Oh My Coder: Çin’in Ücretsiz ve Açık Kaynak Multi-Agent AI Kodlama Çözümü AI Kodlama Araçlarında Küresel Bölünme 2026 yılında AI destekli kodlama araçları, geliştiricilerin günlük iş akışının vazgeçilmezi haline geldi. Cursor, GitHub Copilot, Claude Code, Codex ve benzeri Batı merkezli araçlar güçlü olsa da abonelik ücretleri, erişim kısıtlamaları, bölgesel engeller, veri gizliliği endişeleri ve kapalı ekosistem yapıları birçok geliştiriciyi alternatif arayışına yöneltti. Özellikle Çin tarafında durum daha farklı. Claude gibi araçlara erişimde hesap doğrulama, ban riski, VPN ihtiyacı ve uluslararası servis bağımlılığı gibi ciddi problemler yaşanabiliyor. Bu yüzden Çinli geliştiriciler yalnızca “daha ucuz” değil, aynı zamanda daha erişilebilir, yerel modellere uyumlu, açık kaynak ve özel deployment yapılabilir çözümler arıyor. İşte bu noktada Oh My Coder devreye giriyor. Tamamen ücretsiz, açık kaynak MIT lisanslı ve Çin yerli modellerine odaklanan bir multi-agent AI kodlama framework’ü olarak konumlanıyor. 31 uzmanlaşmış agent ile gerçek bir yazılım geliştirme takımını simüle ediyor ve Claude Code’un Çin’deki erişim sorunlarına pratik bir yanıt olarak doğdu. Bu proje yalnızca bir “kod yazdırma aracı” değil. Daha çok bir AI yazılım geliştirme orkestrasyon sistemi. Yani tek bir modele “şunu kodla” demek yerine; görevi analiz eden, planlayan, mimari tasarlayan, kod üreten, test eden, güvenlik incelemesi yapan ve gerektiğinde kendi deneyiminden skill çıkaran bir agent ekibi mantığıyla çalışıyor. Oh My Coder Nedir? Oh My Coder, kısaca OMC, birden fazla AI agent’in iş birliğiyle karmaşık geliştirme görevlerini otomatikleştiren bir sistemdir. Tek bir modele dayalı araçların aksine, görevleri uzman rollere dağıtır: planlama, mimari tasarım, kod üretimi, inceleme, hata ayıklama, test, güvenlik kontrolü, dokümantasyon ve koordinasyon. Bu yaklaşım, klasik AI coding assistant mantığından farklıdır. Cursor veya Copilot gibi araçlar daha çok editör içinde anlık öneri, autocomplete, inline edit ve chat tabanlı yardım sunarken; Oh My Coder, görevi birden fazla agent’e bölerek yazılım geliştirme sürecini ekip çalışmasına benzer bir yapıya taşımaya çalışır. Temel Özellikler 🔸31 Profesyonel Agent: İnşa/analiz, inceleme, alan odaklı uzmanlık ve koordinasyon kanallarında gruplanır. 🔸12 Yerli Model Desteği: DeepSeek, GLM, Kimi, MiMo, Doubao, Baichuan gibi Çin merkezli modelleri destekler. Ayrıca Ollama ile yerel modeller de kullanılabilir. 🔸GLM-4.7-Flash Desteği: Projenin öne çıkardığı en önemli noktalardan biri GLM-4.7-Flash’ın ücretsiz kullanım iddiasıdır. 🔸Açık Kaynak MIT Lisansı: Kod tabanı açık olduğu için geliştiriciler sistemi inceleyebilir, değiştirebilir, kendi ihtiyaçlarına göre özelleştirebilir ve özel deployment yapabilir. 🔸CLI Web VS Code Kullanımı: Terminal üzerinden çalıştırılabilir, web arayüzü başlatılabilir ve VS Code entegrasyonu ile geliştirici ortamına taşınabilir. 🔸Quest Mode: Uzun süren görevleri asenkron ve otonom şekilde yönetmek için tasarlanmış bir çalışma modu sunar. 🔸Skill Öğrenme Sistemi: Görevlerden deneyim çıkararak SKILL.md formatında kalıcı beceriler oluşturabilir. 🔸Çalışma Dizini Bağlam Farkındalığı: Proje dosyalarını tarayarak mevcut kod tabanının yapısını anlamaya çalışır. 🔸Akıllı Model Yönlendirme: Görevin zorluğuna göre daha düşük maliyetli veya daha güçlü modeller arasında yönlendirme yapılmasını hedefler. 🔸Yerel ve Özel Deployment: Gizlilik hassasiyeti olan ekipler için kendi ortamında çalıştırma fikrini destekler. Proje, popüler oh-my-claudecode’dan ilham alıyor. Ancak Claude bağımlılığını kaldırıp Çin modelleri, yerel çalışma, ücretsiz kullanım ve Çinli geliştiricilerin erişim sorunlarına çözüm odaklı bir yol izliyor. Neden Önemli? Oh My Coder’ın önemi yalnızca ücretsiz olmasından gelmiyor. Asıl önemli tarafı, AI kodlama araçlarındaki küresel ayrışmayı göstermesi. Batı tarafında Cursor, Claude Code, GitHub Copilot, Codex ve benzeri araçlar daha merkezi, abonelik tabanlı ve çoğunlukla kapalı ekosistemler üzerinde ilerliyor. Çin tarafında ise açık kaynak, yerel model desteği, self-hosted deployment ve ücretsiz erişim çok daha stratejik hale geliyor. Bu ayrışma birkaç nedenle önemli: 1⃣ Geliştiriciler artık yalnızca en iyi modeli değil, erişilebilir olan modeli de önemsiyor. 2⃣ Şirketler kodlarını kapalı yabancı servislerle paylaşmak istemeyebiliyor. 3⃣ AI kodlama maliyetleri ekipler büyüdükçe ciddi bir operasyonel gider haline geliyor. 4⃣ Yerel modellerin güçlenmesi, global AI tooling pazarında yeni rekabet alanları yaratıyor. 5⃣ Multi-agent sistemler, tek sohbet penceresinden çok daha karmaşık geliştirme süreçlerini yönetme potansiyeli taşıyor. Bu yüzden Oh My Coder gibi projeler sadece “bir GitHub reposu” değil; AI yazılım geliştirme ekosisteminde yeni dönemin sinyali olarak okunmalı. Agent Sistemi: Gerçek Bir Takım Gibi Çalışma Oh My Coder’ın gücü, agent orkestrasyonunda yatıyor. Buradaki temel fikir şu: Yazılım geliştirme tek bir eylem değildir. Bir projeyi iyi geliştirmek için analiz, planlama, mimari, kodlama, test, güvenlik, dokümantasyon, performans ve bakım gibi birçok farklı beceri gerekir. İnsan ekiplerinde bu görevler farklı rollere bölünür. Oh My Coder da buna benzer bir sistem kurmaya çalışır. İnşa / Analiz Kanalı Bu kanal, projenin temel geliştirme akışını yönetir. Kod tabanını anlamak, ihtiyaçları çözümlemek, teknik plan çıkarmak ve gerçek geliştirme işini yürütmek için kullanılır. Öne çıkan agent’ler: 🏳️ExploreAgent: Kod tabanını keşfeder, proje yapısını haritalandırır ve hangi dosyanın ne işe yaradığını anlamaya çalışır. 🏳️AnalystAgent: Gereksinimleri analiz eder, kullanıcının isteğini teknik parçalara böler ve belirsizlikleri ortaya çıkarır. 🏳️PlannerAgent: Geliştirme görevini adım adım planlar. Hangi dosyaların değişeceği, hangi modüllerin etkileneceği ve hangi sırayla ilerlenmesi gerektiği konusunda yol haritası oluşturur. 🏳️ArchitectAgent: Sistem mimarisi, modül ilişkileri, veri akışı ve teknik kararlar üzerinde çalışır. 🏳️ExecutorAgent: Planlanan görevi gerçek kod değişikliklerine dönüştürür. Kod üretimi ve dosya düzenleme tarafında görev alır. 🏳️DebuggerAgent: Hataları analiz eder, stack trace, test çıktısı veya kullanıcı geri bildirimlerinden sorunun kaynağını bulmaya çalışır. 🏳️VerifierAgent: Yapılan değişikliğin doğru çalışıp çalışmadığını kontrol eder. 🏳️TracerAgent: Kod akışını takip eder, karmaşık fonksiyonların ve bağımlılık zincirlerinin izini çıkarır. 🏳️PerformanceAgent: Performans darboğazlarını tespit etmeye, optimizasyon önerileri üretmeye çalışır. Bu agent’lerin amacı tek başına kod yazmak değil, geliştirme sürecini daha kontrollü ve denetlenebilir hale getirmektir. İnceleme Kanalı: Kod Kalitesi ve Güvenlik Oh My Coder yalnızca kod üretmeye değil, üretilen kodu incelemeye de odaklanır. Bu çok önemli çünkü AI kodlama araçlarının en büyük risklerinden biri, çalışan ama problemli kod üretmeleridir. Özellikle hızlı prototipleme sürecinde AI: Güvenlik açığı oluşturabilir. Gereksiz bağımlılık ekleyebilir. Veritabanı sorgularında riskli yapı kurabilir. Yetkilendirme kontrollerini atlayabilir. Edge case’leri kaçırabilir. Test yazmadan çalışan gibi görünen kod bırakabilir. Projenin mimarisine uymayan çözümler üretebilir. Bu noktada inceleme agent’leri devreye girer. Öne çıkan agent’ler: ☢️CodeReviewerAgent: Kod kalitesi, okunabilirlik, mimari uyum ve potansiyel bug’lar açısından inceleme yapar. ☢️SecurityReviewerAgent: Güvenlik açıkları, hassas veri kullanımı, injection riskleri, auth/permission kontrolleri ve yanlış yapılandırmaları incelemeye çalışır. Bu yapı, özellikle gerçek projelerde önem kazanır. Çünkü AI ile hızlı kod üretmek kolaydır; zor olan bu kodun sürdürülebilir, güvenli ve projeye uyumlu olmasıdır. Alan Odaklı Agent’ler: Uzmanlık Katmanı Oh My Coder’ın dikkat çekici taraflarından biri de yalnızca genel amaçlı agent’ler değil, alan odaklı agent’ler sunmasıdır. Bu agent’ler belirli teknik alanlarda görev alır: ▫️TestEngineerAgent: Unit test, integration test ve test stratejisi üzerinde çalışır. ▫️DesignerAgent: UI/UX, ekran akışı ve arayüz mantığı konusunda destek verir. ▫️VisionAgent: Görsel analiz, UI görüntüleri, ekran çıktıları veya görsel temelli görevlerde kullanılabilir. ▫️DocumentAgent: Teknik dokümantasyon, README, API açıklamaları ve kullanım rehberleri üretir. ▫️WriterAgent: Daha okunabilir açıklamalar, teknik metinler ve kullanıcı odaklı içerikler hazırlar. ▫️ScientistAgent: Teknik araştırma, veri yorumlama ve deneysel değerlendirme süreçlerine yardımcı olabilir. ▫️GitMasterAgent: Git iş akışı, commit mantığı, branch stratejisi ve değişiklik özetleri tarafında görev alır. ▫️CodeSimplifierAgent: Karmaşık kodu sadeleştirmeye, tekrarları azaltmaya ve okunabilirliği artırmaya çalışır. ▫️QATesterAgent: Ürünü kullanıcı gözüyle test eder, olası sorun senaryolarını çıkarır. ▫️DatabaseAgent: Veritabanı şeması, sorgular, migration, indeksleme ve veri modeli tarafında rol alır. ▫️APIAgent: REST API, endpoint tasarımı, istek/yanıt yapısı ve servis entegrasyonları üzerinde çalışır. DevOpsAgent: CI/CD, deployment, Docker, ortam değişkenleri ve sunucu süreçlerinde yardımcı olur. ▫️UMLAgent: Diyagram, sistem ilişkileri, sınıf yapıları ve mimari görselleştirme tarafında görev alır. ▫️MigrationAgent: Kod veya veri migration süreçlerinde riskleri azaltmaya yardımcı olur. ▫️AuthAgent: Kimlik doğrulama, yetkilendirme, token, session ve kullanıcı erişim akışları üzerinde uzmanlaşır. ▫️DataAgent: Veri işleme, ETL, veri kalitesi ve veri akışları konusunda görev alır. Bu yapı özellikle orta ve büyük projelerde önemli hale gelir. Çünkü gerçek hayatta bir yazılım projesi sadece “kod yazmak” değildir. Tasarım, test, güvenlik, veri, deployment, dokümantasyon ve bakım süreçleri de en az kod kadar kritiktir. Koordinasyon Agent’leri: Sistemin Beyni Multi-agent sistemlerde en önemli sorunlardan biri koordinasyondur. Birden fazla agent varsa, bunların kimin ne yapacağına, hangi sırayla çalışacağına ve çıktının nasıl birleştirileceğine karar verilmesi gerekir. Oh My Coder bu tarafı koordinasyon agent’leriyle çözmeye çalışıYOR. Öne çıkan koordinasyon rolleri: ✴️SkillManageAgent: Öğrenilen becerileri ve SKILL.md dosyalarını yönetir. ✴️SelfImprovingAgent: Sistem çıktılarından öğrenerek gelecekte daha iyi görev akışları üretmeye çalışır. ✴️PromptAgent: Prompt yapılarını iyileştirir, görev tanımlarını daha net hale getirir. ✴️CriticAgent: Planları, kararları ve çıktıları eleştirerek kaliteyi artırmaya çalışır. Bu katman, Oh My Coder’ı basit bir “AI kod yazıcı” olmaktan çıkarıp daha gelişmiş bir agent orkestrasyon sistemine yaklaştırır. Skill Sistemi: AI’ın Zamanla Öğrenmesi Oh My Coder’ın dikkat çeken özelliklerinden biri otomatik skill öğrenme mekanizmasıdır. Normalde birçok AI kodlama aracı her görevi sıfırdan ele alır. Kullanıcı aynı proje içinde benzer işleri tekrar tekrar anlatmak zorunda kalabilir. Oh My Coder ise bazı görevleri kalıcı bilgiye dönüştürmeyi hedefler. Sistem, belirli koşullarda SKILL.md benzeri dosyalar üreterek öğrendiği iş akışlarını saklayabilir. Bu sayede: Sık tekrarlanan görevler standartlaşabilir. ▫️Proje içi özel kurallar korunabilir. ▫️Belirli hata çözüm yolları tekrar kullanılabilir. ▫️Takımın kodlama alışkanlıkları sisteme aktarılabilir. ▫️AI aynı işi her seferinde sıfırdan düşünmek zorunda kalmayabilir. Bu özellik teoride çok değerli. Çünkü yazılım projelerinde “bağlam” en pahalı şeylerden biridir. Bir geliştiricinin projeyi tanıması zaman alır. Eğer AI agent’ler zamanla proje alışkanlıklarını ve tekrar eden çözüm yollarını öğrenebilirse, uzun vadede verimlilik artabilir. Tabii burada dikkatli olmak gerekir. Öğrenilen skill’ler yanlışsa, sistem aynı hatayı tekrar tekrar uygulayabilir. Bu yüzden skill dosyalarının insan tarafından gözden geçirilmesi mantıklı olur. Quest Mode: Uzun Süreli Otonom Programlama Quest Mode, Oh My Coder’ın uzun süreli görevler için sunduğu önemli özelliklerden biridir. Klasik AI kodlama akışında kullanıcı bir komut verir, model cevap üretir, kullanıcı sonucu kontrol eder ve süreç devam eder. Quest Mode ise daha uzun soluklu görevleri asenkron bir akışa dönüştürmeyi hedefler. Örneğin: 🔰“Kullanıcı kimlik doğrulama modülü kur.” 🔰“Admin paneline ödeme işlemleri ekranı ekle.” 🔰“Mevcut projeyi analiz et ve teknik borç raporu çıkar.” 🔰“API katmanını yeniden düzenle.” 🔰“Test kapsamını artır.” 🔰“Veritabanı migration planı oluştur.” 🔰“Güvenlik açıklarını tara ve raporla.” Bu tür görevler tek cevapla bitmez. Planlama, dosya inceleme, kod değişikliği, test, hata düzeltme ve tekrar doğrulama gerekir. Quest Mode bu uzun akışları daha otonom hale getirmek için tasarlanmıştır. Örnek kullanım: omc run "Kullanıcı authentication modülünü uygula" --quest omc quest-list omc quest-status <quest-id> Bu özellik, özellikle küçük ekipler ve solo geliştiriciler için ilginç olabilir. Çünkü bir görevi agent ekibine devredip daha sonra durumunu kontrol etme fikri, AI kodlama araçlarının geleceğinde önemli bir yere sahip olacak gibi görünüyor.

Voice agents are getting a face. LiveAvatar now integrates with LiveKit, Pipecat, Agora, and VisionAgent so the agents you already built can become real-time avatar experiences in a few lines of code. Keep your stack. Add presence. Setup guides below ↓

Sesli Asistanlar Artık Görüntüye Kavuşuyor LiveAvatar artık mevcut sesli asistan altyapılarına (LiveKit, Pipecat, Agora gibi) entegre olarak çalışıyor. Bu sayede daha önce sadece ses üzerinden kurulan sohbetler gerçek zamanlı olarak bir avatar ile görsel hale geliyor. Geliştiricilerin tüm sistemi baştan inşa etmesine gerek kalmıyor sadece birkaç satır ek kod ile mevcut yapay zeka ajanlarına görsel bir varlık kazandırılabiliyor. Bu yapay zeka ile kurduğumuz iletişimi daha doğal ve akıcı hale getirmeyi hedefliyor. Sesli asistanlar artık sadece birer ses değil karşımızda görüntüsü olan birer karakter gibi iletişim kurabiliyor. Daha da ileri gidilerek bu avatarlar VisionAgent gibi teknolojilerle birleştirildiğinde çevrelerini görebilen, buna göre tepki verebilen ve yüz yüze iletişim kurabilen yapay zeka ajanları oluşturmak da mümkün hale geliyor. Bu yapay zekanın dijital dünyadaki varlığını güçlendiren onu daha somut ve insanlarla etkileşime daha yatkın hale getiren bir ilerleme. Reklam değildir.

Just checked out @TryLiveAvatar and liked the integration-first approach they took for real-time agents. Most voice agents require rebuilding your stack or moving to a new platform. LiveAvatar plugs into LiveKit, Pipecat, Agora, and VisionAgent, so you can keep your existing pipeline. Perfect for more natural conversations and better user experiences. See the full announcement and learn more yourself ↓ #sponsored #ad

The most important product signal: these avatars are being plugged into existing RTC stacks like LiveKit, Pipecat, Agora and VisionAgent. Digital humans may become an interface layer on top of agent infrastructure, not a standalone video tool.

The next chapter of AI isn’t just about hearing voices. It’s about seeing them. Looking into their eyes as they speak, respond and connect with you in real time. Today, LiveAvatar just made that future available right now. Whether you’re already building on LiveKit, Pipecat, Agora or VisionAgent, you can now give your voice agents a real, living presence without rebuilding anything. This isn’t sci-fi anymore. This is the moment digital beings start to feel truly alive. The era of face-to-face AI has begun.

The VisionAgent integration is the one I keep thinking about. Once an agent can visually react in real time, the gap between talking to a person and talking to an AI starts closing in a way that actually matters.

Voice agents are evolving beyond audio. @TryLiveAvatar now integrates with LiveKit, Pipecat, Agora, and VisionAgent to bring real-time avatar experiences to your existing AI agents. Deploy expressive, face-to-face interactions with just a few lines of code. Keep your infrastructure. Add presence.

The AI stack is already there. What's been missing is the layer that makes interactions feel alive. LiveAvatar working across: • LiveKit • Pipecat • Agora • VisionAgent is a smart move because it builds on existing workflows instead of replacing them. Keep the agent. Add real-time presence. That's how conversational AI becomes more engaging.

Voice agents finally got out of the waveform era. Your agent can already talk. Now it can look back, react, and feel present without rebuilding your stack. LiveAvatar plugging into LiveKit, Pipecat, Agora, and VisionAgent is a big unlock for real conversational UX.

Voice agents just got a face — and real presence. Integrate LiveAvatar with your existing LiveKit, Pipecat, Agora, or VisionAgent stack in minutes. Keep what works. Add hyper-realistic avatars that react in real time.

The seamless integrations with LiveKit, Pipecat, Agora, and VisionAgent make it incredibly easy to add photorealistic real-time avatars to existing voice agents. This significantly lowers the barrier for building immersive AI experiences.

LiveAvatar just supercharged real-time AI: seamless integrations with LiveKit, Pipecat, Agora & VisionAgent. Add photorealistic, lip-synced avatars to your voice agents in minutes.

Photorealistic real-time avatars, now plug-and-play with LiveKit, Pipecat, Agora & VisionAgent. Turn any voice agent into a lifelike video experience — with just a few lines of code.

AI voice agents are evolving from “tools” into actual digital humans. With LiveAvatar plugging into LiveKit, Pipecat, Agora, and VisionAgent, you don’t need to rebuild your stack to make it feel alive. Just connect your existing agent and suddenly it can: • speak in real time • react visually • hold presence on screen • feel more human in conversations The interface layer of AI is changing fast. Text → Voice → Presence.

Really exciting to see voice agents evolve beyond just audio. The ability to integrate LiveAvatar with platforms like LiveKit, Pipecat, Agora, and VisionAgent without rebuilding existing workflows is a huge step forward for real time AI experiences. Giving voice agents a face and true presence makes interactions feel far more natural, immersive, and human.

Huge appreciation for the LiveAvatar team on this launch. The best part is developers can keep their existing LiveKit, Pipecat, Agora, or VisionAgent workflows and simply add real time visual presence on top. Voice agents already sounded smart. Now they feel far more human, engaging, and natural to interact with 👀

The real genius here is the developer empathy — letting teams keep their existing LiveKit/Pipecat/Agora/VisionAgent investments while instantly adding lifelike visual presence. No full stack rewrite. Just plug in the face, expressions, and lip sync. This is exactly how winning infrastructure products are built in 2026: respect the developer’s sunk costs and make the upgrade feel seamless. Voice agents just went from “smart assistant” to “person on the other side of the screen.” Massive unlock. 🚀 What’s the latency like on the avatar sync in production?

The smartest part of LiveAvatar isn’t just the avatars it’s the workflow compatibility Developers already invested heavily in: LiveKit Pipecat Agora VisionAgent Now they can add visual presence without rebuilding everything from scratch That’s a very strong product decision

Voice agents are evolving beyond simple conversation interfaces. The next layer is immersive presence: real-time avatars live speech existing AI systems working together seamlessly. What makes LiveAvatar stand out is how naturally it integrates with stacks like: LiveKit Pipecat Agora VisionAgent The intelligence layer already exists. Now the focus is making AI feel present in real time. Very strong infrastructure positioning for where conversational AI is heading.