Memoh: jedem KI-Agenten einen eigenen Rechner geben

Ein eigener Computer für jeden Agenten

Memoh bezeichnet sich als quelloffene Multi-Agenten-Plattform. Die Grundidee lautet, jedem Agenten einen eigenen Cloud-Computer zu geben, bestehend aus Dateisystem, Desktop, Browser, Netzwerk und Langzeitspeicher. Diese Arbeitsplätze bleiben laut README rund um die Uhr erreichbar, auch wenn das eigene Laptop geschlossen ist.

Die Projektbeschreibung ergänzt, dass der Anwender eigene API-Schlüssel mitbringen oder Coding-Agenten wie Claude Code und Codex in den Arbeitsplätzen hosten kann. Den Repository-Metadaten zufolge ist die Plattform in Go geschrieben, der Standardzweig heißt main, und die Lizenz ist AGPL-3.0. Für Einzelanwender wie für Teams verspricht der README eine Skalierung von einem einzigen Bot bis zu einer ganzen Flotte auf einem Server.

Eigene Schlüssel oder gehostete Coding-Agenten

Zwei Betriebsarten sind laut README vorgesehen. Zum einen lassen sich für den eingebauten Agenten eigene API-Schlüssel verwenden, ähnlich einem Bring-your-own-key-Modell. Zum anderen können bereits vorhandene Coding-Agenten in den Memoh-Arbeitsplätzen laufen: Über die Agent-Hosting-Funktion auf Basis von ACP werden derzeit Codex und Claude Code unterstützt, jeweils pro Bot konfiguriert.

Damit adressiert Memoh ausdrücklich Teams, die sonst zwischen verschiedenen Agent-Befehlszeilen und eigenen Umgebungen wechseln. Der Arbeitsplatz übernimmt dann Ordnung: Dateisystem, Netz und Desktop gehören dem jeweiligen Agenten, statt sich mit anderen Bots oder lokalen Prozessen zu vermischen. Diese Einkapselung ist der zentrale Unterschied zu einfachen Agent-Orchestrierern, die nur Prompts weiterreichen.

Kanäle, Browser und Desktop als Arbeitsfläche

Agenten sind über eine breite Kanalauswahl erreichbar: Der README nennt Telegram, Discord, Lark, WeChat, QQ, E-Mail und die Web-UI, insgesamt mehr als zehn Kanäle. Die Identität bindet sich laut Feature-Liste über Plattformen hinweg, sodass Sitzungen und Konversationen kanalübergreifend zusammengehören.

Im Arbeitsplatz kann der Agent einen Browser steuern und der Computer-Use-Modus bedient den Desktop für grafische Abläufe. Damit sind sowohl Seitenabrufe als auch GUI-gestützte Workflows abgedeckt. Wer Wert darauf legt, dass ein Bot Telegram-Nachrichten liest und anschließend eine Webanwendung im Arbeitsplatz bedient, findet hier die Bausteine dafür, ohne die Logik selbst zusammenzubauen.

Speicher, MCP und geplante Aufgaben

Langzeitspeicher ist laut README eingebaut und gilt über Sitzungen und Plattformen hinweg, zusätzlich unterstützt Memoh externe Speicher wie Mem0 und OpenViking. Diese Offenheit bedeutet, dass Teams ihre Gedächtnis-Ebene nicht an den Hersteller binden müssen. Neben dem Speicher kann der Agent MCP-Tools ansteuern, wobei jeder Bot seine eigenen Verbindungen verwaltet.

Modulare Skills ergänzen den Funktionsumfang, kuratierte Vorlagen lassen sich aus einem Supermarket installieren, und geplante Aufgaben übernehmen wiederkehrende Abläufe. Ein Agent kann also einen Termin-Recurrence-Workflow über die Automatisierung anstoßen, während die Skill-Verwaltung die Funktionen modular nachrüstet. Der README beschreibt diese Ebenen, ohne Einzelheiten der Skill-Schnittstelle zu nennen, die liegen in der Dokumentation.

Bereitstellung: Installer und Docker-Compose

Die schnellste Selbst-Hosting-Option führt über einen Installer: curl -fsSL https://memoh.sh | sh. Details verweist der README in eine aufklappbare Sektion mit manuellem Ablauf: git clone --depth 1 --recurse-submodules --shallow-submodules gefolgt vom Kopieren von conf/app.docker.toml nach config.toml, danach export MEMOH_INTERNAL_RPC_SHARED_SECRET="$(openssl rand -hex 32)" und schließlich docker compose up -d.

Der Compose-Stack trennt Server und Channel in zwei Dienste. Wer ohne Docker arbeitet oder eine Bare-Metal-Installation ausbaut, lässt laut README das Feld internal_rpc.shared_secret in config.toml leer, dann läuft der Server als Ein-Prozess-Variante mit eingebettetem Channel-Runtime inklusive E-Mail- und Webhook-Endpunkten. Hinweise wie die CN-Mirror-Option USE_CN_MIRROR=true und der Rat, den Installer nicht mit sudo auszuführen, runden den Ablauf ab.

Konfiguration: der RPC-Schlüssel und zwei Betriebsarten

Der interne RPC-Schlüssel ist der zentrale Sicherheits- und Verteilungsfaktor im Setup. Der README rät, ihn geheim zu halten und beim Wiederaufbau des Stacks denselben Wert zu verwenden, weil Server und Channel über ihn kommunizieren. Wird der Schlüssel gesetzt, ist die getrennte Zwei-Prozess-Architektur aktiv, bleibt er leer, verschmilzt alles in einen einzelnen Prozess.

Für bestehende Installationen hält der README Update-Pfade bereit: Nach dem Aktualisieren über git pull initialisiert ein Post-Merge-Hook das neue Submodul, bei fehlendem Hook genügt ein einmaliges mise run submodule-init. Außerdem weist er darauf hin, dass GitHub-Quellcode-Archive von Source-Code-Releases die Submodule auslassen und deshalb die beigefügte Memoh-Versionsquelle als ZIP oder Tarball zu verwenden ist. Wer den Betrieb langfristig plant, sollte diese Aspekte vor dem Produktivgang testen.

Sub-Projekte und der Verlauf der Releases

Der README verweist auf drei Sub-Projekte. Twilight AI ist ein schlanker, idomatischer KI-SDK für Go in Anlehnung an das Vercel AI SDK, providerunabhängig mit Streaming, Tool-Calling, MCP-Unterstützung und Embeddings. Connect It bildet ein selbst gehostetes Connector-Gateway, das SaaS-Zugangsdaten ablegt und Agenten Zugriff über einen einzigen MCP-Endpunkt gibt. Das UI-Projekt liefert ein Vue-3-Designsystem für Agenten-Verwaltungsoberflächen.

Die Release-Historie zeigt v0.18.0 vom 17. August 2026, davor v0.17.0 Ende Juli 2026 und v0.16.0 Mitte Juli 2026. Das Versionsschema liegt unter 1.0, Teams, die auf API-Stabilität angewiesen sind, müssen mit Änderungen zwischen den Minor-Versionen rechnen. Die AGPL-3.0 bedeutet im Betrieb zudem: Wer eine veränderte Version öffentlich bereitstellt, muss den dazugehörigen Quellcode den Nutzern zugänglich machen, eine Pflicht, die bei eigenen Erweiterungen einzukalkulieren ist.

Fazit: für wen die Multi-Agenten-Plattform zusagt

Memoh lohnt sich für Entwickler und kleine Teams, die mehrere Agenten mit eigenem Arbeitsplatz, Langzeitspeicher und Messaging-Anbindung zentral betreiben wollen, statt für jeden Assistant separate Prozesse zu fahren. Die Kombination aus Kanälen, Browser- und Desktop-Nutzung sowie MCP macht es zu einer breiten Basis für automatische Helfer, die im Hintergrund bleiben sollen.

Zurückhaltung ist dort angebracht, wo sofortiger Cloud-Betrieb ohne eigene Infrastruktur erwartet wird, denn der Memoh-Cloud-Dienst ist laut README erst angekündigt. Vor dem Einsatz sollten config.toml samt RPC-Schlüssel, der Umgang mit dem Compose-Stack und die Unterstützung für den eigenen Agent-Typ geprüft werden, ebenso die AGPL-3.0 bei geplanten Erweiterungen. Für alle, die den Eigenbetrieb der Plattform nicht scheuen, ergibt sich eine tragfähige Ausgangsbasis, wie Coding-Agenten in isolierten Arbeitsbereichen produktiv arbeiten.

Redaktionelles Fazit

Memoh passt für Einzelpersonen und Teams, die mehrere Agenten mit langlebigem Speicher, Browserzugriff und Messaging-Kanälen auf der eigenen Infrastruktur führen wollen, ohne jeden Bot neu aufzubauen. Weniger geeignet ist es, wenn sofortige Zero-Administration erwartet wird, denn der Cloud-Dienst ist laut README lediglich angekündigt und der Eigenbetrieb verlangt den Umgang mit dem Compose-Stack samt RPC-Schlüssel. Vor dem Einsatz sollten die Konfiguration von config.toml, der interne RPC-Schlüssel und die Frage, welche externen Agenten wie Claude Code unterstützt werden, geprüft werden.

Offizielle Quellen

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