Neuron AI: Agenten in PHP, mit Workflow und Inspector-Anbindung

Ein Agent ist in Neuron AI eine PHP-Klasse, kein Prompt

Das Framework richtet sich an PHP-Teams, die bereits eine Anwendung betreiben und dort LLM-Aufrufe unterbringen wollen, ohne eine zweite Sprache im Stack zu etablieren. Der Einstieg ist entsprechend knapp: composer require neuron-core/neuron-ai, danach vendor/bin/neuron make:agent DataAnalystAgent. Heraus kommt eine Klasse unter App\Neuron, die von NeuronAI\Agent\Agent erbt und zwei Methoden überschreibt. provider() liefert ein Provider-Objekt, instructions() den Systemprompt. Die README zeigt als Beispiel new Anthropic(key: 'ANTHROPIC_API_KEY', model: 'ANTHROPIC_MODEL'), wobei die Großschreibung nahelegt, dass hier Umgebungsvariablen gelesen werden und nicht die Schlüssel selbst. Wer den Agenten aufruft, arbeitet mit einem Nachrichtenobjekt: $agent->chat(new UserMessage(...))->getMessage(), danach getContent(). Der Verlauf bleibt erhalten, das zweite Beispiel in der README fragt nach dem zuvor genannten Namen und bekommt ihn zurück. Das ist der Kern des Versprechens: Zustand, Tool-Aufrufe und später RAG hängen an der Klasse, nicht an manuell zusammengebauten Prompt-Strings.

Workflow, MCP und Streaming als eigentliche Verkaufsargumente

Der README-Abschnitt zu den Gründen ist der inhaltlich dichteste Teil und zugleich der werblichste. Er zählt auf, was eine agentische Anwendung ausmacht: ereignisgesteuerte Workflows mit Checkpointing, Unterbrechung für menschliche Freigaben, Multi-Agent-Orchestrierung, Streaming über Protokolle wie AG-UI und das Vercel AI SDK, MCP sowie asynchrone Ausführung. Für PHP ist diese Kombination tatsächlich ungewöhnlich, denn die meisten PHP-Bibliotheken in diesem Feld enden beim HTTP-Aufruf an einen Anbieter. Die Behauptung, dass diese Grundlagen im PHP-Ökosystem an genau einer Stelle existieren, ist eine Marketing-Aussage und nicht überprüfbar. Prüfbar ist die Struktur: Jeder genannte Punkt verweist auf ein eigenes Dokumentationskapitel, Workflow, Human in the loop, Streaming, MCP Connector und Async. Der Hinweis, dass derselbe Workflow vom ersten Agenten bis zum Mehr-Agenten-System trägt, ist ein Argument gegen spätere Migration und damit ein Argument für frühe Bindung. Ob das in der Praxis hält, lässt sich aus dem Material nicht belegen. Wer heute eine PHP-Anwendung mit einem einzelnen LLM-Aufruf betreibt, braucht diese Schicht nicht.

Warum Monitoring hier kein Zusatzmodul ist

Der README begründet die Monitoring-Schicht mit einem Argument, das über die übliche Tool-Liste hinausgeht: Agenten werden über Wahrscheinlichkeitsverteilungen programmiert, gleiche Eingabe führt nicht zu gleicher Ausgabe. Prompting sei kein Programmieren im üblichen Sinn, es gebe keine statischen Typen, kleine Änderungen brechen die Ausgabe, lange Prompts kosten Latenz, und zwei Modelle verhalten sich bei identischem Prompt unterschiedlich. Das ist die ehrlichste Passage im Dokument und erklärt, warum Debugging hier anders aussieht als bei deterministischem Code. Die Umsetzung ist an Inspector gebunden, einen externen Dienst. Nach dem Sign-up setzt man INSPECTOR_INGESTION_KEY in der Umgebungsdatei, danach erscheint die Ausführungszeitleiste des Agenten im Inspector-Dashboard. Wer den Schlüssel nicht setzt, bekommt laut README keine Zeitleiste. Das ist eine bewusste Kopplung an ein Fremdprodukt und kein optionales Plugin, das man später nachrüstet. Für Teams, die Telemetrie nicht an Dritte senden dürfen, ist das ein Ausschlusskriterium, das vor der Evaluation geklärt werden muss.

Installation und Betrieb: was zwischen Composer und Produktion liegt

Die Anforderung ist PHP ^8.1, mehr gibt der README zu Laufzeitumgebung nicht her. Der Ablauf besteht aus drei Schritten: Composer-Installation, Agent-Klasse erzeugen, chat() aufrufen. Realistisch kommen weitere Entscheidungen hinzu, die der README nur benennt, ohne sie auszuführen. Der Provider muss aus NeuronAI\Providers stammen, im Beispiel Anthropic. Für RAG braucht es eine Vektordatenbank, für Tools die entsprechenden Tool-Klassen, für MCP den MCP-Connector, für asynchrone Ausführung das Async-Kapitel. Jede dieser Entscheidungen erzeugt eigene Abhängigkeiten und eigene Konfigurationsschlüssel, die der README nicht auflistet. Ein Team sollte vor dem ersten Commit klären, welcher Provider im eigenen Netz erreichbar ist und ob die Vektor-Datenbank im Betrieb selbst gehostet wird. Der make:agent-Befehl ist reine Gerüsterzeugung, kein Deployment-Werkzeug. Was fehlt, ist jede Aussage zu Nebenläufigkeit, Speicherverbrauch oder Timeouts. Dazu schweigt das Material vollständig, und ich kann hier nichts ergänzen.

Die Grenze: ein Agent in einer PHP-Anwendung ist noch kein agentisches System

Der README formuliert eine starke These: Die nächste Anwendung sei agentisch, der Agent sei die Architektur selbst. Das ist eine Positionierung, keine technische Notwendigkeit. Wer Neuron AI ausprobiert, weil er einen Chatbot an eine bestehende Anwendung hängen will, überschätzt den Nutzen der Workflow-Schicht und zahlt mit zusätzlicher Komplexität. Ebenso problematisch ist die Abhängigkeit von Inspector: Der README beschreibt keinen alternativen Weg, die Ausführungszeitleiste zu erhalten. Ein weiterer Punkt, den das Dokument offenlegt, ohne ihn als Risiko zu benennen: Die Agentenklasse erbt Speicher-, Tool- und RAG-Verhalten. Das ist bequem, solange die Voreinstellungen passen. Sobald ein Team eigene Speicherstrategien oder abweichende Tool-Ausführung braucht, muss es gegen die Basisklasse arbeiten. Wie weit das möglich ist, lässt sich aus dem README nicht ableiten, und die Aussage, es gebe kein zweites Framework, das aufwartet, wenn das Projekt wächst, ist eher eine Bindung als eine Garantie.

Was Neuron AI von einem LLM-Client unterscheidet

Die naheliegende Alternative ist das offizielle SDK des jeweiligen Anbieters, etwa der Anthropic- oder OpenAI-Client, oder eine Bibliothek wie LangChain in der Python- oder JavaScript-Variante. Der Unterschied liegt nicht in der Qualität der HTTP-Anbindung, sondern in der Ebene darüber. Ein SDK beantwortet die Frage, wie ein Prompt an ein Modell geht und wie die Antwort zurückkommt. Neuron AI beantwortet zusätzlich, wo der Gesprächsverlauf liegt, wie ein Tool aufgerufen und sein Ergebnis in den nächsten Schritt eingespeist wird, wie mehrere Agenten einen gemeinsamen Workflow durchlaufen und wie eine menschliche Freigabe dazwischen passt. Genau diese Schicht fehlt in PHP-Bibliotheken, die nur Provider-Wrapper sind. Umgekehrt gilt: Wer bereits LangChain in Python einsetzt und nur ein Modell aus einer PHP-Anwendung heraus aufrufen will, gewinnt durch Neuron nichts außer einer zusätzlichen Abstraktion. Die Entscheidung hängt also weniger am Funktionsumfang als daran, ob die agentische Logik in PHP leben soll oder in einem separaten Dienst.

Lizenz, Wartung und die Frage der Aktualisierung

Das Projekt steht unter MIT, eine der permissivsten Lizenzen überhaupt. Das erlaubt kommerzielle Nutzung, Veränderung und Weitergabe, solange der Lizenztext beiliegt. Für Teams, die den Code in ein proprietäres Produkt einbetten, ist das die einfachste Konstellation. Wer den Quellcode verändert und weitergibt, muss die MIT-Bedingungen einhalten. Rechtlich verbindliche Aussagen kann ich hier nicht treffen, das gehört zu einer Lizenzprüfung durch die zuständige Stelle. Zur Wartungslage liefert das Material nur Indizien: Der Default-Branch heißt 3.x, die letzten drei Releases 3.16.12, 3.16.11 und 3.16.10 liegen laut Angabe innerhalb weniger Tage im September 2026, der letzte Push fällt auf denselben Zeitraum. Das spricht für eine aktive Versionslinie, sagt aber nichts über die Qualität der Änderungen. Auffällig ist die Patch-Dichte: drei Releases in rund einer Woche. Wer Versionen pinnt, sollte prüfen, ob Änderungen an der Agent-Basisklasse zwischen Patches auftreten. Ein Upgrade-Pfad von 3.x auf eine spätere Hauptversion ist im README nicht beschrieben, weil es keine gibt. Das ist ein Punkt für spätere Planung, nicht für heute.

Für wen sich der Aufwand lohnt und was zuerst zu klären ist

Der stärkste Fall für Neuron AI ist ein PHP-Team mit einer bestehenden Anwendung, das einen Agenten mit Werkzeugen, Gesprächsverlauf und einer sichtbaren Ausführungszeitleiste braucht und den Inspector-Stack bereits im Einsatz hat. Der zweitstärkste Fall ist ein Team, das bewusst verhindern will, dass agentische Logik in eine zweite Sprache abwandert. Weniger überzeugend ist die Wahl für alle, die nur einen einzelnen, zustandslosen LLM-Aufruf benötigen, für Teams mit Telemetrie-Verboten oder für Projekte außerhalb von PHP. Vor dem ersten Commit sind drei Dinge zu prüfen: ob die eigene PHP-Version die Anforderung ^8.1 erfüllt, ob der gewünschte Anbieter als Klasse unter NeuronAI\Providers existiert, und ob der Inspector-Schlüssel in der Umgebung gesetzt werden darf. Bleibt eine dieser Fragen offen, ist das Framework für den geplanten Einsatz nicht die richtige Grundlage, unabhängig davon, wie viele der genannten Kapitel die Dokumentation füllt.

Redaktionelles Fazit

Wer Agenten in einer bestehenden PHP-Anwendung braucht und den Inspector-Stack bereits nutzt, findet hier eine Agentenklasse, die sich in den normalen Composer-Workflow einfügt. Wer außerhalb von PHP baut oder eine reine LLM-Client-Bibliothek sucht, sollte bei LangChain oder dem OpenAI-SDK bleiben. Vor dem Einsatz zu prüfen: ob die eigene PHP-Version zu ^8.1 passt, ob der gewählte Provider in NeuronAI\Providers vorhanden ist, und ob der Monitoring-Pfad über INSPECTOR_INGESTION_KEY für das eigene Betriebsmodell akzeptabel ist.

Offizielle Quellen

1. License: MIT
2. neuron-core/neuron-ai on GitHub
3. Project website
4. README
5. Releases