KI-Coding-Agenten ziehen ins Terminal, aufs Handy und in die Budgetzeile
Zwei neue Open-Source-Projekte bringen einen KI-Coding-Agenten ins Terminal und eines aufs Handy. Ein drittes verkauft Ausgabenobergrenzen pro Entwickler. Zusammen zeigen sie, wohin sich der Kampf um Entwicklerwerkzeuge verschoben hat.

Das eine ist Docent, eine Rust-CLI, die mit PDFs und Office-Dateien plaudert, das Web durchsucht und MCP-Server anbindet, alles aus dem Terminal heraus. Das Repository listet fertige Binaries für Linux, macOS und Windows. Der Ansatz ist lokal zuerst: Läuft kein Agent, lädt die CLI das Framework und die nötigen Modelle herunter und startet selbst einen.
Genau dieses Detail lohnt einen zweiten Blick. Das Binary bringt einen eingebauten Agenten mit, das SLP-Framework 1.2.9. Beim ersten Start lädt es ihn im Hintergrund herunter und schreibt nach ~/.smartloop/server.log. Der eingebaute Agent nutzt GPU-Inferenz über Metal auf macOS und über Vulkan auf Linux und Windows. Ein Laptop mit ordentlicher GPU erledigt die Arbeit also, ohne einen Prompt an einen Anbieter zu schicken. Für Entwickler, die an Datenregeln gebunden sind, ändert das, was erlaubt ist. Aus dem Repository geht nicht hervor, wie groß die heruntergeladenen Modelle sind oder wie gut sie programmieren.
Das Projekt behält außerdem seinen alten Namen. Es installiert sich sowohl als docent als auch als smartloop, und laut Repository sind beide dasselbe Binary. Bestehende Befehle laufen weiter. Das zählt, wenn jemand die frühere Version skriptgesteuert hat.
Ein Handy zum Fragen, ein PC zum Mergen
Nautilus teilt den Coding-Agenten in zwei Teile. Eine PWA auf dem Handy nimmt den Prompt entgegen, streamt den Zug des Agenten und zeigt eine Live-Vorschau. Eine Desktop-App zeigt dann einen echten Inhalts-Diff und führt die Arbeit ins Projekt zusammen. Das Repository versichert, dass sie das Verzeichnis .git nie anfasst.
Das Setup läuft auf kostenloser Infrastruktur: ein Lightning-AI-Studio-Runner, ein öffentlicher HTTPS-Port für App, API und Vorschau, und das ohne Kreditkarte, Domain, Docker oder bezahlte VM. Die kostenlosen OpenCode-Zen-Modelle funktionieren sofort. Das README sagt offen, wo der Haken liegt: Ein Handy ist ein guter Ort, um Arbeit anzufordern, und ein schlechter, um sie zu prüfen. Der PC muss nur erreichbar sein, wenn man ihn zum Abgleich auffordert.
Keines der beiden Projekte veröffentlicht Benchmarks, Nutzerzahlen oder Finanzierung. Beide sind neu, und die Aussagen zu Modellqualität und Kosten stammen aus ihrer eigenen Dokumentation.
Kimchi verkauft die Obergrenze, nicht das Modell
Kimchi setzt beim Vertrauen auf die Gegenposition. Die Website beschreibt eine einzige Durchsetzungsschicht für Ausgaben, Daten, Deployment und Modell-Routing. Obergrenzen lassen sich pro Nutzer, Team, API-Schlüssel oder Modell setzen, und laut Website stoppen Anfragen an der Grenze, nicht danach. Das Beispiel auf der Seite nennt ein Nutzerbudget von 820 Dollar gegen einen harten Stopp bei 800 Dollar.
Beim Deployment reicht die Auswahl von serverless über eine VPC bis zu On-Premises, und laut Website sind Prompts, Code und Ausgaben vom Modelltraining ausgeschlossen. Das Unternehmen nennt außerdem einen Inferenz-Endpunkt für Open-Source-Modelle mit einer Latenz von rund 80ms. Diese Zahlen stammen vom Anbieter selbst und wurden nicht unabhängig geprüft.
Warum Budgetkontrolle heute ein Produkt ist, hat einen einfachen Grund. Agenten laufen Minuten, nicht Sekunden, und eine einzige Sitzung kann das Monatsbudget eines Teams durchbrennen, bevor es jemand merkt. Obergrenzen pro Schlüssel zählen auch für CI-Pipelines, Bots und Auftragnehmer. Dort wird aus einem durchgesickerten Zugang schnell eine Rechnung. Kimchi sagt nicht, was es kostet, und auf der Seite steht kein Preis.
Wo der Assistent aufhört und die Plattform anfängt
Alle drei Projekte stehen mitten in einer größeren Debatte darüber, wer die Werkzeuge der Entwickler kontrolliert. Ein Beitrag auf Eval.blog legt die Argumente gegen Googles Android Developer Verification Program dar, das Android nach Ansicht des Autors am 1. Januar 2027 zu einer abgeriegelten Plattform macht. Der Beitrag merkt an, dass die Verifizierung für jede App auf einem zertifizierten Gerät gilt, nicht nur für Apps im Play Store. Er zitiert außerdem F-Droid mit der Warnung, die Entwicklerverifizierung beende die kostenlose Verteilung von Open-Source-Apps, wie man sie heute kennt.
Right now, APKs just work.
Das ist der Satz des Autors, und die Argumentation ist seine. Dieselbe Logik gilt aber für Entwicklerwerkzeuge. Ein Coding-Agent, der auf der eigenen Maschine läuft oder auf einem Runner, den man selbst kontrolliert, hängt nicht an den Nutzungsbedingungen eines Anbieters. Ein Werkzeug, das Budgets über eine gehostete Schicht durchsetzt, schon.
Der Gegeneinwand ist der Wartungsaufwand. Docent kompiliert llama.cpp bei der Installation und braucht Rust, CMake und eine C/C++-Toolchain. Der Linux-Build bringt den Vulkan-Loader mit, macOS-Builds sind signiert und notarisiert, Windows-Builds sind signiert. Das sind viele bewegliche Teile für ein Werkzeug, das nach einer Änderung am Upstream weiter funktionieren muss.
Das Argument der Webplattform, wieder einmal
Nolan Lawsons Beitrag vom 3. Oktober darüber, warum Entwickler die Plattform nicht nutzen, ist hier ein brauchbarer Rahmen. Er argumentiert, dass Browser jahrelang zu Bibliotheken aufholten und dass diese Gewohnheit blieb. Entwickler greifen zu dem Werkzeug, das sie kennen, auch wenn der Browser die Aufgabe längst erledigt.
Derselbe Reflex gilt jetzt für Agenten. Teams greifen zum gehosteten Assistenten, für den sie schon zahlen, nicht zur CLI, die sie erst kompilieren müssten. Lawson merkt außerdem an, dass die Dokumentation die Wahl prägte: npm-Pakete hatten bessere Beispiele als die Plattform. Open-Source-Agentenprojekte stehen vor demselben Problem, mit einem README als einzigem Schaufenster.
Zwei kleinere Projekte zeigen, wie breit das Feld geworden ist. Herbarium legt die HTML-Seiten, die KI-Werkzeuge erzeugen, in einem einfachen Ordner voller Dateien ab und holt sie für verteiltes Wiederholen zurück. Das Projekt 16agents bittet einen Coding-Agenten zu einem Persönlichkeitstest, mit einem Selbstwahrnehmungs-Score und vier versteckten Fallen. Die sollen Agenten entlarven, die Verhalten behaupten, das sie nicht zeigen. Die Autoren nennen es ein Horoskop mit Regex. Beides sind keine Coding-Werkzeuge im üblichen Sinn, aber beide zeigen dieselbe Gewohnheit: Entwickler bewahren, sortieren und prüfen heute, was ihre Assistenten produzieren.
Worauf man achten sollte
Die praktische Frage für ein Team in diesem Quartal ist nicht, welches Modell gewinnt. Sie lautet, wo der Agent läuft und wer ihn stoppen kann. Docent und Nautilus beantworten das mit lokaler oder kostenloser Infrastruktur und ohne Konto. Kimchi beantwortet es mit einer Kontrollebene und einer harten Obergrenze.
Keines der drei Projekte hat Nutzungszahlen veröffentlicht, und keines hat gesagt, was der Betrieb in großem Maßstab kostet. Bis dahin bleibt die Wahl bei der Einschränkung, die man ohnehin hat: eine Datenregel, eine Rechnung oder ein Laptop, der zugeklappt bleiben muss.
Quellen
8- 01Docent: an open source private AI assistant in your terminalEN
- 02Nautilus: run a coding agent from your phone, merge on your PCEN
- 03Kimchi: governed AI coding platform with hard budget capsEN
- 04Authoritarian tendencies of Android Developer VerificationEN
- 05Why don't more developers use the platform?EN
- 06Herbarium: keep and review the HTML pages AI tools generateEN
- 0716agents: a personality test for your agentEN
- 08OpenBSD developers reject uutils coreutils portEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.