H.Ozgan
a.k.a netologist

MCP ve Continue ile Yerel AI Modellerini Kullanmak

16 Haziran 2025 · netologist · 6 dakika, 1206 kelime

Yerel Copilot Kurulum Rehberi: MCP + Continue + VSCode + Ollama

Genel Bakış

Bu rehber, tamamen yerel çalışan bir AI kod asistanı kurmak için gerekli tüm adımları içerir. GitHub Copilot’a benzer özellikleri ücretsiz ve gizlilik odaklı bir şekilde elde edebilirsiniz.

Gerekli Bileşenler

1. Ollama - AI Model Sunucusu

2. Continue - VSCode AI Uzantısı

3. MCP (Model Context Protocol) - Bağlam Yönetimi

Adım 1: Ollama Kurulumu

# Homebrew ile
brew install ollama

# Veya direkt indirin: https://ollama.ai/download

Ollama Servisini Başlatma

# Ollama daemon'unu başlat
ollama serve

# Yeni terminal açıp test edin
ollama --version

Adım 2: En İyi Kod Modellerini İndirme

Önerilen Modeller (Performans Sırası)

1. CodeQwen 2.5 Coder 7B (En İyi Genel Performans)

ollama pull codeqwen:7b-code

2. DeepSeek Coder V2 16B (En İyi Kalite)

ollama pull deepseek-coder-v2:16b

3. Code Llama 13B (Dengeli Seçenek)

ollama pull codellama:13b-code

4. Qwen2.5 Coder 3B (Düşük Kaynak)

ollama pull qwen2.5-coder:3b

Model Performans Karşılaştırması

ModelRAM GereksinimiHızKod KalitesiÇok Dilli Destek
CodeQwen 2.5 7B8GB⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
DeepSeek V2 16B16GB+⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
Code Llama 13B12GB⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐
Qwen2.5 3B4GB⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐⭐

Adım 3: VSCode ve Continue Kurulumu

VSCode Uzantısını Yükleme

  1. VSCode’u açın
  2. Extensions (Ctrl+Shift+X) bölümüne gidin
  3. “Continue” araması yapın
  4. “Continue - Codestral, Claude, and more” uzantısını yükleyin

Continue Konfigürasyonu

Continue uzantısını yükledikten sonra konfigürasyon dosyasını düzenleyin:

Windows: %USERPROFILE%\.continue\config.json macOS/Linux: ~/.continue/config.json

{
  "models": [
    {
      "title": "CodeQwen 7B",
      "provider": "ollama",
      "model": "codeqwen:7b-code",
      "apiBase": "http://localhost:11434"
    },
    {
      "title": "DeepSeek Coder",
      "provider": "ollama", 
      "model": "deepseek-coder-v2:16b",
      "apiBase": "http://localhost:11434"
    }
  ],
  "tabAutocompleteModel": {
    "title": "CodeQwen Autocomplete",
    "provider": "ollama",
    "model": "codeqwen:7b-code",
    "apiBase": "http://localhost:11434"
  },
  "embeddingsProvider": {
    "provider": "ollama",
    "model": "nomic-embed-text",
    "apiBase": "http://localhost:11434"
  },
  "contextProviders": [
    {
      "name": "code",
      "params": {}
    },
    {
      "name": "docs",
      "params": {}
    },
    {
      "name": "diff",
      "params": {}
    },
    {
      "name": "terminal",
      "params": {}
    },
    {
      "name": "problems",
      "params": {}
    },
    {
      "name": "folder",
      "params": {}
    },
    {
      "name": "codebase",
      "params": {}
    }
  ]
}

Adım 4: MCP Kurulumu ve Konfigürasyonu

MCP Sunucularını Yükleme

# npm ile MCP araçlarını yükleyin
npm install -g @modelcontextprotocol/server-filesystem
npm install -g @modelcontextprotocol/server-git
npm install -g @modelcontextprotocol/server-sqlite

Continue için MCP Konfigürasyonu

Config dosyanıza MCP bölümünü ekleyin:

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "@modelcontextprotocol/server-filesystem",
        "/path/to/your/projects"
      ]
    },
    "git": {
      "command": "npx", 
      "args": ["@modelcontextprotocol/server-git"]
    }
  }
}

Adım 5: Gelişmiş Optimizasyonlar

Ollama Performans Ayarları

# GPU kullanımını optimize etme
export OLLAMA_NUM_GPU=1
export OLLAMA_GPU_OVERHEAD=0

# Paralel istekleri artırma  
export OLLAMA_NUM_PARALLEL=4
export OLLAMA_MAX_LOADED_MODELS=2

Continue Gelişmiş Ayarları

{
  "allowAnonymousTelemetry": false,
  "completionOptions": {
    "temperature": 0.1,
    "topP": 0.9,
    "maxTokens": 1024,
    "presencePenalty": 0.0,
    "frequencyPenalty": 0.0
  },
  "requestOptions": {
    "timeout": 10000,
    "verifySsl": false
  }
}

Kullanım Kılavuzu

Temel Özellikler

1. Otomatik Kod Tamamlama

2. Chat Interface

3. Kod Seçimi ve İşleme

4. Terminal Entegrasyonu

İleri Seviye Kullanım

Özel Promptlar Oluşturma

~/.continue/config.json dosyasına özel slash komutları ekleyin:

{
  "slashCommands": [
    {
      "name": "review",
      "description": "Kod incelemesi yap", 
      "prompt": "Bu kodu incele ve iyileştirme önerileri sun. Güvenlik açıkları, performans sorunları ve kod kalitesi açısından değerlendir."
    },
    {
      "name": "test",
      "description": "Unit test oluştur",
      "prompt": "Bu kod için kapsamlı unit testler yaz. Edge case'leri de kapsa."
    },
    {
      "name": "docs",
      "description": "Dokümantasyon yaz",
      "prompt": "Bu kod için detaylı dokümantasyon yazısı oluştur. Parametreler, return değerleri ve kullanım örnekleri dahil et."
    }
  ]
}

Sorun Giderme

Yaygın Problemler ve Çözümleri

1. Ollama Bağlantı Hatası

# Ollama servisinin çalıştığını kontrol edin
ollama list
netstat -an | grep 11434

# Yeniden başlatın
ollama serve

2. Yavaş Performans

3. Kod Tamamlama Çalışmıyor

4. Model İndirme Sorunları

# Manuel model indirme
ollama pull codeqwen:7b-code --verbose

# İndirilen modelleri kontrol etme
ollama list

Performans Metrikleri

Donanım Önerileri

Kullanım SeviyesiCPURAMGPUÖnerilen Model
Temel4 core8GBİsteğe bağlıQwen2.5 3B
Orta6 core16GBGTX 1060+CodeQwen 7B
İleri8+ core32GB+RTX 3070+DeepSeek V2 16B

Hız Karşılaştırması (Token/saniye)

Güvenlik ve Gizlilik

Avantajlar

En İyi Güvenlik Uygulamaları

Sonuç ve Öneriler

En İyi Kurulum (Çoğu Kullanıcı İçin)

  1. Model: CodeQwen 7B
  2. RAM: 16GB minimum
  3. GPU: Opsiyonel ama önerilen

Gelişmiş Kullanıcılar İçin

  1. Model: DeepSeek Coder V2 16B
  2. RAM: 32GB+
  3. GPU: RTX 3070 veya üzeri

Bu kurulum ile GitHub Copilot’a rakip, hatta bazı konularda daha iyi performans gösteren yerel bir AI kod asistanına sahip olacaksınız. Tüm verileriniz güvende kalacak ve internet bağlantısı olmadan bile çalışabileceksiniz.

MCP Entegrasyonu Nasıl Çalışır?

Model Context Protocol (MCP), modellerin dış dünya ile etkileşim kurmasını sağlayan güçlü bir araçtır. İşleyiş mantığı şu şekildedir:

  1. Araç Tanıtımı: Mevcut araçlar JSON formatında modele sunulur
  2. Model Kararı: Model yanıtında bir araç çağrısı yapmayı seçebilir
  3. İzin Süreci: Kullanıcı onayı (otomatik politika varsa atlanır)
  4. Araç Çalıştırma: Continue, MCP sunucusu üzerinden aracı çalıştırır
  5. Sonuç Döndürme: Sonuç modele geri gönderilir
  6. Döngü: Model potansiyel olarak başka araç çağrıları yapabilir

Pratik Uygulama: Playwright MCP Sunucusu

Gerçek bir örnek üzerinden MCP’nin gücünü görelim:

Kurulum Adımları

  1. Çalışma alanınızın kök dizininde .continue/mcpServers klasörü oluşturun
  2. Bu klasörde playwright-mcp.yaml dosyası oluşturun
  3. Aşağıdaki yapılandırmayı ekleyin:
name: Playwright mcpServer
version: 0.0.1
schema: v1
mcpServers:
- name: Browser search
  command: npx
  args:
  - "@playwright/mcp@latest"

Test Senaryosu

Kurulumu test etmek için şu görevi deneyin:

“Playwright kullanarak https://news.ycombinator.com adresine git, ana sayfadaki ilk 4 gönderinin başlık ve URL’lerini çıkar, proje kök dizininde hn.txt dosyası oluştur ve bu listeyi düz metin olarak kaydet.”

Bu komut sonucunda, otomatik olarak hn.txt dosyası oluşturulacak ve istenen veriler içerisine kaydedilecektir.

Model Yapılandırması

Yerel modellerinizi kullanmak için .continue/models klasöründe yapılandırma dosyası oluşturun:

OLLAMA

name: Ollama Devstral model
version: 0.0.1
schema: v1
models:
  - provider: ollama
    model: unsloth/devstral-small-2505-gguf:Q4_K_M
    defaultCompletionOptions:
      contextLength: 8192
    name: Ollama Devstral-Small
    roles:
      - chat
      - edit

Avantajları

Bu kurulum size şu faydaları sağlar:

Sonuç

MCP ve Continue kombinasyonu, modern yazılım geliştirmenin ihtiyaçlarını karşılayan güçlü bir çözüm sunuyor. Verilerinizin gizliliğini korurken, yapay zeka destekli geliştirme deneyiminden faydalanabilirsiniz.

Bu teknolojiler sayesinde, web otomasyonundan dosya yönetimine kadar uzanan geniş bir araç yelpazesini AI asistanınıza entegre edebilir, tümüyle yerel bir ortamda çalışabilirsiniz. Geliştirme iş akışınızı bir üst seviyeye taşımaya hazır mısınız? Continue Hub’daki farklı MCP sunucularını keşfederek başlayabilirsiniz.