Eine Plattform zur laufenden Verbesserung von KI Systemen im Produktivbetrieb: Code, Warenhaus, Anzeigetafeln und Versuche werden zu einem Handbuch mit Quellen verdichtet, dann untersucht ein Team von Agenten parallel und belegt Aenderungen an einem Pruefstein, am Ende steht etwas, das live gehen kann.

Metas persoenlicher Agent Muse laeuft auf einem getrennten Rechner in der Cloud mit eigenem Browser: er fuellt Formulare, vergleicht Preise, bestellt, arbeitet nach dem Schliessen weiter und fragt vorher Sentinel.

Ein Agentenprogramm von Manus fuer den Alltag: Jeder Agent bekommt eigenes Postfach, eigene Nummer, eigene Geldboerse und einen Rechner in der Cloud, bezahlt im Rahmen und arbeitet im Team.

Ein offener selbsttaetiger Agent von Nous Research: erledigte Aufgaben werden zu wiederverwendbaren Faehigkeiten, Vorlieben liegen in lokalen Dateien ueber Sitzungen hinweg, und er haengt an ueber zwanzig Diensten.

Ein Agent aus der Tencent Cloud: In einem Issue oder Pull Request genannt, liest er Lager und Bauumgebung, plant, aendert Code, stellt den Pull Request und bringt den Bau zum Laufen.

Eine Assistentenplattform von Tencent Cloud unter MIT Lizenz: Gespraeche, Arbeitsbereiche und Schluessel bleiben auf der eigenen Maschine, neun Chat Dienste laufen hinein.

Eine offene Laufzeit fuer Agenten von DeepSeek, mit einem Schreibtischbau, der Node.js, pnpm und eine Python Umgebung mitbringt, vier Vorgaben und einer Spuransicht.

Suche, Scraping und Interaktion laufen über eine Schnittstelle, zurück kommt sauberes Markdown, JSON nach Vorlage oder ein Screenshot. Proxys, Bot-Abwehr und Rendering sind Sache des Dienstes — und genau das ist der mühsame Teil.

Vier Schichten nach Tiefe — eine Oberfläche ohne Code, eine dialogorientierte Ebene, ein ereignisgesteuerter Kern und ein Erweiterungspaket. Das Framework ist im Wartungsmodus, die ehrliche Frage lautet deshalb: darauf starten oder nur weiterlaufen lassen.

Knoten sind Schritte, Kanten Übergänge, dazwischen wandert der Zustand — und derselbe Graph darf deterministischen Code mit Modellurteil mischen. Wiederaufsetzpunkte, Freigabepunkte und einsehbarer Zustand sind Grundbausteine, keine Flicken.

Agenten, Flows und Aufgaben bilden das Skelett; eine Kontrollebene darüber verfolgt jeden Modellaufruf und jeden Speicherzugriff und rechnet ihn ab. Das Framework selbst steht unter MIT, die Stufen Erkennen und Optimieren brauchen dagegen Daten in Plattformgröße.

Vier Oberflächen teilen die Arbeit: Agenten in einem Satz beschreiben, komplexe Abläufe aus Blöcken ziehen, Läufe und Kosten beobachten, fremde Ergebnisse wiederverwenden. Ein Plattformverzeichnis unter einer quelloffenen Lizenz steht neben einem klassischen MIT-Teil.

Ein Assistent, der in den ohnehin genutzten Chat-Apps wohnt und jede Erinnerung auf der eigenen Platte lässt. Eine gemeinnützige Stiftung hält das Projekt, es gibt keine bezahlte Stufe, und ein einziges Gateway führt 29 Kanäle zu einem Coding-Agenten.

Man gibt eine Aufgabe, und es plant, führt aus und liefert eine fertige Datei, weil es in einem vernetzten virtuellen Rechner läuft, dessen Platte zwischen den Schritten bleibt. Guthaben ersetzen Sitze, und in jeder Stufe sind gleich viele parallele und geplante Aufgaben erlaubt.

Die eine Hälfte nimmt eine Aufgabe und liefert ein Ergebnis, die andere vermietet dem eigenen Playwright-Code einen entfernten Browser mit getarntem Profil. Die offene Bibliothek steht unter MIT-Lizenz, abgerechnet wird pro Stunde und pro Verbrauch statt im Abo.