Agentspan
Orkes · Coding
Agentspan ist ein Server und SDK unter MIT-Lizenz, das du selbst hostest und das Agenten-Code in dauerhafte Workflows verwandelt. Du schreibst einen Agenten, und der Server hält ihn über Abstürze, Neustarts und lange Wartezeiten hinweg am Leben und setzt beim letzten abgeschlossenen Schritt fort, sobald sich ein Worker wieder verbindet. Es wird als Runtime ausgeliefert, nicht als gehostetes Produkt, also betreibst du es auf deiner eigenen Infrastruktur und zahlst nur für die Modellaufrufe, die du machst. Im August 2026 ist das Projekt in Orkes Conductor aufgegangen, und das ursprüngliche Repository ist archiviert.
Über Agentspan
Was ist Agentspan
Agentspan ist eine dauerhafte Runtime für KI-Agenten. Der Kerngedanke ist, dass die meisten Agenten-Frameworks den Faden verlieren, wenn etwas schiefgeht. Ein Prozess stürzt ab. Ein Deployment unterbricht einen Lauf. Ein Schritt wartet tagelang darauf, dass ein Mensch auf Genehmigen klickt. Dann startet die ganze Aufgabe bei null. Agentspan behandelt jeden Lauf als persistierten Workflow, sodass der Fortschritt all das übersteht.
Es ist Open Source unter der MIT-Lizenz und dafür gebaut, auf deinen eigenen Maschinen zu laufen. Du installierst einen Server, richtest ihn auf einen Modellanbieter aus und deployest Agenten, die der Server Schritt für Schritt mit automatischen Wiederholungen und einer vollständigen Historie hinter jeder Entscheidung ausführt. Drei Muster decken die meisten Fälle ab: lang laufende Agenten, die Minuten oder Stunden laufen, Plan-Ausführungs-Agenten, bei denen das Modell einmal plant und der Server diesen Plan deterministisch ausführt, und ereignisgesteuerte Agenten, die durch Cron, Warteschlangen oder Webhooks ausgelöst werden. Das Ganze ist ein Open-Source-KI-Agenten-Server, den du selbst betreibst, plus ein Agenten-Workflow-SDK für die Sprache deiner Wahl.
Der Haken: Es sind Entwicklerwerkzeuge, keine No-Code-App. Kein Baukasten per Drag-and-drop. Auch kein visueller Editor. Und die Fusion mit Conductor führt neue Nutzer zum Schnellstart von Conductor. Wenn du einen Agenten-Editor per Drag-and-drop brauchst, ist das hier nichts.
Erste Schritte
- Installiere die CLI auf macOS oder Linux mit dem Shell-Skript, oder auf Windows mit dem PowerShell-Äquivalent.
- Füge das SDK für deinen Stack (Python, TypeScript/JavaScript oder C#/.NET) über pip, npm oder die dotnet-CLI hinzu.
- Setze den Schlüssel deines Modellanbieters als Umgebungsvariable, zum Beispiel
OPENAI_API_KEY. - Starte den lokalen Server, der auf Port 6767 läuft und eine Browser-Oberfläche zum Inspizieren von Läufen öffnet.
- Schreibe eine Agentenfunktion mit einem Werkzeug, deploye sie und beobachte jeden Schritt in der Ausführungshistorie.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Agentspan.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Backend- und Plattform-Entwickler
- Teams, die bereits Conductor betreiben
- Solo-Entwickler, die Automatisierung prototypen
Aufgaben
- Lang laufende Pipelines
- Plan-dann-Ausführung-Workflows
- Ereignisgesteuerte Jobs
Szenarien
- Automatisierte Berichte im Wochenplan
- Freigabepflichtige Aktionen
- Teams, die Anbieterbindung vermeiden
Wichtigste Funktionen
Dauerhafte Ausführung
Jeder Schritt wird persistiert, bevor der nächste beginnt, sodass ein Absturz, ein Deployment oder eine lange Wartezeit dich nie den Fortschritt des Laufs kosten. Wenn sich ein neuer Worker verbindet, setzt der Server beim letzten abgeschlossenen Schritt fort. Das ist das ganze Versprechen. Für Agenten, die Minuten oder Stunden brauchen, ist das der Unterschied zwischen einem Werkzeug, dem du vertraust, und einem, das du beaufsichtigst.
Plan-Ausführungs-Agenten
Im Plan-Ausführungs-Modus entscheidet das Modell zur Laufzeit, was zu tun ist, aber nur einmal, und es gibt einen einzigen JSON-Plan aus, den der Server zu einem unveränderlichen Workflow kompiliert, um die Zufälligkeit des Modells aus Orchestrierung, Wiederholungen und Parallelität herauszunehmen. Diese Plan-Ausführungs-Agenten können auch deine bestehenden Conductor-Workflows als Schritte aufrufen.
Ereignisgesteuerte Auslöser
Agenten können aus Cron-Zeitplänen, Kafka-Topics, SQS-Warteschlangen, AMQP-Nachrichten, Webhooks und Datenbankereignissen starten, und jeder dieser Auslöser ist eine dauerhafte Ausführung mit vollständiger Historie, sodass sich ein Agent wie jeder andere Ereigniskonsument in deinem Stack verhält. Du verdrahtest einen Zeitplan in einer einzigen Zeile, zum Beispiel einen Cron-Ausdruck für den Morgen an Werktagen.
Freigaben mit Mensch im Regelkreis
Ein Lauf kann pausieren, ohne seinen Zustand zu verlieren, die Prüfung oder Eingabe eines Menschen einholen und dann dieselbe Ausführung fortsetzen. Das macht ihn per Design zu einem Agenten mit Mensch im Regelkreis, nicht per Flickwerk. Weil der Zustand im Workflow liegt und nicht im Speicher eines Prozesses, kann die Wartezeit Minuten oder Tage dauern. Das zählt für jede Aktion, die vor dem Wirksamwerden ein O.K. braucht.
Observability Zug um Zug
Der Server führt ein dauerhaftes Protokoll über Entscheidungen, Richtlinienausgänge, Aufgabendaten, Zeitverläufe und Fehler. Du kannst inspizieren, was ein Agent vorgeschlagen hat, was die Richtlinie erlaubt hat und wo ein Lauf angehalten wurde. Warum ist er gescheitert? Die Antwort steht im Protokoll. Das Debuggen eines Agenten ist keine Raterei mehr, wenn jeder Zug protokolliert wird.
Integrierte Richtlinien und Leitplanken
Modellausgaben gelten als Vorschlag, nicht als Befehl. Pläne und Werkzeugargumente müssen die Schema-Validierung, Richtlinienprüfungen und erforderliche Freigaben bestehen, bevor daraus ausführbare Arbeit wird. Also läuft nichts, bis es freigegeben ist. Du kannst Werkzeuge, Eingaben, Fächerung, Zeit und Kosten einschränken, bevor irgendetwas läuft.
Mehrsprachige SDKs
Das Conductor Agent SDK wird für Python, TypeScript/JavaScript und C#/.NET ausgeliefert, sodass Teams Agenten in der Sprache bauen, die sie bereits nutzen. Die Plan-Ausführungs-Strategie funktioniert über alle drei hinweg. Du installierst es mit einer einzigen Paketzeile pro Stack und hältst deine Agenten portabel.
Vor- und Nachteile
Vorteile
- Open Source unter MIT mit selbst hostbarem Server, also keine Kosten pro Sitz und die Daten bleiben auf deiner Infrastruktur.
- Dauerhafte Ausführung und Checkpoints bewältigen Abstürze, Deployments und mehrstündige Wartezeiten ohne Neustart eines Laufs.
- Der Plan-Ausführungs-Modus nimmt die Zufälligkeit des Modells aus der Orchestrierung, was Wiederholungen und Parallelität berechenbar macht.
- Ereignisauslöser decken Cron, Kafka, SQS, AMQP, Webhooks und Datenbankereignisse von Haus aus ab.
- SDKs für Python, TypeScript/JavaScript und C#/.NET bedeuten, dass du die Sprache nicht wechseln musst, um es einzusetzen.
Nachteile
- Das ursprüngliche Repository ist nach der Fusion in Orkes Conductor archiviert, also findet neue Arbeit in Conductor statt, nicht hier.
- Es gibt keinen visuellen Baukasten, was es für Nutzer ausschließt, die einen Agenten-Editor per Drag-and-drop wollen.
- Selbst hosten heißt, dass du Deployment, Upgrades und Skalierung selbst übernimmst, und das ist echte Arbeit für ein kleines Team.
Häufige Fragen
Es ist eine Runtime, die KI-Agenten als dauerhafte Workflows ausführt. Du schreibst den Agenten-Code, und der Server übernimmt Wiederholungen, Checkpoints, menschliche Freigaben und Laufhistorie, sodass der Agent Abstürze und lange Wartezeiten übersteht.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Agentspan.
Alternativen zu Agentspan
Forefront
Forefront · CodingForefront ist eine Webplattform zum Bauen mit Open-Source-KI. Sie lassen sich führende Open-Source-Sprachmodelle mit eigenen Daten feintunen, ihre Leistung bewerten und sie über eine API ausführen oder exportieren, um sie selbst zu hosten. Entwickler, die den Komfort einer geschlossenen Plattform wollen, aber darauf bestehen, ihre Modelle und Daten zu besitzen, sind hier die Zielgruppe.
Startkit
StartKit.AI · CodingStartkit ist ein Boilerplate zum Bauen von KI-SaaS-Produkten und KI-Wrappern. Man kann es sich als KI-Startup-Boilerplate vorstellen, bei dem die langweiligen Teile schon verdrahtet sind: Authentifizierung, Zahlungen über Stripe und Lemon Squeezy, Nutzungslimits, transaktionale E-Mail und ein KI-API-Starter-Kit, das mit OpenAI, Anthropic, Groq oder Llama spricht. Man klont das Repository, setzt seinen Preis und kümmert sich um den Teil des Produkts, für den Menschen wirklich bezahlen. Es basiert auf Next.js über React und Tailwind, deshalb fühlt sich ein Großteil des Boilerplate-Codes schon vertraut an.
Testim
Tricentis · CodingTestim ist eine KI-gestützte Plattform für Testautomatisierung, mit der man End-to-End-Tests für Web-, Mobile- und Salesforce-Anwendungen baut und ausführt. Sie setzt auf maschinelles Lernen, um Tests stabil zu halten, wenn sich eine Oberfläche ändert, sodass Teams weniger Zeit mit der Reparatur kaputter Selektoren verbringen. Nicht schlecht für ein Tool für automatisierte Tests, das Sie heute schon nutzen können. Sie erstellen Tests, indem Sie Aktionen im Browser aufzeichnen, und fügen danach JavaScript hinzu, wenn Sie mehr Kontrolle brauchen. Für ein beschäftigtes QA-Team eine solide Wahl.