LobsterAI: Electron-Agent mit OpenClaw-Runtime und IM-Fernsteuerung

Welches Problem LobsterAI adressiert

Viele Agent-Tools enden an der Grenze der Sandbox. Sie können Text erzeugen, aber nicht die Excel-Datei auf dem Schreibtisch öffnen, keine Terminalbefehle im Projektverzeichnis ausführen und keine Präsentation aus lokalen Daten bauen. LobsterAI setzt genau dort an. Die README beschreibt den Agenten als Werkzeug, das in der realen Arbeitsumgebung operiert: lokale Dateien, Terminalbefehle, Browser-Workflows, Dokumente, Tabellen, Folien, IM-Kanäle, geplante Jobs und Projekt-Workspaces. Die Zielgruppe sind laut Repository Nutzer, die wiederkehrende Büroarbeit automatisieren wollen, etwa Inventarsysteme aus Excel-Daten, Dashboards aus product-growth.xlsx, Bewerbungs-Screenings aus einem Ordner mit Lebensläufen oder morgendliche Werbe-Dashboard-Checks. Das ist kein Entwickler-Framework im engeren Sinn, sondern eine Desktop-Anwendung mit Agent-Schicht. Wer eine Bibliothek sucht, die er in einen eigenen Dienst einbettet, wird von der Electron-Struktur überrascht sein.

Cowork als Produktschicht, OpenClaw als Runtime

Die Architektur teilt sich in zwei Ebenen. Cowork ist die Produkt- und Session-Schicht, OpenClaw die Runtime und das Gateway darunter. Diese Trennung erlaubt es LobsterAI, lokale Persistenz, Berechtigungen, UI-Zustand, Artefakte, Agents, Memory und IM-Bindings in der Desktop-App zu halten, während OpenClaw die eigentliche Ausführung übernimmt. Im Renderer laufen React, Redux Toolkit und Tailwind, dazu Artefakt-Renderer, Einstellungen, Agent- und Session-UI, Skills, MCP und die Konfiguration für geplante Aufgaben und IM. Der Main-Prozess kümmert sich um Electron-Lifecycle, IPC, SQLite-Persistenz, Authentifizierung, Logging, OpenClaw-Start, Runtime-Reparatur, Skill-Sync, IM-Gateways und Artefakt-Dienste. Die Brücke bilden vier Module: openclawEngineManager, openclawConfigSync, openclawRuntimeAdapter und coworkEngineRouter. Sie übersetzen den LobsterAI-Zustand in OpenClaw-Verhalten. Wer die Interna anpassen will, muss also an zwei Stellen denken: an der Electron-App und an der eingebundenen Runtime.

Sessions, Genehmigungen und lokale Datenhaltung

LobsterAI führt lang laufende Agent-Aufgaben gegen lokale Projekte und Dateien aus. Der Fortschritt wird gestreamt, die Session-Historie bleibt erhalten, Tool-Ausgaben werden gerendert. Vor sensiblen Aktionen fragt die App nach Zustimmung, ausdrücklich genannt sind Dateioperationen, Terminalbefehle und Netzwerkzugriffe. Das ist der wichtigste Sicherheitsmechanismus im Produkt und gleichzeitig eine Bremse: Wer unbeaufsichtigte Läufe über Nacht plant, muss die Genehmigungen im Blick behalten. Sessions und App-Daten liegen lokal in SQLite. Das OpenClaw-Workspace-Memory nutzt Dateien wie MEMORY.md, USER.md, SOUL.md und tägliche Notizen, damit dauerhafte Präferenzen und Projektkontext über Sessions hinweg erhalten bleiben. Das ist ein dateibasiertes Gedächtnis, kein Vektorstore. Wer Memory-Inhalte versionieren oder zwischen Rechnern synchronisieren will, muss das selbst lösen.

Skills, Kits und MCP-Server

LobsterAI bringt 28 integrierte Skills mit, konfiguriert in SKILLs/skills.config.json. Die Liste umfasst Websuche, Word-Dokumente, Tabellen, PowerPoint, PDF-Verarbeitung, Remotion-Videogenerierung, Browser-Automatisierung, Bild- und Videogenerierung, Aktienrecherche, Content-Erstellung, E-Mail, Wetter und Skill-Erstellung. Expert Kits bündeln Fähigkeiten für typische Workflows und werden unabhängig von direkten Skills ausgewählt, sodass sich kuratierte Kits mit einzelnen Tools kombinieren lassen. Externe Werkzeuge und Datenquellen kommen über MCP-Server dazu. LobsterAI speichert selbst konfigurierte Server lokal und synchronisiert aktivierte Server nach OpenClaw. Die Konfiguration liegt also in der Desktop-App, die Ausführung in der Runtime. Das ist praktisch für die UI, macht Fehlersuche aber zweistufig: Ein MCP-Server, der in LobsterAI aktiviert ist, muss nicht zwangsläufig im OpenClaw-Kontext auftauchen.

Installation aus dem Quellcode

Für den Quellcode-Betrieb nennt die README Node.js >=24.15.0 <25, npm sowie git und pnpm. pnpm und git werden beim ersten Lauf gebraucht, um die gepinnte OpenClaw-Runtime aus dem benachbarten Checkout ../openclaw zu bauen. Das ist eine harte Abhängigkeit auf die Verzeichnisstruktur: Ohne Sibling-Checkout schlägt der erste Start fehl. Die Befehle sind knapp dokumentiert. Zuerst git clone https://github.com/netease-youdao/LobsterAI.git, dann cd LobsterAI und npm install. Der erste Entwicklungsstart läuft über npm run electron:dev:openclaw. Danach genügt npm run electron:dev, solange die gepinnte OpenClaw-Runtime existiert. Der Renderer-Dev-Server läuft auf http://localhost:5175. Für Builds nennt die README npm run build für das Produktions-Bundle des Renderers, npm run compile:electron für den TypeScript-Build von Main- und Preload-Prozess, npm test als offiziellen Vitest-Einstieg für CI und npm run lint für ESLint über src, wobei die README selbst auf bestehende Legacy-Schulden hinweist. Für berührte TypeScript-Dateien gibt es einen CI-nahen Aufruf mit npx eslint --ext.

IM-Fernsteuerung und geplante Aufgaben

Der Agent lässt sich von außen steuern. Die README listet WeChat, WeCom, DingTalk, Feishu/Lark, QQ, Telegram, Discord, NetEase IM, NetEase Bee, POPO und E-Mail. Bei Plattformen mit mehreren Instanzen können verschiedene Konten oder Kanäle an verschiedene Agents gebunden werden. Diese Bindung ist der eigentliche Hebel für Multi-Agent-Setups: Ein spezialisierter Agent für Rechnungsprüfung hängt am einen Kanal, der Main Agent für allgemeine Arbeit am anderen. Geplante Aufgaben entstehen entweder im Gespräch oder über die UI für geplante Tasks, genannt sind tägliche News-Digests, Posteingangs-Zusammenfassungen, Website-Monitoring und Wochenberichte. Die Kombination aus IM-Bindung und Zeitplan ist der Teil, der LobsterAI von einem reinen Chat-Interface unterscheidet. Sie ist aber auch der Teil, der am meisten Konfigurationsaufwand pro Kanal erzeugt. Wer elf Plattformen gleichzeitig bedienen will, sollte mit einer anfangen.

Grenzen und Fälle, in denen LobsterAI das falsche Werkzeug ist

Die Desktop-Bindung ist die größte Einschränkung. LobsterAI ist als macOS- und Windows-Anwendung mit Electron 40 gebaut. Die README nennt diese beiden Plattformen, Linux taucht nicht auf. Wer Agenten auf einem Headless-Server oder in einem Container betreiben will, ist hier falsch. Auch die Node-Version ist eng gefasst: >=24.15.0 <25 lässt keinen Spielraum nach oben. Dazu kommt die Abhängigkeit auf den Sibling-Checkout von OpenClaw, die lokale Entwicklungsumgebungen fragil macht, sobald das Verzeichnis verschoben wird. Ein weiterer Punkt ist die Genehmigungspflicht für Datei-, Terminal- und Netzwerkaktionen. Sie ist sinnvoll, steht aber vollautomatischen Läufen entgegen. Und die Artefakt-Vorschau deckt HTML, SVG, Bilder, Video, Mermaid, Code, Markdown, Text, Dokumente und lokale Service-Artefakte ab, nicht aber beliebige Binärformate. Wer eine schlanke CLI für CI-Pipelines sucht, sollte woanders schauen.

Alternative und Unterschied im Ansatz

Wer eine reine Kommandozeilen-Automatisierung ohne Desktop-Oberfläche braucht, fährt mit einem CLI-Agent-Framework besser. Der Unterschied liegt nicht in der Modellwahl, sondern in der Kopplung. LobsterAI hält Zustand, Berechtigungen, Artefakte und IM-Bindings in einer Electron-App und delegiert nur die Ausführung an OpenClaw. Ein CLI-Framework dreht das um: Konfiguration und Ausführung liegen im Terminal, es gibt keine SQLite-Session-Historie und keine Artefakt-Vorschau im Fenster. Dafür lässt es sich in Skripte und CI-Jobs einhängen, ohne einen Renderer auf Port 5175 zu starten. Umgekehrt fehlt einem CLI-Framework die IM-Fernsteuerung mit Mehrfach-Bindung und die UI für geplante Aufgaben. Die Entscheidung hängt also daran, ob der Arbeitsplatz ein Desktop mit lokalen Dateien ist oder eine Pipeline ohne Bildschirm.

Wartung, Lizenz und was vor dem Einsatz zu prüfen ist

Das Repository steht unter MIT-Lizenz. Das erlaubt kommerzielle Nutzung und Modifikation, verlangt aber die Beibehaltung des Lizenzhinweises. Wer den Code weiterverbreitet, sollte die Bedingungen selbst prüfen; eine rechtliche Einordnung ist hier nicht möglich. Die Release-Kadenz ist im Material sichtbar: Version 2026.9.4 vom 4. September 2026, davor 2026.9.3 am selben Tag und 2026.8.28 Ende August. Der letzte Push liegt laut Repository-Daten bei 2026-09-09. Diese Dichte spricht für aktive Pflege, sagt aber nichts über Stabilität der einzelnen Versionen. Ein Upgrade-Pfad ist in der README nicht beschrieben. Wer die App aus dem Quellcode baut, muss bei jedem Update mit dem Sibling-Checkout von OpenClaw rechnen und die gepinnte Runtime neu bauen. Vor dem produktiven Einsatz sind drei Dinge zu verifizieren: die Node-Version auf dem Zielrechner, die Lage des ../openclaw-Verzeichnisses und die 28 Skills in SKILLs/skills.config.json gegen die eigenen Aufgaben. Erst danach lohnt der Blick auf die IM-Anbindung, denn ein Agent, der auf dem falschen Kanal hört, produziert Arbeit statt sie abzunehmen.

Redaktionelles Fazit

Für Teams, die Office-Aufgaben und lokale Datenanalyse auf dem eigenen Rechner automatisieren wollen und dafür ein Electron-Frontend mit OpenClaw-Runtime akzeptieren, ist LobsterAI einen Installer-Test wert. Wer eine reine CLI-Automatisierung in bestehende CI-Pipelines einhängen will, sollte zuerst die Node-Version prüfen, den Sibling-Checkout von OpenClaw einrichten und die 28 Skills in SKILLs/skills.config.json gegen die eigenen Anforderungen abgleichen.

Offizielle Quellen

1. License: MIT
2. netease-youdao/LobsterAI on GitHub
3. Project website
4. README
5. Releases