Azure Cosmos DB VS Code Eklentisi: Ajanlar İçin Yeni Araçlar

⏱️ 8 dk okuma📅 19 Ağustos 2026🔄 Güncelleme: 16 Eylül 2026

Anthropic’in 2026 Agentic Coding Trends Report’una göre geliştiriciler işlerinin yaklaşık %60’ında yapay zekadan yararlanıyor, ama görevlerinin yalnızca %0-20’lik kısmını tamamen ajana devredebildiklerini söylüyor. Tablo, iş bir veritabanına dokunmaya başladığında daha da anlam kazanıyor: Kod üreten bir ajan, sorgu metnini yazabilir; hangi hesaba bağlanacağını, alan adlarının gerçekte ne olduğunu ve sorgunun ne kadar RU tüketeceğini kendi başına bilemez.

📋 İçindekiler

Sorgu, sadece sorgu metninden ibaret değildir
Tahmin etmeden önce şemayı görmek
Araçlar yetmez, veritabanı bilgisi de gerekir
İnsanı döngüde tutmak
Query Editor dışına çıkan iş akışları
Sahte veri ve yerel veritabanıyla başlamak
Akışı bozmadan çalışmak
İlk sorgudan önce ve binincisinden sonra
Amaç otonomi değil
Kaynaklar ve İleri Okuma

Azure Cosmos DB ekibinin Visual Studio Code eklentisine getirdiği son güncellemeler tam da bu boşluğu hedefliyor. GitHub Copilot araçları ve Cosmos DB’ye özel “skill”ler doğrudan Query Editor’a yerleşiyor, isteğe bağlı bir MCP yolu Azure Cosmos DB Shell üzerinden açılıyor, yerel geliştirme için Emulator ile taşıma ve hesap sağlığı için de ek deneyimler devreye giriyor. Öne çıkan nokta yapay zekanın sorgu üretebilmesi değil; bunu editörün bağlamını görerek, şemayı örnekleyerek ve geliştiricinin onayıyla yapabilmesi.

Sorgu, sadece sorgu metninden ibaret değildir

“Son yedi günün bekleyen siparişlerini göster” cümlesi kolay görünür. Zor kısım cümlenin arkasındadır: Copilot hangi hesabı kullanmalı? Hangi veritabanı ve container açık? Alanın adı status mı, orderStatus mu? Zaman damgası string mi, sayısal mı? Ve bu sorgu ne kadara mal olacak?

Bir model bu bilgileri yalnızca prompttan güvenilir biçimde çıkaramaz. Eklenti, Copilot’a Cosmos DB for NoSQL Query Editor ile çalışması için somut araçlar sağlıyor. Bu araçlar sayesinde Copilot:

Açık bir Query Editor bağlantısı bulabilir
Doğru Query Editor sekmesini açabilir veya odaklayabilir
Mevcut sorgu ve bağlantı bağlamını inceleyebilir
Container şemasını örnekleyebilir
Ürettiği sorguyu editöre uygulayabilir
Sorguyu çalıştırıp tamamlanmasını bekleyebilir

Böylece sonuç, sohbet penceresinde kopyalanmayı bekleyen bir metin olarak kalmıyor; Copilot sorguyu aktif editöre yerleştiriyor ve istendiğinde orada çalıştırıyor. Ayrı bir @cosmosdb sohbet kişiliği yok; standart Copilot ajanı görev gerektirdiğinde bu araçları kullanıyor.

Tahmin etmeden önce şemayı görmek

Bir ajanın güvenilirliğini en hızlı kaybettiği an, var olmayan bir alan uydurmasıdır. Geliştirici aktif müşterileri istediğinde model rahatlıkla şunu yazabilir:

SELECT * FROM c WHERE c.isActive = true

Cümle mantıklı görünür ama gerçek alan adı accountStatus ise sonuç işe yaramaz. Eklenti, sorgu üretmeden önce Copilot’un aktif container’ı örneklemesine ve gerçek alan adları ile tiplerini çıkarmasına olanak tanıyor. Aynı örnekleme, editör içindeki otomatik tamamlama ve sonuç şeması çıkarımı için de değerli.

Örnekleme sessiz bir işlem değil: Veri okuyor ve request unit tüketiyor. Bu yüzden eklenti önce onay istiyor. Sorgu yürütme de aynı kurala tabi. Kısa gibi görünen bu duraklama, aslında sorumluluk paylaşımının merkezinde: Copilot işi hazırlar, veriye dokunma veya RU harcama kararını geliştirici verir.

Araçlar yetmez, veritabanı bilgisi de gerekir

Araçlara erişim sorunun yalnızca yarısını çözüyor. Bir ajan sorgu çalıştırmayı biliyor olabilir ama yine de Cosmos DB için verimsiz veya geçersiz bir sorgu üretebilir; ilişkisel JOIN semantiği kullanabilir, desteklenmeyen DML yazabilir, tüm partition’ları tarayan bir sorgu kurabilir veya point read’in yeterli olduğu bir durumda sorgu yazabilir.

Eklentiye eklenen özel ajan skill’leri bu boşluğu dolduruyor:

Azure Cosmos DB for NoSQL Query Generation: NoSQL sorgu diyalektini, projeksiyonları, dizi açma join’lerini, aggregate’leri, full-text search, vector search, hybrid ranking, sayfalama ve desteklenen yerleşik fonksiyonları kapsar.
Query Editor: Ajana bağlamı incelemeyi, şemayı örneklemeyi, sorguyu editöre uygulamayı ve talep edildiğinde çalıştırmayı öğretir.
Azure Cosmos DB Agent Kit: Veri modelleme, partition key tasarımı, sorgu optimizasyonu, SDK kullanımı, indeksleme, throughput, global dağıtım, izleme, vector search, full-text search ve ajan uygulama örüntüleri gibi başlıklarda 100’ün üzerinde öneri sunuyor.

Basit bir ayrım işe yarıyor: Araçlar ajana el veriyor, skill’ler ise veritabanı hakkında çalışan bir bilgi katmanı sağlıyor. Bu bilgi yalnızca sohbet sırasında değil, sıradan kod yazımı sırasında da kullanılabiliyor; Agent Kit, GitHub Copilot, Claude Code, Codex, Cursor, Gemini CLI ve uyumlu diğer ajanlar üzerinden erişilebilir hale getiriliyor.

İnsanı döngüde tutmak

Bir ajan veritabanına ulaşabildiği anda sınırların net olması gerekiyor. Anthropic bunu “işbirliği paradoksu” olarak tanımlıyor: Geliştiriciler yapay zekayı sık kullanıyor ve verimlilik kazanıyor ama yalnızca iyi tanımlanmış, düşük riskli veya kolay doğrulanabilir işleri devrediyor. Sonuçları ağır olan işler işbirlikçi kalıyor. Veritabanı erişimi bu ikinci kategoriye giriyor.

Eklenti, ajanın gördüğü geçmişte tüm sorgu sonuçlarını sessizce tutmuyor. Sorgu metni ile satır sayısı, request charge ve çıkarılan şema gibi meta verileri kaydediyor; ham dokümanları saklamıyor. Şema örneklemesi de sorgu yürütmesi de onay istiyor. Üretilen sorgu Query Editor’a düşüyor ve bir şey olmadan önce okunabilir, değiştirilebilir.

Kimlik doğrulama tarafında ise araç ve ortama göre Microsoft Entra ID, managed identity, connection string, Azure CLI kimlik doğrulaması ve read-only anahtarlar destekleniyor. Bağlanan kimliğin ne yapabileceğini mevcut Cosmos DB izinleri belirlemeye devam ediyor. Bir ajan, temsil ettiği kişi veya uygulamanın izinlerinin ötesine geçen bir arka kapı olmamalı; aynı kimlik ve yetkilerle çalışmalı.

Query Editor dışına çıkan iş akışları

Query Editor sorgu çalışması için doğal bir yer ama her ajan bu editörün içinde kalmıyor. Rapordaki bir öngörü, ajan görevlerinin kısa ve tek seferlik isteklerden, saatler veya günler süren, hatadan toparlanabilen iş akışlarına dönüşeceği yönünde. Bu tür uzun soluklu iş akışları, araçlarına dayanıklı ve açık yollarla ulaşmak zorunda.

Azure Cosmos DB Shell, hesaplar, veritabanları, container’lar ve öğeler arasında gezinmek için hafif bir komut satırı deneyimi sağlıyor; sorgular, yönetim işlemleri, scripting ve birden fazla kimlik doğrulama yöntemini destekliyor. Shell’in aynı zamanda isteğe bağlı bir MCP sunucu modu var. Geliştirici bunu açtığında GitHub Copilot ve diğer MCP uyumlu istemciler, shell işlemlerini araç olarak kullanabiliyor.

Böylece iki makul yol ortaya çıkıyor: VS Code içinde şema farkındalıklı Query Editor araçları ve editör dışına taşan iş akışları için MCP üzerinden Cosmos DB Shell. Şu noktayı da netleştirmek gerek: Bu, yönetilen bir MCP hizmeti değil. İsteğe bağlı, geliştiricinin kontrolünde çalışıyor ve açıkça etkinleştirilmesi gerekiyor. Nerede çalışacağı, hangi kimliği kullanacağı ve o kimliğin neye yetkili olduğu ekibin kararı.

Sahte veri ve yerel veritabanıyla başlamak

Bir ajanın sorgu yazabildiğini kanıtlamak için üretim verisine ihtiyacı yok. Azure Cosmos DB Emulator tam da bu iş için yerel bir servis sunuyor. VS Code eklentisine bağlanabiliyor; birkaç gerçekçi container oluşturup Query Editor iş akışını, ajanı bir bulut hesabına yöneltmeden önce burada çalıştırmak mümkün.

Linux tabanlı vNext Emulator, Docker üzerinde çalışıyor ve Data Explorer ile Azure Cosmos DB Shell’i içeriyor. Seed script’leri test verisini tekrarlanabilir kılıyor, health probe’ları container’ı otomatik testlerde kullanışlı hale getiriyor. Ekipler bunu CI ortamında da çalıştırabiliyor; tek bir paylaşılan geliştirme veritabanının zamanla herkes için gizemli bir hal alması sorunundan böylece kaçınılıyor.

Ajan çalışmaları için gerçek veriye benzeyen tuhaflıkları taşıyan sentetik dokümanlar kullanmak faydalı: Eksik alanlar, tutarsız şekiller, kimsenin beklemediği değerler. Sonra da şema örneklemesinin üretilen sorguyu dürüst tutup tutmadığı test edilebilir. Ajan hatalı bir sonuca gittiğinde bunu yerelde yapıyor ve hata tekrarlanabilir bir teste dönüşüyor.

Emulator, Docker içinde bulut değildir. vNext sürümü API for NoSQL’i gateway modunda ve bulut yeteneklerinin bir alt kümesini destekliyor. Request unit davranışı ve bazı üretim özellikleri tam olarak yansıtılmıyor. Fonksiyonel güven için idealken performans, indeksleme, güvenlik, ölçek ve bölgesel davranış Azure’da doğrulanmalı.

Akışı bozmadan çalışmak

Cosmos DB Query Editor içinden geliştirici Generate query seçebiliyor, ihtiyacını gündelik dille anlatabiliyor, üretilen NoSQL sorgusunu inceleyip çalıştırabiliyor. Mevcut bir sorguyu Copilot’a açıklattırmak da mümkün. Sonuçlar tanıdık Query Editor’da kalıyor; tablo, JSON ve ağaç görünümleriyle. Çalışma süresi, RU tüketimi, sorgu metrikleri ve indeks önerileri, incelemeyi başka bir ürüne taşımadan görülebiliyor.

Tipik bir istek şöyle olabilir: “Bu kiracı için son on başarısız ödeme denemesini göster.” Copilot aktif container’ı tespit edip şemasını örneklemek için izin isteyebilir, gerçek alan adlarıyla partition kapsamlı bir sorgu üretebilir ve editöre yerleştirebilir. Geliştirici okuyup değiştirebilir ve çalıştırmayı onaylayabilir. Değerli olan SQL benzeri metnin kendisi değil; sorgudan ve maliyetinden gözünü ayırmadan çevredeki küçük adımların üstesinden gelmek.

İlk sorgudan önce ve binincisinden sonra

Her Cosmos DB projesi boş bir depodan başlamıyor. Şu anda önizlemede olan AI destekli Migration Assistant, ekiplerin ilişkisel bir iş yükünü Cosmos DB’ye taşımadan önce incelemesine yardımcı oluyor; kaynak şema keşfi, erişim örüntüsü analizi, iş yükü tahminleri, uygulama gereksinimleri ve Cosmos DB hedef modeline dönüştürme adımlarında geliştiricilere yol gösteriyor. Cosmos DB’ye geçiş, mekanik bir tablo-container dönüşümü değil; hedef model, uygulamanın veriyi gerçekten nasıl okuyup yazdığını yansıtmak zorunda.

Uygulama çalıştıktan sonra ise eklentideki Account Overview panosu; envanter, throughput, normalize edilmiş RU tüketimi, partition sağlığı, uyarılar, öneriler ve türetilmiş tavsiyeler için salt okunur bir görünüm sağlıyor. Bu ikisi aynı işin iki ucu: Yapay zeka taşıma kararlarında akıl yürütmeye ve sonradan sorguları soruşturmaya yardım edebilir ama sistem gerçekten çalışırken maliyet, partition davranışı ve hesap sağlığı için insanların net bir görünüme ihtiyacı var.

Amaç otonomi değil

Bu araçların hiçbiri geliştiriciyi veritabanı çalışmasından çıkarmıyor; işin etrafındaki arama, kopyalama ve söz dizimi hatırlama yükünü azaltıyor. Cosmos DB tarafındaki araç ve skill’ler bu birlikte çalışmayı destekleyen somut parçalar:

VS Code eklentisinde yerel GitHub Copilot araçları
Şemaya dayalı, doğal dille sorgu üretimi
Cosmos DB sorgu ve en iyi uygulama ajan skill’leri
Azure Cosmos DB Shell üzerinden isteğe bağlı MCP desteği
Azure Cosmos DB Emulator ile yerel ajan geliştirme ve CI testi
AI destekli ilişkisel taşıma
Account Overview panosuyla operasyonel görünürlük

Amaç bir ajana sınırsız veritabanı erişimi vermek değil; onu gerçekten faydalı kılacak kadar bağlam ve yetenek sunarken, sonuçları ağır olan adımları hala bir insanın görüp kontrol edebilmesini sağlamak. Bu yeni iş akışında veritabanı araçlarının kullanışlı biçimi de şöyle beliriyor: Gerçek şemaya dayalı, maliyet konusunda dürüst, kimlikle yönetilen ve geliştiricinin zaten çalıştığı yere yakın.

Kaynaklar ve İleri Okuma

Bu yazı yapay zeka (büyük dil modelleri) ile hazırlanmış, insan editör tarafından incelenmiştir. İçerik üretim sürecimiz.

Aşkın KILIÇYazar

20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.

AZ-305AZ-104AZ-500AZ-400DP-203AI-102