LLMTR entegre geliştirici araçları: 21 aracın bağlanma biçimi

Entegrasyon tek bir şey değil, üç ayrı biçim

Bir aracın LLMTR ile çalışması tek bir teknik olayı anlatmaz. Pratikte üç farklı biçim var ve hangisiyle karşılaştığınız kurulum süresini de, güncelleme yükünü de belirliyor.

Birinci biçim, sağlayıcının aracın kendi kaynak koduna gömülü olması. Araç LLMTR'yi bir seçenek olarak tanır, model listesini kendisi çeker, ayar ekranında veya yapılandırma dosyasında ayrı bir girdi olarak görünür. İkinci biçim, entegrasyonun ayrı bir eklenti paketi olması: ana depo değişmez, eklenti kurulur ve araç onu yükler. Üçüncü biçim en hafifi, aracın zaten bildiği OpenAI veya Anthropic uyumlu yüzeye base URL üzerinden yönlendirilmesi; kod değişikliği yok, iki üç ortam değişkeni var.

Aşağıdaki tablo bugün LLMTR ile çalışan araçların tamamını bu üç biçime göre ayırıyor. Kendi aracınızı bulup ilgili rehbere geçebilirsiniz.

Gömülü sağlayıcı: araç LLMTR'yi kendi listesinde tanır

Bu biçimde LLMTR aracın sağlayıcı listesinde adıyla yer alır. Kullanıcı ayrı bir base URL girmez, sağlayıcıyı seçer ve anahtarını yapıştırır. Araç model listesini kendisi çeker, model kimliklerini kendi seçicisinde gösterir ve çoğu durumda reasoning seviyesi gibi araca özgü alanları da doğru biçime çevirir.

Bu biçimin avantajı kullanım kolaylığı, maliyeti ise sürüm bağımlılığı: sağlayıcı kodu aracın deposunda yaşadığı için, entegrasyonun bulunduğu dalı takip etmeniz gerekir. Yukarıdaki tabloda her araç için o dal yazılı.

Bu gruptaki araçlar arasında ilginç bir alt küme var: HarnessRouter tek bir sağlayıcı bağlantısını üç ayrı ajan harness'ına birden dağıtıyor, yani tek anahtar üç farklı terminal aracını besliyor.

• OpenClaude, OpenCode, Cline ve Pi: kodlama ajanı tarafında yerleşik sağlayıcı girdisi.
• PentestCode ve Strix: yetkili sızma testi araçlarında model yapılandırması.
• OpenCompany, OpenStory: iş akışı ve medya üretimi ürünlerinde sağlayıcı katmanı.
• Trae Agent: Python tarafında ayrı bir istemci sınıfı.
• HarnessRouter: tek bağlantıdan üç harness'a dağıtım.

Eklenti paketi: ana depo değişmeden entegrasyon

Üç araçta entegrasyon ana depoya dokunmadan çalışıyor. OpenClaw'da eklenti aracın kendi eklenti dizininde bir paket olarak duruyor ve kendi manifest dosyasıyla tanıtılıyor. Hermes Agent ve DeepSeek Harness'ta ise eklenti tamamen ayrı bir depoda: knowhycodata hesabında hermes-llmtr-plugin ve dsh-plugin-llmtr depoları bu iş için var.

Ayrı paket olmanın pratik faydası şu: aracın kendisini yükseltmek entegrasyonu bozmuyor, eklentiyi yükseltmek de aracı bozmuyor. Bu, eklenti mimarisi olgun olan araçlarda tercih edilen yol.

Eklenti kuran ekipler için tek dikkat noktası sürüm uyumu. Eklenti bir arayüz sürümüne yazılır; araç o arayüzü değiştirirse eklenti güncellenene kadar yüklenmeyebilir.

Yalnızca base URL: kod değişikliği olmayan yol

Yedi araçta hiçbir kod değişikliği gerekmiyor. Araç zaten OpenAI veya Anthropic uyumlu bir yüzey konuşuyor; siz sadece o yüzeyin adresini ve anahtarını değiştiriyorsunuz. Claude Code, Codex CLI, Pool, OpenReview, OpenBot, Open SEO ve Open WebUI bu grupta.

Değişkenlerin adı araca göre farklı, ama üçü her zaman aynı üç şeyi taşır: adres, anahtar ve model kimliği. Aşağıdaki doğrulama adımı hangi araçta olursanız olun aynı: önce anahtarsız model listesini okuyun, sonra anahtarla küçük bir istek atın. İkisi de dönüyorsa sorun aracın kendi yapılandırmasındadır, gateway tarafında değildir.

Araçtan bağımsız iki adımlı bağlantı doğrulaması

# 1) Model katalogu anahtarsiz okunabilir
curl https://llmtr.com/v1/models

# 2) Anahtarla kucuk bir istek
curl https://llmtr.com/v1/chat/completions \
  -H "Authorization: Bearer llmtr-your_key" \
  -H "Content-Type: application/json" \
  -d '{"model":"anthropic/claude-sonnet-5","messages":[{"role":"user","content":"test"}],"max_tokens":16}'

Aracın konuştuğu uç nokta model seçimini belirler

Entegrasyon biçiminden bağımsız olarak bir ayrıntı sık sık gözden kaçıyor: araç hangi uç noktayı konuşuyorsa, seçtiğiniz modelin o uç noktada açık olması gerekir. LLMTR'de bu ilişki tek yönlüdür.

Chat Completions isteği, modelin chat bağlantısı olsa da olmasa da Responses bağlantısı varsa çalışır. Ters yönde böyle bir köprü yoktur: Responses uç noktasına gönderilen istek, yalnızca Responses bağlantısı olan modellerde çalışır. Bu yüzden Responses protokolü konuşan araçlarda model listesi daha dardır ve chat için uygun bir modeli oraya yazmak hataya düşer.

Anthropic uyumlu yüzeyi kullanan araçlarda ise ayrı bir uç nokta devrededir. Bu uç noktada bazı istek alanlarının etkisiz olduğunu ilgili rehberde açıkça yazıyoruz; istek reddedilmez, alan yok sayılır.

• Chat Completions konuşan araçlar: katalogdaki chat modellerinin tamamı kullanılabilir.
• Responses konuşan araçlar: yalnızca Responses bağlantısı olan modeller kullanılabilir.
• Anthropic uyumlu yüzey konuşan araçlar: ayrı uç nokta, ayrı istek gövdesi.

Kuruluma başlamadan önce üç kontrol

Hangi rehbere geçerseniz geçin, kurulumdan önce şu üçünü hazırlamak zaman kazandırır. Birincisi anahtar: LLMTR anahtarları belirli bir önekle başlar ve panoya kopyalandığı yerde bir kez görünür. İkincisi model kimliği: kataloğa bakıp kullanacağınız modelin tam kimliğini not edin, çünkü araçların çoğu kısa ad kabul etmez. Üçüncüsü bakiye: ajan araçları tek bir görevde çok sayıda istek atar, boş bakiye ile başlayan bir kurulum sizi entegrasyon hatası aramaya iter.

Bir not de fiyatlandırma tarafında: LLMTR'de platform marjı yalnızca kredi yüklemede uygulanır ve yüzde 8'dir. Model fiyatlarına marj eklenmez, katalogda gördüğünüz fiyat modelin fiyatıdır.

Aracınıza ait ayrıntılı rehber bu sayfanın yanındaki listede. Her rehber o aracın gerçek dosya yollarını, gerçek değişken adlarını ve doğrulama adımlarını içeriyor.

Sık sorulan sorular

Bu araçları kullanmak için fork kurmak zorunda mıyım?

Hayır. Yedi araçta entegrasyon yalnızca adres ve anahtar değişikliğidir, aracın resmi sürümüyle çalışır. Gömülü sağlayıcı ve eklenti paketi biçimlerinde ise ilgili depo ve dal gerekir; tabloda her araç için hangisinin geçerli olduğu yazılı.

Aynı API anahtarını birden fazla araçta kullanabilir miyim?

Evet, aynı anahtar birden fazla araçta çalışır. Ancak kullanımı ayırmak istiyorsanız araç başına ayrı anahtar üretmek daha iyidir: bir anahtarı iptal ettiğinizde yalnızca o aracı etkiler ve kullanım kayıtlarında hangi aracın ne harcadığını ayırt edebilirsiniz.

Araç model listesini boş gösteriyorsa ne yapmalıyım?

Önce model katalogunu anahtarsız okumayı deneyin. Liste dönüyorsa sorun ağ tarafında değildir ve büyük ihtimalle aracın kendi filtresindedir: bazı araçlar yalnızca tanıdığı isim kalıplarını listeler. Bu durumda model kimliğini seçiciden beklemek yerine yapılandırmada doğrudan yazın.

Chat isteği çalışıyor ama Responses isteği hata veriyor, neden?

Çünkü köprü tek yönlüdür. Chat Completions isteği Responses bağlantısı olan modellerde de çalışır, fakat Responses isteği chat bağlantılı bir modelde çalışmaz. Aracınız Responses protokolü konuşuyorsa katalogda o uç noktada açık olan bir model seçmeniz gerekir.

İlgili yazılar

• Claude Code’u LLMTR’ye bağlama: Anthropic Messages ucu rehberi
• Codex CLI için LLMTR model sağlayıcısı: Responses zorunluluğu
• OpenClaude’a LLMTR gateway girdisi ekleme ve model keşfi
• OpenCode yapılandırmasında LLMTR sağlayıcı bloğu ve model adları
• OpenClaw LLMTR eklentisi: paket kurulumu ve manifest okuma
• Cline ile LLMTR: editör panelinde sağlayıcı kurulumu
• PentestCode LLMTR sağlayıcı kurulumu ve yetkili test yapılandırması
• Strix LLMTR kurulumu: model öneki, tekilleştirme ve rapor zinciri
• HarnessRouter LLMTR sağlayıcısı: tek anahtarla üç harness
• Hermes Agent LLMTR eklentisi: profil dosyası ve kurulum
• DeepSeek Harness LLMTR eklentisi: LLM dikişi ve katalog
• Pi coding agent için LLMTR sağlayıcısı ve üretilen model kataloğu
• Trae Agent ile LLMTR: Python yapılandırması ve çalışma kaydı
• Pool ile LLMTR: üç ortam değişkeni ve Laguna kimlikleri
• OpenCompany iş akışlarında LLMTR sağlayıcısı kurulumu
• OpenStory'de LLMTR gateway'ini takım anahtarıyla bağlama
• OpenReview kod inceleme botunu LLMTR'ye bağlama
• OpenBot’u LLMTR ile çalıştırmak: tek taban URL, iki ajan çalışma zamanı
• Open SEO’nun SAM ajanını LLMTR üzerinden çalıştırma rehberi
• Open WebUI’yi LLMTR’ye bağlama: sohbet listesini temiz tutan filtre
• models.dev LLMTR sağlayıcı kaydı ve model metadata senkronu

• Model katalogu
• Chat Completions rehberi
• API anahtarlari
• Fiyatlandirma