OpenMolt

Was ist OpenMolt?

OpenMolt ist ein programmgesteuertes Node.js-System zum Erstellen von KI-Agents, die mit deinem Codebase denken, planen und handeln können. Statt der Agentenlogik in einer separaten Produkt-UI auszuführen, definierst du Agents, verbindest Tools und Integrationen und steuerst das Agentenverhalten direkt aus dem Anwendungs-Code.

Der Kernzweck ist es, dir beim Aufbau produktionsreifer Agenten-Workflows zu helfen – tool-verwendend, strukturiert-ausgebend und zustandsbehaftet –, während API-Credentials auf deinem Server bleiben.

Wichtige Features

• Programmgesteuerte Agentenerstellung für Node.js: Erstelle Agents aus deinem Code mit einer JavaScript/TypeScript-freundlichen API.
• Multi-Provider-LLM-Unterstützung via einheitlicher Model-Strings: Verwende ein konsistentes Modellformat, um zwischen Providern wie OpenAI GPT-4o, Anthropic Claude und Google Gemini zu wechseln.
• Sicherheitsmodell mit scope-basierten Berechtigungen: Credentials werden serverseitig gespeichert; Tool-Aufrufe werden in HTTP-Requests umgewandelt, sodass das LLM Tool-Ergebnisse erhält und keine rohen API-Keys oder Tokens.
• Deklarative Tools und Integrationen: Definiere Tools als Daten (Endpoint, Auth-Template und Schemas), um Boilerplate-HTTP-Code zu vermeiden.
• Strukturierte Ausgabe mit Zod-Schemas: Stelle ein Zod-Schema bereit und erhalte ein validiertes, typisiertes Objekt statt manuellem Parsen von LLM-Antworten.
• Scheduling und cron-ähnliche Automatisierung: Führe Agents in Intervall-Schedules oder cron-ähnlichen täglichen Zeitplänen mit Zeitzonenunterstützung aus.
• Event-getriebene Einblicke in die Reasoning-Schleife: Hake dich in Schleifenschritte ein, um Tool-Aufrufe, Plan-Updates, LLM-Ausgaben und finale Ergebnisse zu beobachten.
• Persistente Memory mit Callbacks: Halte langfristige und kurzfristige Memory-Stores aufrecht und nutze onUpdate-Callbacks, um Memory extern zu persistieren; Agents können Memory während des Laufs aktualisieren.

So nutzt du OpenMolt

1. Installiere das Paket in deinem Node.js-Projekt.
2. Initialisiere OpenMolt mit der Konfiguration deines gewählten LLM-Providers (z. B. setze den OpenAI-API-Key via Umgebungsvariable).
3. Erstelle einen Agenten mit Name, Modell-Identifier (im einheitlichen Model-String-Format) und Anweisungen.
4. Führe den Agenten mit einem User-Prompt aus deinem Anwendungs-Code aus.

Beispiel-Flow auf der Site:

• Install: npm install openmolt
• Erstelle und führe einen Agenten aus: instanziiere OpenMolt, rufe createAgent(...) auf, dann agent.run('...') und logge das Ergebnis.

Anwendungsfälle

• Tägliche Reporting-Automatisierung: Plane einen Agenten, der morgens Metriken (z. B. von Stripe) zieht, eine Zusammenfassung generiert und den Report in einen Slack-Kanal postet.
• Multi-Step-Content-Pipelines: Nutze einen Agenten, um Inhalte basierend auf einer Strategiebeschreibung zu schreiben, zugehörige Assets zu generieren und Ausgaben als Teil eines End-to-End-Workflows auf Disk zu speichern.
• E-Mail-Entwurfs mit Human Review: Entwerfe Antworten auf eingehende Gmail-Nachrichten basierend auf Vorgaben, während Review und Versand in Gmail bleiben.
• Developer-Workflow-Automatisierung: Löse GitHub-bezogene Tasks aus, wie Issue-Triaging, Label-Anwendung, Posten von Release-Notes zu Slack und Generieren von Changelogs als Teil von CI/CD.
• Commerce-Operations und Reporting: Überwache Shopify-Bestellungen, aktualisiere Records in Airtable, sende Benachrichtigungen via Twilio und publiziere tägliche Umsatz-Zusammenfassungen auf ein Notion-Dashboard.

FAQ

Was meint OpenMolt mit „programmgesteuerten KI-Agents“?

OpenMolt ist so konzipiert, dass du Agents, Tools und Workflows aus deiner Node.js/TypeScript-Codebase definierst – statt Agents über eine separate UI zu konfigurieren und auszuführen.

Kann ich mehrere LLM-Provider mit demselben Agenten-Code nutzen?

Die Dokumentation besagt, dass OpenMolt mehrere LLM-Provider (inkl. OpenAI, Anthropic Claude und Google Gemini) mit einem einheitlichen Model-String-Format unterstützt, sodass du Provider wechseln kannst, ohne deinen Code zu ändern.

Wie handhabt OpenMolt API-Keys und Agentenzugriff auf Tools?

OpenMolt verwendet ein scope-basiertes Berechtigungsmodell: Credentials werden serverseitig gespeichert und via Liquid-Templates in HTTP-Requests eingefügt. Das LLM erhält Tool-Ergebnisse (Tool-Outputs) statt roher API-Keys oder Tokens.

Welche Ausgaben kann mein Agent zurückgeben?

OpenMolt unterstützt strukturierte Ausgabe mit Zod-Schemas; du kannst ein Schema bereitstellen und erhältst ein validiertes, typisiertes Objekt.

Unterstützt OpenMolt wiederkehrende Läufe und Automatisierung?

Ja. Es unterstützt Scheduling mit intervallbasierten Läufen und cron-ähnlichen täglichen Zeitplänen inkl. Zeitzonenunterstützung.

Alternativen

• Low-Code-Agent-Workflow-Plattformen: Tools mit visuellen Buildern zur Integration von LLMs, Prompts und Aktionen. Sie eignen sich schneller zum Prototyping, verlagern die Konfiguration aber meist aus deinem App-Code heraus.
• Allgemeine Workflow-/Orchestrierungstools mit LLM-Aufrufen: Alternativen, die sich auf Workflows konzentrieren (Schritte, Scheduling, Retries), während du LLM-/Tool-Aufrufe selbst implementierst. Im Vergleich zu OpenMolt brauchst du oft mehr Klebercode für strukturierte Ausgaben, Tool-Definitionen und Memory-Muster.
• Open-Source-Agent-Frameworks in anderen Ökosystemen: Agent-Bibliotheken in Python oder anderen Sprachen mit ähnlichen Konzepten (Tools, Memory, strukturierte Ausgaben). Unterschiede ergeben sich meist aus Sprache/Runtime-Integration (Node.js vs. andere Stacks) sowie dem Umfang integrierter Features und Security-Muster.
• Eigenständige Tool-Calling-Services: Eigene Agent-Runner und Tool-Registries bieten maximale Kontrolle, erfordern aber meist mehr Engineering-Aufwand für Scheduling, Validierung strukturierter Ausgaben und persistente Memory-Speicherung.