Yapay Zeka Ajanları Çağında Web: WebMCP, llms.txt, llms-full.txt ve GEO

2026 yılı itibarıyla web'in "üçüncü bir kitlesi" oluştu: insanlar ve arama motoru botlarının yanına, siteleri okuyup üzerinde işlem yapan yapay zeka ajanları eklendi. Google'ın PageSpeed Insights aracına eklenen yeni bir denetim kategorisi bu değişimi somut hâle getirdi ve WebMCP, llms.txt gibi kavramları gündemin merkezine taşıdı. Bu yazıda dört kavramı bir araya getirip neyin ne olduğunu, birbiriyle nasıl ilişkilendiğini ve bir web sitesi sahibinin bugün ne yapabileceğini özetliyoruz.

İçindekiler

1. PageSpeed Insights'ta yeni kategori: "Agentic Browsing"
2. WebMCP nedir?
3. llms.txt ve llms-full.txt
4. GEO (Generative Engine Optimization) nedir?
5. Dört kavram nasıl birbirine bağlanıyor?
6. Sonuç
7. Kaynaklar

1. PageSpeed Insights'ta yeni kategori: "Agentic Browsing"

Google PageSpeed Insights, Lighthouse motorunu kullanarak sitelerin performansını, erişilebilirliğini ve SEO uyumluluğunu puanlar. 2026'nın ortasında Lighthouse'a (v13.4.0 civarında) yeni bir kategori eklendi: Agentic Browsing (ajan tabanlı gezinme). Bu kategori, bir sitenin bir yapay zeka ajanı tarafından ne kadar kolay "anlaşılıp kullanılabildiğini" ölçmeyi amaçlıyor.

Kategori dört ana sinyale bakıyor:

• Erişilebilirlik ağacının (accessibility tree) düzgünlüğü — sayfanın anlamlı, yapılandırılmış bir DOM/erişilebilirlik yapısına sahip olup olmadığı.
• WebMCP entegrasyonu — formların ve etkileşimli aksiyonların (rezervasyon, kayıt, iletişim formu gibi) ajanların çağırabileceği "araçlar" olarak tanımlanıp tanımlanmadığı.
• llms.txt dosyasının varlığı ve kalitesi — sitenin önerilen formata uygun bir llms.txt sunup sunmadığı.
• Düzen kararlılığı (Cumulative Layout Shift) — sayfanın ajan tarafından işlenirken beklenmedik şekilde kaymaması.

Önemli bir nüans: bu kategori klasik "Performans" kategorisi gibi 0-100 arası tek bir puan üretmiyor; hangi kontrollerin geçtiğini gösteren bir "X/Y" formatında rapor veriyor. Google bunu açıkça "geliştirilme aşamasında" olarak işaretliyor, yani kontrollerin kapsamı ve puanlama yöntemi zamanla değişebilir. Bu da kategoriyi kesin bir standarttan çok, yönü gösteren güçlü bir sinyal olarak ele almayı gerektiriyor.

↑ İçindekilere dön

2. WebMCP nedir?

WebMCP (Web Model Context Protocol), W3C'nin Web Machine Learning Community Group'unda geliştirilen, henüz taslak aşamasındaki bir web standardı. Google ve Microsoft mühendisleri tarafından ortaklaşa yazılıyor ve amacı, bir web sitesinin kendi işlevlerini (arama yapma, sepete ekleme, rezervasyon oluşturma, form gönderme gibi) tarayıcı içinde çalışan yapay zeka ajanlarına yapılandırılmış "araçlar" (tools) olarak sunmasını sağlamak.

Klasik MCP (Model Context Protocol), bir yapay zeka modelinin harici sunuculardaki araçlara bağlanmasını standartlaştırıyordu. WebMCP ise aynı mantığı tarayıcıya taşıyor: navigator.modelContext adlı yeni bir JavaScript API'si sayesinde bir sayfa, "işte add_item adında bir aracım var, şu girdileri bekliyor, şunu döndürüyor" diyerek kendini tanıtabiliyor. Ajan, sayfayı ekran görüntüsü alıp yorumlamak veya DOM'u kazımak (scraping) yerine doğrudan bu aracı çağırıyor.

Öne çıkan noktalar:

• Chrome'da deneysel bayrak (flag) arkasında ve kısıtlı bir origin trial ile test ediliyor (Chrome 146-149 arası sürümlerde bahsi geçiyor); Chrome ve Edge'de tam desteğin 2026'nın ikinci yarısında gelmesi bekleniyor.
• Modelden bağımsız tasarlanmış: Gemini, Claude, ChatGPT veya açık kaynak herhangi bir ajanla çalışabilir.
• Araç kaydı ve çağrılması, kullanıcı onayı gerektiren izin istemleriyle korunuyor; bu da ajan eylemlerini izlenebilir ve rıza temelli kılıyor.
• Expedia, Booking.com, Shopify, Credit Karma ve Target gibi şirketlerin deneysel olarak WebMCP ile çalıştığı belirtiliyor.
• Topluluk tarafında "MCP-B" adıyla, aynı fikri destekleyen tamamlayıcı bir açık kaynak ekosistemi de gelişiyor.

Kısacası WebMCP, "duyarlı tasarım" (responsive design) örneğine benzetiliyor: siteyi baştan yeniden yazmadan, mevcut form ve işlevleri ajanlara açan bir "ek katman" gibi düşünülebilir.

↑ İçindekilere dön

3. llms.txt ve llms-full.txt

llms.txt, Eylül 2024'te Answer.AI/fast.ai kurucusu Jeremy Howard tarafından önerilen, sitenin kök dizininde (ornek.com/llms.txt) yayınlanan basit bir Markdown dosyası. Mantığı robots.txt ve sitemap.xml'e benziyor, ama amacı farklı: robots.txt botlara neyi taramaması gerektiğini söylerken, llms.txt bir yapay zeka modeline sitenin ne hakkında olduğunu ve hangi sayfaların önemli olduğunu özetliyor.

Tipik yapısı şöyle:

• Tek bir H1 başlık (site/proje adı)
• Kısa bir alıntı (blockquote) özeti
• Site hakkında bağlam veren kısa paragraflar
• Önemli sayfalara, kısa açıklamalarla birlikte verilen bağlantı listesi (genellikle .md uzantılı temiz metin sürümlerine)

llms-full.txt ise bunun daha kapsamlı hâli: sitenin (özellikle dokümantasyon ağırlıklı sitelerin) tüm içeriğini tek bir büyük Markdown dosyasında birleştiren bir "tam metin" dökümü. Genellikle geliştirici dokümantasyonu gibi derin içerik gerektiren siteler için tercih ediliyor; çoğu site için tek başına llms.txt yeterli kabul ediliyor.

Bu dosyaların pratikteki en somut faydası kod asistanları tarafında görülüyor: Cursor, Windsurf, Claude Code, GitHub Copilot, Cline gibi IDE ajanları, bir kütüphaneyle çalışırken rutin olarak /llms.txt ve /llms-full.txt dosyalarını arıyor, hangi bağımlılığın ilgili özelliğe sahip olduğunu belirleyip yalnızca gerekli sayfaları çekiyor. LangChain'in mcpdoc adlı açık kaynak MCP sunucusu da tam bu işi yapıyor: verilen bir llms.txt dosyasındaki URL'leri okuyan bir fetch_docs aracı sunuyor.

Ancak konunun tartışmalı tarafı da var: 2026 ortası itibarıyla OpenAI, Google, Anthropic ve Meta gibi büyük sağlayıcıların hiçbiri llms.txt'yi üretim sistemlerinde okuduklarını/kullandıklarını resmi olarak doğrulamış değil. Google'dan John Mueller, dosyayı geçmişteki itibarsızlaşmış "keywords meta tag"ine benzetti. Yapılan bazı ölçümler, arama/cevap botlarının bu dosyayı henüz yaygın biçimde ziyaret etmediğini gösteriyor. Buna rağmen çoğu ciddi geliştirici-araç sitesi (Anthropic, Stripe, Vercel, Cloudflare dahil) dosyayı yine de yayınlıyor; gerekçe, maliyetinin düşük olması ve büyük bir sağlayıcı bir gün dosyayı dikkate almaya başladığında hazır olmanın avantaj sağlaması.

Sık yapılan hatalar: dosyayı bir site haritası gibi kullanıp her URL'yi açıklamasız listelemek; "buraya tıkla" gibi anlamsız bağlantı etiketleri yazmak; dosyayı güncel tutmamak (taşınmış/silinmiş sayfalara işaret eden bayat bir llms.txt, hiç olmamasından daha kötü kabul ediliyor); ve llms-full.txt'yi token bütçesi düşünmeden, modelin bağlam penceresini dolduracak kadar büyük hazırlamak.

↑ İçindekilere dön

4. GEO (Generative Engine Optimization) nedir?

GEO, kavram olarak ilk kez 2023'te Princeton, Georgia Tech ve Allen Institute for AI araştırmacılarının bir akademik çalışmasında (2024'te KDD konferansında sunulan "GEO: Generative Engine Optimization" makalesi) formüle edildi. Temel fikir şu: klasik SEO bir sayfanın arama sonuçlarında sıralanmasını hedeflerken, GEO bir içeriğin ChatGPT, Perplexity, Google AI Overviews, Copilot ve Gemini gibi üretken (generative) yapay zeka sistemlerinin ürettiği sentezlenmiş yanıtlarda kaynak olarak gösterilmesini/alıntılanmasını hedefliyor.

Bu motorlar, on tane mavi bağlantı listelemek yerine birden fazla kaynaktan bilgiyi harmanlayıp tek bir yanıt üretiyor; dolayısıyla rekabet artık "ilk sayfada olmak" değil, bir yanıtta genellikle yer alan iki-yedi kaynak arasına girebilmek. Araştırmalar, doğru tekniklerle bu görünürlüğün belirgin ölçüde (çalışmaya göre yüzde 30 ile 115 arası, hatta bazı yöntemlerde %40'a varan) artabildiğini gösteriyor. Öne çıkan etkili taktikler arasında şunlar sayılıyor:

• Tanım cümlesiyle başlayan, net ve doğrudan ifadeler kullanmak
• İsimlendirilmiş kaynaklarla desteklenmiş istatistikler eklemek
• Doğrudan alıntı ve atıf kullanmak
• İçeriği, modelin kolayca "parça parça" (passage-level) alıntılayabileceği şekilde yapılandırmak

Buna karşılık anahtar kelime doldurma gibi klasik SEO taktiklerinin GEO'da işe yaramadığı, hatta geri tepebildiği belirtiliyor. GEO, SEO'nun yerine geçen değil, onu tamamlayan ayrı bir disiplin olarak konumlanıyor: SEO trafiği arama motorundan getirirken, GEO yapay zeka sohbet motorlarından "alıntılanma" ve marka görünürlüğü sağlıyor.

↑ İçindekilere dön

5. Dört kavram nasıl birbirine bağlanıyor?

Bu dört konu aslında tek bir eğilimin farklı katmanları:

1. GEO, "stratejik amaç" katmanı — içeriğinizin yapay zeka yanıtlarında görünmesini/alıntılanmasını sağlamak.
2. llms.txt / llms-full.txt, bu amaca hizmet eden "keşif ve bağlam" katmanı — modele sitenizin ne olduğunu ve nereye bakması gerektiğini anlatan bir harita.
3. WebMCP, "eylem" katmanı — ajanların sadece içeriği okumasını değil, sitenizdeki gerçek işlemleri (rezervasyon, form doldurma, satın alma) güvenli ve yapılandırılmış biçimde gerçekleştirmesini sağlıyor.
4. PageSpeed Insights'taki Agentic Browsing kategorisi, bunların hepsini tek bir ölçülebilir sinyale dönüştürmeye çalışan, henüz olgunlaşmamış bir "puan kartı".

↑ İçindekilere dön

Sonuç

Bu alanın tamamı hâlâ hızla şekilleniyor: WebMCP bir W3C taslağı, llms.txt büyük sağlayıcılarca resmî olarak henüz benimsenmiş değil, GEO'nun etkisi üzerine araştırmalar yeni yeni birikiyor ve PageSpeed Insights'taki ilgili kategori açıkça "geliştirme aşamasında" olarak işaretli. Yine de ortak yön belli: web, artık yalnızca insanlar ve arama motoru crawler'ları için değil, doğrudan işlem yapabilen yapay zeka ajanları için de tasarlanmaya başlıyor. Bugün düşük maliyetle atılabilecek adımlar — temiz bir erişilebilirlik yapısı, güncel bir llms.txt, kritik formların WebMCP ile işaretlenmesi — sonraki 1-2 yılda bu ekosistem olgunlaştığında erken avantaj sağlayabilir.

↑ İçindekilere dön

Kaynaklar

• Morris McLane, "Your website is being graded for AI agents, not just humans" — morrismclane.com
• Umesh Malik, "Agentic Browsing in PageSpeed Insights" — umesh-malik.com
• Zuplo, "WebMCP: How Websites Will Expose Tools to AI Agents" — zuplo.com
• Bug0, "WebMCP just landed in Chrome 146" — bug0.com
• No Hacks, "What Is WebMCP?" — nohacks.co
• innFactory AI Consulting, "WebMCP: How the Proposed W3C Web Standard Revolutionizes AI Agents and Websites"
• Sourceable (Medium), "llms.txt: The Complete Implementation Guide for 2026"
• Coders Era, "llms.txt Explained (May 2026)"
• Derivatex, "LLMs.txt Guide: What It Does and Doesn't Do (2026)"
• Limy, "LLMs.txt in 2026: The Full Guide"
• Search Engine Land, "Mastering generative engine optimization in 2026"
• Boston Institute of Analytics, "Generative Engine Optimization GEO Guide 2026"
• Red Engage, "Generative Engine Optimization (GEO): Complete 2026 Guide"
• ClickForest, "GEO Strategy: Build Authority in Generative AI 2026"

↑ İçindekilere dön

Not: WebMCP, llms.txt ve PageSpeed Insights'taki ilgili kategori aktif geliştirme aşamasında olan konulardır; ayrıntılar (API isimleri, denetim kriterleri, tarayıcı desteği) zaman içinde değişebilir.

function goTo(id) { var el = document.getElementById(id); if (el) { el.scrollIntoView({ behavior: 'smooth', block: 'start' }); } }