Open Agent Kit - Build Agents in Minutes

LangCrew ist ein Framework auf hoher Ebene, das auf LangGraph läuft und sich an CrewAI orientiert. Sie definieren Agenten, Aufgaben und Teams mit einfachen Python-Objekten, und das Framework übernimmt die Orchestrierung dazwischen. Es unterstützt sequenzielle Pipelines, bedingtes Routing und parallele Ausführung, sodass derselbe Code von einer Demo mit zwei Agenten bis zu einem echten Ablauf wächst.

Das Paket langcrew-tools ist der offizielle Werkzeugkasten, und jedes Tool erbt von LangChains BaseTool für eine einheitliche Schnittstelle. Es deckt Browser-Automatisierung, einen abgeschotteten Code-Interpreter, Terminal-Befehle, Dateioperationen, die Steuerung von Cloud-Handys, Datenabruf, Suche und Bilderzeugung ab. So sparen Sie sich den Kleber, den jedes Agentenprojekt am Ende braucht.

LangCrew baut die Freigabeschritte ins Framework ein, statt sie später anzuhängen. Sie können Unterbrechungspunkte vor oder nach einer Aufgabe setzen, für eine Prüfung durch eine Person pausieren und mit deren Rückmeldung fortsetzen. Die zweisprachigen UI-Komponenten sind so gedacht, dass diese Kontrollpunkte in einem echten Produkt taugen, nicht nur in einem Skript.

Ein Agent-UI-Protokoll und eine React-Komponentenbibliothek machen den Lauf zu etwas, das Sie beobachten können. Das Frontend zeigt, wie der Agent plant, Arbeit einteilt, Aufgaben ausführt und Tools aufruft, Schritt für Schritt. Das ist der Unterschied zwischen rohen Logs und dem echten Blick darauf, was das Team tut.

Der Speicher teilt sich in Kurzzeit, Langzeit und Entitätsspeicher, mit nativen PostgreSQL- und Redis-Backends plus Vektorähnlichkeitssuche. Gespräche bleiben über Threads hinweg zusammenhängend, und Wissen wandert von Sitzung zu Sitzung. Für Agenten, die Kontext behalten müssen, entfällt damit viel Handarbeit.

Das Framework streamt auf Token-Ebene und versendet feine Ereignisse, während ein Lauf voranschreitet. Sie verfolgen Agentengedanken, Tool-Aufrufe und Zwischenergebnisse im Moment ihres Entstehens, über WebSocket oder SSE. Das speist die Live-Aktualisierungen der Web-Oberfläche und hilft auch beim Debuggen langer Läufe.

Der Beispiele-Ordner liefert fertige Lösungen für Recruiting, Marketingstrategie, Spiele-Content-Erzeugung, Reiseplanung und Stellenanzeigen. Jede ist ein lauffähiges Multi-Agenten-System, das Sie lesen, starten und anpassen können, statt bei null anzufangen. Sie dienen zugleich als Referenz dafür, wie das Framework gedacht ist.

Sie können den gesamten Stack auf Ihrer eigenen Maschine oder Ihrem Server betreiben. Eine Docker-Compose-Datei startet Backend und Web-Chat zusammen, und die einzige externe Abhängigkeit ist der API-Schlüssel des Modells, das Sie wählen. Für Teams, die selbst gehostete KI-Agenten brauchen und Prompts sowie Daten im Haus behalten müssen, ist das ein echter Vorteil gegenüber gehosteten Agentenplattformen.