Cursor Aracı Modu Eğitimi: GPT-5.6 Sol ile bir REST API oluşturma

Cursor Nedir?

Cursor, başta yapay zeka özellikleri eklenmiş bir VS Code olarak başladı ve yüzeyde hâlâ buna benziyor. Editör, dosya ağacı, terminal, eklentiler—hepsi tanıdık. 

Altta yeniden kurulan şey, yapay zekânın kenarda soruları yanıtlamadığı; sizinle birlikte gerçekten iş yaptığı varsayımıdır. Bu yüzden araç modu, kod tabanı indeksleme, oturum ortasında sınır modeller arasında geçiş yapmanızı sağlayan bir model seçici ve yaptıklarınızın tam bağlamına göre bir sonraki hamlenizi öngören satır içi tamamlamalar elde edersiniz.

Cursor’ın en yeni özelliklerini daha derinlemesine keşfetmekle ilgileniyorsanız, Cursor Otomasyonları ve Cursor SDK eğitimlerimizi okumanızı öneririm.

GPT-5.6 Nedir?

GPT-5.6, OpenAI’ın en yeni model neslidir ve tek bir model değil üçtür: Sol, Terra ve Luna. Bu adlar, eski "Instant" etiketinin yerini alan üç farklı yetenek kademesidir.

Kısaca aile şöyle:

• Sol amiral gemisi ve üçlü arasındaki en güçlü olanıdır. Yalnızca bu katman yeni max akıl yürütme çabasını ve ultra modunu açar; ayrıca kodlama, biyoloji ve siber güvenlik kazanımlarının en büyük olduğu yerdir.

• Terra günlük varsayılandır. OpenAI, fiyatın yaklaşık yarısında GPT-5.5 ile rekabetçi olarak konumlandırır.

• Luna, yüksek hacimli veya gecikme duyarlı işler için hızlı ve ucuz katmandır ve fiyat etiketinin ötesinde güçlüdür.

Bir kodlama yürüyüşü için önemli olan katman Sol’dür, bu yüzden burada onu kullanıyoruz. Sol üzerinde iki yeni ayar var; hangisini gerçekten kullanacağınızı bilmeye değer. max, xhigh’ın üzerinde bir akıl yürütme-çaba düzeyidir ve tek bir aracının zor bir problem üzerinde daha uzun süre harcamasına izin verir; Cursor’da ayarladığınız merdivenin tepesidir. ultra ise işi paralel alt ajanlara böler, OpenAI’ın en iyi kıyas puanlarını verir (Terminal-Bench 2.1’de %91,9) ancak yalnızca Codex ve API’de çalışır; Cursor seçicisinde bulamazsınız.

Tam kıyas tablosu ve üç kademeli fiyatlandırma için GPT-5.6 Sol, Terra ve Luna rehberimize göz atın.

Cursor’da GPT-5.6 Sol’e Nasıl Erişilir ve Yapılandırılır

GPT-5.6 Sol, Cursor model seçicisinde mevcuttur ve baştan bilinmesi gereken bir şey var: Cursor’ın diğer yakın dönem sınır modelleri gibi Sol de yalnızca Cursor’ın Max Modunda çalışır. Bu, tam bağlam penceresini ve tüm araçları kullandığı ve talep başına değil kullanım bazlı faturalandığı anlamına gelir; bu yüzden uzun çalışmalarda token harcamasını gözleyin.

Modeli seçmek için:

1. Aracı panelini Cmd+L (Mac) veya Ctrl+L (Windows/Linux) ile açın.
2. Giriş alanının altındaki Model düğmesine tıklayın (küçük bir simgenin yanında geçerli model adını gösterir).
3. Açıksa Auto’yu kapatın.
4. Listede GPT-5.6 Sol’ü bulun ve yanındaki Edit’e tıklayın.
5. Sağda, bağlam penceresini, akıl yürütme düzeyini ve hızlı modu bağımsız olarak ayarlayabileceğiniz bir panel açılır.

Doğru akıl yürütme çabasını seçmek

Sol’ü seçmek modeli belirler; akıl yürütme çabası ise verilen görev üzerinde ne kadar düşündüğünü belirler. Seçenekleriniz şunlardır:

• None
• Low
• Medium
• High
• Extra High
• Max

None ve Low en hızlı ve en ucuz olanlardır; otomatik tamamlama işi ya da ne istediğinizi zaten bildiğiniz mekanik bir yeniden düzenleme için yeterlidir. 

High ve Extra High daha uzun sürer; çünkü önce gerçekten sorunu düşünürler. Bu farkı en çok, aracıdan birden çok dosyaya yayılan bir şeyi planlamasını ya da kaynağı hemen belli olmayan bir hatayı ayıklamasını istediğinizde fark edersiniz. 

Max, Extra High’ın da üzerindedir ve tek bir aracıya zor bir problem üzerinde çalışmak için en fazla zamanı verir. Sol’ün ultra çoklu-aracı modu yalnızca Codex ve API’de vardır; Cursor’ın seçicisinde görünmez.

GPT-5.5’ten geliyorsanız bir uyarı: düzeyler bire bir eşleşmez. OpenAI’ın kendi rehberi, tanıdık bir görevde alışkın olduğunuzdan bir seviye aşağıdan başlamanız ve yalnızca gerekirse artırmanız yönündedir. Aşağıda ben de bunu izledim; dolayısıyla bazı adımlar, eşdeğer 5.5 eğitimine kıyasla daha düşük çabayla çalıştırıldı.

Aşağıdaki uygulamalı adımlar boyunca, her görev için hangi akıl yürütme düzeyinin en mantıklı olduğuna dair önerilerde bulunacağım; ancak farklı ayarlarla kendiniz de deneyip çıktının nasıl değiştiğini görebilirsiniz.

Bağlam penceresi boyutu ve hız modunu seçmek

Ayrıca 272K ve 1M bağlam pencereleri arasında seçim yapabilir ve üretim hızını yaklaşık 1,5x’e çıkaran, kredi maliyetini ise yaklaşık 2,5x artıran Fast modunu açabilirsiniz. Yanıtları beklediğiniz etkileşimli ileri-geri çalışmalarda Fast çoğu zaman değerlidir. Arka planda daha uzun süren, işi devrettiğiniz ve çalışma devam ederken başka şeylerle ilgilendiğiniz durumlarda kapalı bırakmak gayet uygundur.

Cursor’ı Kurmak

Projeyi Cursor’da kuralım.

Ön koşullar ve ilk yapılandırma

GPT-5.6 Sol için ücretli bir Cursor planı (Pro veya üzeri) gerekir ve Sol Max Modunda çalıştığı için hesabınızda kullanım bazlı fiyatlandırmanın etkin olması gerekir. Bu proje için ihtiyacınız olan tek yerel bağımlılık Python 3.11+’tır. Cursor henüz kurulu değilse, cursor.com’dan edinip oturum açın ve ardından terminalden:

mkdir budget-api && cd budget-api
git init
cursor .

Aracı paneli sağda; soldaki dosya gezgini henüz hiçbir dosya göstermiyor—aracının yapıyı oluşturmasına izin vermeden önce tam da başlamak istediğiniz yer.

Cursor’ın yapay zeka yüzeylerinde gezinmek

Asıl inşaya girmeden önce, üç ana etkileşim modunun ne olduğunu ve her birinin ne zaman mantıklı olduğunu bilmek değerlidir; çünkü yanlış olanını kullanmak, kolayca kaçınabileceğiniz sürtünme yaratır.

Satır içi tamamlama arka plandaki otomatik tamamlama katmanıdır. Yazarken, yazdıklarınıza ve dosyadaki çevre bağlama göre grileştirilmiş öneriler görünür; Tab ile kabul edersiniz. Bunu siz çağırmazsınız; kendiliğinden belirir. Kodu elle yazarken ve modelin akışınızı bölmeden tuş vuruşlarını azaltmasını istediğinizde doğru mod budur.

Soru sorma modu (Ask), modelin dosyalarınızı okuyup size değişiklik yapmadan yanıt verdiği yerdir. Bunu, bir meslektaşınızdan koda bakıp ne gördüğünü söylemesini istemek gibi düşünün. Özellikle yabancı bir kod tabanındayken, bir şeyin neden belli bir şekilde yazıldığını anlamaya çalışırken veya bir yaklaşıma bağlanmadan önce düşünürken faydalıdır.

Aracı modu bu eğitimin tamamını yönlendirir. Bir aracı oturumunda model dosyaları düzenler, terminal komutları çalıştırır, paketler kurar, test setinizi yürütür, çıktıyı okur ve hatalarda döngüye girer; hepsi tek bir kesintisiz başlık içinde. Bu mod, sadece bir şey sormak yerine görevi devrettiğiniz yerdir ve geri aldığınız çıktının kalitesi, baştan verdiğiniz bağlam miktarıyla doğrudan orantılıdır. Yukarıdaki ekran görüntüsünde panelin sol altındaki Aracı modu seçicisini görebilirsiniz.

AGENTS.md ile projeye özgü yönlendirmeler belirlemek

Bu dosyayı kendiniz yazıyorsunuz; dolayısıyla henüz model yok. Önce High’a geçin, çünkü bir sonraki istemde aracı bunu okuyacak. Çoğu aracı oturumu, model hata yaptığı için değil, proje-özel bir şeyi bilmediği ve tahmin ettiği için raydan çıkar: çerçeveniz, adlandırma kurallarınız, dokunulmaması gereken dosyalar, değişikliklerin nasıl doğrulanacağı.

AGENTS.md bunun içindir: aracının README’si; size bariz gelen ama modele görünmeyenleri yazdığınız yer. AGENTS.md, 2025’te bir OpenAI girişimi olarak başladı ve artık aracı talimat dosyaları için araçlar arası standarttır (Anthropic’in MCP’siyle birlikte Linux Foundation’ın Agentic AI Foundation parçası); bu yüzden bir kez öğrenip her yerde kullanmaya değerdir.

Proje kökünde AGENTS.md adlı bir dosya oluşturun ve proje araç yığınınızı, kodlama kurallarınızı ve sınırlarınızı ayarlamak için aşağıdakileri ekleyin:

# AGENTS.md

## Stack
Python 3.11, FastAPI, SQLModel, SQLite (via aiosqlite), pytest, httpx

## Conventions
- All endpoints under /api/v1/
- Pydantic models in app/models.py
- Database logic in app/database.py
- Route handlers in app/routers/
- Type hints required on all function signatures
- Explicit imports only, no wildcards

## Boundaries
- Do not delete or modify any file in tests/ without asking first
- Do not change the DATABASE_URL; it reads from .env
- Never touch pyproject.toml dependencies without showing the diff first

## Verification
Before considering any task complete:
  pytest tests/ -v
  ruff check .
Both must pass.

Sınırlar bölümü insanların en sık atladığı ama en önemli kısımdır. Olmadan, aracılar bazen dokunmanızı istemediğiniz şeyleri yeniden düzenleyerek ya da temizleyerek "yardımcı" olmaya karar verir. Modele nerelerin yasak olduğunu söylemek, ne yapacağını söylemek kadar faydalıdır.

AGENTS.md araçlar arası standarttır; ancak aynı işi kapsamlı .mdc dosyalarla yapan Cursor-yerel eşdeğerini isterseniz, Cursor Kuralları eğitimimiz bir Python web projesi için bir setin nasıl oluşturulacağını anlatır.

GPT-5.5 ile Bir Bütçe Takip API’si Oluşturmak

Proje, kişisel bütçe girişlerini takip etmek için bir REST API’dir. Giriş oluşturabilir, isteğe bağlı kategori filtreleme ile listeleyebilir, silebilir ve aylık harcama özetini çekebilirsiniz. 

Alan mantığında kaybolmadan takip edilebilecek kadar basit, ancak uygulama bir veritabanı katmanı, girdi doğrulaması, tiplenmiş yanıt modelleri ve birlikte çalışan birkaç rota işleyicisini içerir—bu da aracının gerçek bir çok dosyalı oturumda fiilen ne yaptığını göstermeye yeter.

Adım 1: Proje yapısını iskeletlemek

Aracı panelini açın ve bir şey göndermeden önce akıl yürütme çabasını High’a ayarlayın. Aracının herhangi bir kod yazmadan önce ürettiği plan, arkasındaki akıl yürütme kadar işe yarar; bu aşamada yüzeysel bir yanıt, sonra çözüp duracağınız yapısal kararlar demektir. İlk istem olarak şunu gönderin:

Set up a FastAPI project for a budget tracker API using SQLModel with 
async SQLite. Structure it with separate files for models, database, and 
routes under an app/ directory. Set up pyproject.toml with uv, install 
dependencies, and create a main.py that starts the app.

Before writing any code, show me the planned directory structure 
and wait for my approval.

Son satırı tüm kayda değer aracı istemlerinizde tutmaya değer. Yürütmeden önce plan istemek size en fazla 15 saniyelik okuma maliyetine neden olur; ancak bir düzine dosyaya yayılmadan önce yapısal kararları yakalamanızı sağlar. 

High akıl yürütmede GPT-5.6 Sol, gerçekten faydalı, yeterince spesifik planlar üretir; iskeleti şimdi gözden geçirmek, sonra yeniden düzenlemekten çok daha hızlıdır.

Aracı, proje yerleşimini önerir ve tek bir dosya yazmadan önce onayınızı bekler.

"İyi görünüyor, devam edin" gibi bir yanıt verdikten sonra aracı inşa etmeye başlar. Sol taraftaki dosya ağacının, dosyalar oluşturuldukça gerçek zamanlı olarak dolduğunu; alttaki terminalin ise uv’nın paketleri kurduğunu gösterdiğini izleyebilirsiniz.

Aracı, iskeletin parçası olarak bir pyproject.toml oluşturdu; dosya içeriği editörde yeni ekleme olarak gösterildi.

İskelet tamamlandıktan sonra, devam etmeden önce bir dakikanızı ayırıp app/models.py ve app/database.py dosyalarını açın. BudgetEntry modelinin en azından şu alanlara sahip olduğunu doğrulayın: id, amount, description, category ve date; ayrıca database.py’nin async SQLite motorunu olağandışı bir şey olmadan kurduğunu kontrol edin. 

Bir şey ters görünüyorsa, devam etmek yerine bir sonraki mesajda söyleyin. Bu aşamadaki düzeltmeler ucuzdur; yirmi dosya değiştikten sonra değildir.

Adım 2: Çekirdek uç noktaları uygulamak

High’da tutun veya önce Medium deneyin; çünkü Sol, Medium’da GPT-5.5’te High gerektirecek çok dosyalı koordinasyonu halleder. Uygulama istemini gönderin:

Implement endpoints for budget entries under /api/v1/entries/. Include:
- POST /api/v1/entries/ to create a new entry, returning 201
- GET /api/v1/entries/ to list all entries, with an optional ?category= filter
- DELETE /api/v1/entries/{id} to delete an entry, returning 404 if not found

Use typed Pydantic response models and dependency injection for the DB session.
After implementing, start the app and confirm the /docs endpoint loads.

Aracı, tek bir koordineli geçişte models.py, database.py, routers/entries.py ve main.py’ye dokunur. Her dosyayı bitirdikçe, Cursor yeni içeriği editörde vurgulayarak gösterir; böylece kabul etmeden önce inceleyebilirsiniz. Değişen her dosyanın altında Undo/Keep denetimlerini göreceksiniz.

Ekran görüntüsü, aracı uyguladıktan sonra entries.py yönlendiricisini ve sunucuyu başlattığına ve /docs uç noktasının düzgün yüklendiğine dair aracının onayını gösterir. 

Uygulama kabul edilip sunucu çalıştıktan sonra, tarayıcınızda http://localhost:8000/docs adresini açarak her şeyin doğru bağlandığını doğrulayın.

FastAPI’nin /docs’ta otomatik üretilen dokümantasyonu; üç uç noktanın da doğru şekilde kaydedildiğini gösteriyor. 

Adım 3: Kategori doğrulaması eklemek

Bu üçüncü adım için modelin akıl yürütmesini Low veya Medium’a düşürebilirsiniz. Bir enum ve iki test eklemek, fazla öngörü gerektirmeyen, kendini sınırlayan bir iştir; fazladan düşünme döngülerine gerek yoktur. 

Şu anda API herhangi bir dizeyi kategori olarak kabul ediyor; bu da kısa sürede tutarsız veriyle sonuçlanır. Bunu düzeltelim:

Budget entries should only accept these categories: 
food, transport, housing, entertainment, health, other.

Reject any entry with an invalid category using a 422 status and a clear 
error message. Use a Python Enum for the category type. 
Add tests for both a valid category submission and an invalid one in tests/test_entries.py.

Aracı, models.py’ye bir kategori enum’u ekler ve Pydantic modelini bunu kullanacak şekilde günceller. Pydantic, enum’a karşı otomatik doğrulama yaptığı için geçersiz kategoriler, rota işleyicisi çalışmadan önce reddedilir.

Bunun yanında iki test de yazmalıdır: biri geçerli bir kategorinin doğru şekilde kaydedildiğini, diğeri ise geçersiz bir kategorinin 422 ile döndüğünü doğrular.

@ referansını kullanmak

Bu değişiklikleri kabul ettikten sonra, hızlı bir doğrulama sorusu sormak için Cursor’ın @ bağlam özelliğini deneyin:

@app/models.py Does the CategoryEnum cover all six categories I listed?

Aracı panelinde @ yazmak bir dosya seçici açar; app/models.py’yi seçtiğinizde, aracı onu aramak veya yol hakkında varsayım yapmak zorunda kalmadan içeriği doğrudan isteme çeker.

Adım 4: Aylık özet uç noktasını oluşturmak

Burada tekrar High’a dönün. Toplama sorgusu, filtreleme, gruplama ve yanıt modeli tasarımını birlikte akıl yürütmeyi gerektirir; bunlardan herhangi birinin hatalı olması, üç dosyanın da yeniden dokunulması demektir. Çekirdek CRUD çalışırken özet uç noktasını ekleyin:

Add a GET /api/v1/entries/summary endpoint that accepts month (1-12) and year as query parameters. 
It should return total spending per category for that month and an overall total. 
Use a typed Pydantic response model. 
If no entries exist for the requested month, return an empty summary with zero totals rather than a 404.

Bu, daha ilginç bir veritabanı görevidir; çünkü düz bir select-all yerine filtreli bir toplama sorgusu gerektirir. Aracının database.py içindeki sorguyu nasıl yapılandırdığına dikkat edin; ham SQL yerine SQLModel’in sorgu arayüzünü kullanmalı ve sonuç, models.py’de tanımladığı yanıt modeline temizce eşlenmelidir.

Değişiklikleri kabul ettikten sonra, bu uç nokta için test_entries.py içinde kendiniz bir test yazın. Belirli bir ayda iki giriş oluşturun, o ay için özet uç noktasını çağırın ve toplamların eşleştiğini doğrulayın. Bunu aracıya sormak yerine elle yazmak, test istemcisi ve fikstürlerin nasıl yapılandığına aşina olmanın iyi bir yoludur.

test_entries.py dosyası, aracı tarafından yazılan kategori doğrulama testlerinin yanında elle yazılmış test_monthly_summary işlevini gösteriyor. 

Adım 5: Doğrulama döngüsünü çalıştırmak

Low veya Medium akıl yürütme burada uygundur; testleri çalıştırmak ve biçimlendirme sorunlarını düzeltmek tepkisel bir iştir; aracı hata çıktısını okuyup hedefli düzeltmeler uygular; mimari kararlar alınmaz. Test etmeyi tekrar aracıya devredin:

Run pytest tests/ -v and fix any failing tests. 
Do not modify test assertions to make them pass, fix the implementation instead.
Once all tests pass, run ruff check . and fix any linting issues.

pytest çıktısı akarken aracı panelini izleyin. 

Bir şeyler başarısız olursa, aracı yığını okuyup sorunu hangi dosyanın getirdiğini belirler ve düzeltmeyi uygular; hepsi aynı oturumda. Hata çıktısını kopyalayıp yeni bir mesaja yapıştırmazsınız; tüm hata ayıklama ve düzeltme döngüsü tek bir sürekli başlıkta gerçekleşir.

Ekran görüntüsü, aracı tam doğrulama döngüsünün ardından rapor verirken gösteriyor. Bu örnekte, ruff denetimi yerel makinedeki bir pyenv/.python-version uyumsuzluğundan kaynaklanan yorumlayıcı çözümleme sorununa takıldı; bu bir kod sorunu değildi. 

Burada olanlara dikkat etmekte fayda var: aracı, yazdığımız kodla ilgisi olmayan bir ortam sorunuyla karşılaştı, nedenini akıl yürüttü ve istem olmaksızın bir geçici çözüm buldu. Araç hataları arasında bağlamsal problem çözme tam da GPT-5.6 Sol’ün önceki modellere göre öne çıktığı yerdir.

Ayrıca her doğrulama isteminize "testleri geçmesi için test iddialarını değiştirmeyin" ifadesini eklemek değerlidir. Bu talimat olmadan, aracılar bazen en kolay yolu seçer ve gerçek davranışı düzeltmek yerine bir testin neyi kontrol ettiğini zayıflatır.

Adım 6: Kod inceleme geçişi

Bunu göndermeden önce akıl yürütmeyi tekrar High’a getirin; ya da tek bir High geçişin yüzeysel geçebileceği uç durumları Sol’ün zorlamasını istiyorsanız Extra High/Max’i tercih edin. Bu adımda yüzeysel akıl yürütme sahte bir güvenlik hissi yaratır; modelin tüm olası sorunları gerçekten işlemesini istersiniz; yalnızca en bariz olanlara desen eşlemesi yapmasını değil. 

Projeyi tamamlanmış saymadan önce aracıyla bir inceleme yapın:

Review the current codebase and report on:
1. Query params or path params that are missing validation
2. Database sessions that might not be closing properly
3. Endpoints returning incorrect HTTP status codes
4. Any places where user input reaches the database without going 
   through the ORM

Do not make any changes yet. List each issue with file and line number.

Aracı, DELETE /api/v1/entries/{entry_id}’nin 204 ve 404 kodlarını doğru döndürdüğünü (dosya:satır referanslarıyla), GET rotalarının doğru 200 varsayımlarına dayandığını buldu ve kullanıcı girdisinin ORM dışında veritabanına ulaşmadığını doğruladı.

Listeyi inceledikten sonra, düzeltmeleri uygulamak için takip mesajını gönderin:

Apply the fixes for the status code issues and the session handling. 
Skip any rate-limiting suggestions, that's out of scope for this version.
Run the tests again after applying.

Adım 7: README ve CI iş akışı

Projeyi düzgünce tamamlamak için iki rötuş. Her ikisi için de modelin akıl yürütmesini Low’a düşürebilirsiniz. README yapısı öngörülebilirdir ve CI YAML’ı esasen şablondur; üzerinde akıl yürütülecek bir şey yoktur; burada yüksek akıl yürütmeye ödeme yapmak yalnızca boşa kredi harcamaktır.

Write a README.md with setup instructions, a table of all endpoints (method, path, description), and example curl commands for each endpoint.

Ve ardından:

Create a .github/workflows/ci.yml that runs pytest and ruff on Python 3.11 for every push and pull request to main.

Yedi adımın sonunda proje yapısı şöyle görünür:

Son Düşünceler

Burada oluşturduğumuz küçük bir API; ancak iş akışı her şeye ölçeklenir. 

AGENTS.md dosyasını, aracı tek bir dosyaya dokunmadan önce yerine koyun. Önemsediğiniz her şeyde yürütmeden önce planı isteyin. İstemlerinizi aşamalayın; böylece tek seferde devasa bir diff yerine doğal kontrol noktalarınız olur. Belirli bir dosya hakkında hedefli bir şey sormak istediğinizde @filename kullanın. Ve bir görevi tamamlandı saymadan önce bir inceleme geçişi çalıştırın; çünkü neredeyse her zaman bir şey yakalarsınız.

Cursor’da GPT-5.6 Sol, uzun oturumlar boyunca görevde kalma, dosyalar arası tutarsızlıkları yakalama ve yıkıcı bir şeye bodoslama dalmak yerine ne zaman durup kontrol edeceğini bilme konularında önceki kombinasyonlardan fark edilir derecede daha iyidir. Ama model resmin yalnızca bir parçasıdır. Baştan verdiğiniz bağlam, yürüttüğünüz doğrulama döngüleri ve sondaki inceleme geçişi—çıktı kalitesindeki gerçek iyileşme buradan gelir.

Akıl yürütme düzeyleri için iyi bir kural: High’ı mimari kararlar, çok dosyalı koordinasyon ve kaynağı bariz olmayan bir hatayı ayıklamak için kullanın; Medium veya Low’u dokümantasyon, şablon işler ve yalnızca yazımı yapmasını istediğiniz tek dosyalık düzenlemeler için kullanın. Kod incelemeleri ve hataların kapsamlı bir aracı çalışmasından daha pahalı olduğu durumlarda Extra High veya Max’i düşünün.