Açık Kaynak Yapay Zeka Araçları Nasıl Kurulur? 4 Kurulum Yolu ve Hangisi Sana Uygun (2026)

Açık kaynak bir yapay zeka aracı, kodunu herkesin görebildiği ve kendi makinende çalıştırabildiğin bir araçtır. Abonelik yok, aylık kota yok; yerel bir modelle kullanırsan verin bilgisayarından hiç çıkmıyor. Bedeli de var: kurulum senin işin.

Kurmanın dört yolu var ve zorluk sırasıyla şöyle: masaüstü uygulaması, terminalden tek komut, Docker, kod editörü eklentisi. Aşağıda dördü de aynı sırayla anlatılıyor; sonunda hangisinin sana uyduğunu tablodan seçebilirsin.

Araç araç kurulum anlatan rehberlerimiz zaten var. Bu yazı onların yerine geçmiyor, hangisini açman gerektiğini söylüyor. Araçların tamamı lisanslarıyla birlikte şu sayfada: Açık Kaynak Yapay Zeka Araçları.

Yol 1 — Masaüstü uygulaması: indir, kur, çift tıkla

Kurulumun en kısa yolu bu. İndirdiğin dosyaya çift tıklıyorsun, kurulum bitiyor, uygulamayı açıyorsun. Terminal görmüyorsun, komut yazmıyorsun.

AnythingLLM bu yolun en iyi örneği: kendi belgelerini yükleyip sohbet edebildiğin, yerel çalışan bir asistan uygulaması. Masaüstü sürümü Windows, macOS ve Linux'ta çalışıyor; Windows için 64-bit x86 ve ARM sürümleri ayrı indiriliyor. Resmi doküman Windows 11 Home'u hedeflediğini, Enterprise ve Server sürümlerinde çalışmayabileceğini yazıyor. Kurulumda "tüm kullanıcılar" yerine "yalnızca bu kullanıcı" seçeneğini seç; doküman tüm kullanıcılar için kurulumun sorun çıkardığını ve desteklenmediğini söylüyor.

Uygulamanın içinde Ollama tabanlı bir yerel model hazır geliyor, yani kurduğun anda sohbete başlayabiliyorsun. NVIDIA veya AMD ekran kartını kullanması için gereken ek bileşenler kurulum sırasında kendiliğinden yükleniyor. İlk açılış bazı sistemlerde bir iki dakika sürebiliyor, sonrakiler neredeyse anında.

Görsel tarafında ikinci örnek Upscayl: küçük ve bulanık fotoğrafları büyütüp netleştiriyor. Bir şartı var: Vulkanⁱekran kartıyla konuşmak için kullanılan bir grafik arayüzü uyumlu bir ekran kartı gerekiyor. README, işlemciye gömülü grafik birimlerinin birçoğunda çalışmadığını, yine de denemenin zararı olmadığını yazıyor. Windows'ta .exe, macOS'ta .dmg (Homebrew ile brew install --cask upscayl), Linux'ta AppImage, Flatpak veya Snap paketi var.

Bu yolun sınırı: hazır gelen deneyimin dışına çıkmak zor. Çok kullanıcılı kullanım ya da web sitene gömülen sohbet kutusu gibi özellikler AnythingLLM'de yalnızca Docker sürümünde var. Belgelerinle çalışan kendi asistanını kurmak istiyorsan ayrı rehberimiz: AnythingLLM ile kendi yapay zekanı kur.

Yol 2 — Terminalden tek komut

Bu yolda kurulumu bir komutla yapıyorsun: komutu terminaleⁱbilgisayara yazıyla komut verdiğin pencere yapıştırıp Enter'a basıyorsun. Terminali ilk kez açacaksan:

• Windows: Win + X tuşlarına bas, menüden "Terminal" ya da "PowerShell"i seç.
• macOS: Cmd + Boşluk ile aramayı aç, Terminal yaz, Enter'a bas.
• Linux: Ctrl + Alt + T.

Kopyaladığın komutu Ctrl + V ya da sağ tıkla yapıştırabilirsin. Komut çalışırken pencereyi kapatma; indirme orada ilerliyor.

Ollama bu yolun standart örneği: açık modelleri indirip çalıştırıyor. Windows'ta OllamaSetup.exe, macOS'ta Ollama.dmg indirilebiliyor; Linux'ta kurulum tek satır:

curl -fsSL https://ollama.com/install.sh | sh

Model indirmek de tek komut. Resmi hızlı başlangıç dokümanı Gemma 4 E2B modelini örnek veriyor: indirme yaklaşık 7,2 GB ve 8 GB boş VRAM (Mac'te birleşik bellek) öneriliyor. VRAM yetmezse Ollama sistem RAM'ini kullanıyor, cevaplar yavaşlıyor. Çalışan Ollama yerel bir API de açıyor; http://localhost:11434 adresinden kendi script'inle ya da başka bir araçla bağlanabiliyorsun. Ayrıntılar: Ollama rehberi.

İkinci örnek, bizim her gün kullandığımız ajan: Hermes Agent. Linux ve macOS'ta curl ile tek satırda kuruluyor. Windows için ise ayrı bir PowerShell komutu var ve WSL gerektirmeden doğrudan Windows'ta çalışıyor:

iex (irm https://hermes-agent.nousresearch.com/install.ps1)

Hermes'i biz de Windows'ta bu şekilde, yerel olarak çalıştırıyoruz. Kurulum %LOCALAPPDATA%\hermes klasörüne gidiyor; ayarlar, hafıza ve oturumlar orada duruyor. Denerken gördüğümüz iki şey var. Birincisi, README'de de yazdığı gibi bazı antivirüsler Hermes'in yanında gelen uv.exe dosyasını zararlı sanıp karantinaya alabiliyor. Bu bir yanlış alarm; dosya, Hermes'in Python ortamını yöneten araç. İkincisi, bir güncellemeden sonra masaüstü uygulaması açılmaz hale geldi ve sorun ancak bir sonraki sürümde düzeldi. Bu yüzden güncellemeden önce hermes backup ile yedek almanı öneririz; komut tüm ayarları, hafızayı ve oturumları tek bir zip dosyasına topluyor. Adım adım kurulum için: Hermes Agent kurulum rehberi.

Kod yazanlar için üçüncü örnek terminalde çalışan kodlama ajanı OpenCode: Linux ve macOS'ta curl -fsSL https://opencode.ai/install | bash, Node.js kuruluysa npm i -g opencode-ai@latest, Homebrew ile brew install anomalyco/tap/opencode. Masaüstü sürümü de var.

Bu yolun sınırı: komutlar işletim sistemine göre değişiyor. Linux ve macOS için yazılmış curl ... | bash tipi bir komut Windows'ta olduğu gibi çalışmıyor. Aracın README'sinde Windows için ayrı bir PowerShell komutu ya da indirme dosyası var mı, kurmadan önce ona bak.

Yol 3 — Docker

Dockerⁱbir uygulamayı ihtiyaç duyduğu her şeyle birlikte paketleyip bilgisayarının geri kalanından yalıtılmış bir kutuda çalıştıran sistem, özellikle tarayıcıdan açılan paneller ve sunucuda sürekli çalışması gereken araçlar için kullanılıyor. Paketlenmiş uygulamanın çalışan haline containerⁱDocker'ın çalıştırdığı yalıtılmış kutu, tarayıcıdan bağlandığın kapı numarasına portⁱaynı bilgisayardaki farklı servisleri birbirinden ayıran numara deniyor. Araç tek komutla kalkıyor ama önce Docker'ın kendisini kurman gerekiyor.

Windows'ta bunun yolu Docker Desktop. Resmi kurulum sayfası iki mod sunuyor; önerilen "per-user" mod yönetici hakkı istemiyor ve arka planda WSL 2ⁱWindows'un içinde Linux çalıştıran katman kullanıyor.

Bu yolu en iyi anlatan araç otomasyon platformu n8n:

docker run -it --rm --name n8n -p 5678:5678 -v n8n_data:/home/node/.n8n docker.n8n.io/n8nio/n8n

Editör http://localhost:5678 adresinde açılıyor. Komuttaki -v n8n_data:/home/node/.n8n kısmını atlama: container silinse bile verilerinin kalmasını sağlıyor. Resmi doküman bu klasörün yalnızca veritabanını değil, şifreleme anahtarlarını ve kayıtları da tuttuğunu yazıyor. n8n'i bir süre kendi sunucumuzda Docker ile çalıştırdık. Orada öğrendiğimiz şu: yerel bilgisayarda localhost adresi yeterli, ama sunucuda portu açtığın anda panelin internetten erişilebilir hale geliyor. Aşağıdaki güvenlik bölümü bu yüzden var. Sunucuya kurulum için: n8n kurulum rehberi.

Kendi sohbet arayüzünü kurmak istiyorsan Open WebUI: birden fazla modeli tek ekranda topluyor, belge yükleyip sohbet edebiliyorsun.

docker run -d -p 3000:8080 --add-host=host.docker.internal:host-gateway -v open-webui:/app/backend/data --name open-webui --restart always ghcr.io/open-webui/open-webui:main

Ardından tarayıcıda http://localhost:3000 adresini açıyorsun. Ekran kartıyla çalıştırmak için :cuda etiketli imaj ve --gpus all kullanılıyor; README bunun için Linux ya da WSL tarafında NVIDIA'nın container araç setinin kurulu olması gerektiğini yazıyor. Ollama'yı ayrıca kurmak istemiyorsan :ollama etiketli imaj ikisini birlikte getiriyor. Docker istemeyenler için pip install open-webui yolu da var; bu yol Python 3.11 istiyor ve arayüz http://localhost:8080 adresinde açılıyor. Birden fazla servisi bir arada kuran araçlar ise genelde docker compose up -d komutunu kullanıyor; WeKnora buna bir örnek.

RAM ve disk: Docker'ın resmi Windows kurulum sayfası sabit bir RAM ya da disk rakamı vermiyor; ihtiyaç kurduğun araca ve modele göre değişiyor. Asıl yeri kaplayan indirdiğin imajlar ve modeller: her biri diskte gigabaytlarca yer tutuyor, aynı anda çalışan servis sayısı arttıkça bellek ihtiyacı da artıyor.

Yol 4 — Kod editörü eklentisi

Kod yazıyorsan en doğal yol bu: araç editörünün içine kuruluyor ve dosyalarınla aynı pencerede çalışıyor. Cline ve Kilo Code bu grubun iki örneği; ikisi de VS Code Marketplace'ten kuruluyor. Cline'ın JetBrains eklentisi ve macOS ile Windows için masaüstü uygulaması da var; Kilo Code'un JetBrains eklentisi ve komut satırı sürümü var.

Bu yolda bilmen gereken şey şu: eklenti arayüz, cevabı üreten model ayrı bir yerden geliyor. Cline'a kurulumdan sonra ya kendi bilgisayarında çalışan yerel bir model ya da bir bulut modeli için API anahtarıibir servise senin adına istek göndermeye izin veren gizli anahtar bağlaman gerekiyor. Kilo Code bu adımı kısaltıyor: README'ye göre başlamak için API anahtarı gerekmiyor, hesap açıp yüzlerce modele model sağlayıcısının fiyatıyla erişebiliyorsun. Yani kurulum ücretsiz, ama bulut modeli kullandıkça ödeme yapıyorsun. Kodlama tarafında daha geniş karşılaştırma: Yapay zeka ile kod yazma araçları.

Hangi yol sana uygun?

Donanım ayrı bir eşik. Yerel model çalıştıracaksan ekran kartının belleği belirleyici; işlemciyle de çalışıyor ama yavaşlıyor. Hangi modelin bilgisayarına sığacağını Hangi Yapay Zeka Çalışır aracından görebilirsin.

[mindi_yorum]
💰 Dört yolun hepsi ücretsiz araçlarla yapılıyor; para ancak bulut modeli kullanmaya karar verdiğinde devreye giriyor
🟢 Yol 1 en az riskli başlangıç: beğenmezsen uygulamayı kaldırırsın, geriye bir şey kalmaz
🟡 Docker en çok yer kaplayan yol; indirilen imajlar ve modeller diskte sen silene kadar duruyor
🔵 Birden fazla yolu aynı anda kullanabilirsin, yeter ki iki araç aynı portu istemesin; çakışırsa komuttaki port numarasını değiştirmen yeterli

Model nereden gelecek?

Burada bir şeyi netleştirmek gerekiyor: bu araçların çoğu modeli içinde getirmiyor. Kurduğun şey bir çalıştırıcı ya da arayüz; modeli ayrıca seçiyorsun. İki seçenek var.

Yerel model. Model bilgisayarına iniyor, internetsiz çalışıyor, verin dışarı çıkmıyor. Karşılığı donanım: model dosyası diskte gigabaytlarca yer kaplıyor, çalışırken ekran kartı belleğini kullanıyor. Ollama ve LM Studio en yaygın iki çalıştırıcı.

Açık modellerin toplandığı yer Hugging Face. Her modelin sayfasında lisansı, dosya boyutları ve nasıl çalıştırılacağı yazıyor; birçok modelin Spaces üzerinde tarayıcıdan denenebilen bir demosu da var. Biz de bir modeli indirmeden önce Hugging Face'te sayfasına ve varsa demosuna bakıyoruz. Gigabaytlarca dosya indirmeden işine yarayıp yaramadığını görmenin en ucuz yolu bu.

API. Model başkasının sunucusunda çalışıyor, sen istek gönderiyorsun. Donanım gerektirmiyor, ama kullandıkça ödüyorsun ve verin o sunucuya gidiyor. OpenRouter tek hesaptan birçok modele erişim veriyor; ücretsiz modeller de var ama hangi modelin ücretsiz olduğu zamanla değişiyor. Fiyatlar sık değiştiği için burada rakam vermiyoruz; güncel liste OpenRouter'ın kendi sitesinde.

Daha fazlası için: Açık kaynak mı, kapalı model mi? ve OpenRouter rehberi.

[mindi_yorum]
💰 Yerel model gerçekten ücretsiz, bedeli donanım ve elektrik; API'de ücretsiz modeller var ama listesi değişiyor
🟢 Yeni başlıyorsan en pratik yol: AnythingLLM'i kur, içindeki hazır yerel modelle dene, alışınca model seçimine geç
🟡 Ollama'nın kendi örneğindeki küçük Gemma modeli bile 8 GB boş VRAM öneriyor; daha büyük bir model indirmeden önce donanımını kontrol et
🔵 Günlük ve tekrarlayan işler için yerel model, ara sıra gelen zor sorular için API iyi bir denge

Lisansı nasıl okursun?

Açık kaynak "her şey serbest" demek değil. Kurmadan önce, hele şirkette kullanacaksan, lisansa bakmakta fayda var. Sık karşılaşacağın dört grup var:

• MIT ve Apache-2.0: neredeyse şartsız. Kullanabilir, değiştirebilir, ticari işinde kullanabilirsin. Örnekler: Ollama, AnythingLLM, Hermes Agent, Kilo Code ve LibreChat MIT; Cline ve Coze Studio Apache-2.0.
• GPL-3.0: kullanmak ve değiştirmek serbest, ama değiştirdiğin sürümü dağıtırsan kaynak kodunu da açmak zorundasın. Örnekler: ComfyUI, OpenHuman.
• AGPL-3.0: GPL'in sunucu çağına uyarlanmış hali. Değiştirdiğin sürümü internet üzerinden hizmet olarak sunsan bile kodunu açman gerekiyor. Örnekler: Upscayl, Postiz, OpenMontage; Warp ve Unsloth'ta kodun bir kısmı AGPL.
• Kısıtlı lisanslar: kaynak kodu açık ama kullanımı sınırlayan, şirket kullanımına ayrı koşul getiren ya da ticari kullanımı yasaklayan lisanslar. Bu gruba mutlaka bak. Örnekler: n8n (Sustainable Use License), Open WebUI (kendi lisansı), LobeHub (kendi topluluk lisansı), GitNexus (ticari kullanım yok), Dify (değiştirilmiş Apache-2.0), Activepieces ve Chatwoot (MIT, ama kurumsal kısmı ayrı lisanslı).

Lisansı projenin deposunda, kök klasördeki LICENSE dosyasında bulursun. Tek tek bakmak istemiyorsan açık kaynak araçlar sayfamızda her aracın lisansı, depodaki bu dosyadan kontrol edilerek yazıldı.

Dikkat edilecek bir nokta daha: bir aracın çekirdeği MIT gibi serbest bir lisansla gelip kurumsal özellikleri ayrı lisanslı olabilir. Şirkette kullanacaksan lisansı bir hukukçuya okutmak, kurulumdan uzun sürebilir ama sonradan çıkacak sorundan ucuzdur.

Güvenlik: kurduğun paneli internete açma

Kendi bilgisayarında localhost adresinden kullandığın bir panel sadece sana açık. Aynı paneli bir sunucuya kurup portunu açtığında ise internetteki herkes o adrese ulaşabilir hale geliyor. Panelin giriş ekranı olsa bile bu tek başına yeterli bir koruma değil.

WeKnora README'si bunu açıkça yazıyor: uygulama giriş doğrulamasıyla gelse de üretim kurulumlarında servisi internete doğrudan açmamayı, iç ya da özel bir ağda çalıştırmayı, güvenlik duvarı kuralları tanımlamayı ve güvenlik yamaları için sürekli güncel sürümde kalmayı öneriyor. Open WebUI dokümanı da paneli başkalarıyla paylaşacaksan yeni kayıtları yönetim panelindeki kimlik doğrulama ayarlarından kapatmanı söylüyor.

Kendi sunucumuzda bunu tecrübeyle öğrendik: bir güvenlik turunda, doğrudan port üzerinden erişilebilir kalmış bir servisi ters proxyⁱgelen istekleri karşılayıp arkadaki servise ileten, erişimi tek noktadan kontrol etmeyi sağlayan sunucu arkasına almak zorunda kaldık. Sunucuya kurulum yapacaksan şu maddeleri baştan uygula:

• Yönetim panelini doğrudan internete açma.
• Açman gerekiyorsa önce bir ters proxy arkasına al ve kimlik doğrulamayı aç.
• Varsayılan ya da zayıf şifre bırakma, yeni kayıt kabul eden ayarları kapat.
• Güncellemeleri takip et. Kurulup haftalarca unutulan bir panel, kurulumda yapılan hatalardan daha sık sorun çıkarıyor.

Şimdi ne yaparsın?

1. Ne yapmak istediğine karar ver: belgelerinle sohbet mi, model denemek mi, otomasyon mu, kod mu.
2. Yukarıdaki tablodan yolunu seç ve tek bir araçla başla. Aynı anda üç araç kurarsan hangisinin ne yaptığını karıştırırsın.
3. Yerel model kullanacaksan önce Hangi Yapay Zeka Çalışır aracında ekran kartına göre model seç, sonra Hugging Face'te sayfasına bak.
4. Kurduğun aracın lisansına bak, özellikle şirkette kullanacaksan.
5. Paneli sunucuya taşıyacaksan güvenlik bölümündeki maddeleri kurulumdan önce uygula.

Lisanslarıyla birlikte tüm liste: Açık Kaynak Yapay Zeka Araçları.