AI Maestro: Agenten-Orchestrierung als Peer-Mesh mit AMP und tmux
AI Agent Orchestrator mit Skills-System – Geben Sie AI-Agenten Superkräfte: Speichersuche, Codediagrammabfragen, Agent-zu-Agent-Nachrichtenübermittlung. Verwalten Sie Claude, Codex oder einen beliebigen KI-Agenten über ein Dashboard. Verschieben Sie Agenten zwischen Computern und Standorten.
Auf einen Blick
- Was ist das?
- Was 23blocks-OS/ai-maestro leistet: ein Dashboard für Agenten auf mehreren Rechnern, Nachrichten über das Agent Messaging Protocol, vier Bereitstellungsmodi von tmux bis Fargate und die Frage nach der Dokumentationstiefe.
- Für wen ist es gedacht?
- AI Maestro passt zu Entwicklern, die bereits viele terminalbasierte Agenten parallel betreiben und den Kontextverlust zwischen Sitzungen als eigentliches Problem erkannt haben. Weniger geeignet ist es für alle, die eine schlanke Sitzungsverwaltung ohne Mesh, Cloud-Anbindung und Protokollstack suchen, und für Umgebungen, in denen ein per curl ausgeführtes Skript aus dem main-Branch nicht zulässig ist.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 7 Tagen.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich TypeScript, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 14. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
AI Maestro v0.37.6: vom menschlichen Nachrichtenbus zum Agenten-Mesh
AI Maestro von 23blocks-OS beginnt mit einem Eingeständnis. Der Autor betrieb eigenen Angaben zufolge in einer Woche 35 Agenten über mehrere Terminals und wurde selbst zum Nachrichtenbus, weil die Agenten nicht miteinander sprechen konnten. Aus dieser Engstelle ist das Projekt entstanden. Es ist in TypeScript geschrieben, unter MIT lizenziert und lag zum Zeitpunkt der Materialsammlung als v0.37.6 vom 29. August 2026 vor. Die Metadaten weisen 758 Sterne, 100 Forks und 13 offene Issues aus.
Die Positionierung lautet Betriebssystem für KI-first Organisationen. Konkret heißt das: Ein Dashboard zeigt alle Agenten auf allen Rechnern, ein Nachrichtensystem verbindet sie untereinander, und ein Gedächtnis hält Kontext über Sitzungen hinweg. Der Autor gibt an, inzwischen mehr als 80 Agenten über mehrere Computer zu betreiben. Beide Zahlen sind Eigenangaben ohne unabhängige Bestätigung.
Das README nennt ausdrücklich keine Agenten-Bindung: Claude Code, Codex, Aider, Cursor, OpenClaw, Hermes, Droid und jeder andere terminalbasierte Agent sollen sich einbinden lassen.
Das Peer-Mesh von ai-maestro: gleiche Maschinen statt Zentralserver
Die Mehrrechner-Fähigkeit ist der Teil, den das README als Alleinstellung führt: Ein Peer-Mesh, in dem jede Maschine gleichberechtigt ist und kein zentraler Server gebraucht wird. Ein weiterer Rechner tritt dem Mesh bei, und seine Agenten erscheinen im selben Dashboard. Als Grund für die Aufteilung nennt das README die Stärken der Hardware, etwa iOS-Builds auf dem Mac, Docker unter Linux, schwere Last in der Cloud.
Technisch ist das der anspruchsvollste Teil des Projekts und zugleich der am dünnsten dokumentierte. Wie Knoten einander finden, wie Authentifizierung im Mesh abläuft und was geschieht, wenn ein Rechner offline geht, steht im README nicht. Wer ein Mesh über Netzgrenzen betreibt, beantwortet diese Fragen an der Implementierung.
Hinzu kommen die Auto-Erkennung von tmux-Sitzungen, Docker-Containern, Cloud-Instanzen und eigenständigen Agenten sowie eine Namenslogik, die aus project-backend-api einen dreistufigen Baum mit automatischer Farbgebung erzeugt.
AMP, AID und AAP: drei Protokolle und die offene Spezifikationsfrage
Drei Abkürzungen tragen das Ökosystem: AMP als Agent Messaging Protocol für Kommunikation zwischen Agenten, AID als Agent Identity für portable kryptografische Identität und AAP als Agent Actions Protocol für standardisierte Werkzeugausführung und Workflow-Auslöser. Die README verlinkt agentmessaging.org, agentids.org und agentactions.org.
AMP wird als E-Mail-ähnlich beschrieben, mit Prioritätsstufen, Nachrichtentypen, kryptografischen Signaturen und Push-Benachrichtigungen. Die Zahl, die am ehesten hängen bleibt, steht im Gateway-Abschnitt: 34 Prompt-Injection-Muster werden dort geprüft, bevor eine Nachricht einen Agenten erreicht.
Das README benennt diese Standards und spezifiziert sie nicht. Für eine Evaluierung heißt das: Die Interoperabilität versprechen die Webseiten, belegen muss sie der Blick in die Protokolldokumentation. Bei einer Versionsnummer unter 1.0 ist damit zu rechnen, dass sich Einzelheiten noch verschieben.
remote-install.sh, Node.js 18+ und tmux als harte Voraussetzung
Der Schnellstart ist ein einzelner Aufruf:
curl -fsSL https://raw.githubusercontent.com/23blocks-OS/ai-maestro/main/scripts/remote-install.sh | sh
Dieser Weg lädt ein Skript direkt aus dem Branch main und führt es aus. Es installiert Dashboard und Dienst, das Nachrichtensystem AMP sowie das Claude-Code-Plugin mit fünf Skills und 32 CLI-Skripten. Als Dauer nennt das README fünf bis zehn Minuten, als Voraussetzungen Node.js 18+ und tmux. Unter Linux wird sudo apt install tmux build-essential empfohlen, unter Windows zunächst wsl --install und danach derselbe Aufruf in Ubuntu.
Wer den Hauptbranch eines aktiven Repositories als Installationsquelle nutzt, erhält den jeweils aktuellen Stand. Das ist bequem und macht zwei Installationen zu unterschiedlichen Zeitpunkten ungleich. Der alternative Weg im README ist nachvollziehbarer: Repository klonen, yarn install, danach yarn dev. Anschließend läuft das Dashboard auf http://localhost:23000.
aimaestro-agent.sh create: tmux, Docker, EC2 oder Fargate
Für den Betrieb von Agenten listet das README vier Modi mit klarer Zuordnung: tmux für lokale Sitzungen ohne Einrichtung, Docker für Isolation und Reproduzierbarkeit, AWS EC2 für dauerhaft laufende Agenten mit SSH-Zugang, AWS ECS Fargate für Burst-Last ohne Wartung. Cloud-Agenten werden mit Terraform verwaltet. EC2 installiert Node.js, tmux und die KI-CLIs unmittelbar auf ARM64-Hardware, ECS baut das Image, schiebt es nach ECR und startet es auf Fargate.
Die zugehörigen Aufrufe sind konkret angegeben:
aimaestro-agent.sh create my-api --ec2 --domain api.example.com --ssl-email admin@example.com --key-name my-key
aimaestro-agent.sh create worker --ecs
Bemerkenswert ist, was bei EC2 mitentsteht: Nginx und ein Zertifikat. Wer Agenten in der Cloud betreibt, eröffnet damit eine erreichbare Instanz, und die Absicherung hängt an den übergebenen Parametern. Standardwerte für Firewall oder Zugangsschutz beschreibt das README nicht.
Gateways, Code-Graph und die MIT-Lizenz von 23blocks
Über Gateways lassen sich Agenten an Slack, Discord, E-Mail und WhatsApp anbinden; das Kürzel @AIM:agent-name adressiert einen bestimmten Agenten, und Antworten bleiben thread-bezogen. Die Sammlung von 34 Prompt-Injection-Mustern liegt vor dem Agenten, nicht danach.
Zum Gedächtnis nennt das README drei Schichten: Agentenerinnerung an Gespräche und Entscheidungen, einen Code-Graphen mit Delta-Indexierung und automatisch erzeugte, durchsuchbare Dokumentation. Für die Arbeitsteilung gibt es Teams, War Rooms im geteilten Fenster und ein Kanban-Board mit Abhängigkeiten und fünf Statusspalten. Das README erwähnt außerdem eine Agentenbibliothek mit mehr als 150 Agenten und ein separates Projekt namens Lola; Qualität und Pflege dieser Bibliothek sind nicht dokumentiert.
Das Projekt steht unter MIT, Copyright Juan Peláez / 23blocks (2025). Nutzen, Kopieren, Verändern und Weitergeben sind erlaubt, solange der Copyright-Hinweis erhalten bleibt; eine Gewährleistung gibt es nicht. Die Copyleft-Frage, die bei 1Panel oder MaxKB unter GPL-3.0 entsteht, fällt hier weg.
Als Alternative bleibt die Arbeit mit tmux und einem eigenen Skript, das Text zwischen Sitzungen verschiebt. Der Unterschied liegt im Umfang der Zusicherung: tmux verwaltet Sitzungen und nichts darüber hinaus, AI Maestro ergänzt Identität, Nachrichten, Gedächtnis, Code-Graph und Aufgabenboard und verlangt dafür Node.js, tmux sowie Vertrauen in ein Installationsskript.
Redaktionelles Fazit
AI Maestro passt zu Entwicklern, die bereits viele terminalbasierte Agenten parallel betreiben und den Kontextverlust zwischen Sitzungen als eigentliches Problem erkannt haben. Weniger geeignet ist es für alle, die eine schlanke Sitzungsverwaltung ohne Mesh, Cloud-Anbindung und Protokollstack suchen, und für Umgebungen, in denen ein per curl ausgeführtes Skript aus dem main-Branch nicht zulässig ist. Vor dem Einsatz: remote-install.sh lesen, prüfen, ob Port 23000 nur lokal erreichbar sein soll, und entscheiden, ob tmux als Modus ausreicht oder ob EC2 und Fargate samt Terraform in die eigene Infrastruktur passen.
Community-Notizen