Open-Source-KI-Radar: 19 neue GitHub-Repos (Sept. 2026)

Die dritte Ausgabe des Radars verfolgt 19 aufstrebende Repositories, die alle zwischen Mitte Juli und Mitte September 2026 entstanden sind. Die Idee bleibt dieselbe: nischige Projekte, die gerade jetzt schnell wachsen, statt der bekannten Namen, die ohnehin in jeder Liste stehen. Diese Ausgabe deckt acht Cluster ab: lokale Inference, offene Voice, Agent-Memory, Computer-Use, MCP-Server, Agent-Frameworks, Werkzeuge für Coding-Agents sowie Medien und Design.

Zwei Muster sind bei der Recherche aufgefallen. Erstens wird lokale Inference auf Apple Silicon erfinderisch: Drei der Projekte streamen Modellgewichte von der SSD oder über mehrere Geräte, statt alles in den Arbeitsspeicher zu laden. Zweitens zerfällt Agent-Memory in sehr unterschiedliche Ansätze, von schlichten Markdown-Dateien bis zu einer Datalog-Engine mit Herkunftsnachweis für jede Schlussfolgerung. In beiden Bereichen beantwortet noch kein gehostetes Produkt die Frage für dich, und genau dafür ist ein Radar da.

So ist diese Ausgabe entstanden#

Die Vorauswahl kam aus der GitHub Search API: Repositories, die nach dem 10. Juli 2026 angelegt wurden, mehr als 150 Sterne haben und KI-Themen tragen (ai, llm, mcp, agents, ai-agents, claude-code). Das ergab 365 neue Kandidaten. Ein Fork-zu-Star-Check und eine manuelle Sichtung haben daraus 20 für die Verifikation gemacht. Bewusst ausgelassen haben wir:

• Flaggschiff-Veröffentlichungen großer Anbieter, auch wenn sie trenden (ein neuer DeepSeek-Harness, ein Android-Automatisierungsprojekt von Google). Die brauchen kein Radar. Nischige Forschungs- oder Inkubator-Repos von Teams innerhalb größerer Firmen bleiben drin: In dieser Ausgabe sind es zwei, LongHorizon Harness vom AMap-ML-Team von Alibaba und ripwire aus der Emerging-Technologies-Gruppe von Red Hat.
• Listen, Bücher, Tutorials und Prompt-Sammlungen. Nützlich, aber keine Tools.
• Plugins, die nur innerhalb einer einzelnen großen Plattform Sinn ergeben.
• Behauptungen, die an der Plausibilität scheitern, etwa ein Modell mit mehreren Billionen Parametern auf einer einzelnen CPU mit wenigen Gigabyte RAM.

Jeder der 20 Kandidaten wurde anschließend gegen README, Commit-Historie, Releases, LICENSE-Datei und Homepage geprüft. Einer flog raus: Sein eigener Maintainer markiert das Repository als migriert zu einem Nachfolgeprojekt, ein Eintrag als "aufstrebend" wäre also irreführend. Die übrigen 19 sind dabei.

Stern- und Fork-Zahlen sind so, wie sie am 23. September 2026 auf GitHub angezeigt wurden, und sind nicht unabhängig auditiert. Leistungsangaben, die einem Projekt zugeschrieben werden, sind dessen eigene Angaben, keine Messungen von uns.

Die drei Lizenz-Stufen#

"Alles OSI-open" ist nicht die ganze Geschichte. Diese Haken solltest du kennen, bevor du auf etwas aufbaust:

• Offener Code, proprietäre Engine. classifier-dev und TypeSafe Computer Use stehen unter MIT, das Klassifikationsmodell, auf das beide setzen, ist aber ein proprietärer gehosteter Dienst.
• Doppel-Lizenzierung. Penecho und Tel-Agent stehen unter AGPL-3.0 und haben zusätzlich eine kommerzielle Lizenz der Maintainer. Penecho verlangt außerdem eine Contributor License Agreement.
• Kommerzielle Anschlussangebote und Voreinstellungen. Bei Phone Harness ist Telemetrie standardmäßig an, und das README verweist durchgehend auf eine kostenpflichtige Cloud-Version.
• Angriffsfläche. x64dbg MCP Server macht einen vollständigen Debugger über das Netzwerk erreichbar. Lass ihn auf localhost und lies die Sicherheitshinweise, bevor du ihn aktivierst.

Lokale Inference und "was läuft auf meiner Maschine"

TurboFieldfare (drumih/TurboFieldfare) - 6.8k Stars

Eine native Swift/Metal-Inference-Engine für Apple Silicon, die nur die gerade benötigten Experten-Gewichte von Gemma 4 26B von der SSD streamt, statt das komplette 14,3-GB-Modell zu laden. Ein 1,35-GB-Kern und der FP16-KV-Cache bleiben im Speicher, während Experten mit begrenzter paralleler Lesegeschwindigkeit nachgeladen werden. Der Installer streamt die Modellgewichte direkt von Hugging Face.

Pros

• Native Swift/Metal-Implementierung mit echter Streaming-Runtime, kein Python-Wrapper
• Apache-2.0 auf dem Code, tägliche Commits und ein schnelles Release-Tempo (0.4 bis 0.9 in rund einem Monat)
• Liefert CLI, einen OpenAI-kompatiblen Server und eine native Mac-App

Cons

• Nur arm64 / Apple Silicon und macOS 26+, kein Linux, Windows oder Intel-Mac
• Pre-1.0 (v0.9.0); die gestreamten Modellgewichte folgen Googles eigener Gemma-Lizenz, getrennt vom Apache-2.0-Code
• Durchsatz-Angaben (5-6 Tok/s auf einem 8-GB-M2, 31-35 Tok/s auf einem 24-GB-M5-Pro) sind eigene Messungen des Projekts, nicht unabhängig reproduziert

Lizenz: Apache-2.0. Wann interessant: Apple-Silicon-Besitzer mit knappem RAM, die ein 26B-Gemma-Modell laufen lassen wollen, ohne einen größeren Mac zu kaufen. Wann zu früh: jede Nicht-Apple-Hardware, oder wenn du eine fertige v1.0 mit stabiler API brauchst.

Slotstream (carloslfu/Slotstream) - 391 Stars

Eine native Swift-Engine auf Apples MLX und Metal, die Qwen3.8-Flash-Next (ein 125B-Parameter-MoE-Modell mit 105 GB) auf Macs mit nur 16 bis 64 GB RAM lauffähig macht. Geteilte Gewichte bleiben im Speicher, benötigte Experten werden von der SSD in einen Slot-basierten Cache gelesen, mit automatischer Speicherplanung und Expert-Lookahead-Vorhersage. Sie bietet OpenAI- und Ollama-kompatible APIs, läuft offline, ohne Python und ohne Cloud-Konto.

Pros

• Detaillierte, reproduzierbare Hardware-Messungen (MEASUREMENTS.md, HARDWARE.md) statt nur Schlagzeilen-Zahlen
• MIT auf dem Code; natives Swift/MLX/Metal ohne Python-Runtime, OpenAI- und Ollama-kompatible Endpoints
• Aktive tägliche Entwicklung mit einem echten Issue-Tracker (Hardware-Berichte, Bugfixes, Feature-Wünsche)

Cons

• Nur Apple Silicon / macOS 14+
• Die Modellgewichte (Qwen3.8-Flash-Next) tragen die separate Qwen-Community-Lizenz, nicht MIT
• Dasselbe Team baut auf dieser Engine eine kommerzielle Mac-App (Sevra, auf sevrahq.com), es lohnt sich zu beobachten, wie sich offene Engine und bezahlte App auseinanderentwickeln
• Pre-1.0 (v0.2.x), und ein gemeldetes Issue beschreibt, dass lange Re-Prefills den Server stillschweigend beenden können

Lizenz: Code ist MIT; die anvisierten Qwen3.8-Flash-Next-Modellgewichte tragen die separate Qwen-Community-Lizenz. Wann interessant: Apple-Silicon-Nutzer mit 16-64 GB RAM, die ein großes MoE-Modell wollen, das sonst nicht passen würde. Wann zu früh: Nicht-Apple-Hardware, oder Produktionszuverlässigkeit angesichts der noch frühen 0.2.x-Version und gemeldeter Stabilitätsprobleme.

SwarmLLM (nehanth/SwarmLLM) - 435 Stars

Eine JavaScript/WebGPU-Engine, die ein LLM schichtweise über mehrere Geräte verteilt, jedes hält nur eine Scheibe der Layer, und nur ein rund 10-KB-Aktivierungsvektor wandert zwischen den Peers via WebRTC. Ein eigener WGSL-Kernel-Stack (rund 50 Kernel) mit 4-Bit-Quantisierung und spekulativem Decoding läuft direkt im Browser, ohne Server und ohne Installation.

Pros

• Echte Eigenentwicklung von Grund auf: eigene WGSL-Kernel, ein GGUF-Parser und ein WebRTC-Mesh-Protokoll, abgesichert durch eine Golden-Test-Suite, die laut Projekt jede Optimierung absichert
• Kein Install und kein Server, läuft im Browser und bündelt ungenutzte Geräte (Laptop + Handy) zu einem Modell, das keines allein tragen könnte
• MIT, aktive tägliche Commits mit strukturierten, gelabelten Issues (P1/P2, Milestones)

Cons

• Sehr früh: ein Release (v0.2.0), und das eigene Issue-Tracking des Projekts markiert das 2048-Token-Kontextfenster selbst als zu kurz
• Peer-to-Peer-WebRTC-Inference hängt an Zuverlässigkeit und Bandbreite jedes teilnehmenden Geräts, eigene Issues des Projekts nennen abbrechende Worker-Tabs unter Speicherdruck und im Hintergrund
• Durchsatzangaben (9-16 Tok/s je nach spekulativem Decoding, eine Demo mit 10,7 Tok/s über MacBook und iPhone) sind eigene Benchmarks des Projekts auf spezifischer Hardware, nicht unabhängig reproduziert

Lizenz: MIT. Wann interessant: Experimente, mehrere eigene Geräte zu bündeln, um ein Modell laufen zu lassen, das für keines allein zu groß wäre, komplett im Browser. Wann zu früh: alles, was eine stabile API, langen Kontext oder verlässlichen Produktions-Durchsatz braucht, das Projekt ist Pre-1.0, und die eigenen Issues der Maintainer beschreiben echte Zuverlässigkeitslücken.

Offene Voice und Text-to-Speech

Tel-Agent (dpro-at/Tel-Agent) - 1.0k Stars

Ein selbst gehostetes Gateway, das eingehende Anrufe per SIP entgegennimmt und regelbasiert an Menschen weiterleitet, blockiert oder an einen KI-Agenten übergibt. Der Agent führt Echtzeitgespräche, kann Tools aufrufen (Anruftransfer, Nachrichten hinterlassen, Kalender prüfen, HTTP-Endpunkte), und alle Interaktionen werden aufgezeichnet und transkribiert. Derselbe Agent bedient über 24 Kanäle, darunter Telefon, Web-Chat, SMS, E-Mail, WhatsApp, Telegram, Messenger, Instagram, Discord und Slack, mit deinen eigenen Zugangsdaten.

Pros

• Gestützt von einer eingetragenen Firma (Dpro GmbH, Wien, Österreich) mit echtem Dual-Lizenz-Modell, kein anonymes Nebenprojekt
• Breite Kanal-Abdeckung (Telefon via SIP plus 24+ Messaging-Plattformen) hinter einem Agenten, mit echten Integrationen statt Platzhaltern
• Docker-Images, fünf Interface-Sprachen, und ein aktiver, gelabelter Issue-Tracker mit laufender Kanal-Arbeit (Viber, Signal, Matrix, IRC in Arbeit)

Cons

• Alpha-Status laut eigenem Badge des Projekts; bisher nur zwei Pre-Releases (v0.1.0, v0.1.1)
• AGPL-3.0 verlangt, Änderungen bei jedem Netzwerk-Service-Einsatz zu veröffentlichen, kommerzielle oder geschlossene Nutzung braucht Dpros kostenpflichtige Lizenz
• Das Unter-800ms-Latenzziel ist eine eigene Zielangabe des Projekts für seine Pipeline, keine unabhängig gemessene Garantie

Lizenz: AGPL-3.0: Netzwerk-Nutzung zählt als Verteilung, eine modifizierte Version, die als Dienst läuft, muss also ebenfalls unter AGPL veröffentlicht werden, außer du kaufst Dpro GmbHs kommerzielle Lizenz. Wann interessant: Teams, die eine selbst gehostete Alternative mit eigenen Keys zu geschlossenen Voice-Agent-Plattformen wollen, über Telefonie und Chat-Kanäle hinweg. Wann zu früh: produktive Einsätze, die eine fertige v1.0 brauchen, oder jede geschlossene/kommerzielle Weiterverteilung ohne die Dpro-Lizenz zu kaufen.

Agent-Memory und Code-Wissen

VoiceMem (xzf-thu/VoiceMem) - 2.2k Stars

Ein Python-Framework, das Voice-Agents ein persistentes Gedächtnis gibt: ein 'linkes Gehirn' organisiert Fakten über Schemas und Entitäten für präzisen Abruf, ein 'rechtes Gehirn' verwaltet Emotionen, Persönlichkeit und Beziehungen über eigene und entitätsübergreifende Knoten. Eine Streaming-Pipeline verarbeitet Audio-Segmentierung, Transkription und Memory-Extraktion während das Gespräch noch läuft, und injiziert nur die relevantesten Erinnerungen in den Modell-Kontext.

Pros

• Apache-2.0, echte Streaming-Pipeline (ASR, Sprecherverifikation, Memory-Extraktion) statt nur ein Prompt-Wrapper
• Gestützt durch einen technischen Report auf arXiv und eine reproduzierbare Evaluations-Suite im Repo (LoCoMo, PersonaMem)
• Gezielt für Sprache gebaut, nicht nachträglich von Text-Chat-Memory auf Audio übertragen, trennt faktisches und emotionales Gedächtnis explizit

Cons

• Sehr jung: erstes Release v0.0.1 am 1. September 2026, insgesamt zwei Releases
• Die Schlagzeilen-Vergleiche gegen Mem0 (91,2% vs. 61,68% auf LoCoMo, 134ms vs. 1.440ms Antwortzeit) sind eigene Benchmarks des Projekts, nicht unabhängig verifiziert
• Offene Issues melden, dass Emotions-Labels und Persönlichkeitsmerkmale standardmäßig auf Chinesisch fallen, selbst bei englischsprachigen Nutzern, eine echte Lokalisierungslücke vor Einsätzen außerhalb Chinas

Lizenz: Apache-2.0. Wann interessant: Voice-Agent-Entwickler, die persistentes, emotionsbewusstes Gedächtnis über Sessions hinweg brauchen und mit einem Projekt im Forschungsstadium leben können. Wann zu früh: produktive Voice-Produkte, die stabile APIs oder verifiziertes Verhalten außerhalb von Chinesisch/Englisch brauchen.

agent-memory (tigerless-labs/agent-memory) - 964 Stars

Eine Memory-Runtime, bei der Markdown-Dateien in einem Store die einzige Quelle der Wahrheit sind und ein lokaler SQLite-Index daneben nur als jederzeit neu baubarer Cache dient. Recall ist lokal und gerangt und antwortet mit Pfaden statt eingefügtem Text, Schreibvorgänge feuern automatisch an Gesprächsgrenzen, und ein Sleep-Time-Durchlauf konsolidiert und vergisst nach eigenem Zeitplan, wobei Löschungen immer nur als zu bestätigender Vorschlag ankommen. Claude Code, Codex CLI und alles, was eine Shell ausführen kann, teilen sich denselben Store, ganz ohne API-Key.

Pros

• Markdown-Dateien bleiben greppbar, git-fähig und portabel weg von diesem System; der SQLite-Index ist eine wegwerfbare, neu baubare Cache (rm -rf .index/ && mem rebuild verliert laut Test nichts)
• Echte Manage-Schicht mit Autoritätsstufen: Ein unbeaufsichtigter Sleep-Durchlauf darf hinzufügen und aktualisieren, Löschung kommt aber immer nur als zu bestätigender Vorschlag
• Kein LLM-Client in der Bibliothek selbst, kein API-Key nötig; das Urteilsvermögen leiht sich das System von der Host-CLI, jeder Schreibvorgang bleibt in deren Transkript sichtbar

Cons

• Erst drei Wochen alt (erstellt am 01.09.2026) und noch nicht auf PyPI; Installation bedeutet Klonen und uv sync aus dem Checkout
• Die Organisation tigerless-labs hat 2026 etwa alle zwei bis drei Wochen ein neues Tool veröffentlicht, mehrere davon erreichten binnen Wochen Hunderte bis Tausende Stars; ein Muster, das man im Blick behalten sollte, auch wenn die Commits hier echte externe Pull Requests mit echten Bugfixes enthalten
• Die eigene 'Proof it works'-Benchmark ist eine 120-Episoden-Studie mit begrenztem Heuhaufen, vom Projekt selbst ausdrücklich als nicht vergleichbar mit veröffentlichten LongMemEval-Zahlen markiert

Lizenz: MIT. Wann interessant: Teams, die Memory über Claude Code und Codex CLI hinweg vereinheitlichen wollen und einen inspizierbaren, jederzeit migrierbaren Markdown-Store bevorzugen. Wann zu früh: wenn du ein paketiertes Release, eine stabile API oder unabhängig geprüfte Retrieval-Genauigkeit brauchst.

deja-vu (vshulcz/deja-vu) - 926 Stars

deja-vu indiziert die Sitzungsdateien, die Claude Code, Codex, Cursor und Dutzende weitere Coding-Agents ohnehin lokal schreiben, und gibt die richtige Erinnerung an den fragenden Agent zurück, egal wer sie ursprünglich angelegt hat. Es gibt keinen eigenen Aufnahmeschritt, die Transkripte selbst sind das Gedächtnis, Zugangsdaten werden beim Indizieren automatisch entfernt, und Recall feuert automatisch am Sessionstart, vor Tool-Aufrufen und nach Fehlschlägen. Eine einzelne Go-Binary erledigt das offline mit Lookups im Millisekundenbereich.

Pros

• Sehr breite Harness-Unterstützung (34 Coding-Agents in der README-Matrix, von Claude Code und Codex bis aider und Zed) mit Auto-Recall pro Harness, keine bloße generische Plugin-Behauptung
• Kein Aufnahmeschritt und kein LLM- oder Embedding-Key für den Kernpfad nötig; es parst die JSONL/SQLite-Sitzungsdateien, die Agents ohnehin schreiben, und startet dadurch voll mit Monaten an Historie von vor der Installation
• Sehr aktiv: 33 Contributor, fast wöchentliche Releases (v0.21.0 zum Zeitpunkt des Schreibens), Redaktion von Zugangsdaten beim Indizieren und ein explizites Sicherheitsmodell-Dokument

Cons

• Die Schlagzeilen-Zahlen (88,1% hit@1 auf LongMemEval-S, 70,5% auf LoCoMo) stammen aus dem eigenen Benchmark-Harness, reproduzierbar aus dem Repo, aber nicht unabhängig geprüft
• Windows wird als 'Builds existieren, CI läuft dort' beschrieben, während macOS und Linux als die battle-tested Pfade bezeichnet werden, ein echter Vorbehalt für Windows-Nutzer
• Optionales semantisches Recall sendet redigierten, gekürzten indizierten Text an den konfigurierten Embedding-Endpunkt (standardmäßig lokal Ollama/LM Studio, oder ein Cloud-Key, falls gesetzt), auch bei local-first-Voreinstellung einen eigenen Blick wert

Lizenz: MIT. Wann interessant: Entwickler, die zwischen mehreren Coding-Agents auf einer Maschine wechseln und frühere Entscheidungen automatisch zurückbekommen wollen, ohne einen Memory-Dienst aufzusetzen. Wann zu früh: reine Windows-Workflows, oder wenn du unabhängig geprüfte Retrieval-Zahlen statt des projekteigenen, reproduzierbaren Harness brauchst.

Lemmalog (JordyZomer/Lemmalog) - 317 Stars

Lemmalog wettet darauf, dass das Gedächtnis eines Agenten eine deduktive Datenbank sein sollte: Grundfakten werden an der Extraktionsgrenze festgehalten, und eine Rust-Datalog-Engine leitet daraus stratifiziert Abschlüsse, zeitliche Projektionen und Widerspruchskandidaten ab, jeder Fakt trägt seine Provenienz zurück zur Ursprungs-Episode. Ein MCP-Server mit zwölf Tools bindet die Engine in Claude Code oder Kimi CLI ein, why()-Aufrufe liefern Beweisbäume statt Blackbox-Scores, und eine hybride Retrieval-Schicht kombiniert BM25 mit Entity-Graph-Boosting für budgetierten Kontext.

Pros

• Eine wirklich andere architektonische Wette: Fakten werden festgehalten, Regeln leiten Abschlüsse, zeitliche Projektionen und Widerspruchskandidaten deterministisch ab, mit why()-Beweisbäumen zurück zu den Quell-Episoden statt Ähnlichkeitssuche
• Ungewöhnlich rigorose Validierung für ein drei Wochen altes Projekt: 450 zufällige Programme gegen ein Brute-Force-Orakel geprüft, Äquivalenzchecks zwischen inkrementeller und Einzelschuss-Auswertung, 2.000 Parser-Fuzzing-Fälle
• Eigene Läufe auf zwei standardisierten öffentlichen Leaderboards (ProsusAI MemEvals LongMemEval-Split und LoCoMo) mit ehrlich berichtetem 2.-von-10-Platz und Mittelfeld-Platzierungen, nicht nur zitierten Siegen

Cons

• Sehr früh: erstellt am 27.08.2026, noch kein getaggtes Release, und das eigene README dokumentiert Engine-Bugs, die während der Entwicklung gefunden und behoben wurden
• Die Faktenextraktion hängt weiterhin vollständig von einem externen LLM-Aufruf ab, um Prosa in Tripel zu verwandeln; die Datalog-Engine selbst versteht kein Englisch, die Extraktionsqualität ist also eine harte Obergrenze für alles Nachgelagerte
• Bislang kleines Team (5 Contributor, überwiegend Jordy Zomer solo mit gelegentlichen externen Pull Requests) und noch kein sichtbarer CI-Badge oder Release-Prozess

Lizenz: MIT. Wann interessant: Agent-Memory-Setups, bei denen deterministisches, nachvollziehbares Schlussfolgern über Fakten (zeitliche Reihenfolge, Widerspruchserkennung, Multi-Hop-Abfragen) wichtiger ist als semantisches Recall. Wann zu früh: produktiver Einsatz vor einem ersten getaggten Release, oder wenn du ein Memory-System ohne LLM-Extraktionsschritt brauchst.

Computer-Use und autonome Agents

typesafe-computer-use (awlevin/typesafe-computer-use) - 853 Stars

Ein Computer-Use-Agent, der den Bildschirm deterministisch über OCR und den Accessibility-Baum ausliest und dann TypeSafes kleinen Klassifikator nach der nächsten Aktion fragt, statt ein Spitzen-Vision-Modell zu bemühen. Ein Writer-Modell (standardmäßig Claude, sonst jeder OpenAI-/Anthropic-kompatible Endpoint) wird nur aufgerufen, wenn ein Schritt wirklich freien Text oder eine abschließende Lektüre des Bildschirms braucht. Es steuert echte Maus und Tastatur auf macOS, mit experimenteller Windows-Unterstützung über UI Automation.

Pros

• Echte Architektur statt Wrapper: OCR plus Accessibility-Baum füttern einen schnellen Klassifikator, ein Writer-Modell wird nur bei Bedarf für freien Text aufgerufen
• MIT-lizenziert, täglich weiterentwickelt, mit echter CI-Pipeline und szenariobasierter Testsuite (40+ skriptierte Szenarien)
• Jeder OpenAI- oder Anthropic-kompatible Endpoint kann als Writer-Modell dienen, auch lokale wie LM Studio, Ollama oder vLLM

Cons

• Der zentrale Kosten- und Geschwindigkeitsvorteil hängt an einer kostenpflichtigen externen API (TypeSafes Klassifikator), das Open-Source-Repo allein liefert die genannten Einsparungen nicht
• Zum Zeitpunkt des Schreibens eine Woche alt (erstellt am 16.09.2026), 0.x-Beta mit schnellen, potenziell instabilen täglichen Änderungen
• Die Kosten-/Geschwindigkeits-Vergleichstabelle gegen Claude Opus 5 ist die eigene Benchmark-Angabe des Projekts, nicht unabhängig verifiziert

Lizenz: MIT. Wann interessant: Du willst einen günstigen, schnellen, von OpenAI/Anthropic unabhängigen Computer-Use-Loop auf macOS und bist bereit, für den TypeSafe-Klassifikator zu zahlen. Wann zu früh: Du brauchst ein vollständig selbst gehostetes Tool ohne externe Abhängigkeit, oder Stabilität jenseits einer eine Woche alten 0.x-Beta.

phone-harness (ShawnPana/phone-harness) - 3.0k Stars

Verbindet Claude Code, Codex oder jeden anderen Agenten mit einem echten Telefon: iPhone über das iPhone-Übertragung-Fenster des Mac, Android über adb von macOS, Linux oder Windows aus. Der Agent liest den Bildschirm (Screenshots, OCR), tippt, schreibt und scrollt über dieselben Helper-Funktionen, unabhängig von der Plattform, ohne Jailbreak, ohne Xcode und ohne irgendetwas auf dem Telefon selbst zu installieren. Ein kostenpflichtiges Zusatzangebot namens Phone Harness Cloud vermietet Android-Telefone minutenweise für alle ohne Ersatzgerät.

Pros

• Echte, funktionierende Automation sowohl für iPhone (über iPhone-Übertragung) als auch Android (über adb), mit detaillierter Behandlung von Randfällen wie Hintergrund-Scrolling und Fokus-Diebstahl
• MIT-lizenzierter Kern ohne Jailbreak, SDK oder Geräte-Installation
• Aktive Entwicklung mit drei ausgelieferten Releases (0.1.0 bis 0.3.0) über rund sechs Wochen und 40 offenen Issues als Zeichen echter Nutzung

Cons

• Faktisch ein Ein-Personen-Projekt (97 von rund 98 Commits von einer Autorin)
• Telemetrie (PostHog) ist standardmäßig an, nur per Opt-out abschaltbar, und das README lenkt mit UTM-markierten Links durchgängig zum kostenpflichtigen Phone Harness Cloud
• Volle iPhone-Steuerung hängt an macOS' iPhone-Übertragung und funktioniert daher nur von einem Mac aus; Android-Steuerung funktioniert von macOS, Linux oder Windows

Lizenz: MIT. Wann interessant: Du willst einen Agenten ein echtes Telefon bedienen lassen (App-Tests, Käufe, Formulare ausfüllen), ohne es zu jailbreaken oder etwas darauf zu installieren. Wann zu früh: Du brauchst eine Governance mit mehreren Maintainern, oder willst Telemetrie standardmäßig aus statt per Opt-out.

LongHorizon-Harness (AMAP-ML/LongHorizon-Harness) - 1.6k Stars

Ein 'Loop Engineering'-System vom AMap-ML-Team bei Alibaba, das einen bestehenden Coding-Agenten (Claude Code, Codex, OpenCode oder DeepSeek Harness) in eine Plan-Act-Verify-Checkpoint-Schleife einbettet: Es stellt Ziel und verifizierten Zustand jede Runde neu her, führt einen einzelnen begrenzten nächsten Schritt mit frischem Kontextfenster aus, prüft das reale Ergebnis auf dem Desktop oder im Terminal, und sichert den Fortschritt als Checkpoint oder speist Fehlerbelege in die nächste Runde ein. Es zielt sowohl auf grafische Desktop-Apps als auch das Terminal und berichtet Ergebnisse auf benannten, öffentlichen Benchmarks (WeaveBench, OSWorld 2.0, Terminal-Bench 2.1), gestützt durch ein begleitendes arXiv-Paper.

Pros

• Getragen von einem etablierten Team (Alibabas AMap-ML) mit arXiv-Paper und Ergebnissen auf benannten, öffentlichen Benchmarks statt einem privaten
• Backend-agnostisch angelegt: funktioniert mit Claude Code, Codex, OpenCode und DeepSeek Harness, statt dich an einen Agenten zu binden
• 9 echte Contributor und 8 Releases (v0.1.2 bis v0.1.7) in den ersten drei Wochen zeigen einen echten Entwicklungsschub, keinen einzelnen Commit-Dump

Cons

• Seit dem 20.08.2026 kein Commit und kein Release mehr, zum Zeitpunkt dieser Auswertung über einen Monat still, trotz 40 unbearbeiteter offener Issues
• Die berichteten Gewinne auf WeaveBench, OSWorld 2.0 und Terminal-Bench 2.1 sind eigene Projektangaben, nicht unabhängig reproduziert
• Es orchestriert einen bestehenden Agenten, statt sein Urteilsvermögen zu ersetzen, die Qualität jedes Schritts bleibt also an das jeweilige Backend-Modell gebunden

Lizenz: MIT. Wann interessant: Du nutzt bereits Claude Code, Codex oder OpenCode und willst sie über viele Stunden an langen Desktop-plus-CLI-Aufgaben mit Checkpoint-Wiederherstellung weiterlaufen lassen. Wann zu früh: Du brauchst durchgängig gepflegtes Tooling, die über einen Monat lange Stille seit dem letzten Push ist ein echter Vorbehalt gegenüber dem starken Anfangsschub.

MCP-Server für Coding-Agents

x64dbg-MCP Server (duty1g/x64dbg-MCP Server) - 2.0k Stars

Ein natives x64dbg-Plugin, geschrieben in Zig ohne Laufzeitabhängigkeiten, das die volle Funktionalität des Debuggers (84 MCP-Tools: Breakpoints, Stepping, Speicher, Register, Module, Pattern Scanning, PE-Analyse und mehr) über einen MCP-kompatiblen HTTP-/SSE-Server bereitstellt, sodass jeder MCP-Client eine laufende Debugging-Sitzung steuern kann. Es zielt auf Reverse-Engineering-, Security-Research- und Malware-Analyse-Workflows und liefert Single-Binary-Builds für x32 und x64.

Pros

• Natives Zig-Plugin ohne Abhängigkeiten, kompiliert von jedem Host aus zu einer einzelnen Binary für x32 und x64
• Breite, wirklich tiefe Tool-Abdeckung (84 MCP-Tools, 22 Event-Callbacks) für echte Debugger-Kontrolle, kein dünner Wrapper
• Der Maintainer hat über Releases hinweg echte Sicherheits-Härtung ausgeliefert: Bearer-Auth wurde in v1.2 verpflichtend gemacht und ein Pre-Auth-DoS behoben

Cons

• Gibt volle Remote-Codeausführung, Speicherzugriff und Prozesskontrolle über HTTP frei, der eigene Disclaimer des Projekts warnt davor, es in nicht vertrauenswürdigen Netzwerken zu exponieren, und der Verkehr läuft auch mit Auth unverschlüsselt
• Die Standard-Port-Tabelle im README listet weiterhin 0.0.0.0, obwohl ein Changelog-Eintrag einen Fix auf Standard-Loopback in v1.2 beschreibt, die tatsächliche Bind-Adresse solltest du selbst prüfen
• Kleines Team (3 Contributor, faktisch ein Maintainer) und erst rund einen Monat Historie zum Zeitpunkt des Schreibens

Lizenz: MIT. Wann interessant: Du willst x64dbg von einem KI-Assistenten aus steuern, für legitimes Reverse Engineering, Debugging oder autorisierte Malware-Analyse, und kannst den Server von nicht vertrauenswürdigen Netzwerken fernhalten. Wann zu früh: Du brauchst den Server außerhalb eines vertrauenswürdigen Hosts erreichbar, oder willst einen unabhängig sicherheitsgeprüften, netzwerkexponierten Debugger.

Agent-Frameworks und Runtimes

reef (human-agent-society/reef) - 4.2k Stars

Eine Open-Source-Infrastruktur-Plattform, die Agent-Inference, Feedback-Sammlung, Modell-Training und versionierte Artefakt-Auslieferung verbindet, damit Agents sich kontinuierlich verbessern, ohne manuelle Retraining-Zyklen. Sie durchläuft einen vierstufigen Zyklus (Serve, Observe, Grow, Commit), unterstützt sowohl Modell-Weight-Training als auch reine Harness-Optimierung (das GPU-freie Reefine-Rezept) und bindet sich an bestehendes vLLM- oder SGLang-Inference an.

Pros

• Vollständige Vierstufen-Pipeline (Serve, Observe, Grow, Commit) statt eines einzelnen Trainings-Skripts, mit einem GPU-freien Harness-Optimierungsmodus (Reefine) neben vollem Weight-Training
• Echte Engineering-Signale: über 10 aktive Contributor, Commits bis zum Tag dieses Checks, veröffentlichte Benchmarks gegen AIME 2025, Terminal-Bench und weitere Suiten (eigene Projektangaben)
• Apache-2.0 auf dem Code, bindet sich an bestehendes vLLM/SGLang-Serving an, statt einen neuen Inference-Stack zu verlangen

Cons

• Sehr jung: Repo am 31.08.2026 erstellt, das erste getaggte Release (v0.1.0) erschien am selben Tag, an dem dieser Check lief, also noch keine Erfolgsbilanz trotz schnell wachsender Sternezahl
• Der Copyright-Inhaber im LICENSE-File (Zhipu AI) passt nicht zur Organisation human-agent-society, die das Projekt veröffentlicht, das solltest du vor kommerzieller Nutzung klären
• Benchmark-Ergebnisse (AIME 2025, IMOAnswerBench, CEO-Bench, Terminal-Bench) sind eigene, nicht unabhängig reproduzierte Projektangaben

Lizenz: Apache-2.0 laut Repo-Badges und README, aber die Copyright-Zeile im LICENSE-File nennt 'Copyright 2025 Zhipu AI', nicht die Organisation human-agent-society, eine Inkonsistenz, die trotz eindeutiger Apache-2.0-Bedingungen auffällt. Wann interessant: Teams, die Agents bauen, die aus Produktions-Feedback lernen sollen, ohne die Verkabelung zwischen Serving, Feedback und Training selbst zu bauen. Wann zu früh: produktive Nutzung, bevor die Lizenz-Anomalie geklärt ist, oder wenn du ein Projekt mit mehr als drei Wochen Historie brauchst.

Coding-Agents und Kontext-Effizienz

classifier.dev (mrmps/classifier.dev) - 412 Stars

classifier.dev ist ein einzelner Cloudflare Worker, der Text und Labels entgegennimmt und ein Label mit kalibrierter Konfidenz zurückgibt, ohne Anmeldung, ohne Key, bis zu 1.000 Texte pro Anfrage. Die Klassifikation beantwortet TypeSafes Jev, ein dediziertes Entscheidungsmodell, mit einer LLM-Fallback-Kette und einer 'smart'-Stufe für unsichere Fälle. Dieselbe Logik läuft als CLI, MCP-Tool und Agent-Skill, direkt von der Domain per RFC-8615-Discovery ausgeliefert, mit Durable-Object-Rate-Limiting und datenschutzfreundlichen Analytics.

Pros

• Kein Account oder API-Key für die kostenlose Stufe nötig, curl https://classifier.dev/spam,not+spam/... funktioniert direkt, eine echte Hürde weniger für Agent-Tool-Use
• Substanzielles eigenes Engineering über einen dünnen Wrapper hinaus: Durable-Object-Rate-Limiting mit dokumentierten gescheiterten Alternativen, pseudonymisierte Analytics und eine CI-Pipeline, die vor dem Deploy eine echte Klassifikation gegen den laufenden Worker testet
• Self-hostbar auf dem eigenen Cloudflare-Account mit eigenen Provider-Keys, nicht nur als gehosteter classifier.dev-Dienst nutzbar

Cons

• Das eigentliche Klassifikationsmodell (TypeSafes Jev) ist eine geschlossene, proprietäre Drittanbieter-API; die MIT-Lizenz deckt den Worker-, CLI- und Routing-Code ab, nicht das Modell, das klassifiziert
• Faktisch solo gepflegt (162 von rund 169 Commits von einer Person) und erst sechs Wochen alt (erstellt am 13.08.2026), mit bislang nur zwei protokollierten GitHub-Issues
• Genauigkeits- und Geschwindigkeitszahlen (Konfidenzkalibrierung, F1 gegen LLM-Kaskaden) stammen von der projekteigenen /benchmark-Seite, keiner unabhängigen Auswertung

Lizenz: MIT deckt den Worker, die CLI und den MCP-Server ab. Klassifiziert wird über TypeSafes proprietäre Jev-API, mit einer LLM-Fallback-Kette über OpenRouter/AI-Gateway: Kein offenes Klassifikationsmodell liegt diesem Repo bei, Self-Hosting bedeutet weiterhin Abhängigkeit von diesem geschlossenen Backend. Wann interessant: Coding-Agents oder Pipelines, die große Textmengen (Suchergebnisse, Feedback, Tickets) billig vorsortieren wollen, bevor Tokens für ein volles Modell ausgegeben werden. Wann zu früh: wenn das Klassifikationsmodell selbst offen und self-hostbar sein muss, nicht nur die Routing-Schicht darum herum.

ripwire (redhat-et/ripwire) - 2.3k Stars

Eine Single-Binary-CLI und ein MCP-Server von Red Hats Emerging-Technologies-Gruppe, das gerankte Call-Graphen, Impact-Analyse und ein Code-Qualitäts-Panel über 24+ Sprachen hinweg erzeugt. Es vermarktet sich als 'das ripgrep der KI-Kontexte': Statt dass ein Agent kalt durch eine Codebase grept und ganze Dateien liest, bekommt er von ripwire eine strukturierte Karte, was wichtig ist, wer was aufruft und welche Tests von einer Änderung betroffen sind.

Pros

• Steht hinter einer offiziellen Red-Hat-Organisation (redhat-et, 178 Repos, ripwire eines ihrer angehefteten Projekte), kein anonymer Account, echte Verantwortlichkeit hinter dem Projekt
• Keine Runtime-Abhängigkeiten, eine offline-fähige Single-Binary, über 24 Sprachen über vendorte tree-sitter-Grammatiken
• Liefert fertige Skills für Claude Code, Codex, Cursor, Windsurf und Gemini gleich mit, dazu MCP- und JSON/HTML-Ausgabe

Cons

• Token- und Geschwindigkeits-Zahlen (etwa '5,0% der Tokens vs. grep-and-read', '58,3% strict file@10') sind der eigene Benchmark des Projekts, nicht unabhängig verifiziert
• Noch vor 1.0 (v0.6.2), wöchentliche Punkt-Releases deuten darauf hin, dass sich Schnittstelle und Flags noch bewegen
• Zum Bauen aus dem Quellcode braucht es einen C++23-Toolchain und CMake 3.24+, auch wenn vorgebaute Binaries für macOS/Linux existieren

Lizenz: Apache-2.0. Wann interessant: Coding-Agent-Setups, die echte Tokens damit verbrennen, Dateien erneut zu lesen, und stattdessen eine strukturierte Karte der Codebase wollen. Wann zu früh: wenn du eine stabile CLI-Oberfläche brauchst, Flags und Ausgabeformate ändern sich noch von Release zu Release.

agentacct (mikehasa/agentacct) - 753 Stars

Ein lokales Tool, das Session-Logs von Coding-Agents (Claude Code, Codex, OpenCode, Hermes) liest und daraus 'Arbeitsnachweise' macht: welche Tools liefen, welche Dateien sich änderten, welche Tests bestanden, wie lange es dauerte und was es kostete. Jede Behauptung bekommt eine Evidenz-Stufe (gemeldet, verifiziert, beobachtet), statt der eigenen Zusammenfassung eines Agents blind zu vertrauen, dazu ein Dashboard, eine Terminal-UI und eine lokale API, alles ohne Cloud-Sync oder Telemetrie.

Pros

• Evidenz-Stufen (gemeldet vs. verifiziert vs. beobachtet) statt die Selbstauskunft eines Agents für bare Münze zu nehmen
• Wirklich lokal: liest nur Session-Dateien auf der Platte, kein Account, kein Cloud-Sync, keine gespeicherten API-Keys
• Schnelle Release-Kadenz (0.11.2 zum Zeitpunkt dieses Checks) mit einem aktiven Kleinteam-Commit-Muster

Cons

• Multi-Agent-Support hängt davon ab, dass das Session-Log-Format jedes Agents stabil bleibt; die Hermes-/OpenCode-Abdeckung ist neuer und weniger erprobt als die Claude-Code-Integration
• MIT, voll OSI-open, aber noch 0.x (v0.11.2), das Schema der Arbeitsnachweis-Daten kann sich zwischen Releases noch ändern
• Kleine Maintainer-Basis (im Kern ein Hauptautor plus ein enger Mitstreiter), Bus-Factor-Risiko, falls die Entwicklung stockt

Lizenz: MIT. Wann interessant: alle, die mehrere Coding-Agents parallel nutzen und ein einziges, überprüfbares Protokoll wollen, was sie wirklich getan haben und was es gekostet hat. Wann zu früh: Teams, die heute schon ein stabiles, versioniertes Datenschema brauchen statt eines schnell bewegten 0.x-Tools.

Medien, Design und Video

PenEcho (penecho/PenEcho) - 2.4k Stars

PenEcho ist eine Canvas-App für räumliches Arbeiten mit KI: Handschrift, Gleichungen, Diagramme und interaktive HTML-Widgets auf einer Fläche kombinieren, während ein KI-Agent (der eingebaute eigene, oder Codex, Claude Code, Kimi CLI über MCP) dieselbe Fläche liest und bearbeitet. Ein lokaler Server oder eine Desktop-App betreibt die Canvas, professionelle Architektur-, Sequenz- und Workflow-Diagramme entstehen mit automatischem Layout, und handschriftliches Feedback fließt in die nächste Runde des Agents zurück.

Pros

• Echtes, poliertes Produkt: native Windows/macOS-Desktop-Builds, ein per npm installierbarer lokaler Server und ein stetiger Release-Rhythmus mit eigenem CHANGELOG
• MCP-Integration funktioniert in der Praxis zweiseitig: Der Agent liest die Canvas und bearbeitet Diagramme, du kommentierst von Hand, der Agent liest die Kommentare zurück, kein reiner Einbahn-Export
• AGPL-3.0 ist eine echte OSI-open-Copyleft-Lizenz, keine Source-available-Scheinoffenheit; der Renderer für professionelle Diagramme baut zudem nachvollziehbar auf einem MIT-lizenzierten Upstream (Archify) auf

Cons

• AGPL-3.0 plus eine separate kommerzielle Lizenz und eine verpflichtende Contributor License Agreement ist eine übliche Open-Core-Struktur, ehrlich benannt, bedeutet aber, dass die Firma Beiträge umlizenzieren und um die Netzwerk-Copyleft-Pflicht herum verkaufen kann
• Bringt kein eigenes Modell mit, die Ausgabequalität hängt vollständig vom angeschlossenen Provider ab (PenEcho-Cloud-Guthaben, eigener API-Key oder authentifizierte Codex-/Claude-/Kimi-CLI)
• Trotz 2.392 Stars und 314 Forks faktisch ein Zwei-Personen-Projekt (43 von 44 Commits vom Maintainer), die Modell-Empfehlungstabelle im README veraltet zudem schnell bei neuen Provider-Versionen

Lizenz: AGPL-3.0-only, eine echte OSI-open-Copyleft-Lizenz, kombiniert mit einer separaten kommerziellen Lizenz (COMMERCIAL-LICENSE.md) und einer verpflichtenden Contributor License Agreement: eine übliche Open-Core-Struktur, die man vor einem firmenweiten SaaS-Einsatz lesen sollte. Wann interessant: visuelle, räumliche Arbeit mit einem KI-Agent, Architektur- und Workflow-Diagramme, kommentierte Feedback-Schleifen, wo ein Chatfenster die falsche Oberfläche ist. Wann zu früh: Teams, die eine uneingeschränkte kommerzielle SaaS-Lizenz ohne AGPL-Pflichten brauchen, oder wer ein mitgeliefertes statt eines selbst mitgebrachten Modells will.

OpenChatCut (0xsline/OpenChatCut) - 2.0k Stars

Ein Desktop-Videoeditor (Electron, React 19, TypeScript, Vite), der eine Multitrack-Timeline mit KI-Agents koppelt, mit denen du sprichst: Der Agent bearbeitet echte Spuren, Clips, Übergänge und Untertitel, statt ein einmaliges, unveränderliches Video zu erzeugen. Er unterstützt transkriptgetriebenes Schneiden, KI-generierte Bilder/Videos/Sprache/Musik und stellt einen MCP-Server bereit, über den externe Coding-Agents (Codex, Claude Code) das Projekt direkt steuern können.

Pros

• Behält ein editierbares Projekt (echte Timeline, Clips, Übergänge) statt eines fertig gerenderten, unveränderlichen Videos, ein echter architektonischer Unterschied zu One-Shot-KI-Videotools
• Fertige Desktop-App mit signierten Installern für macOS, Windows und Linux, kein blosses Skript
• MCP-Server erlaubt Coding-Agents (Codex, Claude Code), Schnitte programmatisch zu steuern, zusätzlich zum eigenen konversationellen Agent

Cons

• AGPL-3.0: starkes Copyleft, ein gehosteter SaaS-Fork müsste in der Regel auch seinen Quellcode veröffentlichen, das solltest du vor einem kommerziellen Dienst darauf prüfen
• KI-Generierungsfeatures (Bilder, Sprache, Musik) hängen von externen Provider-API-Keys ab (OpenAI, Anthropic, Gemini, Fal.ai), keine vollständig lokale Pipeline
• Keine veröffentlichten Performance- oder Qualitäts-Benchmarks, die Behauptungen sind architektonisch, nicht gemessen

Lizenz: AGPL-3.0. Wann interessant: Teams, die KI-gestütztes Videoschneiden wollen, das Ergebnis aber ein voll editierbares Projekt bleiben soll, keine gerenderte Sackgasse. Wann zu früh: alle, die einen gehosteten Dienst darauf bauen wollen, wegen der AGPL-3.0-Copyleft-Bedingungen.

CozyClay (nomadamas/CozyClay) - 717 Stars

Ein browserbasiertes Previsualisierungs-Tool für Film und Animation: eine Szene in Echtzeit-3D blocken, Charaktere posieren, Kamerabewegungen auf einer Timeline schneiden, dann Keyframe-Pakete, Tiefe-/Normal-Passes, Storyboards oder OTIO-Cut-Listen exportieren, oder die Aufnahme direkt an ein KI-Videomodell (Seedance, Kling, Veo, MiniMax) übergeben. Es macht zudem Motion Capture aus Video/Fotos und stellt einen MCP-Server sowie ein CLI für agentengesteuerte Kontrolle bereit.

Pros

• Verbindet klassisches Previs (Blocking, Kamera, Cast-Posierung) mit KI-Videogenerierung, statt das eine durch das andere zu ersetzen
• Läuft über `npx cozyclay` mit einem vorgebauten dist, kein Build-Schritt zum Starten nötig
• MCP-Server und CLI (`cclay live`) erlauben agentengesteuerte Szenenkontrolle zusätzlich zum manuellen 3D-Editor

Cons

• Faktisch ein Ein-Personen-Projekt (fast alle Commits von einem Autor), Bus-Factor-Risiko
• Motion Capture und manche Pose-Generierungsfeatures hängen von GPU-basierten Brücken ab (Kimodo, GVHMR, NVIDIA ARDY), die nicht Teil der Kern-Browser-App sind
• AGPL-3.0-or-later: starkes Copyleft, relevant, wenn du einen gehosteten Dienst darauf baust

Lizenz: AGPL-3.0-or-later. Wann interessant: kleine Film-/Animationsteams, die einen kostenlosen, agentenfreundlichen Previs-Schritt vor der KI-Videogenerierung wollen. Wann zu früh: Produktionspipelines, die mehr als den Bus-Factor eines Maintainers brauchen, oder eine permissive Lizenz für ein gehostetes Produkt.

Frühere Ausgaben: Juni 2026 und Juli 2026. Das vollständige, filterbare Verzeichnis aller bisher verfolgten Repos findest du unter /de/open-source.