PenEcho

Manche Ideen sind räumlich, bevor sie sprachlich sind, eine Architektur, ein Workflow, eine handschriftliche Gleichung, und sie durch ein Chatfenster zu zwingen, verliert genau das. PenEcho von Eric Kong, erstmals Mitte 2026 veröffentlicht, ist eine Canvas-App, die genau auf dieser Beobachtung aufbaut: Handschrift, Diagramme und interaktive Widgets zeichnen, kommentieren und anordnen, während ein KI-Agent (der eingebaute eigene, oder Codex, Claude Code oder Kimi CLI über MCP verbunden) dieselbe Fläche liest und bearbeitet. Der Anspruch ist ausdrücklich eine räumliche Erweiterung einer bestehenden KI-Konversation, kein Ersatz dafür.

Ein lokaler Server (Desktop-App oder npm install -g penecho) betreibt die Canvas auf localhost:3888, und MCP verbindet sie in beide Richtungen: Dein Agent kann festhalten, was auf der Canvas steht, und Erklärungen in Architektur-, Sequenz- oder Workflow-Diagramme mit automatischem Layout verwandeln, und du kannst das Ergebnis von Hand kommentieren, damit der Agent es in der nächsten Runde liest. PenEcho bringt kein eigenes Modell mit, du verbindest deinen eigenen OpenAI- oder Anthropic-kompatiblen API-Key, eine authentifizierte Codex-, Claude- oder Kimi-CLI, oder die gehosteten Modelle von PenEcho Cloud auf Guthaben-Basis, und Cloud-MCP erweitert dieselbe Schleife auf Canvases, die du nicht für lokalen Zugriff freigegeben hast.

Es passt zu Arbeit, die wirklich räumlich ist: ein Systemdesign erklären und ein geroutetes Architekturdiagramm zurückbekommen, einen Migrationsplan skizzieren und ihn visuell iterieren, oder Mathematik und Diagramme durcharbeiten, die ein Chat-Transkript schlecht darstellt. Weil die Feedbackschleife über die Canvas läuft statt über Prosa, richtet es sich an Menschen, die eher zeichnend und markierend denken als beschreibend, und die zweiseitige MCP-Verbindung (Agent bearbeitet, du kommentierst, Agent liest die Kommentare) ist das Feature, das diese Schleife tatsächlich funktionieren lässt, statt nur ein Einbahn-Export zu sein.

AGPL-3.0 ist echtes OSI-open, kommt aber zusammen mit einer separaten kommerziellen Lizenz und einer verpflichtenden Contributor License Agreement, eine übliche Open-Core-Struktur, und eine ehrliche, aber sie bedeutet, dass Beiträge umlizenziert werden können und die Firma um die Netzwerk-Copyleft-Pflicht der AGPL herum verkaufen kann, also vor der Annahme uneingeschränkter SaaS-Nutzung COMMERCIAL-LICENSE.md prüfen. Trotz 2.392 Stars und 314 Forks wird das Projekt faktisch von einer Person gepflegt (43 von 44 Commits), und weil es kein eigenes Modell mitbringt, hängt die Ausgabequalität vollständig vom angeschlossenen Provider ab; die eigene Modell-Empfehlungstabelle im README ist bereits eine Momentaufnahme, die schnell veraltet, sobald Provider neue Versionen ausliefern.

PenEcho ist einen Versuch wert, wenn visuelle, räumliche Zusammenarbeit mit einem KI-Agent, Diagramme, Handschrift, iteratives kommentiertes Feedback, eine echte Lücke in deinem bisher reinen Chat-Workflow ist, und native Desktop-Builds plus ein echter Release-Rhythmus deuten darauf hin, dass es mehr als eine Demo ist. Die Open-Core-Lizenzstruktur und die Solo-Maintainer-Realität sind die zwei Dinge, die du einkalkulieren solltest, bevor du dich über den persönlichen Gebrauch hinaus darauf verlässt: Lies die Bedingungen der kommerziellen Lizenz, falls das Richtung Firmen-SaaS-Deployment geht, und behandle die Modellqualität als das, was du selbst mitbringst, nicht als etwas, das PenEcho garantiert.