AI Manus: ein Allzweck-Agent, der Tools in Docker-Sandboxes ausführt
AI Manus ist ein Allzweck-KI-Agentensystem, das die Ausführung verschiedener Tools und Vorgänge in einer Sandbox-Umgebung unterstützt.
Auf einen Blick
- Was ist das?
- Die README zeigt einen Plan-und-Ausführ-Agenten mit Docker-Sandboxes pro Aufgabe, einer OpenClaw-Integration und einem Docker-Compose-Bereitstellungspfad.
- Für wen ist es gedacht?
- Die README gibt einen konkreten Weg von einem einzelnen API-Schlüssel zu einem laufenden Agenten vor, und die Roadmap zeigt, wohin das Projekt als Nächstes gehen will. Die MIT-Lizenz deckt den Code ohne Gewährleistung ab.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 1 Tag.
- In welcher Sprache ist es geschrieben?
- Hauptsächlich Python, laut der Sprachstatistik von GitHub.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Der Agent, die Sandbox und die Claw-Integration
Die README des Repositorys beschreibt AI Manus als ein Allzweck-KI-Agentensystem, das Tools und Operationen in einer Sandbox-Umgebung ausführt. Die aktuelle Version fügt Claw hinzu, eine Integration des OpenClaw-Assistenten, die laut README Ein-Klick-Bereitstellung, pro Benutzer isolierte Container und Chatverlauf in das Manus-Ökosystem bringt. Die README verlinkt auf eine Demo-Site, einen Blogbeitrag über den Wiederaufbau von Manus mit WebUI und Sandbox sowie eine QQ-Gruppe, liefert jedoch keine Implementierungsdetails dazu. Die Repository-Metadaten listen Python als primäre Sprache auf.
Plan-und-Ausführ-Schleife mit nativen Tool-Aufrufen
Die Agentenschleife wird als Plan-und-Ausführ-Ablauf mit zusammensetzbaren System-Prompts und nativen strukturierten Ausgabetools beschrieben. Die README sagt ausdrücklich, dass es kein JSON-im-Prompt-Protokoll gibt; Pläne und Schrittergebnisse werden über strukturierte Ausgabetools wie create_plan und complete_step übermittelt. Unterstützte Tools umfassen Terminal, Browser, Datei, Websuche und Messaging-Tools mit Echtzeit-Anzeige und Übernahme-Fähigkeiten sowie externe MCP-Tool-Integration. Die README empfiehlt Deepseek- und GPT-Modelle mit zuverlässigem Tool-Aufruf und stellt fest, dass LangChain-Chatmodell-Anbieter unterstützt werden, mit openai als Standard.
Docker-Sandboxes pro Aufgabe und Sitzungspersistenz
Jede Aufgabe erhält eine separate Sandbox, die in einer lokalen Docker-Umgebung läuft. Der Entwurfsabschnitt erläutert den Ablauf: Das Web-Frontend fordert den Server auf, einen Agenten zu erstellen, der Server erstellt eine Sandbox über /var/run/docker.sock und gibt eine Sitzungs-ID zurück. Die Sandbox ist eine Ubuntu-Docker-Umgebung, die Chrome und API-Dienste für Tools wie Datei und Shell startet. Der Server leitet Benutzernachrichten an einen PlanAct-Agenten weiter, der Schritte plant und ausführt und bei Bedarf Sandbox-Tools aufruft. Alle Ereignisse werden über WebSocket an den Web-Client zurückgesendet. Für die Browseransicht führt die Sandbox einen Headless-Browser mit einem VNC-Dienst aus, und der Web-Client verbindet sich über NoVNC. Der Sitzungsverlauf wird über MongoDB und Redis verwaltet und unterstützt Hintergrundaufgaben.
Minimale Bereitstellung mit Docker Compose
Die README besagt, dass für die minimale Bereitstellung nur ein LLM-Dienst erforderlich ist, ohne Abhängigkeit von anderen externen Diensten. Docker Compose ist die empfohlene Bereitstellungsmethode. Die bereitgestellte docker-compose.yml definiert Dienste für Frontend, Backend, Sandbox, Claw, MongoDB und Redis mit Images wie simpleyyt/manus-frontend und simpleyyt/manus-backend. Die Konfiguration wird aus einer .env-Datei geladen; mindestens müssen API_KEY, API_BASE und MODEL_NAME gesetzt werden. Die README zeigt das Ausführen von docker compose up -d und weist darauf hin, dass ein Sandbox-Container, der mit Code 0 beendet wird, normal ist. Die Webschnittstelle ist dann unter http://localhost:5173 verfügbar. Weitere Konfigurationsoptionen sind auf der Dokumentationssite des Projekts dokumentiert.
Entwicklungseinrichtung mit fünf Unterprojekten
Das Repository ist in die Unterprojekte Frontend, Backend, Sandbox, Claw und Mockserver aufgeteilt. Der Entwicklungsleitfaden sagt, das Repository zu klonen, .env.example in .env zu kopieren und mindestens API_KEY zu setzen. Ein dev.sh-Skript führt den Stack im Debug-Modus mit aktiviertem Reload aus; die README listet offene Ports auf, darunter 5173 für das Web-Frontend, 8000 für die Server-API, 5678 für debugpy, 8080 für die Sandbox-API, 5902 für VNC, 18788 für Claw und 27017 für MongoDB. Im Debug-Modus wird global nur eine Sandbox gestartet. Wenn sich Abhängigkeiten ändern, empfiehlt die README das Bereinigen und Neuaufbauen mit dev.sh down -v, dev.sh build und dev.sh up. Die Image-Veröffentlichung erfolgt über run.sh build und run.sh push mit den Umgebungsvariablen IMAGE_REGISTRY und IMAGE_TAG.
Roadmap und Lizenz
Die Entwicklungs-Roadmap listet Pläne für ein Deploy & Expose-Tool, Sandbox-Zugriff für mobile und Windows-Computer sowie Multi-Cluster-Bereitstellungsunterstützung für K8s und Docker Swarm auf. Die README verweist auf docs/roadmap.md für die vollständige Checkliste, einschließlich abgeschlossener Punkte wie Docker Compose, Einstellungen, Celery-Backend und Kontext-Engineering. Das Projekt ist unter der MIT-Lizenz lizenziert, die das Recht einräumt, Kopien der Software zu verwenden, zu kopieren, zu modifizieren, zu fusionieren, zu veröffentlichen, zu verteilen, zu unterlizenzieren und zu verkaufen. Die Lizenz gewährt keine Gewährleistung, und die README erörtert weder Sicherheit, Support noch Leistungsgarantien.
Projektbezogene Abgrenzung
Die README des Repositorys beschreibt AI Manus als ein Allzweck-KI-Agentensystem, das Tools und Operationen in einer Sandbox-Umgebung ausführt. Die aktuelle Version fügt Claw hinzu, eine Integration des OpenClaw-Assistenten, die laut README Ein-Klick-Bereitstellung, pro Benutzer isolierte Container und Chatverlauf in das Manus-Ökosystem bringt. Die README verlinkt auf eine Demo-Site, einen Blogbeitrag über den Wiederaufbau von Manus mit WebUI und Sandbox sowie eine QQ-Gruppe, liefert jedoch keine Implementierungsdetails dazu. Die Repository-Metadaten listen Python als primäre Sprache auf. Die konkrete Prüfung muss bei simpleyyt-ai-manus-deep-analysis die genannten Schnittstellen und die dokumentierte Laufzeit einbeziehen. Für SillyTavern sind NodeJS 20, die gewählte LLM-API und der lokale Installationspfad maßgeblich. Für AI Manus sind Docker-Sandbox, Compose-Datei und die verwendeten Tools maßgeblich. Ohne diese konkreten Bezugspunkte wäre eine pauschale Aussage über Leistung oder Sicherheit nicht belegt.
Redaktionelles Fazit
Die README gibt einen konkreten Weg von einem einzelnen API-Schlüssel zu einem laufenden Agenten vor, und die Roadmap zeigt, wohin das Projekt als Nächstes gehen will. Die MIT-Lizenz deckt den Code ohne Gewährleistung ab.
Community-Notizen