OpenFang
RightNow-AI · Coding
OpenFang ist ein quelloffenes KI-Agenten-Betriebssystem, in Rust geschrieben, das autonome KI-Agenten nach Zeitplan ausführt, statt darauf zu warten, dass Sie einen Prompt tippen. Es ist ebenso sehr eine quelloffene Agentenplattform wie eine Laufzeitumgebung. Es kommt mit 7 vorgefertigten Hands, 30 fertigen Agenten, 38 integrierten Werkzeugen, einem Gedächtnis, das über Chats hinweg bleibt, und rund 40 Kanaladaptern. Eine einzige Binärdatei. Eine einzige Installation. Dann sind Ihre Agenten live. Es ist für alle gedacht, die Agenten rund um die Uhr unter echten Sicherheitskontrollen arbeiten lassen wollen, nicht für einen weiteren Chatbot-Aufsatz.
Über OpenFang
Was ist OpenFang
OpenFang ist ein Agent OS, und die Wortwahl ist wichtig. Ein Framework reicht Ihnen Bausteine und überlässt Ihnen die Verkabelung. Ein Betriebssystem gibt Agenten eine Laufzeitumgebung zum Leben: Gedächtnis, Sicherheit, Zeitplanung und Kanäle gehören zur Plattform, sie werden nicht nachträglich angebaut. In diesem Sinn ist es weniger ein Rust-Agenten-Framework als der Boden, auf dem solche Frameworks stehen. RightNow-AI hat das Ganze in Rust gebaut und in eine einzige kleine Binärdatei kompiliert, also gibt es keine Python-Umgebung zu pflegen und kein schweres Container-Image zu ziehen.
Das Problem, das es angeht, ist die passive Natur der meisten Agentenwerkzeuge. Sie öffnen ein Terminal, stellen eine Frage, bekommen eine Antwort. Dann schließen Sie das Fenster, und der Agent hört mit Ihnen auf. OpenFang dreht das um. Die "Hands" sind autonome Fähigkeitspakete, die nach Zeitplan aufwachen, ihre Arbeit tun und an ein Dashboard berichten, ob Sie zusehen oder nicht.
Der größte Haken ist die Reife. OpenFang ist funktional vollständig, aber noch vor 1.0, und das Projekt sagt, dass Sie mit rauen Kanten und brechenden Änderungen zwischen Minor-Versionen rechnen sollen. Für den Produktivbetrieb empfehlen sie, auf einen bestimmten Commit zu pinnen, bis v1.0 erscheint. Außerdem ist die Software gratis, die Modelle, die Sie anbinden, aber nicht, es sei denn, Sie zeigen auf ein lokales Modell.
Erste Schritte
- Installieren Sie die Binärdatei mit dem Ein-Zeilen-Skript für Ihre Plattform, oder laden Sie einen Release-Build.
- Führen Sie
openfang initaus und verbinden Sie mindestens einen LLM-Anbieter, etwa Anthropic, Gemini, Groq, DeepSeek oder eine lokale Option. - Starten Sie den Dienst mit
openfang startund öffnen Sie das Dashboard unter http://localhost:4200. - Aktivieren Sie eine Hand, zum Beispiel die Researcher- oder die Lead-Hand, und legen Sie ihren Zeitplan fest.
- Richten Sie einen Kanal wie Telegram oder Slack auf Ihren Agenten, damit Ergebnisse dort landen, wo Sie schon arbeiten.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von OpenFang.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- Entwickler, die eine Laufzeitumgebung auf Produktionsniveau für autonome Agenten wollen und eine CLI-Einrichtung nicht scheuen.
- Kleine Teams, die Agenten brauchen, die Konkurrenten, Leads oder Social-Konten rund um die Uhr beobachten, ohne Aufsicht.
- Sicherheitsbewusste Bastler, denen Sandboxing und Prüfpfade wichtig sind, bevor sie einen Agenten an echte Systeme lassen.
Aufgaben
- Geplante Recherche laufen lassen, die Quellen gegeneinander prüft und belegte Berichte erzeugt.
- Ziele auf Änderungen überwachen und aus den Funden einen Wissensgraphen bauen.
- Ein Social-Konto mit entworfenen, geplanten Posts verwalten, die auf Freigabe warten.
Szenarien
- Outbound-Leadgenerierung, die täglich läuft und Ihnen jeden Morgen eine bereinigte Liste liefert.
- Wettbewerbsbeobachtung, bei der ein Agent Preise und Nachrichten verfolgt und Sie warnt, wenn sich etwas bewegt.
- Lange Videos in kurze vertikale Clips mit Untertiteln verwandeln, von Anfang bis Ende.
Wichtigste Funktionen
Hands: autonome Fähigkeitspakete
Die Hands sind die Kernidee. Jede ist ein vorgefertigter Arbeiter mit eigener Stellenbeschreibung, eigenen Werkzeugen und eigenem Zeitplan, läuft also, ohne dass Sie einen Prompt geben. Sieben sind ab Werk dabei. Clip kümmert sich um Video. Lead jagt Interessenten. Collector überwacht Ziele. Predictor erstellt Prognosen. Researcher gräbt tief. Twitter betreibt Social. Browser steuert das Web. Sie aktivieren eine, legen den Zeitplan fest und schauen ins Dashboard.
Ein Sicherheitsmodell mit 16 Ebenen
OpenFang führt den Code der Werkzeuge in einer WebAssembly-Sandbox mit doppelter Messung aus, sodass eine außer Kontrolle geratene Schleife unterbrochen und ein speicherfressender Prozess beendet wird. Darüber liegen Ed25519-Manifest-Signierung, ein Merkle-Prüfpfad, Taint-Tracking und SSRF-Schutz. Warum ist das wichtig? Wenn Sie einen Agenten eigenständig handeln lassen, wollen Sie Grenzen, die halten, wenn etwas schiefgeht. Genau das trennt es von leichteren Frameworks.
40 Kanaladapter
Ein einzelner Agent erreicht Telegram, Discord, Slack, WhatsApp, Teams, IRC, Matrix und Dutzende mehr. Sie können Modelle pro Kanal und Richtlinien für DMs oder Gruppen festlegen, sodass sich derselbe Agent je nach Eingangsort der Nachricht anders verhält. Ein großer Unterschied für Teams, die mit mehreren Plattformen jonglieren. Und Sie bauen Ihren Ablauf nicht für jede neu, die Ihr Team schon nutzt.
Dauerhaftes Gedächtnis
Der Speicher läuft auf SQLite mit Vektor-Embeddings, dazu Sitzungsspiegelung und automatische Verdichtung. Agenten behalten den Kontext über Gespräche und Kanäle hinweg, sodass eine Rückfrage in Slack mit dem zusammenhängt, was gestern in Telegram passiert ist.
Werkzeuge, MCP und Protokolle
Es gibt 38 native Werkzeuge plus Unterstützung des Model Context Protocol als Client und als Server, zusammen mit Googles A2A und dem OpenFang Protocol für Peer-to-Peer-Vernetzung. Die mitgelieferten Werkzeuge decken Websuche, Browser-Automatisierung, Bildgenerierung, Text zu Sprache, Docker und Wissensgraphen ab.
Eine native Desktop-App
Das Dashboard kommt als Tauri-2.0-Desktop-App, also bekommen Sie ein echtes Fenster mit System-Tray, Benachrichtigungen und Autostart bei Anmeldung. Nicht jeder will im Terminal leben. Wenn Sie lieber klicken als tippen, sehen Sie so Ihre Agenten bei der Arbeit.
Vor- und Nachteile
Vorteile
- Eine einzige Rust-Binärdatei, also ist die Installation leicht und der Start schnell im Vergleich zu Python-Stapeln.
- Echtes Sandboxing und echte Prüfpfade, die zählen, sobald Agenten eigenständig handeln.
- Hands laufen nach Zeitplan, also arbeitet die Plattform, während Sie es nicht tun.
- Breite Kanal- und Modellunterstützung bewahrt Sie davor, sich an einen Anbieter zu binden.
Nachteile
- Noch vor 1.0, also rechnen Sie mit brechenden Änderungen zwischen Minor-Versionen und pinnen Sie einen Commit für den Produktivbetrieb.
- Die Einrichtung setzt Vertrautheit mit der Kommandozeile und Anbieterschlüsseln voraus, was Gelegenheitsnutzer ausschließt.
- Die Software ist gratis, die Modellaufrufe aber nicht, es sei denn, Sie betreiben ein lokales Modell und haben die Hardware dafür.
Häufige Fragen
Ja. Die Software ist quelloffen unter Apache-2.0 und MIT, also können Sie sie betreiben, ändern und sogar kommerzielle Arbeit darauf aufbauen. Ihre echten Kosten sind das, was Sie für Modell-API-Aufrufe ausgeben, und das fällt auf null, wenn Sie ein lokales Modell über etwas wie Ollama oder LM Studio anbinden.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu OpenFang.
Alternativen zu OpenFang
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.