Kurs
Yapay zekâ, sohbet botlarının ötesine geçiyor. OpenAI'nin Dots, Meta'nın Muse ve Grok Bot ile, işte ve günlük yaşamda yapay zekâyı kullanmanın yeni bir yolunu görmeye başlıyoruz.
Farklı araçlar arasında geçiş yapıp her şeyi kendimiz yönetmek yerine, bir yapay zekâ asistanına bir görev verebilir, uygulamalarımız genelinde çalışmasına izin verebilir ve yalnızca onayımıza ihtiyaç duyduğunda devreye girebiliriz.
Peki bunu bir adım öteye taşıyıp baştan sona bir yapay zekâ ajanları şirketi kursak nasıl olur?
Paperclip tam da bunun için tasarlandı. Farklı rollere yapay zekâ ajanları işe alabildiğiniz, hedefler atayabildiğiniz ve tüm çalışmalarını tek bir panodan yönetebildiğiniz açık kaynaklı bir platformdur.
Bu rehberde, Anthropic aboneliği yerine MiMo-V2.6-Pro ile Claude Code kullanarak Windows üzerinde Paperclip'i nasıl kuracağınızı göstereceğim. Ayrıca tek bir basit hedefle küçük bir yapay zekâ ekibini nasıl oluşturduğumu da paylaşacağım: bir alım-satım botu geliştirmek.
Paperclip nedir?
Paperclip, yapay zekâ ajanları için açık kaynaklı bir orkestrasyon platformudur. Çalışanlarınızın, her birinin kendi rol, sorumluluk ve görevlerine sahip yapay zekâ ajanları olduğu küçük bir şirketi yönetmek gibi düşünebilirsiniz.
Bir merkezi kontrol düzlemi gibi davranır; ajanlarınızı, projeleri, görev atamalarını, bütçeleri ve onayları yönetir. Asıl işi ise Claude Code, Codex, Cursor ve Gemini CLI gibi ajan çalışma zamanları yürütür.
Paperclip nasıl çalışır
Bir organizasyon oluşturarak, hedefini tanımlayarak ve ilk ajanınızı kurarak başlarsınız.
Bundan sonra, ajanlar proje planları oluşturabilir, bunları daha küçük görevlere bölebilir ve raporlama hiyerarşilerine göre işi devredebilirler.
Arka planda Paperclip, farklı yapay zekâ araçlarına bağlanmak için ajan bağdaştırıcıları ve ajanları otomatik olarak çalıştırmak için bir kalp atışı sistemi kullanır.
Bir ajana görev atandığında veya planlanan kalp atışı tetiklendiğinde, ajan uyanır, Paperclip'in API'si üzerinden atamalarını kontrol eder, işi gerçekleştirir, güncellemeleri paylaşır ve bir sonraki çalıştırmasına kadar durur.
Örneğin, alım-satım botu projemde üç ajan vardı:
- Kabine Direktörü (Chief of Staff): Projeyi planlar, ekibi koordine eder ve görevleri devreder.
- ML Nicel Araştırmacı (ML Quant Researcher): Alım-satım stratejileri geliştirir, modelleri eğitir ve geriye dönük testler yürütür.
- Alım-Satım Sistemleri Mühendisi (Trading Systems Engineer): Alım-satım altyapısını, yürütme motorunu ve risk kontrollerini oluşturur.
Üç ayrı kodlama oturumunu yönetmek yerine tüm ekibi tek bir panodan izleyebiliyorum.
Paperclip, ajan etkinliğini, yürütme günlüklerini ve maliyetleri takip eder; onay kontrolleri ise ajanlar ilerlemeden önce önemli kararları gözden geçirmemi sağlar.
Paperclip'in Öne Çıkan Özellikleri
Paperclip'i ilgi çekici kılan bazı özellikler şunlardır:
- Çok-ajanlı orkestrasyon: Tanımlı roller, raporlama hiyerarşileri ve ortak hedeflerle tüm yapay zekâ ajan ekiplerini oluşturun.
- Otonom ajanlar: Ajanlar, atanan izinler kapsamında plan yapabilir, görevleri devredebilir, işbirliği yapabilir ve minimum insan müdahalesiyle çalışmaya devam edebilir.
- Zamanlama ve otomasyon: Ajanları otomatik olarak çalışacak şekilde planlayın veya Paperclip'in kalp atışı sistemiyle yeni görevler geldiğinde tetikleyin.
- Birden çok yapay zekâ aracı: Claude Code, Codex, OpenCode ve diğer desteklenen ajan çalışma zamanlarını bağlayın.
- Merkezi pano: Ajanları, projeleri, görevleri, yürütme günlüklerini ve harcamaları tek bir yerden yönetin.
- Bütçeler ve onaylar: Harcama limitleri belirleyin, yeni ajan işe alımlarını onaylayın ve ajanlar ilerlemeden önce önemli kararları gözden geçirin.
Paperclip ile Başlarken
Windows'ta Node.js ve Claude Code'u kurarak başlayacağız, Claude Code'u MiMo-V2.6-Pro'yu kullanacak şekilde yapılandıracağız ve ardından ilk yapay zekâ destekli organizasyonumuzu oluşturmak için Paperclip'i kuracağız.
1. Node.js'i kurun
Önce Windows için Node.js'in LTS sürümünü resmi web sitesinden indirin. Paperclip, 24.11.0 veya daha yeni bir Node.js sürümü gerektirir.
Yükleyiciyi çalıştırın ve varsayılan seçenekleri koruyun. Kurulum tamamlandıktan sonra yeni bir PowerShell penceresi açıp şunları çalıştırın:
node -v
npm -v
npx -v
Üç komut da sürüm numarası döndürür ve Node.js en az v24.11.0 ise, Claude Code'u kurmaya hazırız.
2. Claude Code'u Kurun ve Yapılandırın
Sırada Claude Code'u kurup MiMo-V2.6-Pro'ya bağlamak var. Claude Code ajan kılıfımız olarak davranırken, asıl yapay zekâ işlemesini MiMo üstlenecek.
Öncelikle, henüz kurmadıysanız Windows için Git'i kurun. Claude Code'un Bash tabanlı araçları için önerilir.
PowerShell'i açın ve resmi Windows yükleyicisini kullanarak Claude Code'u kurun:
irm https://claude.ai/install.ps1 | iex
Her şeyin çalıştığını kontrol edin:
claude --version
Normalde Claude Code, Anthropic'in modellerine bağlanır.
Benim durumumda, zaten bir MiMo Token Plan'ım vardı; bu yüzden Claude aboneliği satın almadan MiMo-V2.6-Pro'yu kullanmak istedim.
Claude Code'u MiMo'yu kullanacak şekilde yapılandırın
Önce, Claude Code yapılandırma dizinini oluşturun:
New-Item -ItemType Directory -Force "$HOME\.claude"
Ayarlar dosyasını açın:
notepad "$HOME\.claude\settings.json"
Aşağıdaki yapılandırmayı ekleyin:
{
"env": {
"ANTHROPIC_BASE_URL": "YOUR_TOKEN_PLAN_BASE_URL",
"ANTHROPIC_AUTH_TOKEN": "YOUR_MIMO_API_KEY",
"ANTHROPIC_MODEL": "mimo-v2.6-pro",
"ANTHROPIC_DEFAULT_SONNET_MODEL": "mimo-v2.6-pro",
"ANTHROPIC_DEFAULT_OPUS_MODEL": "mimo-v2.6-pro",
"ANTHROPIC_DEFAULT_HAIKU_MODEL": "mimo-v2.6-pro"
}
}
YOUR_TOKEN_PLAN_BASE_URL ve YOUR_MIMO_API_KEY değerlerini MiMo Token Plan panonuzdaki uç nokta ve API anahtarıyla değiştirin.
Halihazırda bir ayarlar dosyanız varsa, her şeyi üzerine yazmak yerine bu değerleri mevcut yapılandırmaya birleştirin.
Sonraki adımda, Claude Code onboarding yapılandırmasını açın:
notepad "$HOME\.claude.json"
Dosya yeniyse, şunu ekleyin:
{
"hasCompletedOnboarding": true
}
Zaten varsa, diğer ayarlarınızı silmeden bu özelliği ekleyin veya güncelleyin. Bu, MiMo kullanırken standart Claude Code onboarding sürecini atlamamıza olanak tanır.
Her iki dosyayı kaydedin, ardından PowerShell'i kapatıp yeniden açın.
Bağlantıyı test edin
Claude Code'un MiMo'yu kullanıp kullanmadığını kontrol etmek için basit bir istem çalıştırın:
claude -p "Hey! Introduce yourself in one sentence."
Her şey doğru yapılandırıldıysa bir yanıt almalısınız. Ayrıca claude komutunu etkileşimli olarak başlatıp /status çalıştırarak model yapılandırmanızı kontrol edebilirsiniz.
Artık Claude Code, MiMo-V2.6-Pro ile çalışıyor ve Paperclip'e geçebiliriz.
3. Paperclip'i Kurun
Paperclip'in kurulumu oldukça basittir. Node.js zaten kurulu olduğundan, Paperclip'i global olarak kurmadan indirmek ve başlatmak için npx kullanabiliriz.
Yönetici olmayan normal bir PowerShell penceresi açın ve şunu çalıştırın:
npx paperclipai onboard --yes
Bu komut Paperclip'i indirir, yerel yapılandırmayı oluşturur, gömülü bir PostgreSQL veritabanını başlatır ve sunucuyu çalıştırır.
Çalışmaya başladıktan sonra, onboarding sayfası otomatik olarak açılmazsa tarayıcınızda aşağıdaki adresi açın:
http://localhost:3100
Artık ilk organizasyonumuzu oluşturmaya, ajan kılıfı olarak Claude Code'u bağlamaya ve yapay zekâ ekibimizi kurmaya hazırız.
Paperclip'i daha sonra yeniden başlatmak için şunu kullanın:
npx paperclipai run
Bu yerel kurulumdayken terminali açık tutun.
4. Paperclip Onboarding
Paperclip artık çalıştığına göre, ilk yapay zekâ organizasyonumuzu oluşturabilir, CEO'sunu kurabilir ve MiMo-V2.6-Pro'ya bağlayabiliriz.
İlk ekran sizden organizasyonunuzu adlandırmanızı ister. Ben denemem için DataCamp adını kullandım.

Devam'a tıklayın. Paperclip daha sonra ilk ajanın adını girmenizi ister. Bu kişi projeleri planlayan, görevler oluşturan ve diğer ajanlara işi devreden CEO'nuz olacaktır.
Sonraki adımda bir ajan bağdaştırıcısı seçin. Paperclip, Claude Code, Codex, Cursor, Gemini CLI ve OpenCode dahil olmak üzere çeşitli seçenekleri destekler.

Bu rehber için Claude Code'u seçin.
Claude Code'u MiMo'yu kullanacak şekilde zaten yapılandırdığımız için, kurulumumuz şu şekildedir:
Paperclip -> Claude Code -> MiMo-V2.6-Pro
Onboarding sırasında Paperclip, organizasyonunuzun ne üzerinde çalışmasını istediğinizi de sorar. İlk projem için basitçe şunu girdim:
“Alım-satım botunu geliştirin”
5. İlk Projenizi Oluşturun
Onboarding tamamlandıktan sonra Paperclip beni doğrudan alım-satım botu projemin içine aldı.
Kabine Direktörüm, doğrudan kod yazmaya atlamak yerine ne inşa etmek istediğimi sorarak başladı.

Bu soruları yanıtladıktan sonra bir proje planı hazırladı ve iki ek ajanın işe alınmasını önerdi: bir ML Nicel Araştırmacı ve bir Alım-Satım Sistemleri Mühendisi.
Projeyi ayrıca daha küçük görevlere böldü:
- Depoyu ve veri hattını kurun.
- Temel bir ML modeli oluşturun ve geriye dönük testler çalıştırın.
- Kâğıt alım-satım yürütme motorunu geliştirin.
- Temel risk kontrolleri ekleyin.
- Bir kâğıt alım-satım denemesi yürütün.
İlerlemeye başlamadan önce Paperclip planı sundu ve bana üç seçenek verdi: Onayla, Revizyon İste veya Reddet. Bu, platformun önemli bir parçasıdır çünkü ajanların ne yapmasına izin verildiği üzerinde hâlâ kontrol sahibi olursunuz.

Planı onayladım ve Paperclip her şeyi hayata geçirmeye başladı. Ek ajanlar oluşturuldu ve rolleri doğrultusunda görev atamaları yapılmaya başlandı.
En çok hoşuma giden, her ajanı tek tek oluşturmam, ayrı ayrı istemler yazmam veya işi elle dağıtmam gerekmemesiydi.
Ne inşa etmek istediğimi açıkladım, birkaç soruyu yanıtladım ve önerilen planı onayladım. Bundan sonrasını proje koordinasyonunu Paperclip üstlendi.
6. Paperclip'i Test Etme
Alım-satım botu projem çalışmaya başladıktan sonra, her şeyin nasıl ilerlediğini görmek için Paperclip panosunu açtım. Buradan ajanları izleyebilir, görevleri takip edebilir, son etkinlikleri gözden geçirebilir ve maliyetleri kontrol edebilirsiniz.

Ayrıca Ajanlar sayfasını açarak tüm yapay zekâ ekibimi ve her ajanın ne yaptığını görebildim.
Kabine Direktörüm ve ML Nicel Araştırmacım boşta beklerken, Alım-Satım Sistemleri Mühendisi projede aktif olarak çalışıyordu.
Ajanlar sayfası ayrıca raporlama yapısını, her ajanın hangi ajan kılıfını kullandığını ve ajanın çalışıyor, boşta, duraklatılmış ya da hata durumunda olup olmadığını gösterir.

Muhtemelen en faydalı bulduğum kısım burasıydı. Birden fazla terminali açık tutup her ajanın ne yaptığını sürekli kontrol etmek yerine her şeyi tek bir yerden yönetebiliyorum.
Hangi görevlerin ilerlediğini, hangilerinin tıkandığını, ne kadar harcadığımı ve onayıma ihtiyaç duyulan bir şey olup olmadığını görebiliyorum.
Bu, tek tek yapay zekâ ajanları çalıştırmaktan ziyade küçük bir ekibi yönetmek gibi hissettiriyor. Ekibe bir hedef veriyorum, ilerlemeyi kontrol ediyorum ve gerektiğinde devreye giriyorum.
İnsanlar Paperclip'i Ne İçin Kullanıyor?
İnsanlar Paperclip'i yalnızca kodlama için kullanmıyor.
Küçük işletmeler yürütmekten tüm yapay zekâ ekiplerini yönetmeye kadar, Reddit ve geliştirici bloglarında bulduğum beş ilginç örnek şunlar:
1. Tek kişilik bir işletme yürütmek
Bir kurucu, tam zamanlı bir işte çalışırken potansiyel müşteri yaratma, soğuk e-postalar, CRM güncellemeleri, SEO ve blog yayınlama için 16 yapay zekâ ajanı kullanıyor.
2. Bir yapay zekâ yayıncılık şirketi yürütmek
Emekli bir trader, araştırma, yazım ve SEO'yu yöneten ajanlarla yapay zekâ destekli bir yayıncılık şirketi kurdu. En büyük zorlukları, maliyetleri kontrol etmek ve yapay zekâ tarafından üretilen makalelerin doğruluğunu kontrol etmek oldu.
3. Telegram üzerinden yapay zekâ ajanlarını yönetmek
Bir geliştirici, dokuz ajanlı bir girişimi Telegram üzerinden yönetmek için Paperclip'i Hermes ile bağladı. Ajanlar ürün tasarımı, maliyet tahminleri, hibe başvuruları ve günlük ilerleme raporlarını yönetiyor.
4. Finansal bir yapay zekâ girişimi kurmak
Bir başka geliştirici, veri hatları, duygu analizi ve erişim çalışmaları üzerinde çalışan CEO, CTO, mühendisler ve pazarlama ajanlarından oluşan bir yapay zekâ ekibi oluşturdu.
5. 13 ajanlı bir içerik işletmesi yürütmek
Geliştirici Felipe Fontoura, SEO, içerik üretimi, video senaryoları ve satış hunileri için 13 ajanlı bir organizasyon kurdu. Sistem çalıştı, ancak her şeyin gözden geçirilmesi ve yayımlanması yine de onun dikkatini gerektirdi.
İnsanlar, birbirinden bağımsız çalışan birden çok Claude Code örneğini çalıştırmanın ötesine geçiyor.
Paperclip ile açık bir hiyerarşi izleyen, iletişim kuran, görevleri devreden ve hatta birbirlerinin işini gözden geçiren 10 veya daha fazla ajanlık ekipler kuruyorlar.
Her ajanı tek tek yönetmek yerine, ekibe bir hedef verebilir ve işi koordine etmesine izin verebilirsiniz; siz de ilerlemeyi denetler ve önemli kararları onaylarsınız.
Son Düşünceler
Bu rehberde Paperclip'in yapabileceklerinin yalnızca yüzeyine değindik.
Ben yalnızca üç ajandan oluşan küçük bir ekip kurdum; ancak tüm departmanlar oluşturarak, görevleri zamanlayarak, bütçeler belirleyerek ve birbirlerinin işini gözden geçiren ajanlar ekleyerek çok daha ileri gidebilirsiniz.
Paperclip de yepyeni bir deney değil. Bir süredir var ve büyüyen bir açık kaynak topluluğuna sahip.
Son dönemdeki yapay zekâ ajanları dalgasıyla, birden çok ekibi tek bir panodan yönetmek çok daha ilgi çekici hale geliyor.
Bence yapay zekânın yönü bu.
On farklı Claude Code oturumu açıp her görevi kendimiz yönetmek yerine, giderek daha fazla, uzmanlaşmış ajanlar arasında yüzlerce, hatta binlerce görevi koordine edebileceğimiz merkezi bir yere sahip olacağız.
Ekibe bir hedef veriyoruz; ajanlar işi devrediyor, birbirleriyle iletişim kuruyor ve dikkatimizi gerektirdiğinde rapor veriyor.
Elbette bu ölçekte ajanları yönetmek, özellikle maliyetler, güvenilirlik ve insan denetimi etrafında hâlâ zorluklar barındırıyor.
Ancak Paperclip, bugün bu yeni çalışma biçimini denemeye başlamak için pratik bir yol sunuyor.
SSS
Paperclip'i kullanmak ücretsiz mi?
Kendi barındırmalı sürüm MIT lisanslıdır; ücretli katmanlar, koltuk sınırları veya özellik kilitleri yoktur. Yine de ajanlarınızın çağırdığı modeller için ödeme yaparsınız. Fast.io’nun 2026 incelemesine göre, standart API fiyatlandırmasıyla tek bir aktif ajanın aylık maliyeti 50-200 ABD dolarıdır. Bir VPS üzerinde barındırmak aylık yaklaşık 4-30 ABD doları ekler ve Paperclip’in bütçe sistemi, LLM harcamasını ajan, proje veya organizasyon bazında sınırlandırmanıza olanak tanır.
Paperclip, CrewAI, LangGraph ve AutoGen ile nasıl karşılaştırılır?
CrewAI, LangGraph ve AutoGen, ajan oluşturmaya yönelik Python çatılarıdır. Paperclip ise bu ajanların çalıştığı organizasyonu; organizasyon şemaları, hedefler, bütçeler ve yönetişimle birlikte yönetir. CrewAI, görev odaklı işbirlikçi ajanlara; AutoGen ise çok-ajanlı konuşmalara odaklanır. LangGraph, iş akışlarını açık bir durum makinesi olarak modeller. AutoGen bakım modundadır; halefi Microsoft Agent Framework’tür.
Paperclip'i çalıştırmak güvenli mi?
Eski sürümlerde ciddi kusurlar vardı. Oasis Security, varsayılan olarak açık kayıt ve e-posta doğrulaması olmaması dahil 3 kritik güvenlik açığı buldu. İçe aktarılan şirket paketleri, Paperclip sunucusu olarak çalışan komutlar da tanımlayabiliyordu. Üçüncü sorun, Paperclip’i yerelde varsayılan yapılandırmalarla çalıştıran geliştiricileri etkiledi. Düzeltmeler 2026.416.0 sürümünde yayımlandı ve Oasis ayrıca ajanlarınızın erişebildiği kimlik bilgilerini gözden geçirmenizi öneriyor.
Paperclip'i Docker ile veya bir VPS üzerinde çalıştırabilir miyim?
Evet ve npx tek yol değil. Paperclip, PostgreSQL veritabanıyla çalışan resmi bir Docker imajı yayınlar: ghcr.io/paperclipai/paperclip. Hızlı başlangıç için bir Docker Compose dosyası da mevcuttur. Depoyu klonlayıp pnpm dev komutuyla da çalıştırabilirsiniz. Sunucu çalıştığı sürece kalp atışları tetiklendiğinden, zamanlanmış ajanlar için bir VPS uygundur.
Paperclip ile OpenClaw arasındaki fark nedir?
OpenClaw bir ajandır; Paperclip ise ajanları organize eden katmandır. Projenin kendi sloganı şudur: OpenClaw bir çalışan ise, Paperclip şirkettir. Paperclip, Claude Code, Codex, Gemini CLI, Cursor, OpenCode, Hermes ve Pi bağdaştırıcılarının yanında bir ağ geçidi bağdaştırıcısı aracılığıyla OpenClaw’a bağlanır. Özel ajanlar için süreç ve HTTP bağdaştırıcıları da vardır.
Sertifikalı bir veri bilimcisi olarak, yenilikçi makine öğrenimi uygulamaları oluşturmak için en son teknolojileri kullanmaya büyük ilgi duyuyorum. Konuşma tanıma, veri analizi ve raporlama, MLOps, konuşma yapay zekası ve NLP alanlarında güçlü bir geçmişe sahip olarak, gerçek bir etki yaratabilecek akıllı sistemler geliştirme becerilerimi geliştirdim. Teknik uzmanlığımın yanı sıra, karmaşık kavramları açık ve özlü bir dille ifade etme yeteneğine sahip, becerikli bir iletişimciyim. Sonuç olarak, veri bilimi konusunda aranan bir blog yazarı oldum ve giderek büyüyen veri profesyonelleri topluluğuyla görüşlerimi ve deneyimlerimi paylaşıyorum. Şu anda, içerik oluşturma ve düzenlemeye odaklanıyorum. Büyük dil modelleriyle çalışarak, hem işletmelerin hem de bireylerin verilerinden en iyi şekilde yararlanmalarına yardımcı olabilecek güçlü ve ilgi çekici içerikler geliştiriyorum.

