Upsonic
Upsonic · Coding · Produktivität
Upsonic ist ein Open-Source-Python-Framework zum Bauen autonomer KI-Agenten, Aufgaben-Agenten und Multi-Agenten-Teams, mit Werkzeugen, Gedächtnis, RAG, MCP-Unterstützung und über 30 Modell-Anbindungen.
Über Upsonic
About
Was ist Upsonic
Upsonic ist ein Framework für KI-Agenten: ein Open-Source-KI-Framework in Python, das die ganze Technik hinter einem Agenten übernimmt. Planung, Werkzeugaufrufe, Gedächtnis, Datenabruf und die Abstimmung mehrerer Agenten bündelt es an einem Ort. Sie installieren es mit pip, richten es auf ein Modell und beschreiben die Aufgabe in normaler Sprache. Danach arbeitet der Agent von allein.
Zuverlässigkeit ist das Argument des Frameworks. Agenten laufen in einem abgeschotteten Arbeitsbereich, der den Zugriff auf externe Pfade und gefährliche Shell-Befehle blockiert, und optionale Schutzleitplanken filtern Ein- und Ausgaben, bevor sie ein Modell oder eine Person erreichen. Das Team hinter Upsonic richtet es auf regulierte Arbeit aus, etwa Dokumentenanalyse, Kunden-Onboarding oder Finanzabstimmung, wo ein Agent, der vom Skript abweicht, echtes Geld kostet.
Die größte Grenze liegt im Umfang. Upsonic ist ein Entwicklerwerkzeug, kein Chatbot, den man im Browser öffnet. Sie brauchen Python-Kenntnisse und API-Schlüssel eines Anbieters, bevor überhaupt etwas läuft. Die Unternehmensschicht AgentOS läuft über ein Verkaufsgespräch statt über eine öffentliche Preisliste, weshalb sich die Kosten im großen Maßstab kaum vorab beziffern lassen.
Erste Schritte
- Installieren Sie das Paket mit
uv pip install upsonicoderpip install upsonic. - Legen Sie eine Datei
.envan und tragen Sie den Schlüssel eines unterstützten Anbieters ein, etwa OpenAI, Anthropic, Google oder ein lokales Ollama-Endpoint. - Bauen Sie einen
Agentund eineTaskund beschreiben Sie in der Aufgabe, was Sie erreichen wollen. - Starten Sie mit
agent.print_do(task)und prüfen Sie die Ausgabe. - Sobald die erste Aufgabe läuft, ergänzen Sie Werkzeuge, Gedächtnis, eine Wissensbasis oder einen zweiten Agenten.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Upsonic.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Backend- und KI-Entwickler
- Fintech- und Operationsteams
- Automatisierer
Aufgaben
- Dokumentenanalyse
- Mehrstufige Recherche
- Werkzeuggestützte Abläufe
- Lang laufende Assistenz
Szenarien
- Ein Fintech-Team, das das Onboarding von Händlern automatisiert und jeden Schritt gegen ein Regelwerk prüft.
- Ein Entwickler, der einen lokalen Agenten mit Ollama testet, wenn ein Cloud-Modell zu teuer oder zu sensibel ist.
- Ein Support-Team, das einen Agenten an interne Dokumente hängt, damit Antworten echte, aktuelle Quellen nennen.
- Eine Forschungsgruppe, die wiederholbare Bewertungen fährt, bevor sie einem Agenten echten Verkehr anvertraut.
Wichtigste Funktionen
Zwei Agentenstile in einem Framework
Upsonic trennt Agenten in zwei Formen. Autonome Agenten übernehmen offene, mehrstufige Arbeit und dürfen Dateisystem und Shell in einem gesperrten Arbeitsbereich anfassen. Klassische Agenten passen zu strukturierten Aufgaben mit festem Ein- und Ausgabevertrag. Sie wählen je nach Problem, und beide laufen durch dieselbe Pipeline.
Werkzeuge und MCP-Anbindung
Sie schreiben eine Funktion, versehen sie mit einem Dekorator und geben sie dem Agenten als Werkzeug. Über Ihren eigenen Code hinaus spricht Upsonic das Model Context Protocol, sodass MCP-Werkzeuge Agenten Tausende externe Dienste erreichen lassen, ohne maßgeschneiderten Klebstoff. Fertige Konnektoren decken Suche, Web-Crawling, Sandboxes und Finanzdaten ab.
Gedächtnis und Wissensbasen
Agenten halten Gesprächsgedächtnis und greifen für den Abruf auf eine RAG-Wissensbasis zu. Legen Sie dieses Gedächtnis in SQLite, Postgres, Redis, Mongo oder Mem0 ab und bauen Sie Abruf-Pipelines auf Qdrant, Pinecone, Chroma, pgvector oder Weaviate. Der Punkt ist Kontinuität: Ein Agent, der früheren Kontext erinnert, schlägt einen, der bei jedem Lauf neu beginnt.
Multi-Agenten-Teams
Ein Team bündelt mehrere Agenten und führt sie im sequenziellen, koordinierten oder gerouteten Modus aus. Jeder Agent bekommt eigenen Namen, Rolle und Ziel. Das passt zu Arbeit, die wirklich verschiedene Fachgebiete braucht, etwa ein Agent, der recherchiert, und einer, der schreibt, statt eines Einzelnen, der alles zu können vorgibt.
Eingebautes OCR
Die OCR-Schicht wandelt PDFs und Bilder über eine Pipeline mit Ebenen in Text um, mit Engines wie EasyOCR, Tesseract, PaddleOCR und DeepSeek. Das zählt für Teams, deren Daten in Scans und Rechnungen stecken statt in sauberen Textdateien.
Sicherheit, menschliche Freigabe und Tracing
Schutzleitplanken prüfen Inhalte gegen voreingestellte Richtlinien zu Datenschutz, Finanzen und Sicherheit. Menschliche Freigabepunkte halten einen Lauf an, um Zustimmung oder Eingaben zu holen. Tracing dockt an Langfuse und PromptLayer an, sodass Sie den Weg des Agenten sehen, nicht nur seine endgültige Antwort.
Vor- und Nachteile
Vorteile
- Erscheint unter MIT-Lizenz, sodass Sie den Code lesen, forken und selbst hosten können, ohne an einen Anbieter gebunden zu sein.
- Unterstützt über 30 Modellanbieter, von OpenAI und Anthropic bis zu lokalen Endpoints von Ollama und vLLM.
- Die abgeschottete Ausführung blockiert standardmäßig externe Pfade und riskante Shell-Befehle.
- Deckt den ganzen Bauweg ab, von Werkzeugen und Gedächtnis bis RAG, Teams, OCR und Tracing, in einem Framework.
- Hält die Python-API klein, sodass ein lauffähiger Agent in wenigen Zeilen steht.
Nachteile
- Keine grafische Oberfläche zum Bauen von Agenten; alles läuft über Code, was Nicht-Entwickler ausschließt.
- Die API-Schlüssel für Modelle stellen Sie selbst, das Framework ist also gratis, der Betrieb von Agenten nicht.
- Die Unternehmensplattform AgentOS hat keine öffentliche Preisliste, was die Planung großer Rollouts erschwert.
- Dokumentation und Beispiele bewegen sich schnell, und einige Integrationen setzen voraus, dass Sie Agentenkonzepte schon kennen.
Häufige Fragen
Upsonic baut KI-Agenten in Python. Sie nutzen es für Aufgaben, bei denen ein Modell planen, Werkzeuge aufrufen und Kontext halten muss, etwa Dokumentenanalyse, Recherche und automatische Abläufe. Es passt zu einzelnen Agenten wie zu abgestimmten Multi-Agenten-Teams.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Upsonic.
Alternativen zu Upsonic
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.