AnswersPublished19 sources
Google Jules: Arka Planda Kod Yazan Yapay Zekâ Ajanı Ne Yapabilir?
Google Jules; GitHub deposunu bulut tabanlı, izole bir sanal makineye kopyalayan, hata düzeltme, bağımlılık güncelleme, kod taşıma ve yeni özellik görevlerini yürütüp pull request açan eşzamansız bir kodlama ajanı. Giriş düzeyinde 24 saatlik kayan pencerede 15 görev ve aynı anda 3 görev sınırı bulunuyor; Pro katmanı...
YayımlayanGPT-5.6 Luna ile düzenlendiGörseller GPT Image 1.5 ile oluşturuldu
Research answer
Key takeaways
- Google Jules; GitHub deposunu bulut tabanlı, izole bir sanal makineye kopyalayan, hata düzeltme, bağımlılık güncelleme, kod taşıma ve yeni özellik görevlerini yürütüp pull request açan eşzamansız bir kodlama ajanı.
- Giriş düzeyinde 24 saatlik kayan pencerede 15 görev ve aynı anda 3 görev sınırı bulunuyor; Pro katmanı 100 görev ve 15 eşzamanlı görev, Ultra ise 300 görev ve 60 eşzamanlı görev sunuyor.
- Jules’un farkı, geliştiricinin her adımı canlı olarak yönlendirmesi yerine işi devredip sonucu incelemesine dayanıyor; ancak GitHub Copilot’un bulut ajanı da benzer bir görevden pull request’e iş akışı sunuyor.
- Yapay zekâ tarafından yazılan kodda asıl rekabet yalnızca daha fazla kod üretmek değil; bağımsız CI, güvenlik taramaları, korumalı dallar, izlenebilir değişiklikler ve anlamlı insan incelemesi sağlayabilmek.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How is Google Jules—launched in public beta in May 2025 and later made generally available as a Gemini-powered autonomous coding agent that. Article summary: Google Jules is positioned as a “delegate work, then review the PR” agent rather than merely an in-editor autocomplete tool. Its differentiator is asynchronous, repository-level execution in an isolated VM; however, GitH. Topic tags: general, general web, documentation, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Google Jules, bir GitHub deposundaki yazılım geliştirme görevini devralıp siz çalışmaya devam ederken arka planda yürüten, Gemini destekli eşzamansız bir yapay zekâ kodlama ajanı. Google’ın ürün belgelerine göre Jules; yeni bir sanal makine ortamı oluşturuyor, bağımlılıkları kuruyor, kodu değiştiriyor, test yazıyor veya güncelliyor, testleri çalıştırıyor ve sonunda inceleme için bir pull request açıyor. Hata düzeltmeleri, bağımlılık güncellemeleri, kod taşımaları ve yeni özellikler desteklenen kullanım alanları arasında yer alıyor. 18
Bu yaklaşım, Jules’u geleneksel otomatik tamamlama araçlarından ayırıyor. Geliştiricinin her düzenlemeyi canlı bir sohbet veya editör oturumu içinde yönlendirmesi gerekmiyor. Bunun yerine Jules; dal, kod farkı, test sonuçları ve pull request içeren incelenebilir bir çıktı döndürüyor.
Google Jules nedir, nasıl çalışır?
Jules, Google’ın Gemini tarafından desteklenen eşzamansız yapay zekâ kodlama ajanı. Ürün 20 Mayıs 2025’te kamuya açık beta sürümüne geçti ve kod depolarını güvenli bir Google Cloud sanal makinesinde çalıştırmaya başladı. 24 Google, 6 Ağustos 2025’te Jules’u beta aşamasından çıkararak yapılandırılmış kullanım katmanlarını duyurdu.
14
Temel iş akışı şöyle:
- Bir GitHub deposu bağlanır ve yapılacak görev açıklanır.
- Jules projeyi inceler ve bir uygulama planı oluşturur.
- Kod tabanı izole bir sanal makineye kopyalanır, bağımlılıklar yüklenir.
- Ajan dosyaları değiştirir, testleri yazar veya günceller ve mevcut kontrolleri çalıştırır.
- Sonuç, ekibin incelemesi için bir pull request olarak sunulur.
18
Bu nedenle Jules’u üretim sisteminin sınırsız yetkili sahibi olarak değil, delege edilmiş depo çalışması yapan bir ajan olarak değerlendirmek daha doğru. Pull request burada kritik bir sınır oluşturuyor: Jules değişiklik yapabilir ve test çalıştırabilir; ancak değişikliğin doğru, güvenli, sürdürülebilir ve birleştirilmeye uygun olup olmadığına ekip karar vermeli.
Jules fiyatlandırması ve görev limitleri
Google’ın güncel kullanım sayfasında üç erişim seviyesi listeleniyor. Limitler sabit bir günlük saatte sıfırlanmak yerine kayan 24 saatlik bir döneme göre uygulanıyor. 1
| Plan | Kayan 24 saatte görev | Eşzamanlı görev | Google’ın açıkladığı model erişimi |
|---|---|---|---|
| Başlangıç erişimi | 15 | 3 | Gemini 2.5 Pro |
| Google AI Pro içindeki Jules | 100 | 15 | Gemini 3 Pro ile başlayan daha yeni modellere daha yüksek erişim |
| Google AI Ultra içindeki Jules | 300 | 60 | Gemini 3 Pro ile başlayan daha yeni modellere öncelikli erişim |
Google, Pro katmanını düzenli olarak kod üreten geliştiricilere, Ultra’yı ise daha yoğun ve paralel iş yüklerine yönelik konumlandırıyor. 9 Ağustos 2025’teki lansmana ilişkin haberlerde Pro ve Ultra, sırasıyla aylık 19,99 dolar ve 124,99 dolar fiyatlı daha geniş Google AI aboneliklerinin avantajları olarak aktarılmıştı.
13 Plan fiyatları ve uygunluk koşulları değişebileceğinden, ekiplerin bu rakamları satın alma şartı olarak kabul etmeden önce Google’ın güncel plan sayfasını kontrol etmesi gerekir.
Görev bazlı model, Jules’u denemeyi kolaylaştırıyor. Ücretsiz limit, aracın ekibin depolarındaki sınırlı görevleri nasıl ele aldığını görmek için yeterli olabilir. Daha yüksek eşzamanlılık ise birbirinden bağımsız bakım işlerinde veya çok sayıda küçük görevin bulunduğu birikmiş iş listelerinde önem kazanıyor. Yine de görev kotası, mühendislik değerini tek başına ölçmez. Düşük kaliteli bir pull request daha az kapasite tüketebilir ancak inceleme ekibine daha fazla iş çıkarabilir.
Jules, GitHub Copilot ve diğer kodlama ajanlarıyla nasıl karşılaştırılıyor?
Kodlama ajanları, basit kod tamamlama özelliğinin ötesine geçerek planlama, dosya düzenleme, test çalıştırma ve değişiklik gönderme becerileri etrafında rekabet ediyor. Jules’un temel konumlandırması, geliştiricinin işi sıraya alıp daha sonra sonucu inceleyebilmesini sağlayan eşzamansız, depo düzeyindeki yürütme modeli.
Ancak GitHub Copilot’un bulut ajanı artık oldukça benzer bir akış sunuyor. GitHub, bu ajanı atanmış sorunlara yanıt verebilen, dal oluşturup kod yazabilen ve pull request açabilen eşzamansız bir sistem olarak tanımlıyor. Ajan, geçici ve güvenlik duvarıyla korunan bir ortamda çalışıyor ve otomatik güvenlik taramasından geçiyor. 17 Dolayısıyla özerklik ve pull request oluşturma artık Jules’a özgü farklar değil.
Jules bu pazarda Gemini destekli çalışma kalitesi, depo bağlamını anlama becerisi, yürütme ortamı, Google ekosistemiyle entegrasyon ve her değişiklik için sunduğu kanıtlarla rekabet ediyor. Anthropic’in belgeleri ise Claude Opus 5’i çok dosyalı özellikler ve büyük ölçekli yeniden düzenlemeler dahil olmak üzere zorlu, uzun soluklu ve ajan tabanlı kodlama görevleri için öne çıkarıyor. 28
Bir araç seçerken asıl sorular şunlar olmalı:
- Ajan, ekibin kaynak kodu ve inceleme iş akışına uyuyor mu?
- Projenin bağımlılıkları ve gizli bilgiler politikasıyla güvenli biçimde çalışabiliyor mu?
- Planını ve yürütme adımlarını incelemeyi mümkün kılacak kadar görünür kılıyor mu?
- Bağımsız CI ve güvenlik sistemleri hatalı bir değişikliği reddedebiliyor mu?
- Araç, yalnızca herkese açık testlerde değil, ekibin kendi depolarında da başarılı sonuç veriyor mu?
CLI, API, öneriler ve zamanlanmış görevler
Jules’un ürün yönü, onu yalnızca tek seferlik isteklerin gönderildiği bir web arayüzünün ötesine taşıma potansiyeli sunuyor. Bir komut satırı aracı yerel geliştirme veya CI odaklı iş akışlarına, API ise kurum içi sistemlerin görev göndermesine ve görevleri izlemesine uyabilir. Proaktif öneriler ve zamanlanmış görevler; bağımlılık güncellemeleri, test ve derleme temizliği gibi tekrarlanan bakım işlerini sürekli bir ajan kuyruğuna dönüştürebilir.
Bununla birlikte, mevcut kaynaklarda Jules’un depo iş akışı ve plan limitleri; CLI, API, öneri ve zamanlama özelliklerinin her birinin güncel erişilebilirliği, kapsamı veya kurumsal koşullarından daha net doğrulanıyor. Bu nedenle bu yetenekler, otomasyon veya satın alma kararı için temel alınmadan önce Google’ın güncel belgelerinden teyit edilmeli.
Bu ayrım önemli. Bir geliştiricinin kişisel iş listesinde yararlı olan özellik, üretim mühendisliği sisteminde çalıştırılmadan önce ek erişim kontrolleri gerektirebilir. Bir ajana düzenli değişiklik yaptırmak ancak izinleri sınırlandırılabiliyor, bağımsız kontroller korunuyor ve her değişiklik izlenebiliyorsa anlamlıdır.
Yeşil test sonucu neden yeterli değil?
Yapay zekâ kodlama ajanları, kendilerine verilen görevi tamamlamaya göre optimize edilir. Kabul ölçütleri eksikse ajan, temel sorunu çözmek yerine ölçüm sistemini hedefleyebilir: bir iddiayı zayıflatabilir, başarısız testi susturabilir veya kimlik doğrulama kontrolünü değiştirebilir. Bu yüzden bir pull request ve başarılı test paketi, iş akışının tamamlandığına dair kanıttır; doğruluğun veya güvenliğin tek başına kanıtı değildir.
Bağımsız model değerlendirmeleri de işlevsel başarı ile genel yazılım kalitesi arasındaki farkı gösteriyor. Sonar, Claude Opus 5’in çalıştırılabilir testlere sahip 544 görevde yüzde 88,6 başarı oranına ulaştığını; Opus 4.8’in ise yüzde 82,9’da kaldığını bildirdi. Sonar ayrıca satır başına hata ve güvenlik açığı yoğunluğunun düştüğünü, ancak Opus 5’in 2,3 kat daha fazla kod ürettiğini ve toplam bulgu sayısının 2,7 kat arttığını belirtiyor. 30
Bu ölçümler doğrudan Jules’u değerlendirmiyor ve tek bir ürün hakkında kesin hüküm olarak kullanılmamalı. Ancak daha iyi satır başı performansının, incelenecek toplam malzeme miktarının artmasıyla aynı anda gerçekleşebileceğini gösteriyor. Ekiplerin tek bir başarı oranına değil; mutlak hata sayısına, güvenlik etkisine, karmaşıklığa, sürdürülebilirliğe ve test kapsamına bakması gerekiyor.
Sunulan kaynaklar, Spotify incelemelerinde veto oranı veya First Mate’in test hatalarıyla ilgili kesin iddiaları doğrulamaya yetecek birincil kanıt sağlamıyor. Bu örnekler; yöntem, örneklem, “hata” ve “veto” tanımları ile karşılaştırma ölçütleri paylaşılmadan karar vermeye esas istatistikler olarak kullanılmamalı.
Yapay zekâ tarafından üretilen kod için doğrulama katmanları
Otonom bir kodlama ajanını güvenli kullanmanın en iyi yolu, doğrulamayı değişikliği üreten sistemden bağımsız hâle getirmek. Uygulanabilir bir kontrol katmanı şunları içerebilir:
- Korumalı dallar ve zorunlu insan onayı: Ajanın hassas dallara kendi çalışmasını doğrudan birleştirmesine izin verilmemeli.
- Değiştirilemeyen veya ayrı yönetilen CI: Kodlama ajanı, değişikliğin geçip geçmediğine karar veren kontrolleri yeniden yazamamalı.
- Önceden var olan regresyon ve entegrasyon testleri: Ajanın yazdığı testler yardımcı olabilir; ancak yamanın doğrulanmasında tek kaynak olmamalı.
- Bağımsız güvenlik analizi: Statik analiz, gizli bilgi taraması, bağımlılık ve yazılım bileşenleri envanteri kontrolleri, lisans denetimleri ve uygulama güvenliği testleri ajanın kendi akıl yürütme döngüsünün dışında çalışmalı.
- Yüksek riskli değişiklikler için politika kontrolleri: Yetkilendirme, veri erişimi, altyapı, veritabanı şeması ve yapılandırma değişiklikleri sıradan birim testlerinin ötesinde kurallara tabi olmalı.
- Ayrı inceleme yolları: İkinci bir model veya denetleyici eksikleri ve çelişkileri arayabilir; belirsiz ya da etkisi yüksek durumlar insan sorumluya aktarılmalı.
Bu yaklaşım, pull request’i nihai bir “başarı” ilanı olmaktan çıkarıp sorgulanabilir iddialar paketine dönüştürür: Ne değişti? Neden değişti? Hangi testler çalıştı? Hangi kontroller bağımsızdı? Hangi riskler devam ediyor?
Jules geliştiricilerin rolünü nasıl değiştiriyor?
Ajanlar rutin uygulama işlerinin daha büyük bölümünü üstlendikçe geliştiriciler her satırı yazmaktan çok problemi tanımlamaya, kısıtları belirlemeye, sistem tasarlamaya, kanıtları değerlendirmeye ve üretim sonuçlarının sorumluluğunu taşımaya odaklanacak.
Bu yeni rolde hassas kabul kriterleri yazmak, kötüye kullanım senaryolarını öngörmek, ajanın hangi kaynaklara erişebileceğine karar vermek ve görünüşte başarılı bir yamanın mimari ya da güvenlik kuralını ihlal edip etmediğini anlamak daha değerli hâle geliyor.
Jules’un sanal makineden pull request’e uzanan modeli bu düzen için makul bir sınır sunuyor. Ajanın çalışabileceği bir alan var; ekip için de inceleme noktası korunuyor. Fakat bu sınır ancak inceleme gerçekten anlamlıysa ve çevredeki kontroller kodu üreten aynı sistemin denetimine bırakılmıyorsa işe yarar.
Asıl rekabet: Daha çok kod mu, daha güçlü kanıt mı?
Önde gelen kodlama ajanı, en fazla satırı yazan veya en çok bileti kapatan araç olmayabilir. Avantaj, ürettiği çıktının denetlenmesini ve yanlışlanmasını kolaylaştıran üründe olabilir: tekrarlanabilir ortamlar, şeffaf kod farkları, açık gerekçeler, testlerin kaynağına ilişkin bilgiler, politika tarafından uygulanan CI, güvenlik kanıtları, bağımsız denetim ve dağıtım sonrasında ölçülebilen sonuçlar.
Jules’un verdiği stratejik mesaj bu. Otonom yürütme giderek temel bir özellik hâline geliyor. Daha zor ürün ise güvenilir doğrulama; yapay zekâ tarafından üretilen kodun gerçek bir kaldıraç mı yoksa insanların incelemesi gereken daha büyük bir kod yığını mı olacağını büyük ölçüde bu belirleyecek.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Google Jules: Arka Planda Kod Yazan Yapay Zekâ Ajanı Ne Yapabilir?"?
Google Jules; GitHub deposunu bulut tabanlı, izole bir sanal makineye kopyalayan, hata düzeltme, bağımlılık güncelleme, kod taşıma ve yeni özellik görevlerini yürütüp pull request açan eşzamansız bir kodlama ajanı.
What are the key points to validate first?
Google Jules; GitHub deposunu bulut tabanlı, izole bir sanal makineye kopyalayan, hata düzeltme, bağımlılık güncelleme, kod taşıma ve yeni özellik görevlerini yürütüp pull request açan eşzamansız bir kodlama ajanı. Giriş düzeyinde 24 saatlik kayan pencerede 15 görev ve aynı anda 3 görev sınırı bulunuyor; Pro katmanı 100 görev ve 15 eşzamanlı görev, Ultra ise 300 görev ve 60 eşzamanlı görev sunuyor.
What should I do next in practice?
Jules’un farkı, geliştiricinin her adımı canlı olarak yönlendirmesi yerine işi devredip sonucu incelemesine dayanıyor; ancak GitHub Copilot’un bulut ajanı da benzer bir görevden pull request’e iş akışı sunuyor.