür düşünce uzunluğu şu şekilde değişti:

● Ocak: 2.200 karakter

● Mart: 600 karakter

%73'lük bir çöküş. Yaklaşık bir ay boyunca, resmi Claude Code kendi bağlamını keyfi olarak kesiyordu.

Bu önemlidir çünkü bağlam çürümesinin sadece bir "kullanıcı hatası" değil, aynı zamanda hizmet tarafındaki durumlar nedeniyle de olabileceğini gösterir. CLAUDE.md'yi ne kadar temiz yazarsanız yazın, araç tarafındaki tek bir ayar değişikliği "geçen haftanın bağlamını" çöp kağıdına dönüştürebilir.

Mevcut Çözümlerin Sınırları (CLAUDE.md / otomatik bellek)

Anthropic önlemler alıyor. Claude Code'un otomatik bellek özelliği, oturumlar arasında öğrenilenleri hatırlayan ve yeniden başlatıldığında bunları geri çağıran bir mekanizmadır. Claude Code ekibi bunu Mayıs ayında duyurdu.

Ancak bu, sıkıştırma ile birlikte çalışacak şekilde yapılandırılmıştır. "Bağlamı sıkıştırma → önemli bilgileri belleğe taşıma" şeklinde dahili bir akış gerçekleştirir ve AI her sıkıştırma sırasında "neyi saklayacağına" karar verir. Kullanıcılar bu karar mantığına dokunamaz.

Ayrıca, otomatik bellek yalnızca Claude Code'a özeldir. Codex, Cursor, Cline veya Hermes gibi diğer aracılardan okumak için herhangi bir API yoktur. Birden fazla aracı kullananlar için, "aynı önermeyi üç kez açıklama" durumu normalleşir.

2. Agentmemory Nasıl Farklılaşıyor?

Şimdi ana konuya gelelim. Agentmemory (resmi repo: rohitg00/agentmemory), 15 Mayıs 2026 itibarıyla 8.8k Yıldız'a ulaşan açık kaynaklı bir bellek motorudur. İlk "4.000+ Yıldız" raporundan bu yana iki katından fazla artmıştır. Apache 2.0 lisanslıdır, TypeScript tabanlıdır ve en son sürüm v0.9.12'dir (13 Mayıs). Tamamen kendi kendine barındırılır ve harici SaaS'e hiçbir veri gönderilmez.

Geliştiricinin Felsefesi

Baş geliştirici Rohit Ghumare (@ghumare64), Agentmemory'nin özünü tek bir cümlede özetledi:

Bunu 6 ay önce agentmemory ile yaptım: AI kodlama aracıları için kalıcı bellek. Aynı temel fikir: yeniden türetmeyi bırak, derlemeye başla.

"Yeniden türetmeyi bırak, derlemeye başla." Mevcut araçlardan felsefi fark budur.

CLAUDE.md, "her seferinde yeniden türetme girdisi" idi. Proje yapısı, kurallar, geçmiş kararlar. AI bunları her oturumda yeniden okur, yeniden yorumlar ve sonra unuturdu. Agentmemory, "yeniden türetme döngüsünü" bir "derlenmiş bellek katmanı" ile değiştirerek bunu değiştirir.

3 Katmanlı Mimari (README'den Özet)

Resmi README'ye göre dahili yapı üç aşamaya ayrılmıştır:

Birincisi Yakalama'dır. 12 Claude Code yaşam döngüsü kancası kullanarak verileri otomatik olarak yakalar, bu nedenle memory_save'i manuel olarak çalıştırmaya gerek yoktur.

İkincisi İş Hattı'dır. Gözlemleri, yineleme kaldırma → gizlilik filtresi (API anahtarlarının/PII'nin otomatik olarak kaldırılması) → AI tabanlı sıkıştırma akışı aracılığıyla düzenler.

Üçüncüsü Getirim'dir. RRF k=60 kullanarak üç tür hibrit aramayı (BM25 / vektör / grafik) birleştirir. BM25, kök anahtar kelime işleme ve eşanlamlı genişletmeyi, vektör, yoğun gömme (embedding) kosinüs benzerliğini ve grafik, bilgi grafiği geçişini yönetir. Bunları Karşılıklı Sıra Birleştirme (RRF) ile birleştirerek, bir yöntem bir şeyi kaçırırsa diğerinin yakalaması sağlanır. Sonuçlar, oturum dağılımı ile (oturum başına maksimum 3) döndürülür ve yalnızca aynı oturumdan sonuç alma sorununu çözer.

4 Kademeli Bellek (Ebbinghaus'tan İlham Alınarak)

Bir diğer ilginç yön ise, zamanla "büyüyen" dört kademeye ayrılmış bellek tasarımıdır.

En alt kademe, ham araç yürütme gözlemleri, hata günlükleri ve komut geçmişi gibi kısa süreli bellek olan Çalışan'dır. Epizodik seviyeye çıkıldığında, "ne oldu"nun oturum özetleri haline gelir. Anlamsal seviyede, "ne bildiğim", çıkarılan bilgi ve kalıplara dönüşür. En üst kademe ise "nasıl ilerleyeceğimize" dair iş akışları ve prosedürlerden oluşan Prosedürel'dir.

Sık erişilen anılar güçlendirilirken, atıfta bulunulmayan anılar Ebbinghaus unutma eğrisine göre zayıflar. İnsan hafıza yapısından modellenmiş bir mekanizma. "Yeniden türetmeyi bırak ve derlemeye başla"nın gerçek doğası budur.

Rakiplere Karşı Konumlandırma

Dürüst olmak gerekirse, yalnızca GitHub Yıldızlarına bakıldığında Agentmemory rakiplerine kıyasla hala küçüktür.

● Mem0: 55.7k Yıldız, genel amaçlı bellek katmanı, öncelikli olarak API/Bulut

● Letta (eski adıyla MemGPT): 22.7k Yıldız, aracı işletim sistemi, sanal bağlam yönetimi

● Agentmemory: 8.8k Yıldız, kodlama aracılarında uzmanlaşmış, yerel SQLite

Sayı oyununda kaybeder. Ancak Agentmemory'nin parladığı nokta, kodlama aracılarına odaklanması ve ayrıştırılmış tasarımıdır. Rohit'in kendisi şöyle yazdı:

Gerçek genişletilmiş bellek mimarisi, aracılar arası, taşınabilir, belirli bir aracıya kilitli olmayan bir şey istiyorsanız, agentmemory'ye bir göz atın. Farklı koşum takımları arasında çalışan ayrıştırılmış bir bellek katmanı olarak tasarlandı.

Aynı belleği kullanarak Cursor, Cline, Claude Code, Codex ve Hermes'e bağlanabilirsiniz. Mem0 ve Letta'dan farkı budur. Mem0 çok geneldir ve kodlama bağlamları için zayıf otomatik yakalamaya sahiptir, Letta ise bir aracı işletim sistemidir ve sadece bellek katmanını çıkarmak zordur.

Agentmemory, "birden fazla kodlama aracısını aynı anda kullanan geliştiriciler" nişini tam on ikiden vurur.

3. 3 Dakikada Başlama — Kurulum ve İlk Yapılandırma

Hadi işe koyulalım. Bir Node.js ortamınız olduğu sürece temel akış Mac, Linux ve Windows için aynıdır.

Adım 1: Bellek Sunucusunu Başlatın

Bir terminal açın ve şunu çalıştırın:

Bellek sunucusunu başlatın (çalışır durumda tutun)

npx @agentmemory/agentmemory

İlk seferde bağımlılıkları indirmek 1-2 dakika sürer. Başarılı olduğunda, http://localhost:3111 adresinde bir REST API başlayacaktır. Sağlık durumunu şu şekilde kontrol edebilirsiniz:

curl http://localhost:3111/agentmemory/health

→ {"status":"ok","version":"0.9.12"}

Bir görüntüleyici de başlar, böylece tarayıcınızda http://localhost:3113 adresini açarak bellek içeriğini görselleştirebilirsiniz.

Adım 2: Demo Verisi Ekleyin

Boş içerikle görselleştirmek zordur, bu yüzden örnek veri ekleyelim.

Ayrı bir terminalde çalıştırın

npx @agentmemory/agentmemory demo

Bu, SQLite'a sahte oturum geçmişi yazar ve görüntüleyicide gözlemlenebilir hale getirir.

Adım 3: Claude Code ile Entegre Edin

Claude Code tarafından en hızlı yol, eklenti pazarıdır.

Claude Code içinde çalıştırın

/plugin marketplace add rohitg00/agentmemory

/plugin install agentmemory

Bu, aşağıdakileri otomatik olarak kaydeder:

● 12 kanca (SessionStart / PostToolUse / Stop dahil tüm yaşam döngüleri)

● 4 beceri (recall / consolidate / export / governance)

● 51 MCP aracı (hepsi için AGENTMEMORY_TOOLS=all, varsayılan 15 temel araçtır)

Adım 4: Codex CLI ile Entegre Edin

Codex benzer bir tarzı takip eder.

codex plugin marketplace add rohitg00/agentmemory

codex plugin install agentmemory

Codex için, AGENTMEMORY_URL=http://localhost:3111 otomatik olarak bir ortam değişkeni olarak ayarlanır. Codex'in MCP eşzamanlılığı konusunda Claude Code'dan daha katı olduğunu ve sunucu kapalıysa hemen hata vereceğini unutmayın. Çalışır durumda tutmayı unutmayın.

Adım 5: Cursor / Cline vb. ile Bağlantı Kurma

Cursor üzerinden kullanmak için ~/.cursor/mcp.json dosyasına ekleyin:

{

"mcpServers": {

"agentmemory": {

"command": "npx",

"args": ["-y", "@agentmemory/mcp"],

"env": { "AGENTMEMORY_URL": "http://localhost:3111" }

}

}

}

Cline, Hermes ve diğer MCP uyumlu editörler aynı şekilde bağlanır. Cursor'un MCP ayarlarının sadece kapatıp açarak yansımadığı bir tuzak vardır; bunu "5 Tuzak" bölümünde detaylandıracağım.

Adım 6: Sağlık Kontrolü Ritüeli

Kurulumdan sonra yapılması gerekenler listesi:

1. Bellek sunucusu bağlantısı

curl http://localhost:3111/agentmemory/health

2. iii-engine sürümünü kontrol edin (v0.11.2 gerekli)

iii --version

3. Görüntüleyicide belleği kontrol edin

open http://localhost:3113

Görüntüleyicide kaydedilmiş gözlemler görüyorsanız, kurulum başarılıdır. Node.js zaten kuruluysa, 3 dakikadan kısa sürer.

4. 3 Temel Eylem — Kaydetme, Arama, Otomatik Sıkıştırma

Agentmemory kullanımı üç ana eylem etrafında düzenlenebilir.

Eylem 1: Kaydetme (Otomatik Yakalama Varsayılandır)

Mem0 veya Letta'da, memory_add(...) gibi manuel komutlar kullanarak kaydetmek normaldir. Agentmemory'nin farklı bir felsefesi vardır: 12 kanca kullanarak her şeyi otomatik olarak yakalar.

Örneğin, aşağıdaki gözlemler siz hiçbir şey yapmadan kaydedilir:

● Bash aracının yürütülmesi sırasında komutlar ve çıktı (PostToolUse kancası)

● Dosya düzenlemeden önceki ve sonraki farklar (PreToolUse / PostToolUse kancası)

● Oturum başlangıcında ilgili belleğin otomatik enjeksiyonu (SessionStart kancası)

● Oturum sonunda özet sıkıştırması (Stop kancası)

En büyük değer, "kullanıcının neyi kaydedeceğine karar verme yükünün" sıfırlanmasıdır. Eskiden CLAUDE.md'de "bu önemli, yazalım" veya "bunu silelim" diye düşünürken, burada bu karar mantığını AI'ya bırakma fikri vardır.

Manuel olarak da kaydedebilirsiniz. Bir MCP aracı aracılığıyla memory_save'i çağırarak "bu önemli"yi açıkça işaretleyebilirsiniz. Kritik tasarım kararlarını yalnızca otomatik yakalamaya güvenmek yerine manuel olarak kaydetmek daha güvenlidir.

Eylem 2: Arama (3 Sistemli Hibrit + RRF)

Arama, MCP araçları aracılığıyla veya doğrudan REST API'ye erişilerek yapılır. Temsili MCP araçları şunlardır:

● memory_recall — İlgili belleği doğal dil kullanarak alma

● memory_smart_search — Hibrit aramanın tam özellikli sürümü

● memory_sessions — Oturuma göre listeleme

● memory_timeline — Zamana göre sıralama

● memory_relations — İlgili varlıkların grafik geçişi

Doğrudan REST API'ye erişmek için:

"Supabase kimlik doğrulamasıyla ilgili önceki düzeltme"yi arayın

curl -X POST http://localhost:3111/agentmemory/search \

-H "Content-Type: application/json" \

-d '{"query": "supabase auth fix", "limit": 5}'

Döndürülen sonuçlar, RRF k=60 kullanılarak BM25 / vektör / grafiğin bir birleşimidir. Gecikme P50'de 20ms'nin altındadır (yerel SQLite olduğu için hızlıdır).

Resmi kıyaslamalardaki (LongMemEval-S, 500 soru, ICLR 2025) doğruluk şu şekildedir:

● R@5: %95,2 (Doğru cevabın ilk 5 aday içinde olma olasılığı)

● R@10: %98,6

● MRR: %88,2

Bunun "arama doğruluğu" olduğunu, "uçtan uca QA doğruluğu" olmadığına dikkat edin. Doğru cevabın adaylar arasında bir yerde olma olasılığıdır; Claude'un bunu kullanarak doğru cevabı vermesi ayrı bir konudur. İkisini karıştırarak aşırı güvenmeyin.

Eylem 3: Otomatik Sıkıştırma (Zamanla Büyüyen 4 Kademe)

Stop kancası her çalıştığında, sırasıyla üç sıkıştırma aşaması gerçekleşir:

İlk olarak, Çalışan → Epizodik, ham araç günlüklerini oturum özetlerine dönüştürür. Ardından, Epizodik → Anlamsal, birden çok oturum olayından "kalıpları" ve "bilgiyi" çıkarır. Son olarak, Anlamsal → Prosedürel, sık tekrarlanan adımları "iş akışlarına" dönüştürür.

Bu, "her şeyi kaydetme ve arama gürültüsü oluşturma" sorununu otomatik olarak çözer. Oturum başlangıcında enjekte edilen token bütçesi varsayılan olarak 2.000 tokendır. Bu, "önceki bağlamı" gerekli ve yeterli bir biçimde geri yüklemek için tasarlanmıştır.

5. Codex / Claude Code'u Çift Kullanma İş Akışı

Şimdi pratik uygulamaya geçelim. Hem Codex hem de Claude Code'u ciddi şekilde kullananlar için üç iş akışı modeli:

Model 1: Bireysel Geliştirme için Günlük Akış

Agentmemory sunucusu çalışır durumda tutulduğunda, Claude Code başladığında SessionStart kancası devreye girer ve önceki günün Epizodik hafızasını otomatik olarak enjekte eder. "Dünden devam et" demeden bile sohbet, Claude'un "Supabase RLS'de takılıp kalmayı konuşmaya devam edelim"i anlamasıyla başlar.

Kodlama sırasında PostToolUse kancası komutları, çıktıları ve farkları SQLite'a yazmaya devam eder. Oturum kapatıldığında, Stop kancası Çalışan'ı Epizodik'e sıkıştırır. Ertesi sabah bu otomatik olarak okunur ve döngü tamamlanır.

Model 2: Birden Çok Projeyi Yönetme

Agentmemory, belleği üç kapsama ayırabilir. Kullanıcı kapsamı bireye bağlıdır ve kodlama kuralı tercihleri gibi "kişisel alışkanlıkları" içerir. Proje kapsamı her proje için ayrı ayrı yönetilir, ayrı SQLite dosyaları içerir. Yerel kapsam yalnızca o makinede kalır ve ekip paylaşım modunda bile dışarı çıkmaz.

Projeler arasında geçiş yaparken ortam değişkenini AGENTMEMORY_PROJECT=foo-app olarak değiştirerek farklı bir SQLite dosyasına başvurulur. Bu, birden çok projeyi paralel olarak yürüten kişiler için inanılmaz derecede etkilidir. Proje A'daki tasarım kararlarının Proje B tartışmalarına sızması olgusu CLAUDE.md'de sık sık olurdu. Agentmemory ile fiziksel olarak ayrılmışlardır, bu nedenle çapraz konuşma olmaz.

Model 3: Listeli Şirketlerle Ekip Paylaşımı ve Ortak Geliştirme

Şu anda listeli şirketlerle AI aracılarını ortaklaşa geliştiriyoruz ve MCP sunucu paylaşım modu burada ince bir şekilde etkilidir. collab=true bayrağını ayarlayarak, birden çok Codex / Claude Code örneği aynı bellek sunucusuna başvurabilir.

Sunucu tarafı

AGENTMEMORY_COLLAB=true npx @agentmemory/agentmemory --bind 0.0.0.0

Bir ekip VPN'i aracılığıyla referans alarak, birden çok kişi "aynı projenin hafızasını" paylaşarak çalışabilir. Ancak, gizlilik filtresi güçlü bir şekilde ayarlanmalıdır. API anahtarları veya kişisel bilgiler karışırsa tüm ekiple paylaşılacağından, .agentmemoryignore dosyasında hariç tutma ayarları zorunludur. Buna "Tuzaklar" bölümünde değineceğim.

Çift Kullanıma Özgü Tuzaklar

Aynı projede Codex ve Claude Code arasında geçiş yaparken bellek paylaşılır, ancak komut sözdizimi farklıdır. Claude Code'un /plugin komutu Codex'te çalışmaz ve Codex'in codex plugin install komutu Claude Code'da çalışmaz. "Her ikisinde de çalışan bir araç" olsa bile ayarlar ayrı ayrı gereklidir. Birçok kişi ilk haftada burada takılıp kalır.

6. Kıyaslamalar Nasıl Okunur — Rakamları "Deneyime" Çevirmek

Resmi rakamları pratik hislere çevireceğim.

"%92 Token Azaltımı"nın Arkasındaki Gerçek

Haber bültenlerinde ve Medium makalelerinde övülen "%92 azaltma", oturum başına bazındadır.

● Geleneksel CLAUDE.md manuel işlemi: oturum başına yaklaşık 22.000 token

● Agentmemory aracılığıyla: oturum başına yaklaşık 1.900 token

● Azaltma oranı: yaklaşık %91-92

Oturum başlangıcındaki bağlam enjeksiyon tokenları önemli ölçüde azalır. Yıllık bazda rakamlar değişir ve README'deki Token Tasarrufu tablosu şunları söyler:

● LLM tarafından özetlenen işlem: yılda yaklaşık 650K token (yılda yaklaşık $500)

● Agentmemory: yılda yaklaşık 170K token (yılda yaklaşık $10)

Token açısından yaklaşık %74'lük bir azalmadır, ancak maliyet açısından %98'lik bir azalmadır. $500, $10 olur. Farkın nedeni, Agentmemory'nin yerel SQLite + yerel gömme (embedding) ile çalışmasıdır. Her seferinde LLM tabanlı sıkıştırma çalıştıran Mem0 veya Letta'nın aksine, işletme maliyeti minimumdur.

"LongMemEval-S R@5 %95,2" Ne Anlama Geliyor?

LongMemEval-S, ICLR 2025'te yayınlanan uzun süreli bir bellek kıyaslamasıdır (500 soru, soru başına yaklaşık 48 oturum, yaklaşık 115K token bağlam). Başlıca araçları karşılaştırma:

Mem0 yeni algoritmasıyla yaklaşıyor, bu nedenle yalnızca rakamlara dayanarak "ezici bir zafer" demek adil olmaz. Ancak Agentmemory, kodlama aracılarında uzmanlaşmış bir otomatik yakalama mekanizmasıyla birlikte %95,2'ye ulaştığı için, mevcut değerlendirme "doğruluk ve işletme yükü" ödünleşimi için harika bir noktada olduğu yönündedir.

Tekrar etmek gerekirse, R@5 arama doğruluğudur, Claude veya Codex'in nihai olarak doğru cevabı verme olasılığı değildir. Bunları karıştırmak aşırı değerlemeye yol açar.

Codex 400K vs Opus 4.7 1M: "Fiziksel ve Pratik"

Kıyaslama rakamlarına bakarken başka bir önemli nokta fark ettim.

Claude Opus 4.7, bağlamını 1M token'a çıkardı. GPT-5.5 de API aracılığıyla 1M token. Buna tek başına bakıldığında "artık bellek araçlarına ihtiyacımız yok" gibi görünüyor.

Ancak Codex CLI aslında 400K ile sınırlıdır. Fiziksel sınır ve pratik sınır uyumsuzdur. Ayrıca, Anthropic'in kendisinin de yazdığı gibi, bağlam çürümesi, bağlam arttıkça 200K-400K token'da başlar.

Başka bir deyişle, fiziksel boyut artarsa bile bellek motoruna olan ihtiyaç azalmaz. Aksine, "geniş bir bağlam penceresini verimli bir şekilde nasıl kullanacağımız" yeni bir teknik zorluk haline gelmiştir.

7. 5 Tuzak — Gerçekten Bastığım Mayınlar

Burada dürüst olacağım. Resmi README'de veya fenomen tweet'lerinde görünmeyen, çalıştırırken bastığım 5 mayın. GitHub Issues'dan yalnızca tekrarlanabilir olanları seçtim.

Tuzak 1: iii-engine v0.11.2 Sürüm Uyuşmazlığı

Kurulumdan hemen sonra bazı kişiler şu hatayı alır:

iii: command not found

veya

Version mismatch: expected v0.11.2, got v0.11.0

Agentmemory dahili olarak iii-engine adlı bir ikili dosyaya bağlıdır ve sürüm v0.11.2'ye sabitlenmiştir. Başka bir sürüm zaten kuruluysa, başlangıç aşamasında başarısız olur. Geçici çözüm, her işletim sistemi için sürümlerden sabit sürümü getirmektir.

macOS arm64

curl -fsSL https://github.com/iii-hq/iii/releases/download/iii/v0.11.2/iii-aarch64-apple-darwin.tar.gz \

chmod +x ~/.local/bin/iii

Linux x64

curl -fsSL https://github.com/iii-hq/iii/releases/download/iii/v0.11.2/iii-x86_64-unknown-linux-gnu.tar.gz \

Doğrulama

iii --version # v0.11.2 göstermelidir

Bunu atlarsanız, sonraki her şey başarısız olur, bu yüzden önce bunu halledin.

Tuzak 2: Issue #181 — Sonsuz Döngü Yoluyla Hayalet Oturum Toplu Üretimi

Bu ciddi şekilde tehlikelidir. v0.9.1'de bildirilen ölümcül bir hata: API anahtarı ayarlanmamışken Stop kancasından /summarize çağırmak, sonsuz alt oturum oluşturmaya neden olur.

Stop kancası → /summarize → Alt oturum oluşturulur

↓

Alt oturumun Stop kancası da tetiklenir → /summarize → Daha fazla alt oturum

↓

(Sonsuz döngü)

GitHub Issue #181'de birkaç dakika içinde yaklaşık 579 hayalet oturumun oluşturulduğuna dair bir rapor var. Üç geçici çözüm vardır:

Seçenek 1: agent-sdk modunu devre dışı bırakma (Önerilen)

export AGENTMEMORY_ALLOW_AGENT_SDK=false

Seçenek 2: Sahte bir API anahtarıyla hatayı zorlama

export AGENTMEMORY_ANTHROPIC_API_KEY="fake-key"

Seçenek 3: Gerçek bir API anahtarı ayarlama

export AGENTMEMORY_ANTHROPIC_API_KEY="sk-ant-..."

Üretim kullanımı için Seçenek 1 veya 3 güvenlidir. Seçenek 2 yalnızca "sadece çalıştırmak istediğiniz" ilk gün içindir.

Tuzak 3: Issue #159 — MCP ve REST API Ayrı KV'lerde Çalışıyor

Bu, bilmiyorsanız kafanızı kaşımanıza neden olacak başka bir olgudur. Bir MCP aracını (örneğin memory_search) çağırmak her seferinde boş sonuç döndürürken, REST API (POST /agentmemory/search) aynı verilerle eşleşmeler bulur.

REST API: GET /agentmemory/sessions → 69 gözlem

MCP aracı: memory_sessions → [] (boş)

Bunun nedeni, @agentmemory/mcp paketi ile Agentmemory sunucusunun tamamen ayrı KV depolarına sahip olacak şekilde tasarlanmış olmasıdır (Issue #159). MCP "yerel KV" ve sunucu "başka bir KV"dir ve aralarında iletişim kodu yolu yoktur. Mayıs 2026 itibarıyla sorun açık kalmaktadır. Geçici çözümler şunlardır:

● Seçenek 1: REST API'yi doğrudan kullanın (MCP araçları yerine curl veya fetch aracılığıyla)

● Seçenek 2: /mcp kancasını geçici olarak devre dışı bırakın ve yalnızca sunucuyu çalıştırın

Bunun gelecekte düzeltilmesi planlanıyor, ancak şimdilik bu spesifikasyon etrafında inşa etmeniz gerekiyor.

Tuzak 4: MCP'nin Cursor / VSCode'da Yansımaması

~/.cursor/mcp.json dosyasını düzenlediniz ve Cursor'u yeniden başlattınız, ancak Agentmemory /mcp list içinde görünmüyor. Bu sadece Cursor'da değil, genel olarak Windows Store uygulamalarında da olur.

GUI "X" düğmesiyle kapatmak, WindowsApps arka plan işlemini varsayılan olarak çalışır durumda bırakır. Eski işlem, bellekte tutulan eski ayarlarla çalışmaya devam eder. Tam bir sonlandırma ritüeli gereklidir.

macOS

pkill -9 Cursor

open /Applications/Cursor.app

Windows (PowerShell)

→ Yeniden Başlat

"Kalan süreçlerin kontrolü"nü, yapılandırma dosyasından şüphelenmeden önceki varsayılan adımınız haline getirirseniz, burada zaman kazanırsınız.

Tuzak 5: Gizlilik Filtresi Tarafından Sessizce Atılan Gözlemler

"Sunucu çalışıyor ancak gözlemler görüntüleyicide görünmüyor" olgusu, ilk haftada da sıkça yaşanır. Günlüklere baktığınızda şu tarz uyarıları göreceksiniz:

[warn] observation dropped: private_tag detected

[warn] observation dropped: private_email detected

Bu tasarlanmış bir özelliktir, bir hata değil. Agentmemory'nin gizlilik filtresi, API anahtarlarını, parolaları, e-posta adreslerini ve kişisel tanımlanabilir bilgileri (PII) otomatik olarak algılar ve bu gözlemleri kaydetmeden atar. Güvenlik için harika bir özelliktir, ancak bunu bilmiyorsanız, "çalışmıyor" diye düşünürsünüz. Birlikte var olma stratejisi şudur:

.agentmemoryignore dosyası kullanarak dosyayı hariç tut

echo ".env" >> .agentmemoryignore

echo ".env.local" >> .agentmemoryignore

echo "*/.key" >> .agentmemoryignore

echo "*/password*" >> .agentmemoryignore

Özellikle gözlemlere API anahtarlarını dahil eden deneysel kodlar çalıştırırken, bu dosyayı önceden yerleştirmek güvenlidir.

8. Özet — "Sonsuz Bellek" Sadece Bağlam Penceresini Genişletmek Değildir

Agentmemory'yi bir hafta boyunca yoğun bir şekilde kullandıktan sonra, en çok yerine oturan duygu şu oldu: "Sonsuz bellek" ifadesi, bağlam penceresinin fiziksel olarak genişlemesiyle ilgili değildir.

1M token'a çıksa bile, 200K'da doğruluk düşüyorsa, sonuçta anlamsızdır. Fiziksel boyut yarışının bittiğini düşünüyorum. Bunun yerine, Agentmemory'nin elde etmenizi sağladığı şey anlamsal bir dış beyindir.

Yapılandırılmış belleği oturumun içinde değil, dışında tutun. Sadece ihtiyacınız olduğunda ihtiyacınız olanı çağırın ve işiniz bittiğinde kapatın. Hatırlanmaya değer şeyler zamanla büyür, unutulabilecek şeyler ise sessizce kaybolur. Bu, insanların hafızayı kullanma şekliyle aynı yapıdır.

Bir geliştiricinin zihninde meydana gelen değişiklik tek bir cümleyle açıklanabilir: "oturum kesildiğinde biter" durumundan "bellek oturumlar arasında büyür" durumuna geçiş.

Tüm endüstri bu yönde ilerliyor. DeepLearning.AI'nin ajan bellek kursu, Mem0'ın "durumsuz ajanları durumlu hale getirme" mesajı, MemGPT makalesi "İşletim Sistemleri Olarak LLM'ler"—sonuçta bunların hepsi harici bellek ile ilgili ve Agentmemory, kodlama ajanı bağlamındaki çözümlerden biridir.

İster Mem0, ister Letta, ister kendi uygulamanız olsun, Codex / Claude Code'u ciddi şekilde kullananlar için şu anda "sonsuz bellek hissini" deneyebileceğiniz en hızlı araçtır. Açıkçası, kurmaya değer.

9. Bu Hesap Hakkında

Buraya kadar okuyanlar için: bu hesap @Codestudiopjbk üç hardcore Codex kullanıcısı tarafından işletilmektedir.

● Yüksek lisans ve doktora sonrası araştırmacılar için geliştirme programlarına katılım

● 300.000 yen ödül kazandı

● Şu anda halka açık şirketlerle AI ajanları geliştiriyor

Olağan içeriğimiz şunları içerir:

● GPT-5.5 / OpenAI Codex kullanarak uygulama örnekleri

● Codex kullanımı, CLI otomasyonu ve geliştirme trendleri

● En son yurt dışı GPT-5.5 / Codex bilgilerinin çevirisi ve doğrulaması

● Claude Code ile pratik karşılaştırmalar (yüzlerce saatlik kullanıma dayalı)

● Halka açık şirketlerle ortak geliştirmeden öğrenilenler

Çalışan bir ürünü dünyaya sunmanın tüm sürecini, geliştirme felsefesinden tasarıma, uygulamaya ve iyileştirmeye kadar her gün paylaşıyoruz. İlgileniyorsanız, lütfen takip edin ve göz atın. Zamanınıza değecek.

Geliştirme ile ilgili danışmalar için lütfen DM gönderin. Codex tanıtımı, otomasyon tasarımı veya AI ajanı uygulaması için bizimle iletişime geçmekten çekinmeyin.

Referanslar ve Alıntılar

● [Rohit Ghumare (rohitg00/agentmemory)] (2026-05-13) Agentmemory v0.9.12 — Kodlama Ajanları için Bellek Motoru — Resmi repo, Apache-2.0, 8,8k Yıldız, TypeScript

● [Rohit Ghumare] (2026-04) "Bunu 6 ay önce agentmemory ile inşa ettim: AI kodlama ajanları için kalıcı bellek" — Geliştirici felsefesi

● [GitHub Issue #181] Stop-hook → /summarize → agent-sdk sonsuz döngüsü — Tuzak 2'nin birincil kaynağı

● [GitHub Issue #159] Bağımsız MCP araçları, çalışan agentmemory sunucusuna proxy yapmaz — Tuzak 3'ün birincil kaynağı

● [Anthropic Engineering] AI Ajanları için Etkili Bağlam Mühendisliği — Bağlam mühendisliği hakkında resmi rehber

● [Anthropic] (2026-04-23) 23 Nisan Olay İncelemesi — Claude Code düşünme uzunluğu çöküşü olayının sosyal kanıtı

● [Mem0] Mem0'ı Tanıtmak — Mem0 felsefesi ve Taranjeet Singh alıntısı

● [Letta] AI Ajan Belleğini Karşılaştırma — Letta karşılaştırma sayıları için kaynak

● [Charles Packer ve diğerleri] (2023-10) MemGPT: İşletim Sistemleri Olarak LLM'lere Doğru — Sanal bağlam yönetimi makalesi, Agentmemory'nin teorik öncülü

● [DeepLearning.AI] Ajan Belleği: Bellek Farkında Ajanlar Oluşturma — Andrew Ng / Oracle kursu