So gründen Sie Ihr eigenes KI-Unternehmen mit OpenOPC

Normalerweise bleiben Experimente mit Multi-Agenten-Systemen an dem Punkt hängen, an dem drei LLMs in einer Schleife endlos höflich Fragen aneinander stellen und dabei Tokens verbrennen. Man bittet sie, eine Anwendung zu schreiben, und bekommt fünf Seiten gegenseitiger Entschuldigungen und keine einzige Zeile funktionierenden Code.

Kürzlich bin ich auf OpenOPC von Forschern der Hong Kong University (HKUDS) gestoßen. Sie haben beschlossen, die Agenten-Orchestrierung nicht als abstrakten Chat, sondern als echtes Unternehmen mit Organisationsstruktur, Rollen, einem Kanban-Board, Qualitätsprüfungen und der Einstellung von Mitarbeitern für bestimmte Aufgaben anzugehen.

Was sich die Entwickler ausgedacht haben

Die Autoren nennen das Konzept AI-Native Company. Anstatt dass ein einzelner Agent versucht, Architektur, Testschreiben und Frontend-Arbeit gleichzeitig zu bewältigen, stellt das Projekt ein Team zusammen, das auf die spezifische Aufgabenstellung zugeschnitten ist.

Die Arbeit basiert auf drei Mechanismen:

• Strukturzusammenstellung. Das System analysiert die Aufgabenstellung, baut die Organisationsstruktur auf und wählt die Agenten aus. Es verwendet vorgefertigte Talentvorlagen oder erstellt neue Profile mit sauberem Kontext.
• Aufgabenausführung. Aufgaben häufen sich nicht in einem Haufen—they durchlaufen eine Finite State Machine. Jedes Arbeitselement hat einen Eigentümer, eine aktuelle Spalte auf dem Board und einen Bereitschaftsstatus für die Ausführung.
• Erfahrungssammlung. Nach Abschluss eines Projekts bewertet das System den Beitrag bestimmter Rollen, nicht einen abstrakten Chat. Erfolgreiche Techniken und Lösungen werden im persönlichen Speicher der Rolle und in den gemeinsamen Anweisungen des Teams aufgezeichnet.

Als nettes Extra haben die Autoren eine Web-Oberfläche angebunden, die mit React und Phaser erstellt wurde, in der Agenten in einem Pixel-Büro an Schreibtischen sitzen, Aufgabenkarten untereinander weitergeben und sich zu Meetings in Anrufe einwählen.

Wie die Zusammenarbeit intern funktioniert

Das Hauptproblem bei komplexen Pipelines ist, dass Aufgaben selten von Anfang an perfekt geplant sind. Unterwegs tauchen garantiert Blocker, fehlender Kontext oder fehlgeschlagene Tests auf.

OpenOPC löst dies durch einen Abhängigkeitsgraphen (DAG) und Manager-Rollen. Der Manager nimmt die Aufgabenstellung, zerlegt sie und verteilt die Arbeit an die Ausführenden. Unabhängige Aufgaben laufen parallel, abhängige warten in der richtigen Reihenfolge.

Die Teaminteraktion folgt fünf grundlegenden Modi:

1. Direkte Ausführung einer Aufgabe durch den zugewiesenen Agenten.
2. Delegation einer Unteraufgabe an einen Untergebenen mit Kontextübertragung.
3. Überprüfung eines fertigen Ergebnisses, bevor es an die nächste Phase gesendet wird.
4. Integration fertiger Module in das Gesamtprojekt.
5. Zurück senden zur Überarbeitung mit spezifischem Feedback.

Wenn ein Agent auf ein Hindernis stößt, stürzt er nicht mit einem Fehler ab. Zuerst versucht das System, das Problem intern zu lösen: Es sendet eine Blockierungsnachricht an die Rolle, die für den entsprechenden Bereich verantwortlich ist. Wenn die Autorität der Agenten nicht ausreicht (zum Beispiel wenn ein gefährlicher Terminalbefehl bestätigt werden muss oder ein Dienst bezahlt werden muss), eskaliert die Runtime die Anfrage an einen Menschen.

Bestätigungsrichtlinien werden über die Sicherheitskonfiguration eingestellt. Einfache Lesebefehle werden sofort ausgeführt, Befehle mit mittlerem Risiko werden von einem separaten LLM bewertet, und destruktive Operationen wie rm -rf oder Force-Push warten immer auf einen Knopfdruck vom Benutzer.

Startmodi und Oberflächen

Das Projekt unterstützt zwei Hauptszenarien: Task Mode und Company Mode.

Task Mode ähnelt vertrauten Workspaces wie Cursor oder OpenCode. Es ist ein Single-Agent-Modus, in dem ein ausgewählter Agent ein bestimmtes fokussiertes Problem löst: Refactoring eines Moduls, Schreiben eines Skripts oder Informationsbeschaffung.

Company Mode startet ein vollständiges Team. Sie können entweder die integrierte OpenOPC Native Engine oder externe CLI-Agenten wie Claude Code, Cursor oder Codex anschließen. Rollen können verschiedene Backends verwenden: Der Architekt arbeitet mit einem Modell, der Entwickler schreibt Code über einen externen Terminal-Agenten, und der Reviewer prüft Code über eine dritte Kombination.

Sie können mit all dem sowohl über das Terminal als auch über das Browser-Dashboard arbeiten.

In der Web-Oberfläche finden Sie:

• Ein Kanban-Board, das die echten Aufgabenstati aus der Runtime widerspiegelt.
• Ein Kommunikationspanel mit Protokollen der Nachrichten zwischen Agenten und Aufzeichnungen ihrer internen Diskussionen.
• Ein Organisationsstruktur-Editor, in dem Sie Berichtslinien ändern und neue Spezialisten einstellen können.
• Ein Pixel-Büro, in dem Sie sehen können, wer gerade an welcher Art von Aufgabe arbeitet.

Schnellstart

Für das Deployment des Projekts empfehlen die Ersteller den Package Manager uv. Sie benötigen Python 3.10 oder neuer und Node.js ab Version 18, wenn Sie das Frontend neu erstellen möchten.

Richten Sie zuerst eine virtuelle Umgebung ein:

# Клонируем проект и переходим в папку
cd OpenOPC

# Создаем окружение с Python 3.12
uv python install 3.12
uv venv --python 3.12
source .venv/bin/activate

# Устанавливаем зависимости
uv pip install -e .

# Опционально ставим Chromium для браузерных инструментов
uv run python -m playwright install chromium

Initialisieren Sie dann lokale Konfigurationen und Speicherordner:

uv run opc init

Der Befehl erstellt das Verzeichnis .opc/config/. Öffnen Sie .opc/config/llm_config.yaml und fügen Sie Ihren API-Schlüssel hinzu. Die Engine funktioniert mit allen Endpoints, die mit LiteLLM und OpenRouter kompatibel sind.

llm:
  default_model: "openai/gpt-4o"
  api_base: "https://openrouter.ai/api/v1"
  api_key: "sk-or-v1-..."
  max_tokens: 16384

Jetzt können Sie die Web-Oberfläche starten:

uv run opc ui

Das Panel öffnet sich unter http://localhost:8765.

Wenn Sie es vorziehen, direkt von der Konsole aus zu arbeiten, bietet das Tool einen praktischen interaktiven Chat und unterstützt die Ausführung einzelner Aufgaben:

# Запуск интерактивного чата
uv run opc chat -p my_project

# Одиночная задача в Task Mode
uv run opc chat -p my_project --mode task --agent native "Проанализируй структуру проекта и составь список зависимостей"

# Запуск задачи в режиме компании
uv run opc chat -p my_project --mode company --company-profile corporate "Спроектируй и реализуй базовый REST API для сервиса заметок"

Wo das in der Praxis angewendet wird

Das Repository enthält Anwendungsbeispiele für eine breite Palette von Richtungen: von Investitionsberichten über Video-Skript-Szenarien bis hin zu Spiel-Prototypen.

Im täglichen Entwicklungsalltag eignet sich OpenOPC hervorragend für End-to-End-Pipelines. Zum Beispiel, wenn Sie nicht nur eine Funktion schreiben müssen, sondern eine Drittanbieter-API recherchieren, ein Architekturdokument vorbereiten, Code schreiben, Tests durch Playwright ausführen und alles in einen sauberen Pull-Request mit Dokumentation verpacken müssen.

Ein weiteres Szenario betrifft die Messenger-Integration. OpenOPC kann sich mit Telegram, Discord, Slack, Feishu und anderen Corporate-Chat-Kanälen verbinden. Sie können einen Bot für einen eingehenden Aufgabenstream einrichten, und er wird basierend auf Nachrichten aus dem Chat ein Team von Agenten starten.

Zusammenfassung

OpenOPC hinterlässt einen angenehmen Eindruck mit seinem strukturierten Ansatz. Die Autoren versuchen nicht, ein Märchen über einen allmächtigen einzelnen Prompt zu verkaufen – sie bauen ein vorhersehbares Engineering-System mit klarer Aufgabentrennung, Zustandspersistenz auf Disk und Kontrolle über gefährliche Aktionen.

Das Projekt lohnt sich auszuprobieren, wenn:

• Sie sich eingeengt fühlen in einem einzelnen Chat mit Claude oder Cursor, wenn ein Projekt mehrere verschiedene Kompetenzen erfordert.
• Sie mit Multi-Agenten-Systemen experimentieren möchten, die echtes Aufgabenmanagement und DAG haben, anstatt chaotischer Nachrichtenaustausche.
• Sie ein lokales Framework für die Automatisierung routinemäßiger Recherche- oder Engineering-Prozesse mit klarer visueller Kontrolle benötigen.

Der beste Weg zu starten ist, die lokale UI über uv auszuführen und einfache Aufgaben im Single-Agent-Modus zu bearbeiten, um schrittweise zum Aufbau eigener Teams im Company Mode überzugehen. Es ist auch nützlich, den Ordner .opc/config/ zu überprüfen, um Auto-Bestätigungsstufen für Ihre Maschine zu konfigurieren.