Kodosumi

Kodosumi

Masumi Network (NMKR) · Coding

Kodosumi ist eine quelloffene Python-Runtime, die KI-Agenten-Dienste im Produktivbetrieb ausführt. Auf Ray Serve aufgebaut, übernimmt sie Deployment, Skalierung und Monitoring.

Vorschau der Oberfläche von Kodosumi

Über Kodosumi

What Is Kodosumi

Kodosumi richtet sich an Entwickler, die ihre KI-Agenten als echte Dienste betreiben wollen und nicht nur als Demo auf dem Laptop. Sie schreiben die Funktion des Agenten in Python, beschreiben sie in einer einzigen YAML-Datei und das Framework erledigt den Rest: Es macht daraus einen HTTP-Endpunkt, verteilt die Arbeit über einen Ray-Cluster und verfolgt jeden Lauf. Betreut wird das Projekt vom Team von Masumi Network, unter der Apache-2.0-Lizenz.

Die Lücke, die es schließt, liegt zwischen einem Prototyp, der einmal startet, und einem Agenten, der echten Verkehr aushält. Ein Agent kann Minuten oder Stunden laufen, und eine Welle von Anfragen staut sich schnell auf. Kodosumi stützt sich bei der Planung auf Ray, sodass Aufträge über mehrere Maschinen wachsen und weiterlaufen, wenn die Last steigt. Ein eingebautes Verwaltungspanel liefert das, was der meiste Agenten-Code auslässt: einen Zeitverlauf jedes Laufs, Fehlerverfolgung und eine Analyseansicht.

Es gibt Grenzen, die man offen benennen sollte. Es ist ein Entwicklerwerkzeug, also brauchen Sie Python und etwas Vertrautheit mit einem Cluster, um Nutzen daraus zu ziehen. Die Bezahlschicht hängt am Masumi-Protokoll auf Cardano, was nur zählt, wenn Sie den Zugang zu Ihren Agenten abrechnen wollen. Und weil es framework-neutral bleibt, liefert es Ihnen nicht die Agentenlogik, die Sie ohnehin selbst schreiben müssten.

Getting Started

  1. Installieren Sie das Paket mit pip install kodosumi und starten Sie einen Ray-Hauptknoten mit ray start --head.
  2. Schreiben Sie eine Agentenfunktion in Python und registrieren Sie einen Einstiegspunkt mit dem Decorator @app.enter.
  3. Führen Sie koco serve aus, um das Verwaltungspanel zu öffnen, und deployen Sie Ihre App mit serve run auf Ray.
  4. Legen Sie im Panel einen Expose-Eintrag an und klicken Sie auf Boot, um die konfigurierten Agenten live zu schalten.
  5. Verfolgen Sie jeden Lauf in den Ansichten Timeline und Analytics und justieren Sie von dort aus nach.

Produktinformationen

Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Kodosumi.

Kostenloser TarifJa
Bezahlte TarifeN/A
PlattformWeb, Python, Ray cluster, self-hosted
EntwicklerMasumi Network (NMKR)
KategorieCoding
VeröffentlichungsdatumNov 2024
Zuletzt aktualisiertMar 2025
Website-Besuche43
Globales Website-Ranking2.4M
API-VerfügbarkeitJa

Am besten für

Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.

Nutzer

  • KI-Entwickler
  • Backend- und Plattformteams
  • Teams mit bezahlten Agenten-Diensten
  • Offene Werkstätten

Aufgaben

  • Einen Agenten als Endpunkt bereitstellen
  • Lange Aufträge skalieren
  • Agentenläufe überwachen
  • Schritte mit Mensch dazwischen abwickeln
  • Zugang zu einem Agenten abrechnen

Szenarien

  • Eine Demo, die zum Dienst werden soll
  • Stoßweiser Verkehr
  • Lange Rechercheaufträge
  • Selbst gehostete Umgebungen
  • Ergebnis eines Agenten abrechnen

Wichtigste Funktionen

Verteilte Ausführung auf Ray Serve

Kodosumi führt Ihre Agenten auf Ray Serve aus, derselben Planungsschicht, die hinter großen Produktionslasten steht. Eine App startet auf dem Laptop und verteilt sich später über einen ganzen Cluster, ohne dass die Agentenlogik neu geschrieben wird. Das zählt, wenn Aufträge lange laufen oder in Wellen eintreffen, denn Ray legt jeden auf einen freien Worker, statt einen einzelnen Prozess zu blockieren.

Verwaltungspanel mit Timeline und Analytics

Das Panel ist genau der Teil, den die meisten Agenten-Frameworks weglassen. Es listet Ihre registrierten Dienste, zeigt einen Zeitverlauf jedes Laufs und hält Fehler fest, sobald sie auftreten. Eine Analyseansicht ergänzt Durchsatz und Fehlerzahlen, und ein separates Dashboard verfolgt die Masumi-Umsätze. So bekommen Sie das Betriebsbild, ohne zuvor einen eigenen Protokoll-Stack zu bauen.

Framework-unabhängige Agenten-Einbindung

Kodosumi verlangt nicht, dass Sie seine Art des Agentenbaus übernehmen. Es verpackt, was Sie ohnehin nutzen, sei es eine schlichte Python-Funktion, eine CrewAI-Gruppe oder ein Aufruf an ein selbst gehostetes Modell. Weil es aus der Agentenlogik herausbleibt, behalten Sie Ihre Werkzeuge und können später Modelle oder Bibliotheken tauschen, ohne das Framework anzufassen.

Deklarative Formulare und Dateitransfer

Sie beschreiben die Eingabe, die ein Agent braucht, mit ein paar Formularfeldern, und das Framework rendert das HTML und prüft die Eingaben im Browser. Agenten senden und empfangen auch Dateien, mit stückweiser Übertragung für Uploads und Downloads. So wird aus einer nackten Funktion eine Seite, die auch jemand ohne Technikkenntnisse bedienen kann.

Workflows mit Mensch in der Schleife

Manche Aufträge brauchen eine Person dazwischen. Kodosumi unterstützt ein Sperr- und Lease-Muster, das einen Agenten pausiert, die Kontrolle für eine Entscheidung oder eine Änderung an einen Menschen übergibt und den Lauf danach fortsetzt. Genau das fehlte für Prüfschritte, Freigaben und Agenten, die mit sensiblen Daten arbeiten.

Masumi-Zahlungen und MIP-003-Protokoll

Für Agenten, die als Dienst verkauft werden, verbindet sich Kodosumi mit dem Masumi-Zahlungssystem auf Cardano und spricht das MIP-003-Protokoll für Auffindbarkeit und Auftragsverwaltung. Sie bekommen ein Zahlungs-Dashboard mit Umsatz- und Fehlerverfolgung, sodass ein Agent pro Auftrag abrechnen kann, ohne dass Sie eine Abrechnungsschicht von Hand bauen.

Vor- und Nachteile

Vorteile

  • Kostenlos und quelloffen unter Apache 2.0, sodass Sie es lesen, forken und selbst hosten können
  • Auf Ray aufgebaut, das sowohl lange Aufträge als auch plötzliche Verkehrsspitzen trägt
  • Monitoring, Zeitverläufe und Analyse sind enthalten, statt auf eine eigene Lösung zu warten
  • Framework-unabhängig, verpackt also die Agentenwerkzeuge, die Sie bereits nutzen
  • Zahlung und Auffindbarkeit eingebaut für alle, die Agentenzugang über Masumi verkaufen

Nachteile

  • Es ist ein Entwicklerwerkzeug, sodass Nicht-Programmierer keinen Weg haben, es zu nutzen
  • Das Meiste herauszuholen heißt, einen Ray-Cluster zu betreiben und abzustimmen, was echte Betriebsarbeit ist
  • Die Bezahl- und Umsatzseite hängt am Masumi-Protokoll und an Cardano, was für Teams mit anderen Abrechnungssystemen nicht passt
  • Dokumentation und Community sind jung im Vergleich zu etablierten Agentenplattformen

Häufige Fragen

Kodosumi führt KI-Agenten als Dienste im Produktivbetrieb aus. Sie schreiben einen Agenten in Python, beschreiben ihn in einer Konfigurationsdatei, und das Framework macht daraus einen skalierbaren Endpunkt mit Monitoring, statt ihn als Skript zu belassen, das nur einmal läuft.