agent-teams-ai: Orchestrierungsebene mit Kanban-Board, Diff-Freigabe und Token-Budget
Sie sind der Boss, Agenten sind Ihr Team. Sie erledigen Aufgaben selbstständig, senden sich gegenseitig Nachrichten und überprüfen die Arbeit des anderen. Sie schauen einfach auf die Kanban-Tafel und geben hochrangige Befehle. Codex/Claude/OpenCode/Cursor/Grok/GitHub Copilot/Kiro/Z.AI/MiniMax/Kimi (über 200 Modelle, über 75 LLM-Anbieter, kostenlose Modelle ohne Authentifizierung). Bauen Sie Ihr KI-Unternehmen mit mehreren Teams auf.
Auf einen Blick
- Was ist das?
- Eine TypeScript-Desktop-App, die Claude Code, Codex, OpenCode und weitere Laufzeiten als Agententeam steuert. Einordnung von Arbeitskreis, Kostenüberwachung, Installation und AGPL-3.0-Folgen.
- Für wen ist es gedacht?
- agent-teams-ai passt zu Teams, die bereits Claude Code, Codex oder OpenCode einsetzen und mehrere Agenten parallel mit Kostenkontrolle steuern wollen. Weniger geeignet ist es für alle, die eine schlanke Einzelagenten-Laufzeit suchen, oder für den Betrieb des HTTP-Dashboards jenseits vertrauenswürdiger Netze, weil dort keine eingebaute Authentifizierung existiert.
- Darf ich es kommerziell nutzen?
- Ja, unter strengen Bedingungen. AGPL-3.0 ist eine Lizenz mit Netzwerk-Copyleft: Wenn andere eine veränderte Version über ein Netzwerk nutzen, etwa als gehosteten Dienst, müssen Sie ihnen den Quellcode unter derselben Lizenz anbieten.
- Wird es noch gepflegt?
- Ja. Das Repository hat innerhalb des letzten Tages neue Commits erhalten.
- 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 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Was agent-teams-ai orchestriert: Claude Code, Codex, OpenCode, Cursor und Z.AI als Team
agent-teams-ai ist laut README eine Orchestrierungsebene für KI-Agententeams, geschrieben in TypeScript und ausgeliefert als Desktop-Anwendung. Der Rahmen, den die README setzt, ist ein Rollenbild: Der Mensch gibt die Richtung vor, die Agenten bilden das Team und verteilen die Arbeit selbst.
Angebunden werden laut README unter anderem Claude Code, Codex, OpenCode, Cursor, SuperGrok, GitHub Copilot, Z.AI, MiniMax und Kiro. Die Kurzbeschreibung des Repositorys nennt über 200 Modelle und mehr als 75 Anbieter; ein Einstieg soll auch ohne Anmeldung und ohne Schlüssel über ein kostenloses Modell möglich sein. Diese Angaben sind selbst berichtet, eine Liste der tatsächlich verfügbaren Modellnamen führt das README an dieser Stelle nicht.
Abgrenzen muss man das Projekt von einem Chat-Frontend. Es bringt keine eigene Modellschicht mit, sondern steuert vorhandene Laufzeiten und Werkzeuge, die auf dem Rechner bereits installiert sind. Die Anwendung erkennt laut README installierte Claude-Code-, Codex- und OpenCode-Laufzeiten von sich aus, die übrigen Anbieter werden über die Oberfläche verbunden.
Kanban-Board, Diff-Freigabe und Agentennachrichten: der Arbeitskreis in agent-teams-ai
Der Arbeitskreis beginnt bei einer Aufgabe auf einem Kanban-Board, dessen Spalten den Zustand anzeigen, während die Agenten arbeiten. Agenten legen eigene Aufgaben an, verwalten sie, schreiben sich Direktnachrichten, hinterlassen Kommentare und prüfen die Aufgaben der anderen.
Für Aufgaben mit Codeänderungen gibt es eine Diff-Ansicht mit Freigabe, Ablehnung und Kommentar auf Datei- und Hunk-Ebene, ähnlich wie in Editor-Workflows. Eingreifen kann man an mehreren Stellen: als Direktnachricht an einen Agenten, als Kommentar an einer Aufgabe oder über eine Schnellaktion direkt auf der Karte.
Die Autonomie ist konfigurierbar. Die README beschreibt zwei Enden dieser Skala, vollständig selbstständig laufende Agenten und die Freigabe einzelner Werkzeugaktionen mit Benachrichtigung. Für kleine Vorhaben gibt es den Solo-Modus mit einem einzigen Agenten, der eigene Aufgaben erzeugt und laut README Token spart; der Ausbau zum vollen Team soll jederzeit möglich sein.
Token-Budgets mit Warnung bei 80 und 100 Prozent samt CPU- und RAM-Verlauf
Die Kostenüberwachung ist laut README der am stärksten ausgearbeitete Teil. Erfasst werden Eingabe-, Ausgabe-, Cache- und Reasoning-Token, aufgeschlüsselt nach Teams, Agenten, Aufgaben, Projekten, Modellen, Laufzeiten, Sitzungen, Befehlen und einzelnen Läufen.
Darauf setzen Budgets auf: monatliche Obergrenzen für Token oder geschätzte Kosten, mit Warnungen bei 80 und 100 Prozent. Welche Preistabelle der Kostenschätzung zugrunde liegt, sagt das README nicht.
Über Tokens hinaus listet die README einen CPU- und RAM-Verlauf je Agent, eine Liste registrierter Hintergrunddienste, die sich stoppen lassen, sowie eine Sitzungsanalyse mit Agentenausgaben, Werkzeugaufrufen, Bash-Befehlen und Unterprozessen. Für jeden Auftrag lassen sich Protokolle, Aktionen und Nachrichten getrennt ansehen, was das Nachvollziehen eines Fehllaufs erleichtert. Organisationen bündeln Teams zu Abteilungen oder Squads und zeigen auf einer Karte Zustände, Abhängigkeiten und Delegation.
Installation: DMG, EXE, AppImage, deb, rpm, pacman und die Downloadlinks auf v2.7.0
Zur Installation verlinkt das README fertige Pakete: für macOS je eine DMG für Arm und x64, für Windows eine Setup-EXE sowie für Linux AppImage, deb, rpm und pacman. Voraussetzungen nennt das README keine, weil die App vorhandene Laufzeiten erkennen soll.
Auffällig ist die Version in diesen Adressen. Die Downloadlinks im README zeigen auf v2.7.0, während die Releases v2.12.0 vom 1. August 2026, v2.11.0 vom 21. Juli 2026 und v2.10.0 vom 20. Juli 2026 listen. Zwischen den verlinkten Paketen und dem letzten Release liegen mehrere Versionssprünge, über deren Inhalt das README an dieser Stelle schweigt.
Wer die App auf mehreren Rechnern einsetzt, sollte die Versionsnummer beim Herunterladen bewusst prüfen. Die Metadaten nennen 1.994 Sterne, 334 Forks und 27 offene Issues, letzter Push am 1. August 2026.
AGENT_TEAMS_DISABLE_GPU=1, SmartScreen und pnpm dev mit Electron 40
Drei Plattformhinweise sind praktisch relevant. Unter Windows kann das Installationsprogramm SmartScreen auslösen; das README nennt den Weg über Weitere Informationen und die Schaltfläche zum dennoch Ausführen. Der Administratormodus sei nur nötig, wenn die App einen spezifischen OpenCode-Symlink- oder Berechtigungsfehler meldet.
Unter Linux kann die Anwendung über RDP einfrieren oder ein leeres Fenster zeigen. Der dokumentierte Ausweg ist die Umgebungsvariable AGENT_TEAMS_DISABLE_GPU=1, die die Electron-Hardwarebeschleunigung abschaltet.
Für die Entwicklung nennt das README Node.js 24.16.0 LTS und pnpm 10 oder neuer; die vorgefertigten Node-24-Pakete verlangen auf macOS mindestens 13.5. Gestartet wird mit pnpm dev, das die Electron-Anwendung öffnet. Das README warnt ausdrücklich davor, für die normale Entwicklung einen Browser- oder Web-Entwicklungsserver zu starten, weil dieser Pfad eingeschränkt ist. Mit pnpm dev:mcp wird der Renderer über den lokalen Chrome-DevTools-Protocol-Endpunkt auf 127.0.0.1:9222 freigegeben. Der Stapel: Electron 40, React 19, TypeScript 5, Tailwind CSS 3, Zustand 4.
AGPL-3.0 bei agent-teams-ai und das HTTP-Dashboard ohne eingebaute Authentifizierung
Zur Datenhaltung sagt die FAQ: Die Anwendung liest lokale Laufzeit- und Sitzungsdaten, lädt aber keinen Projektcode auf Server des Projekts, und es gibt kein Cloud-Backend zum Speichern von Code. Wird eine externe KI-Laufzeit gestartet, spricht diese direkt mit ihrem Anbieter zu dessen Bedingungen.
Der Sicherheitsabschnitt ergänzt, dass IPC- und eigenständige HTTP-Handler Bezeichner, Pfade und Nutzlastformen an der Grenze prüfen. Schreibzugriffe bleiben auf das ausgewählte Projektverzeichnis beschränkt, Pfad-Traversal sowie Ziele mit Konfigurations- oder Zugangsdaten werden blockiert. Für die schreibgeschützte Erkennung greift die App auf lokale Claude-Daten unter ~/.claude/ sowie auf eigene Zustandspfade zu.
Eine Einschränkung wiegt schwer: Das eigenständige HTTP-Dashboard ist laut README für die lokale Nutzung oder vertrauenswürdige Netze gedacht und bringt keine eingebaute Authentifizierung mit. Wer es über eine Netzwerkgrenze hinaus erreichbar macht, betreibt damit eine ungeschützte Oberfläche. Dazu kommt die AGPL-3.0: Wer eine veränderte Fassung über ein Netzwerk anbietet, muss den Empfängern den Quelltext der Änderung zugänglich machen.
Roadmap und Web-Version: was bei agent-teams-ai noch fehlt
Die Roadmap im README gibt einen Eindruck vom Reifegrad. Als in Arbeit geführt werden cloud-gehostete, rund um die Uhr laufende Teams, automatisches Kontowechseln und die Kontextbehandlung für sehr lange Aufgaben. Als abgeschlossen gelten die mehreren KI-Laufzeiten.
Nicht begonnen sind ein universelles Plugin-System und die Effizienzarbeit für 20 bis über 100 parallele Agenten. Wer genau diese Größenordnung im Blick hat, findet im README also offen benannte Lücken, statt einer verdeckten Einschränkung.
Ebenfalls aus dem README geht hervor, dass eine Web-Version existiert und sich in aktiver Entwicklung befindet, während die Desktop-App als Hauptprodukt gilt. Angaben zu Leistung oder Stabilität dieser Web-Version fehlen. Im Quellbaum liegen daneben Arbeitsanweisungen in CLAUDE.md sowie eine FEATURE_ARCHITECTURE_STANDARD.md, was auf einen strukturierten Beitragsweg hindeutet; verteilt wird über pnpm dist:mac:arm64, pnpm dist:win und pnpm dist:linux.
sst/opencode statt agent-teams-ai: Laufzeit ohne Orchestrierung
Die naheliegende Alternative ist keine andere Orchestrierung, sondern der Verzicht darauf. sst/opencode ist eine offene Agentenlaufzeit für das Terminal. Sie bringt die Verbindung zum Modell und die Werkzeugausführung mit, aber kein Kanban-Board, keine teamübergreifende Nachrichtenübermittlung und keine Budgets über mehrere Agenten hinweg.
Wer eine einzelne Aufgabe sauber abarbeiten will, kommt mit einer solchen Laufzeit schneller ans Ziel und trägt weniger Oberfläche mit sich. Wer mehrere Agenten parallel an einem Projekt arbeiten lassen und deren Verbrauch überwachen will, bekommt bei agent-teams-ai die fehlende Ebene dazu und zahlt dafür mit Electron, pnpm-Abhängigkeiten und einer Desktop-Installation.
Für einen Probelauf bietet sich der Solo-Modus an: eine Aufgabe, ein Agent, danach die Tokenansicht mit Eingabe, Ausgabe, Cache und Reasoning prüfen und erst dann ein Budget mit Warnung bei 80 Prozent setzen. Fällt die Ausgabe anders aus als erwartet, helfen die aufgabenscharfen Protokolle mit Werkzeugaufrufen und Bash-Befehlen weiter.
Redaktionelles Fazit
agent-teams-ai passt zu Teams, die bereits Claude Code, Codex oder OpenCode einsetzen und mehrere Agenten parallel mit Kostenkontrolle steuern wollen. Weniger geeignet ist es für alle, die eine schlanke Einzelagenten-Laufzeit suchen, oder für den Betrieb des HTTP-Dashboards jenseits vertrauenswürdiger Netze, weil dort keine eingebaute Authentifizierung existiert. Geprüft werden sollten zuerst die Versionsnummer der heruntergeladenen Pakete, weil das README v2.7.0 verlinkt während die Releases bei v2.12.0 stehen, danach ein Lauf im Solo-Modus mit anschließender Tokenauswertung und die AGPL-3.0-Frage bei geplanter Weitergabe.
Community-Notizen