open-multi-agent
open-multi-agent
TypeScript-Framework, das ein Ziel zur Laufzeit in einen Task-DAG verwandelt und Multi-Agent-Läufe per einem Call parallelisiert.
Was ist open-multi-agent?
Ein TypeScript-Framework zur Multi-Agent-Orchestrierung: du gibst ein Ziel vor, ein Koordinator-Agent zerlegt es zur Laufzeit in einen Task-DAG, parallelisiert unabhängige Tasks und synthetisiert die Ergebnisse über einen einzigen runTeam()-Call. Es unterstützt Claude, GPT, Gemini, DeepSeek, lokale/Ollama-Modelle und MCP, mit Observability, Checkpoint/Resume und Kostenkontrolle.
Vor- & Nachteile
Pros
- Auf npm veröffentlichte MIT-Library mit Scaffolder und lauffähigen Beispielen, keine Landingpage
- Starke Docs (Provider, Tools, Observability, Checkpoint/Resume), abgesichert durch eine vitest-Suite
- Breite Modell-Abdeckung (Claude/GPT/Gemini/DeepSeek/Ollama/MCP) mit eingebauter Kosten- und Observability
Cons
- Ein ungewöhnlich hohes Fork-zu-Star-Verhältnis (~2.400 Forks) ist untypisch für eine Library und im Auge zu behalten
- Die genannten 'Production Users' sind kleine, unbekannte Projekte und unverifizierte Adoptions-Angaben
- Dünne Differenzierung in einem vollen Feld (LangGraph JS, Mastra, CrewAI); Auto-DAG ist der Haupt-Hook
Lizenz
MIT (OSI-open)
Wann interessant
ein TypeScript-Team will zielgetriebene, automatisch parallelisierte Multi-Agent-Läufe mit eingebauter Observability.
Wann zu früh
wenn du belegte, großskalige Produktionsreferenzen brauchst; die aktuellen Adoptions-Signale sind klein und unverifiziert.
Kommerzielle Alternative & Verwandtes
- Kommerzielles Pendant: LangGraph
Dieses Repo war in der Ausgabe 2026-07 des Open-Source-KI-Radars.
Nanobot
HKUDS
Leichtgewichtiger persönlicher KI-Agent für Tools, Chats und Workflows - eine Binary, Multi-Channel.
DeepTutor
HKUDS
Agent-nativer personalisierter Lernarbeitsbereich - Tutoring, Quizze, Recherche und RAG-Wissensbasen.
OpenFang
RightNow-AI
Open-Source Agent Operating System in Rust - autonome Fähigkeiten, 40 Kanäle, WASM-Sandbox.