AgentDock: Node-basierte Agenten mit steuerbarer Vorhersagbarkeit

Welches Problem die Node-Architektur adressiert

Die meisten Agenten-Bibliotheken behandeln Werkzeuge als Funktionen, die das Modell nach Bedarf aufruft. Der Ablauf entsteht erst zur Laufzeit, und niemand weiß vorher, welche Werkzeuge in welcher Reihenfolge laufen. AgentDock dreht das um. Laut README sind alle Fähigkeiten als Nodes implementiert, und Werkzeuge sind spezialisierte Nodes innerhalb dieses Systems. Der Ausführungspfad lässt sich damit vorab festlegen. Das Zielpublikum sind Entwickler, die Agenten mit mehreren Stufen bauen, etwa Recherche, dann Bewertung, dann Ausgabe, und die nicht wollen, dass das Modell diese Reihenfolge bei jedem Durchlauf neu erfindet. Das README nennt als Beispiel den Agenten Dr. Gregory House, der die Werkzeuge search, deep_research und pubmed in einem mehrstufigen Ablauf orchestriert. Solche Ketten sind der Kern des Anwendungsfalls.

Konfigurierbarer Determinismus als Designentscheidung

Das README beschreibt AgentNodes als grundsätzlich nicht-deterministisch, weil ein LLM bei jedem Aufruf anders antworten kann. Der Hebel liegt eine Ebene höher: Entwickler legen fest, welche Teile des Systems LLM-Inferenz nutzen und welche über definierte Werkzeugpfade laufen. Ein Ablauf kann also vollständig ohne Modellaufruf auskommen, wenn die Schritte feststehen. Das README zeigt dazu ein Mermaid-Diagramm mit Input, Process, Database und Output als lineare Kette. Der ehrliche Blick darauf: Deterministisch ist hier die Orchestrierung, nicht die Ausgabe. Sobald ein Knoten ein Sprachmodell befragt, bleibt dessen Antwort variabel. AgentDock verschiebt die Vorhersagbarkeit also von der Antwort auf den Weg dorthin. Für Prüfpfade und Freigabeprozesse ist das nützlich. Für Aufgaben, bei denen die Qualität der Formulierung selbst das Produkt ist, bringt es wenig.

Zwei Komponenten, zwei Verantwortlichkeiten

Das Repository trennt Core und Client. Der Core ist als backend-first beschrieben, framework-agnostisch und anbieterunabhängig. Der Client ist eine vollständige Next.js-Anwendung, die als Referenzimplementierung dient und unter hub.agentdock.ai läuft. Diese Trennung ist praktisch, weil sie eine Frage beantwortet, die bei vielen Agenten-Frameworks offen bleibt: Wie sieht ein Frontend aus, das den Core tatsächlich konsumiert? Der Preis ist Umfang. Wer nur den Core will, muss die Next.js-Schicht nicht mitnehmen, aber die Beispielagenten im Verzeichnis agents/ liegen als Teil desselben Repositories vor und sind auf den größeren Kontext zugeschnitten. Die vier dokumentierten Beispiele (Dr. Gregory House, Cognitive Reasoner, History Mentor, Calorie Vision) decken Diagnose, mehrstufiges Schlussfolgern, Wissensvermittlung und Bildanalyse ab. Das ist eine breite Demonstration, aber keine schmale Einstiegsvorlage.

Inbetriebnahme: was das Material hergibt

Das README nennt keine Installationsbefehle, keine Umgebungsvariablen und keine Konfigurationsschlüssel. Es verweist auf die Dokumentation unter hub.agentdock.ai/docs und auf die Beispielverzeichnisse im Repository. Wer den Aufbau verstehen will, muss dort nachsehen. Aus dem Repository-Layout lässt sich immerhin ableiten, dass jeder Beispielagent ein eigenes Verzeichnis unter agents/ besitzt, etwa agents/dr-house und agents/cognitive-reasoner. Die primäre Sprache des Projekts ist MDX, was nahelegt, dass ein erheblicher Teil des Inhalts aus Dokumentations- und Prompt-Dateien besteht und nicht aus TypeScript-Code. Das ist ein Hinweis auf den Charakter des Projekts, kein Ersatz für eine Anleitung. Wer heute einsteigen will, sollte mit dem Next.js-Client beginnen und den Core von dort aus rückwärts erschließen.

Wo der Ansatz an Grenzen stößt

Das Repository trägt den Status Beta, und das README führt keine veröffentlichten Releases. Es gibt also keinen versionierten Stand, an dem sich ein Upgrade planen ließe. Ein zweiter Punkt betrifft den Determinismus-Begriff selbst. Er beschreibt im README die Kontrolle über die Orchestrierung, nicht über die Modellausgabe. Wer aus der Formulierung ableitet, dass Antworten reproduzierbar werden, wird enttäuscht. Drittens: Die vier Beispielagenten sind anspruchsvolle, mehrstufige Konstruktionen. Für einen einzelnen Assistenten mit einem Werkzeug ist die Node-Schicht zusätzlicher Aufwand ohne Gegenwert. Ein weiterer Vorbehalt betrifft die Zukunft: Das README kündigt AgentDock Pro als Cloud-Plattform mit visuellem Workflow-Builder und Enterprise-Infrastruktur an. Solche Ankündigungen sind kein Bestandteil des offenen Codes. Ob der Core dauerhaft unabhängig vom kommerziellen Angebot gepflegt wird, lässt sich aus dem Material nicht beantworten.

Abgrenzung zu Vercel AI SDK und LangChain

Das Vercel AI SDK liefert Streaming-Primitive und Anbindungen an Modellanbieter, überlässt die Orchestrierung aber dem Aufrufer. LangChain modelliert Abläufe ebenfalls als Ketten und Graphen, bringt jedoch eine deutlich größere Abstraktionsschicht und ein eigenes Ökosystem mit. AgentDock liegt dazwischen, mit einer klaren Festlegung: Alles ist ein Node, Werkzeuge sind Nodes, und die TypeScript-Typen ziehen sich durch. Der Unterschied zu LangChain liegt weniger im Konzept als im Umfang. Wer bereits LangChain einsetzt, findet hier keine grundlegend andere Idee, sondern eine schlankere Umsetzung mit stärkerem Fokus auf Typen und auf die Trennung von Core und Client. Wer das Vercel AI SDK nutzt und nur die Orchestrierung vermisst, kann mit AgentDock die fehlende Schicht nachrüsten, ohne die Modellanbindung zu wechseln.

Wartung, Lizenz und was vor dem Einsatz zu klären ist

Das Projekt steht unter MIT-Lizenz, was die Nutzung, Änderung und Weitergabe auch in kommerziellen Produkten erlaubt, solange der Lizenztext und der Urheberrechtshinweis beibehalten werden. Das ist eine Erlaubnis, keine Rechtsberatung; wer den Code in ein Produkt einbettet, sollte die LICENSE-Datei im Wurzelverzeichnis selbst lesen. Zur Wartung lässt sich aus dem Material wenig sagen. Der letzte Push liegt laut Repository-Angaben bei Juli 2026, veröffentlichte Releases wurden nicht abgerufen. Ohne Versionsnummern gibt es keinen Ankerpunkt für Upgrades. Ein Wechsel auf eine neuere Fassung bedeutet, den Diff selbst zu prüfen. Das ist bei einem Beta-Projekt ohne Release-Tags der eigentliche laufende Aufwand, nicht die Erstinstallation.

Redaktionelles Fazit

AgentDock passt zu Teams, die mehrstufige Werkzeugketten in TypeScript bauen und die Kontrolle über jeden Ausführungsschritt behalten wollen. Wer einen einzelnen Chat-Endpunkt mit einem Modellaufruf braucht, sollte bei einem schlanken SDK bleiben. Vor dem Einstieg prüfen: ob der Beta-Status akzeptabel ist, ob die Node-Definitionen für die eigenen Werkzeuge ausreichen und ob die Lizenzdatei im Wurzelverzeichnis des jeweiligen Releases mitgeführt wird.

Offizielle Quellen

1. AgentDock/AgentDock on GitHub
2. Issues
3. License: MIT
4. Project website
5. README