Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Show HN: Vier Agent-Tools im Überblick: Runtime, Registry, Scanner und Inbox

Auf Hacker News sind vier selbst gehostete KI-Agent-Projekte aufgetaucht: eine Runtime, eine Artifact-Registry, ein Sicherheitsscanner und ein Posteingang für lang laufende Agenten.

KI & ModelleErklärtKatrin HoffmannVeröffentlicht: 28. September 20268 Min. LesezeitQuellen 4
Show HN: Vier Agent-Tools im Überblick: Runtime, Registry, Scanner und Inbox

Die meisten Gespräche über Agenten in Unternehmen drehen sich Ende September um Governance-Dashboards und Control Planes. Das Werkzeug darunter kommt über leisere Kanäle: Show-HN-Beiträge.

Dort erschienen vier Projekte, die zusammen zeigen, wie ein selbst gehosteter Agent-Stack aussieht, wenn er aus Einzelteilen gebaut und nicht als Plattform gekauft wird. Keines davon ist eine Produkteinführung im üblichen Sinn. Es sind Repositories, einzelne Binaries und Dokumentationsseiten, veröffentlicht mit verfügbarem Quellcode und in den meisten Fällen mit dem ausdrücklichen Versprechen, dass die interessanten Funktionen nicht einer Bezahlstufe vorbehalten bleiben.

Eine Runtime, die das Fundament sein will, nicht die Decke

Soma, am 2. Dezember auf Show HN gepostet, beschreibt sich in der eigenen Dokumentation als Open-Source-Runtime für KI-Agenten und Workflows, die selbst gehostet werden kann und sich an alle richtet, von Start-ups bis zu Großunternehmen. Der Anspruch ist bewusst unspektakulär: Agenten und MCP-Funktionen in gewöhnlichem Code definieren, das mitbringen, was das Team ohnehin schon nutzt, und Soma übernimmt Fehlertoleranz, Wiederaufsetzbarkeit und die Leitungen dazwischen.

Die Dokumentation nennt ein einzelnes Binary, automatische A2A-Endpunkte (Agent2Agent) mit OpenAI-Streaming-Kompatibilität, die als bald verfügbar gekennzeichnet ist, einen MCP-Server, der mit SaaS-Anbietern von Drittanbietern vorintegriert ist und Verschlüsselung sowie Rotation von Zugangsdaten übernimmt, eine Oberfläche zum Debuggen von Agenten und MCP-Funktionen, fein abgestufte Verwaltung von API-Schlüsseln, ein ausgehendes KI-Gateway, das Anfragen an Modellanbieter abfängt, und Secret-Verwaltung über lokale KMS, AWS oder geplante GCP-KMS. TypeScript wird heute ausgeliefert, Python ist als bald verfügbar gelistet, Rust als noch nicht verfügbar.

Die Plattformtabelle in der Dokumentation führt macOS sowie Linux-GNU-Builds für x86 und ARM als verfügbar für TypeScript und Python, Windows gilt als nicht unterstützt. Die Lücke bei Windows begründet die Dokumentation mit der Nutzung von Unix-Domain-Sockets in Rust und verweist auf ein zugehöriges Issue, statt ein Datum zu versprechen.

Die Dokumentation beschreibt Soma als "den Grund der Pyramide", der Kernbausteine und eine gute Entwicklererfahrung liefert und die Agentenlogik dem Framework überlässt, das das Team bereits verwendet.

Diese Positionierung ist für Unternehmenskäufer wichtig. Eine Runtime, die die Framework-Ebene ausdrücklich nicht besetzen will, lässt sich leichter unter eine bestehende Bewertung schieben als eine Plattform, die einen Neuschrieb verlangt. Außerdem verschiebt sich die Anbieterfrage von "welches Agent-Framework" zu "wer betreibt die Runtime", und das ist die kleinere Verpflichtung.

Eine Artifact-Registry, die Agenten wie ein weiteres Paketformat behandelt

Artifact Keeper, am 6. Februar gepostet, ist überhaupt kein Agent-Framework. Es ist eine selbst gehostete Artifact-Registry, die als direkter Ersatz für JFrog Artifactory und Sonatype Nexus antritt, und das README ist ungewöhnlich deutlich zum Geschäftsmodell: kein Open-Core, keine Enterprise-Edition, keine Überraschungsrechnungen.

Die Repository-Tabelle nennt ein Backend aus Rust, Axum, SQLx, PostgreSQL und Wasmtime mit über 45 Format-Handlern, ein Web-Dashboard auf Next.js 15, SwiftUI-Apps für iOS und macOS, eine Android-App mit Jetpack Compose, eine geplante Rust-CLI, Helm- und Terraform-Module für die Infrastruktur, eine OpenAPI-3.1-Spezifikation mit 277 Operationen und eine Beispielvorlage für ein WASM-Plugin, gebaut für das Unity-Format .unitypackage. Für Teams mit Agent-Pipelines sind Proxy- und virtuelle Repositories relevant: Sie cachen Artefakte von npmjs.com, PyPI, Maven Central und Docker Hub beim ersten Abruf und lösen private Pakete vor öffentlichen auf. Dazu kommen Schwachstellenerkennung mit Trivy, SBOM-Analyse mit OWASP Dependency-Track, Compliance-Prüfung mit OpenSCAP, GPG- und PGP-Signierung mit Schlüsselverwaltung sowie eine Policy-Engine mit Quality Gates, Schweregrad-Schwellen und Prüfung vor dem Download.

Die Replikation zwischen Peers läuft über ein Mesh-Modell mit labelbasierten Sync-Richtlinien, reaktiven Abonnements und P2P-Übertragungen zwischen Peers; das README empfiehlt das, um Caches nah an Build-Agenten zu platzieren. Die Authentifizierung deckt OpenID Connect, LDAP, SAML 2.0, JWT und API-Token ab, mit RBAC pro Repository. Zur Beobachtbarkeit gehören Prometheus-Metriken, beschrieben als über 30 ak_*-Gauges, Counter und Histogramme, optionales OpenTelemetry-Tracing mit OTLP-Export nach Jaeger, Tempo oder Datadog und Kubernetes-Health-Probes unter /livez, /readyz und /healthz.

Der Schnellstart besteht aus drei Befehlen: Repository klonen, ins Verzeichnis wechseln, docker compose up -d ausführen, dann localhost:9080 aufrufen. Für den Produktivbetrieb verweist das Projekt auf ein separates Infrastruktur-Repository mit Helm-Chart, Terraform-Modulen für EKS, RDS und S3, ArgoCD-GitOps und einem Monitoring-Stack. Werkzeuge für die Migration von JFrog Artifactory sind eingebaut und werden als Ein-Befehl-Vorgang beschrieben, der Repositories, Artefakte, Benutzer und Berechtigungen abdeckt.

Ob eine Registry in einen Agent-Stack gehört, ist eine berechtigte Frage. Die Antwort des README ist implizit: Agenten erzeugen und verbrauchen Pakete, Container-Images und signierte Artefakte, und dieselben Lieferkettenkontrollen, die für von Menschen geschriebenen Code gelten, gelten auch für sie.

Ein Scanner für die MCP-Server, die schon auf dem Rechner liegen

Golf Scanner, am 8. März gepostet, greift ein Problem auf, das die meisten Bestandslisten in Unternehmen noch nicht abdecken. Es ist ein kostenloses Open-Source-CLI, in reinem Go mit drei Abhängigkeiten geschrieben, das MCP-Server-Konfigurationen auf einem Rechner findet und Sicherheitsprüfungen dagegen fährt. Ausgeliefert wird es als einzelnes statisches Binary, ohne Telemetrie und ohne Konto.

Die Liste der durchsuchten Umgebungen nennt sieben IDEs: Claude Code, Cursor, VS Code, Windsurf, Gemini CLI, Kiro und Antigravity. Der Scanner führt 20 Sicherheitsprüfungen aus, aufgeteilt in neun offline und elf online; die Online-Prüfungen fragen OSV, GitHub, npm, PyPI, OCI-Registries und die MCP Registry ab. Jeder Server erhält einen Risikowert von 0 bis 100, berechnet mit schweregradgewichteter Bewertung und harten Obergrenzen.

Die Prüfungen sind konkret. Die Befehlsprüfung sucht nach Rechteausweitung und Mustern für Shell-Injection. Die Prüfung der Zugangsdaten findet Klartext-Secrets in Argumenten, URLs und Umgebungsvariablen. Der Skriptpfad markiert Skripte, die aus /tmp oder Home-Verzeichnissen laufen, und die Skriptberechtigungen erkennen für alle beschreibbare Dateien. Die Container-Isolation markiert --privileged, gefährliche Capabilities und geteilte Host-Namespaces, die Container-Volumes markieren Einbindungen des Root-Dateisystems, von /etc oder des Docker-Sockets. Die Registry-Prüfung bestätigt die Aufnahme in die MCP Registry. Die Schwachstellenprüfung fragt OSV.dev nach bekannten CVEs und Malware in npm- und PyPI-Paketen. Typosquatting erkennt ähnlich benannte Pakete, die Verbreitung bewertet Downloadzahlen und Alter eines Pakets, und das GitHub-Vertrauen wiegt Aktivität des Repositories, Lizenzierung und Zahl der Beitragenden.

Die Bewertung ist ausführlich dokumentiert: Jede Prüfung liefert Befunde, der schwerste Befund setzt den Punktwert der Prüfung zwischen 0 und 10, und die Werte werden über einen schweregradgewichteten Durchschnitt zusammengeführt, mit kritisch bei 10x, hoch bei 7,5x, mittel bei 5x und Hinweis bei 1x. Harte Obergrenzen gelten: Jeder kritische Befund deckelt die Gesamtnote bei 30, jeder hohe Befund bei 59.

Das CLI nimmt Flags wie --offline, --format table oder json, --json als Kurzform, --fail-on mit Schwellen von Hinweis bis kritisch, --verbose und --quiet. Die Exit-Codes sind 0 für Erfolg, 1 für fehlende Argumente, unbekannte Befehle, das Überschreiten einer --fail-on-Schwelle oder einen Flag-Konflikt und 2 für JSON-Fehler oder einen ungültigen Wert bei --fail-on. Eine Umgebungsvariable GITHUB_TOKEN ist optional und hebt das Ratenlimit der GitHub-API von 60 auf 5.000 Anfragen pro Stunde.

Ein Posteingang für Arbeit, die das Gespräch überlebt

Pizza Bot, am 15. September gepostet, geht dasselbe Problem von der anderen Seite an. Statt Agenten zu steuern, gibt es ihnen einen Ort, an dem sie berichten können. Die GitHub-Beschreibung nennt es einen local-first Posteingang für lang laufende KI-Agenten, gebaut mit DeepAgents und LangGraph, und das README erklärt, es sei bei Amazon entwickelt und unter der Apache-2.0-Lizenz veröffentlicht worden.

Das README rahmt es als Warteschlange, nicht als Chat. Eine Aufgabe starten oder planen, weggehen und zu fertiger Arbeit in Unread und zu Entscheidungen in Action zurückkehren. Agenten arbeiten weiter, wenn man die Seite verlässt oder die Verbindung trennt, und nur der api-server-Prozess muss laufen. Eine zustandsbehaftete Runtime aus DeepAgents und LangGraph liefert dieselbe React-Oberfläche in Electron und im Browser, und Desktop-App, Web-App und Terminal-CLI sprechen alle über HTTP und SSE mit dem api-server.

Läufe mit Checkpoints überstehen Verbindungsabbrüche von Clients, und Cron- oder Webhook-Trigger können Arbeit ohne offenes Gespräch starten. Skills werden zu werkzeuggebundenen Subagenten, deren Fortschritt in einem Activity-Panel erscheint. Zu den Modellanbietern gehören Amazon Bedrock, Anthropic, Google Gemini, OpenAI, OpenRouter und Ollama. Freigaben durch Menschen im Prozess, Langzeitgedächtnis, Dateianhänge und Desktop-Benachrichtigungen sind laut Beschreibung Teil des Workflows.

Zum Zugriff ist das README genau. Der api-server bindet an 127.0.0.1, und eine Bindung außerhalb der Loopback-Adresse verlangt Authentifizierung und eine ausdrückliche Einstellung. Ordner müssen einzeln als schreibgeschützt oder beschreibbar unter Settings freigegeben werden, und das Projekt betont, dass es keinen Standardzugriff auf das Home-Verzeichnis erhält. Desktop-Installer hängen an jedem Release mit einer SHA256SUMS-Datei; macOS-Builds sind signiert und notarisiert, Windows x64 liefert einen Setup-EXE, und die Linux-x64- und arm64-Builds für .deb und .rpm sind unsigniert und müssen gegen die Prüfsummendatei verifiziert werden.

Zusammen bilden die vier Projekte keinen Stack. Sie überschneiden sich bei den Runtimes, und nur Artifact Keeper und Golf Scanner sprechen direkt die Compliance-Sorgen an, die die Schlagzeilen zu Agenten in Unternehmen bestimmen. Aber sie zeigen, wo der Boden gesetzt wird: local-first Voreinstellungen, ausdrückliche Dateiberechtigungen, signierte Releases, dokumentierte Bewertungen und offene Lizenzen. Das ist ein anderes Verkaufsargument als eine Control Plane, und für manche Teams wird es das leichtere sein, das durch die Freigabe kommt.

Kommentare 0

Quellen

4
  1. 01Show HN: I built an open-source Rust/TS AI agent runtime with a Next.js-style DXEN
  2. 02Show HN: Artifact Keeper – Open-Source Artifactory/Nexus Alternative in RustEN
  3. 03Show HN: Golf Scanner – OSS tool to find and audit every MCP serverEN
  4. 04Show HN: Pizza Bot – An inbox for AI agents that work in the backgroundEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Katrin Hoffmann

Katrin Hoffmann

KI, Modelle und Technik

Katrin Hoffmann schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Primärquellen wie Herstellerangaben, Studien und Protokolle statt auf Pressemitteilungen. Bei Benchmarks prüft sie Messmethoden, Testumgebungen und Reproduzierbarkeit, bevor sie Zahlen übernimmt. Für ihre Artikel spricht sie mit Entwicklern und Forschern, wartet auf Konferenzankündigungen und vergleicht Versionsstände von Modellen und Standards. Privat betreibt sie Selfhosting und Heimnetze und dokumentiert ihre eigene Infrastruktur, was ihrer Redaktionsarbeit zugutekommt. Sie veröffentlicht keine Zahlen ohne nachvollziehbare Quelle.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.