Bevel
Bevel · Coding
Bevel ist eine anbieterunabhängige Kontrollebene für KI-Agenten in Unternehmen, entwickelt von einem Münchner Team, das 2024 gegründet wurde. Sie erlaubt es einem Unternehmen, seine Agenten, seinen Kontext, seine Skills, seine Tools, seine Berechtigungen und seine Identität als einfache Dateien im eigenen Repository zu definieren und diese Dateien dann jeder Agenten-Laufzeit über MCP oder UTCP bereitzustellen. Das Versprechen ist einfach. Wenn Ihre Agenten im Produkt eines anderen leben, gehören sie Ihnen nicht wirklich. Bevel will, dass die Quelle der Wahrheit in Ihrer eigenen Infrastruktur liegt.
Über Bevel
Was ist Bevel
Bevel ist eine Infrastrukturschicht zwischen dem Wissen eines Unternehmens und der KI-Laufzeit, die seine Mitarbeiter gerade nutzen. Statt Anweisungen in der Konfiguration eines Anbieters zu verstreuen, die Tool-Verdrahtung in anbieterspezifischen Konnektor-Panels und das Wissen in anbieterspezifischen Grounding-Speichern, hält Bevel alles als Markdown- und YAML-Dateien in einem Git-Repository, das Sie kontrollieren.
Das Produkt behandelt vier Dinge als die vollständige Spezifikation eines Agenten: was er weiß, wie er arbeitet, was er tun darf und wen er verkörpert. Kontext, Skills, Tools, Berechtigungen und Identität werden jeweils zu einem Artefakt, das Sie wie jeden anderen Code vergleichen, prüfen und versionieren können.
Die wichtigste Einschränkung ist der Umfang. Bevel richtet sich an Engineering- und Betriebsteams in Unternehmen, die bereits Agenten in Produktion laufen lassen, nicht an Einzelpersonen oder kleine Teams, die einen schnellen Chatbot suchen. Es gibt keine öffentlichen Preise, keinen auf der Website gelisteten kostenlosen Tarif, und die Einrichtung setzt voraus, dass Sie mit Git, YAML und MCP vertraut sind. Wenn das nach viel klingt, ist es das wahrscheinlich auch. Für die Zielgruppe, für die es gebaut ist, ist genau das der Punkt.
Erste Schritte
- Richten Sie ein Git-Repository ein, das Ihre Agentendateien aufnimmt, mit getrennten Ordnern für Wissen, Skills, Tools, Agenten und Zugriffsrichtlinie.
- Schreiben Sie Ihren Kontext als Wissensknoten und Ihre Verfahren als Markdown-Skills, damit sie in einem Diff lesbar und prüfbar sind.
- Deklarieren Sie Tool-Manifeste und lassen Sie Bevel Geheimnisse in einem Tresor halten; schreiben Sie dann Zugriffsregeln, die festlegen, welcher Agent welche Datei lesen und welchen Endpunkt aufrufen darf.
- Definieren Sie jeden Agenten als benannten Akteur mit eigenen Zugangsdaten und eigenem Umfang, damit jede Aktion ihm zuordenbar ist.
- Verbinden Sie Ihre Wunsch-Laufzeit und lassen Sie sie genau das lesen, was sie über MCP oder UTCP lesen darf.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Bevel.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Plattform- und DevOps-Engineers
- IT- und Sicherheitsverantwortliche in Unternehmen
- Teams, die Agenten über mehrere Anbieter hinweg betreiben
Aufgaben
- Den Agentenkontext zentralisieren
- Den Tool-Zugriff steuern
- Skills vereinheitlichen
Szenarien
- Agenten von der geschlossenen Plattform eines Anbieters weg migrieren
- Prüfen, was ein Agent getan hat
- Eine neue Laufzeit anbinden
Wichtigste Funktionen
Git-gestützte Quelle der Wahrheit
Diese git-gestützte Agentenplattform hält in Ihrem Repository das Wissen, die Skills, die Tools, die Agenten und die Zugriffsrichtlinie. Branches, Änderungsanfragen und Diffs kommen aus Git und nicht aus einem eigenen Review-System, was bedeutet, dass Ihr bestehender Workflow und Ihre Werkzeuge einfach weiterlaufen. Jede Änderung wird versioniert und ist umkehrbar.
Anbieterunabhängige Kontrollebene
Bevel bindet Sie nicht an eine einzige Laufzeit. Es stellt dieselben Definitionen für Claude Code, Cursor, ChatGPT, opencode, Hintergrundagenten und selbst gehostete In-Platform-Agenten bereit. Wechseln Sie das Tool, und nichts bricht. Der Kontext und die Skills, die Sie aufgebaut haben, müssen nicht neu entstehen.
Kontext mit Herkunft
Wissen wird als typisierte Knoten gespeichert, und jede Tatsache verfolgt, woher sie kam, wer sie zuletzt berührt hat und wann sie geprüft wurde. Die Knoten verdichten sich zu einem Graphen, den Sie durchlaufen, massenhaft aktualisieren und für Dashboards nutzen können. Warum ist das wichtig? Teams müssen beantworten können, warum ein Agent etwas geglaubt hat. Darin liegt der Unterschied zwischen einer Behauptung und einer Prüfspur.
Skills als geschriebene Verfahren
Skills sind keine Prompt-Bruchstücke, die in einer Konfigurationsdatei vergraben sind. Es sind Verfahren in einfachem Markdown, lesbar für die Prozessverantwortlichen und prüfbar in einem Diff. Das macht sie über Laufzeiten hinweg portabel. Es erleichtert außerdem die Übergabe, wenn Personal wechselt.
Tools, Berechtigungen und Geheimnisse
Tool-Manifeste deklarieren, was ein Agent aufrufen darf, während Geheimnisse in einem Tresor liegen statt in Konnektor-Panels eingefügt zu werden. Zugriffsregeln legen fest, welcher Agent welche Datei lesen und welchen Endpunkt aufrufen darf. Hier steckt der größte Teil der Governance für KI-Agenten. Änderungen durchlaufen ein Review wie alles andere, damit eine einzelne falsch konfigurierte Berechtigung nicht unbemerkt durchrutscht.
Identität pro Agent
Jeder Agent ist ein benannter Akteur mit eigenen Zugangsdaten und eigenem Umfang, kein gemeinsam genutztes Dienstkonto. Kein geteilter Login. Jede Aktion ist einem bestimmten Agenten zuordenbar, was zählt, wenn Sie eine fehlerhafte Ausgabe bis zu ihrer Quelle zurückverfolgen müssen.
Vor- und Nachteile
Vorteile
- Hält die Agentendefinitionen im eigenen Repository, sodass Sie zum Erhalt nicht vom Produkt eines Anbieters abhängig sind.
- Kontext, Skills, Tools, Berechtigungen und Identität werden zusammen behandelt statt über getrennte Panels je Anbieter.
- Review, Diffs und Rollback auf Git-Basis gibt es gratis, weil die Artefakte Dateien sind.
- Zugangsdaten pro Agent und Zugriffsregeln auf Dateiebene geben Sicherheitsteams etwas Konkretes zum Prüfen.
- Bedient mehrere Laufzeiten über MCP und UTCP, was die Kosten eines Tool-Wechsels senkt.
Nachteile
- Es gibt keine öffentlichen Preise und keinen gelisteten kostenlosen Tarif, sodass Budgetplanung zuerst ein Gespräch mit dem Anbieter erfordert.
- Die Einrichtung setzt echte Vertrautheit mit Git, YAML und MCP voraus; für nicht technische Nutzer gibt es kein Drag-and-drop-Onboarding.
- Es richtet sich an Unternehmen, daher werden Einzelpersonen und kleine Teams es wahrscheinlich schwerer finden, als sie brauchen.
Häufige Fragen
Bevel ist eine Kontrollebene, die Ihre KI-Agenten als Dateien in Ihrem eigenen Git-Repository definiert und diese Definitionen dann jeder Agenten-Laufzeit über MCP oder UTCP bereitstellt. Sie deckt Kontext, Skills, Tools, Berechtigungen und Identität an einem Ort ab.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Bevel.
Alternativen zu Bevel
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.