Microsoft Azure Incubations ekibi, GitHub Copilot app için Radius Canvas‘ın public preview sürümünü duyurdu. Amaç basit bir cümleyle özetlenebiliyor: yapay zeka dakikalar içinde binlerce satır kod üretebiliyor, ama o değişikliğin uygulamanın geneline ne yaptığını anlamak çok daha uzun sürüyor.
Radius Canvas, uygulamanın yapısını görselleştiriyor, kod değişikliklerinin mimariye etkisini gösteriyor ve farklı bulut sağlayıcılarına deployment yapılmasını sağlıyor. Duyuru 2 Eylül 2026’da Microsoft Developer Community Blog’da yayınlandı.
Çözmeye çalıştığı problem
Bir commit yeni bir servis ekleyebilir, bir port açabilir veya bir bağımlılığı değiştirebilir. Bunların hiçbiri mimariye etkisini kendiliğinden göstermez. Geliştirici her değişiklikten sonra container, veritabanı ve gateway gibi bileşenlerin birbirine nasıl bağlı kaldığını doğrulamak zorunda kalıyor.
Sorun şu ki bu bilgi tek bir yerde durmuyor. Kaynak koda, Dockerfile’lara, manifest’lere, infrastructure as code dosyalarına, CI/CD workflow’larına, konfigürasyona, diyagramlara ve kurumsal hafızaya dağılmış durumda.
Agent’lar aynı sorunu miras alıyor
Blogun en dikkat çeken argümanı burada. AI değişim hızını artırdıkça agent’lar da aynı problemi devralıyor, üstelik uygulamaya dair kalıcı bir anlayışları yok.
Ham dosyalardan çalışan bir agent bu anlayışı her seferinde yeniden ve farklı biçimde kuruyor. Bir sonraki çalıştırma için geriye pek bir şey bırakmıyor. Yani her run sıfırdan başlıyor ve her run biraz başka bir yorumla çalışıyor.
Bu, agent tabanlı geliştirmede az konuşulan bir maliyet. Tutarsızlık sadece token harcaması değil, aynı repoya iki kez bakan agent’ın iki farklı mimari anlayışıyla iş yapması demek.
Deployment tarafındaki risk
Buluta deployment ayrı bir katman ekliyor. Geliştirici uygulamanın kendisine ek olarak networking, kimlik, güvenlik, depolama ve credential yönetiminden de sorumlu hale geliyor. Üstelik bu kararlar ortama göre değişiyor.
Bir uygulama yerelde, staging’de ve production’da çalışabilir. Ortamlar Azure, AWS veya on-premises’e yayılabilir; her birinde farklı altyapı, kimlik, konfigürasyon ve güvenlik gereksinimi olur.
Bu gereksinimler konfigürasyona, policy’lere ve kurumsal hafızaya dağılmışken, bir agent çalışan ama yanlış kimlikle, yanlış bölgede veya yanlış güvenlik ayarlarıyla bir deployment üretebilir. Bu, sessizce yanlış giden türden bir hata. Deployment başarılı görünür, sorun aylar sonra ortaya çıkar.
Microsoft’un teşhisi şu: uygulama kavrama, ortamlar arası tutarlılık ve deployment güvenilirliği aynı mimari boşluğa çıkıyor. Uygulamanın, geliştiricilerin ve agent’ların birlikte çalışabileceği ortak bir tanımı yok.
Üç görünüm: Modeled, Planned, Deployed
GitHub Copilot app içinde geliştirici uygulamayı görmek istediğini söylüyor. Radius kaynak kod deposunu analiz edip uygulamayı oluşturan workload’ları, bağımlılıkları, bağlantıları ve altyapı gereksinimlerini tespit ediyor. Bu anlayışı kodun yanında saklanan bir uygulama tanımına kaydediyor ve Canvas’ta görselleştiriyor.
Kritik nokta: tanım versiyonlanabiliyor, review edilebiliyor ve repo geliştikçe güncellenebiliyor. Her çalıştırmada ayrı dosyalardan ve prompt’lardan yeniden keşfedilmiyor.
Radius uygulamanın üç görünümünü sunuyor:
- Modeled — uygulamanın kodda tasarlandığı haliyle üst seviye mimarisi
- Planned — uygulama deploy edilirse her bileşen için sağlanacak altyapının önizlemesi
- Deployed — uygulamanın bir ortamda şu anda çalışan hali, sağlanan altyapı kaynaklarına derin bağlantılarla
Üç görünüm de aynı uygulama tanımından üretiliyor. Graf, uygulama modellemeden planlamaya ve deployment’a geçerken doğru kalıyor.
Diff görünümü: code review’u uygulama seviyesine taşıyor
Bu, pratikte en çok işe yarayacak parça. Diff görünümü uygulamayı code review sürecine sokuyor.
PR ister küçük bir değişiklik olsun, ister devasa bir AI üretimi olsun, geliştirici diff grafiğini açıp uygulamadaki hangi bileşenlerin değiştiğini tek bakışta görebiliyor:
- Bir branch PostgreSQL’i MongoDB ile değiştirmiş mi?
- Yeni bir servis eklenmiş mi?
- Redis bağımlılığı gelmiş mi?
- Yeni bir bağlantı oluşturulmuş mu?
Buradan review’ı odaklayıp isterse satır satır kod değişikliklerine inebiliyor. Binlerce satırlık bir AI PR’ında “önce neye bakayım” sorusunun cevabını veren bir katman bu.
Ortamlar arası deployment ve OIDC
Radius, GitHub Copilot app içinden doğrudan deployment yapılmasını sağlıyor. Geliştirici bir ortam seçip deploy ediyor, Radius altyapıyı sağlayan ve uygulamayı gönderen bir GitHub Actions workflow‘u üretiyor.
Güvenlik açısından önemli bir ayrıntı var: Radius, GitHub Actions ile hedef bulut arasında OIDC güven ilişkisi kuruyor. Böylece deployment’lar repoda saklanan uzun ömürlü credential’lar yerine kısa ömürlü kimlik bilgileriyle çalışıyor. Repo secret’ında duran bir servis principal parolası, sızdığında haftalarca geçerli kalır. OIDC ile bu risk ortadan kalkıyor.
Her ortam, uygulamanın gereksinimlerinin nasıl karşılanacağına kendi karar veriyor. Bir uygulama PostgreSQL gerektirdiğini beyan edebilir:
- Yerel geliştirmede bu bir container olarak sağlanır
- Production’da onaylı bir bölgede, private networking ve şifrelemeyle yönetilen bir veritabanı sağlanır
Uygulama tanımı aynı kalıyor, gereksinimin nasıl karşılanacağını ortam belirliyor. Bu, platform engineering ekiplerinin uzun süredir kurmaya çalıştığı ayrımın araç seviyesinde karşılığı.
Nasıl başlanır?
- GitHub Copilot app’te yan menüden Customize sekmesini açın, Plugins‘i seçin. radius araması yapıp eklentiyi kurun.
- Bir repo açın ve Copilot’tan uygulamayı modellemesini isteyin. Radius Canvas repoyu analiz edip canvas’ta inceleyebileceğiniz bir Radius uygulama tanımı oluşturur.
- Bir Radius Environment oluşturun, planlanan kaynakları gözden geçirin ve deploy edin.
Radius, Microsoft tarafından inkübe edilen açık kaynak bir uygulama platformu ve CNCF Sandbox projesi olarak kabul edilmiş durumda. Geri bildirim, özellik talebi ve hata bildirimleri radius-project/ai-extensions reposundan yapılıyor.
Radius Canvas’ın çözmeye çalıştığı problem gerçek. AI üretimi PR’ların code review’u, geleneksel satır bazlı diff ile ölçeklenmiyor; mimari etkiyi görmek için farklı bir soyutlama seviyesi gerekiyor. Diff görünümü tam olarak bunu hedefliyor.
Değerlendirirken akılda tutulacak birkaç şey var. Bu bir public preview ve Radius CNCF Sandbox seviyesinde, yani projelerin olgunluk merdiveninin en alt basamağı. Ayrıca sistem, Radius’un repodan çıkardığı uygulama tanımının doğruluğuna dayanıyor. Standart dışı bir yapıda veya alışılmadık altyapı desenlerinde bu çıkarımın ne kadar isabetli olacağını duyuru yanıtlamıyor.
Denemek için makul bir yol, mevcut bir repoda modelleme adımını çalıştırıp üretilen tanımı kendi mimari anlayışınızla karşılaştırmak. Deployment tarafına geçmeden önce bu karşılaştırma, aracın sizin ortamınızda ne kadar işe yarayacağını gösterir.
