FLUJO: Visuelle Agenten-Workflows mit MCP-Server-Verwaltung und verschlüsselten Schlüsseln

FLUJO: MCP-Hub mit visuellem Builder und Chat-Oberfläche

FLUJO ist laut README ein MCP-Hub mit Inspector, eine Multi-Model-Workflow- und Chat-Oberfläche und nach Selbstbeschreibung dazu gedacht, private KI-Agenten visuell zu bauen und nach eigenen Regeln zu betreiben. Das Projekt ist quelloffen und local-first, veröffentlicht unter MIT-Lizenz. Verbundene AIs und Anwendungen lassen sich zu Agenten zusammenführen, die man im Chat anspricht, automatisiert ausführt oder über OpenAI-kompatible und MCP-Endpunkte aus anderer Software heraus aufruft.

Der Baukasten ist zweigeteilt: einfache Schritt-für-Schritt-Rezepte und erweiterte visuelle Flows, jeweils mit einem eingebauten Debugger. Als technische Basis nennt das README das PocketFlow-Framework; entwickelt wurde das Projekt nach eigener Angabe mit Cline und Claude Code. Die aktuelle Version war zum Erfassungszeitraum v3.45.0 vom 11. August 2026.

Installation über Windows-Installer oder npx flujo-ai

Die empfohlene Route ist ein Installationsprogramm, das laut README Git, Node.js, Python, uv und ripgrep bereitstellt, FLUJO klont, baut und ein globales Kommando flujo anlegt. Unter Windows findet sich flujo-setup.exe im Release-Bereich; alternativ läuft eine PowerShell-Zeile mit irm https://raw.githubusercontent.com/mario-andreschak/FLUJO/main/scripts/install.ps1 | iex. Für Linux und macOS gilt curl -fsSL https://raw.githubusercontent.com/mario-andreschak/FLUJO/main/scripts/install.sh | bash.

Wer Node.js bereits hat, kann laut README direkt mit npx flujo-ai eine vorgebaute Fassung starten. Das ist der schnellste Weg, hat aber eine Einschränkung: MCP-Server können trotzdem git, python oder uv auf dem Pfad voraussetzen. Die manuelle Einrichtung ist in der Anleitung dokumentiert, ebenso die Deinstallation.

Sicherheit: verschlüsselte Schlüssel und lokale Kontrolle

Lokal zuerst heißt konkret: FLUJO kann laut README auf localhost bleiben, Rechner im privaten Netzwerk zulassen oder für einen öffentlichen Einsatz konfiguriert werden. API-Schlüssel und Geheimnisse werden im lokalen Speicher verschlüsselt abgelegt, optional mit einem eigenen Verschlüsselungspasswort. Der wesentliche Zusatz: Geheimnisse werden nie an den Browser übergeben; die Oberfläche sieht auch in den eigenen Entwicklerwerkzeugen nur eine maskierte Darstellung.

Wiederverwendbare globale Variablen erlauben, einen Schlüssel einmal zu definieren und in mehrere Agenten- oder App-Konfigurationen einzubinden, statt ihn mehrfach einzufügen. Die verschlüsselte Arbeitsumgebung lässt sich aus den Einstellungen heraus sichern und wiederherstellen. Die serverseitige Haltung schützt die Schlüssel vor der Browser-Oberfläche, nicht vor einem kompromittierten lokalen System.

KI-Anbieter und wiederverwendbare Verbindungen

Für die KI-Anbindung listet das README eine breite Auswahl: OpenAI, Azure OpenAI, Anthropic sowohl nativ als auch OpenAI-kompatibel, Google Gemini, X.ai mit Grok, OpenRouter, Codex und lokale Modelle über Ollama. Die Einrichtung kann geführt oder als vollständige Konfigurationsmaske ablaufen.

Eine Besonderheit ist die Nutzung einer Claude-Subscription: Statt eines abgerechneten API-Schlüssels lässt sich ein bestehender Claude-Pro- oder Max-Plan direkt über das Claude-Agent-SDK verwenden. Konfigurierte AIs können in Ordnern organisiert, als Favoriten markiert und über Agenten und Gespräche hinweg wiederverwendet werden. Genau diese Verbindungsstruktur hebt FLUJO von einer reinen Prompt-Oberfläche ab, weil eine Konfiguration gleich mehrfach zum Einsatz kommt.

Connected Apps: MCP-Server einrichten, prüfen und weiterreichen

Connected Apps sind MCP-Server. Die Verbindung ist geführt: FLUJO kann eine App selbst recherchieren, aus kuratierten Optionen wählen oder eine ferne URL, ein GitHub-Repository oder einen lokalen Befehl übernehmen. Installiert wird aus dem offiziellen MCP-Registry, aus mit FLUJO geprüften Servern oder manuell. Unterstützt sind Werkzeuge, Ressourcen, Prompts, Roots als Arbeitsordner sowie Sampling, bei dem ein Server ein Modell unter einer selbst kontrollierten Vertrauensregel ausleihen darf.

Jeder Server erhält eine Detailansicht, in der sich seine Werkzeuge, Ressourcen und Prompts direkt aufrufen lassen. Dieselben Server kann FLUJO als MCP-Proxy über Streamable HTTP erneut ausgeben, sodass andere Clients wie Claude Desktop, Cursor oder Cline sie ebenfalls nutzen. Die Konfiguration ist ein dreistufiges Formular mit einem Verbindungstest, bevor gespeichert wird.

Agent Builder: Rezepte, Graphen, Handoffs und Subflows

Der Agent Builder kennt zwei Modi. Der einfache Modus behandelt einen Agenten wie ein Rezept, Schritt für Schritt in Klartext, ohne Diagramm. Der Expertenmodus verbindet Start-, KI-, Connected-App-, Subflow- und Ende-Knoten per Drag-and-Drop in einem Graphen.

Branching und Handoff erlauben, dass ein Modell je nach Gesprächsverlauf an andere Knoten übergibt; Rückverbindungen bilden Schleifen. Subflow-Knoten rufen einen anderen Flow wie eine Funktion auf, mit eigenem isolierten Zustand. Pro Knoten lässt sich festlegen, welche Werkzeuge, Ressourcen und Systemprompt-Teile sichtbar sind. Wer mehrere Handoffs und Schleifen kombiniert, erhält einen Orchestrator, ohne zwingend programmieren zu müssen.

Talk, Live-Ansicht, Debugger und Trigger

Die Talk-Seite bündelt alle Agenten an einem Ort. Während eines Laufs zeigt eine Live-Ansicht die Schritte in Echtzeit, inklusive Tokenverbrauch und Kontextfenster-Anzeige je Gespräch. Der visuelle Debugger setzt Haltepunkte, führt einen Lauf Knoten für Knoten aus und zeigt den Zustand vor und nach jedem Schritt.

Für Werkzeugaufrufe lässt sich eine Freigabe durch Menschen einrichten, gültig für alle Anbieter, auch für die agentische Werkzeugnutzung der Claude-Subscription. Datei- und Audioanhänge, Nachrichtenbearbeitung und Gesprächsverzweigung runden den Chat ab. Für Automatisierung beschreibt das README Trigger, über die Flows selbstständig anlaufen können; die Details dieses Abschnitts waren im erfassten Material nicht vollständig verfügbar.

Grenzen: Endpunkte als Alternative zur visuellen Welt

Die Grenzen ergeben sich aus der Architektur. Die lokale Verschlüsselung setzt voraus, dass der Rechner, auf dem FLUJO läuft, vertrauenswürdig bleibt; ein öffentlicher Betrieb verlangt eigene Konfigurationsarbeit. Wer MCP-Server mit eigenen Laufzeiten anbindet, trägt die Abhängigkeiten von git, python und uv selbst. Das README nennt keine Kompatibilitätsmatrix, keine Betriebszusagen und keine Leistungswerte.

Wer keine visuelle Oberfläche braucht, kann dieselben Agenten auch über die OpenAI-kompatiblen und MCP-Endpunkte direkt aus eigener Software aufrufen. Das erspart Builder und Chat-Umgebung, verliert aber den Debugger, die Testansichten und die menschlichen Freigabeprozesse, die in der Oberfläche hängen. Als Alternative bleibt damit die einfache Direktanbindung über Client-Code, wenn das Team die Prozesse dort ohnehin steuern will. Die MIT-Lizenz erlaubt Nutzung und Anpassung; ausdrückliche oder stillschweigende Garantien sind nicht vorgesehen.

Redaktionelles Fazit

FLUJO richtet sich an Einzelentwickler und kleine Teams, die Agenten mit MCP-Anbindung visuell bauen, inspizieren und aus eigener Software heraus nutzen wollen, ohne Schlüssel in die Browser-Oberfläche zu geben. Wer viele MCP-Abläufe bereits in Code pflegt oder kein lokales Laufzeitsetup aufbauen will, kommt mit direkten Endpunkten oft weiter. Vor der Übernahme sollte man npx flujo-ai in einem isolierten Ordner starten, einen Anbieter anbinden und einen MCP-Server über die Detailansicht testen; die MIT-Lizenz erlaubt Anpassung, schließt aber Garantien aus.

Offizielle Quellen

1. Official README
2. Project repository
3. Release notes