Die besten Open-Source-Frameworks für KI-Agenten 2026

Open-Source-Frameworks für KI-Agenten: Von 52 getesteten Angeboten liegen derzeit LangGraph, Browser Use und Pydantic AI vorn. Alle sind nach unserer Bewertung sortiert, mit Preis, unserem Fazit und für wen sie sich eignen.

Von Sheela · Aktualisiert am 3. Nov. 2026 · So testen wir

So ist das Ranking entstanden: nach unserer Bewertung (maximal 5 Punkte), aus Tests auf Grundlage der Preise, Dokumentation und Richtlinien des jeweiligen Produkts sowie unabhängiger Benchmarks, wo es sie gibt, jeweils geprüft an dem im Test genannten Datum. Wir erhalten keine Affiliate-Provisionen.

1
LangGraph
Ausdrückliche Kontrolle über jeden Schritt eines Agenten, bezahlt mit Code und Lernzeit, und das lohnt sich, sobald ein Agent Neustarts überstehen und auf einen Menschen warten muss.
Am besten für: Engineering-Teams, die lang laufende oder mehrstufige Agenten bauen, die zuverlässig und prüfbar sein müssen.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. LangSmith (Tracing und Deployment) ist separat: Developer kostenlos für einen Platz, Plus 39 $/Platz/Monat plus Rechenleistung, Enterprise nach Vereinbarung.
Unseren Test von LangGraph lesen
4.6/5
2
Browser Use
Browser Use ist eine solide Basis für Agenten, die Websites ohne API bedienen müssen, sofern jemand die Telemetrie abschaltet, bevor sie Kundendaten zu sehen bekommt.
Am besten für: Engineering-Teams, die Agenten bauen, die Websites ohne API bedienen müssen.
Preis: Bibliothek kostenlos unter MIT. Cloud wird nach Verbrauch abgerechnet: Browser 0,02 $ pro Stunde, Residential Proxy 5 $/GB, Modell BU2 0,60 $/3,50 $ pro Million Input-/Output-Tokens, gehostete Agenten zum Modellpreis plus 20%.
Unseren Test von Browser Use lesen
4.5/5
3
Pydantic AI
Pydantic AI bringt die Disziplin von typisiertem Python zu Agenten, um den Preis eines Release-Takts, bei dem du Versionen festlegen musst.
Am besten für: Python-Engineers, die Agenten für die Produktion bauen und starke Typisierung, Testbarkeit und die Freiheit zum Modellwechsel wollen.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. Observability mit Logfire: Personal kostenlos bis 10 Mio. Records/Monat, Team 49 $/Monat plus 2 $ pro weitere Million Records. Das Pydantic AI Gateway schlägt bei eingebauten Anbietern 5% auf.
Unseren Test von Pydantic AI lesen
4.5/5
4
Mastra
Das vollständigste Agenten-Toolkit für TypeScript, veröffentlicht in einem Tempo, das Teams belohnt, die Versionen festschreiben und Changelogs lesen.
Am besten für: TypeScript- und Next.js-Teams, die Agenten und KI-Workflows bauen.
Preis: Der Kern ist kostenlos unter Apache 2.0; Code in ee/-Ordnern braucht im Produktivbetrieb eine Mastra-Enterprise-Lizenz. Gehostete Plattform von Mastra: Starter 0 $, Teams 250 $/Monat, Enterprise nach Vereinbarung; selbst gehostetes Enterprise kostet eine jährliche Pauschale.
Unseren Test von Mastra lesen
4.4/5
5
MCP Python SDK
Der spezifikationsnahe Weg, MCP in Python zu bauen; Version 2 ist sauberer und bricht dabei jeden Import aus v1.
Am besten für: Python-Entwickler, die MCP-Server oder -Clients bauen und die offizielle Implementierung wollen, die der Spezifikation folgt.
Preis: Kostenlos und Open Source unter der MIT-Lizenz.
Unseren Test von MCP Python SDK lesen
4.4/5
6
OpenAI Agents SDK
Ein kleines, gut lesbares Agenten-SDK, dessen Voreinstellungen stillschweigend OpenAI voraussetzen: Das Tracing schickt deine Läufe an dessen Dashboard, und die lokale Sandbox vertraut deinem Rechner.
Am besten für: Entwickler, die Agenten vor allem auf OpenAI-Modellen bauen und ein minimales, gut dokumentiertes SDK wollen.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. Bezahlt wird die Modellnutzung.
Unseren Test von OpenAI Agents SDK lesen
4.4/5
7
Hermes Agent
Hermes ist der Open-Source-Agent, den du auf einen Server für 5 $ stellst, wenn du einen willst, der sich an dich erinnert, mit einem Sicherheitsmodell, das du lesen solltest, bevor du den YOLO-Modus einschaltest.
Am besten für: Entwickler und kleine Teams, die einen selbst gehosteten Assistenten wollen, der geplante Aufgaben ausführt und in ihren Chat-Apps antwortet.
Preis: Kostenlos unter der MIT-Lizenz; du zahlst für Modelle und Hosting. Optionales Nous Portal: Free, Plus 20 $/Monat, Super 100 $/Monat, Ultra 200 $/Monat.
Unseren Test von Hermes Agent lesen
4.3/5
8
OpenClaw
OpenClaw ist der persönliche Agent, an dem alle anderen gemessen werden, und er übergibt standardmäßig deine Shell an ein Modell, er belohnt also Besitzer, die zuerst den Sicherheitsleitfaden lesen.
Am besten für: Technisch versierte Nutzer und kleine Teams, die einen Assistenten über alle Chat-Apps und Geräte hinweg wollen und ihn mit Sandboxing und aktuellen Patches betreiben.
Preis: Kostenlos und Open Source (MIT). Keine bezahlte Stufe; du bezahlst deinen Modellanbieter.
Unseren Test von OpenClaw lesen
4.3/5
9
Stagehand
Stagehand passt zu Engineers, die Zeile für Zeile entscheiden wollen, wie viel eines Browser-Skripts ein Modell steuert, und es belohnt still und leise, dieses Skript auf Browserbase laufen zu lassen.
Am besten für: Engineering-Teams, die KI-Hilfe für die brüchigen Teile der Browser-Automatisierung wollen und den Rest als gewöhnlichen, testbaren Code behalten.
Preis: SDK kostenlos unter MIT. Browser von Browserbase: Free 1 Stunde; Developer 20 $ im Monat (100 Stunden, danach 0,12 $ pro Stunde); Startup 99 $ im Monat (500 Stunden, danach 0,10 $ pro Stunde); Scale individuell. Das Model Gateway wird zu den Preisen der Anbieter abgerechnet.
Unseren Test von Stagehand lesen
4.3/5
10
DeerFlow
Ein ernsthafter Agenten-Server von ByteDance mit allem Nötigen an Bord, der inzwischen weit mehr kann als Recherche, sofern du ihn als den Code ausführenden Dienst behandelst, der er ist.
Am besten für: Teams, die einen selbst gehosteten, lang laufenden Agenten-Dienst für Recherche, Berichte und Code-Aufträge wollen und ihn hinter ordentlichen Netzwerkkontrollen betreiben können.
Preis: Kostenlos und Open Source (MIT); du zahlst die Modell-API und den Server, auf dem es läuft.
Unseren Test von DeerFlow lesen
4.2/5
11
Google Agent Development Kit (ADK)
Ein ernsthaftes, schnell weiterentwickeltes Agenten-Framework, dessen kürzester Weg immer zu Gemini und Google Cloud führt, was entweder der Sinn der Sache ist oder der Haken.
Am besten für: Teams, die Agenten auf Gemini bauen oder auf Google Cloud ausrollen.
Preis: Kostenlos und Open Source unter der Apache-2.0-Lizenz. Du zahlst für die Modelle und Google-Cloud-Dienste, die du nutzt.
Unseren Test von Google Agent Development Kit (ADK) lesen
4.2/5
12
LangChain
Immer noch die breiteste Integrationsbibliothek für LLM-Apps, seit 1.0 deutlich aufgeräumter und nicht mehr die automatische Standardwahl, die sie einmal war.
Am besten für: Teams, die Agenten mit vielen Anbieter- und Datenintegrationen bauen und später zu eigenen LangGraph-Workflows wachsen könnten.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. LangSmith ist separat: Developer kostenlos für einen Platz, Plus 39 $/Platz/Monat, Enterprise nach Vereinbarung.
Unseren Test von LangChain lesen
4.2/5
13
Lightpanda
Die Speicherrechnung von Headless Chrome für Agenten und Crawler um eine Größenordnung gesenkt, solange die Seiten, die du brauchst, in dem liegen, was eine junge Engine unterstützt.
Am besten für: Teams, die viele gleichzeitige Scraping- oder Browsing-Agenten betreiben, für den Speicher von Headless Chrome bezahlen und für einzelne Seiten auf Chrome ausweichen können.
Preis: Kostenlos und Open Source (AGPL-3.0). Gehostete Cloud: Explorer kostenlos (10 Browserstunden, 5 gleichzeitige Sitzungen); Builder 19 $/Monat (300 Stunden, danach 0,08 $/Stunde, 30 gleichzeitig); Enterprise auf Anfrage.
Unseren Test von Lightpanda lesen
4.2/5
14
Microsoft Agent Framework
Die naheliegende Heimat für .NET- und Azure-Teams, die Agenten bauen, und eine fähige, aber weniger erprobte Wahl für Python-Teams anderswo.
Am besten für: .NET- und Azure-Teams sowie alle, die von AutoGen oder Semantic Kernel migrieren.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. Du bezahlst nur die Modelle und Azure-Dienste, die du nutzt.
Unseren Test von Microsoft Agent Framework lesen
4.2/5
15
Skybridge
Das Framework, mit dem man heute eine MCP App beginnen sollte, sofern es dich nicht stört, dass sein Hersteller auch das Hosting verkauft, zu dem es dich lenkt.
Am besten für: TypeScript-Teams, die interaktive Apps für ChatGPT und Claude bauen und Typen sowie eine schnelle lokale Schleife statt der rohen SDKs wollen.
Preis: Framework kostenlos unter der MIT-Lizenz. Optionales Hosting bei Alpic: Free mit 10.000 Anfragen im Monat, Pro 50 $/Monat mit 200.000 Anfragen, Enterprise nach Vereinbarung.
Unseren Test von Skybridge lesen
4.2/5
16
Skyvern
Skyvern ist der offene Browser-Agent, der am deutlichsten für Formulararbeit im Backoffice gebaut ist, auch wenn seine Lizenz und seine Anti-Bot-Schicht, die es nur in der Cloud gibt, ernsthafte Nutzer zum Bezahlen drängen.
Am besten für: Operations- und RPA-Teams, die Formulare, Logins und Downloads auf vielen Websites ohne API automatisieren.
Preis: Selbst gehosteter Code kostenlos unter AGPL-3.0. Skyvern Cloud: Free 0 $ (5.000 Credits, etwa 170 Aktionen); Hobby 29 $ im Monat (30.000 Credits, etwa 1.200 Aktionen); Pro 149 $ im Monat (150.000 Credits, etwa 6.200 Aktionen); Enterprise individuell.
Unseren Test von Skyvern lesen
4.2/5
17
Agno
Agno macht aus einem Python-Agenten mit sehr wenig Klebecode eine bereitgestellte API, aber diese API wird mit abgeschalteter Authentifizierung ausgeliefert.
Am besten für: Python-Teams, die Produktionsagenten mit möglichst wenig Infrastrukturarbeit auf eigener Infrastruktur betreiben wollen.
Preis: Framework und AgentOS kostenlos unter Apache 2.0. Control Plane: kostenlos gegen ein lokales AgentOS; Pro 150 $/Monat (eine Live-Verbindung, drei Plätze, zusätzliche Plätze 30 $, SAML SSO 300 $); Enterprise nach Vereinbarung.
Unseren Test von Agno lesen
4.1/5
18
ARTEMIS
ARTEMIS ist der kostenlose Weg, einen Coding-Agenten ein echtes Android-Handy bedienen zu lassen, solange du es als Erkunder behandelst und nicht als deine Regressionstest-Suite.
Am besten für: Android-Teams, die ihren Coding-Agenten Fehler nachstellen und neue Builds auf einem echten Gerät erkunden lassen wollen, bevor jemand den Regressionstest schreibt.
Preis: Kostenlos unter Apache-2.0. Du zahlst die Aufrufe des Bild-Sprach-Modells (Gemini, OpenAI, Anthropic, OpenRouter oder xAI), die dein Anbieter pro Schritt abrechnet, plus optional einen Google-Cloud-Vision-OCR-Schlüssel.
Unseren Test von ARTEMIS lesen
4.1/5
19
CrewAI
Schnell zu einer funktionierenden Multi-Agenten-Demo und umso schwerer zu steuern, je weiter es sich davon entfernt, daher schreiben Produktionsteams am Ende Flows statt Crews.
Am besten für: Python-Entwickler, die schnell einen Multi-Agenten-Workflow zum Laufen bringen wollen und weniger Kontrolle auf niedriger Ebene akzeptieren können.
Preis: Kostenlos und Open Source unter der MIT-Lizenz. CrewAI AMP: Basic kostenlos mit 50 Workflow-Ausführungen im Monat; Enterprise (mehr Ausführungen, SSO, RBAC, Deployment in VPC oder on-prem) auf Anfrage.
Unseren Test von CrewAI lesen
4.1/5
20
GPT Researcher
Der offene Deep-Research-Agent mit der längsten Erfolgsbilanz, günstig pro Bericht und leicht einzubetten, wenn du akzeptierst, dass sein Standard-Stack auf zwei kostenpflichtigen APIs läuft.
Am besten für: Entwickler, die Recherche oder Berichtserstellung in ihr eigenes Produkt einbauen, und Analysten, die Deep Research über ihre eigenen Dokumente mit einem Modell ihrer Wahl wollen.
Preis: Kostenlos und Open Source (Apache-2.0 auf GitHub). Du bezahlst die LLM- und Such-APIs, die es aufruft.
Unseren Test von GPT Researcher lesen
4.1/5
21
ShinkaEvolve
Wer ein Programm und eine Kennzahl hat, die steigen soll, findet hier die offene Alternative zu AlphaEvolve, mit der man anfangen sollte, sofern der von ihr geschriebene Code in einer Sandbox läuft.
Am besten für: Forschende und Performance-Engineers, die ein bewertetes Programm haben, etwa eine Heuristik, einen Kernel oder einen Solver, und mit einem festen Budget von LLMs nach besseren Versionen suchen lassen wollen.
Preis: Kostenlos unter Apache 2.0. Du bezahlst die LLM-Aufrufe (oder ein Claude- oder ChatGPT-Abo über Headless) und die Rechenleistung, auf der dein Evaluator läuft.
Unseren Test von ShinkaEvolve lesen
4.1/5
22
Agent Zero
Dem Agenten einen eigenen Linux-Desktop zu geben, ist eine wirklich andere Idee, und Agent Zero setzt sie gut um, solange du den Container selbst absicherst.
Am besten für: Einzelne Anwender und kleine Beratungen, die einen Allzweck-Agenten wollen, der unter ihrer Aufsicht einen echten Desktop, Browser und Office-Dateien nutzen kann.
Preis: Kostenlos und Open Source (MIT); du zahlst den Modellanbieter und den Ort, an dem Docker läuft.
Unseren Test von Agent Zero lesen
4.0/5
23
nanobot
nanobot ist der persönliche Agent der Wahl, wenn du den Code lesen willst, dem du vertraust: kleiner und leichter nachzuvollziehen als OpenClaw, mit einer jüngeren und holprigeren Sicherheitsbilanz.
Am besten für: Python-Entwickler, die einen selbst gehosteten persönlichen oder Team-Agenten wollen, den sie lesen, erweitern und aus eigenem Code aufrufen können.
Preis: Kostenlos und Open Source (MIT). Du zahlst deinen Modellanbieter oder betreibst ein lokales Modell.
Unseren Test von nanobot lesen
4.0/5
24
TradingAgents
TradingAgents ist das Referenzdesign für Multi-Agent-Aktienanalyse, und seine jüngste Arbeit gegen Look-ahead-Bias macht es zu einem der wenigen, die du backtesten kannst, ohne dich selbst zu täuschen.
Am besten für: Forschende und technisch versierte Anleger, die eine gut dokumentierte Multi-Agent-Basis für Entscheidungen zu Einzelaktien und einen fairen Weg zum Backtesten wollen.
Preis: Kostenlos und Open Source (Apache-2.0). Du zahlst deinen LLM-Anbieter oder nutzt einen ChatGPT-Plus- oder Pro-Tarif; Daten von FRED und SEC EDGAR sind kostenlos, Alpha Vantage ist optional.
Unseren Test von TradingAgents lesen
4.0/5
25
OpenWorker
OpenWorker setzt Freigabeschranken und Audit-Trail dorthin, wo sie hingehören, in die Architektur, ist aber eine drei Monate alte Beta, deren Roadmap von einer internen Liste bestimmt wird statt von ihren Mitwirkenden.
Am besten für: Sicherheitsingenieure und einzelne Wissensarbeiter, die einen lokalen Agenten wollen, der fragt, bevor er handelt, und festhält, wer was freigegeben hat.
Preis: Kostenlos und Open Source (MIT). Kein bezahlter Plan; du bezahlst deinen Modellanbieter oder mit einem lokalen Modell nichts. Ein optionales kostenloses Konto vermittelt OAuth für Connectoren.
Unseren Test von OpenWorker lesen
3.9/5
26
The AI Scientist (v1, v2 and v3)
Das Referenzprojekt für automatisierte ML-Forschung und inzwischen ein brauchbares Gerüst für Coding-Agenten, aber seine Paper brauchen weiterhin einen Menschen, der Fehler findet, und jeder Lauf führt Code aus, den ein LLM geschrieben hat.
Am besten für: ML-Forschungsgruppen, die automatisiertes Experimentieren untersuchen oder nutzen, Agentenläufe in einer Sandbox isolieren können und jedes Ergebnis vor der Veröffentlichung prüfen.
Preis: Kostenlos. v1 und v2 unter der AI Scientist Source Code License 1.0 (Nutzungsbeschränkungen und Pflicht zur Offenlegung von KI); v3 unter Apache 2.0. Du zahlst für LLM-API-Aufrufe oder Abos und GPUs.
Unseren Test von The AI Scientist (v1, v2 and v3) lesen
3.9/5
27
Vibe-Trading
Vibe-Trading packt das Backtesting und die Daten-Infrastruktur eines Quant-Desks hinter ein Chatfenster, und sein ungewöhnlich sorgfältiges Changelog ist der beste Grund, ihm mehr zu trauen als dem durchschnittlichen Trading-Bot.
Am besten für: Privatanleger mit Quant-Ambitionen und Finanzforschende, die Strategieideen in natürlicher Sprache testen und prüfen wollen, wie jedes Ergebnis zustande kam.
Preis: Kostenlos und Open Source (MIT). Du zahlst deinen LLM-Anbieter; Marktdaten sind standardmäßig kostenlos, optional gibt es kostenpflichtige Quellen (QVeris, Finnhub, Tiingo und andere) mit eigenen Schlüsseln.
Unseren Test von Vibe-Trading lesen
3.9/5
28
BAML
BAML macht LLM-Ausgaben verlässlich typisiert, aber heute wählst du zwischen einer Legacy-DSL und einer neuen Sprache, die noch alle paar Wochen bricht.
Am besten für: Teams, die in großem Umfang typisierte Daten aus LLMs extrahieren, oft mit günstigeren Modellen, und einen Codegenerierungsschritt sowie eine schnell wechselnde Toolchain in Kauf nehmen.
Preis: Kostenlos und Open Source unter Apache-2.0; die Toolchain läuft lokal ohne Konto. BAML Cloud (gehostete Observability und Team-Steuerung) ist angekündigt, Preise sind nicht veröffentlicht.
Unseren Test von BAML lesen
3.8/5
29
CLI-Anything
Eine richtige Idee, dass Agenten über eine Kommandozeile besser arbeiten als über Screenshots, geliefert als Katalog, dessen Qualität davon abhängt, wer den jeweiligen Harness geschrieben hat.
Am besten für: Leute, die einen KI-Agenten Desktop-Anwendungen wie Blender, GIMP oder LibreOffice über die Kommandozeile bedienen lassen wollen.
Preis: Kostenlos und Open Source unter Apache 2.0. Die eingebundenen Anwendungen und der Agent, in dem du es ausführst, sind davon getrennt.
Unseren Test von CLI-Anything lesen
3.8/5
30
Eleven
Eleven macht aus Ghidra und REA eine Werkbank, die du mit einem Agenten teilst, ein echter Gewinn an Bedienbarkeit von einer drei Wochen alten App, die eine Person baut.
Am besten für: Sicherheitsforscher und Entwickler, die schon Software zurückentwickeln, die sie untersuchen dürfen, und einen Agenten im selben Fenster arbeiten lassen wollen.
Preis: Kostenlos und Open Source (Apache 2.0), mit optionalem GitHub Sponsors. Du brauchst ein eigenes Agenten-Abo, und Hopper oder IDA brauchen eigene Lizenzen, wenn du sie nutzt.
Unseren Test von Eleven lesen
3.8/5
31
OpenBot
OpenBot macht die Governance von Agenten richtig, mit einem Gateway vor jeder Aktion, das im Zweifel sperrt. Es ist aber eine Beta-Vorlage, die an den kostenpflichtigen Gedächtnisdienst von CopilotKit gebunden ist, und nichts, das du einfach installieren und betreiben kannst.
Am besten für: Plattform-Teams, die selbst gehostete Agenten mit Richtlinie und Audit pro Aktion wollen und bereit sind, eine Vorlage zu forken und zu pflegen.
Preis: MIT-Lizenz. Setzt CopilotKit Intelligence voraus: gehostete Stufe Free (0 $) mit 1.000 Interaktionen pro Organisation und Monat; Pay as you go 49 $/Monat mit 10.000 enthaltenen Interaktionen; Annual nach Vereinbarung. Den Modellschlüssel bringst du selbst mit.
Unseren Test von OpenBot lesen
3.8/5
32
OpenCLI
OpenCLI ist ein schneller Weg, einem Agenten deinen Browser und deine Anmeldungen zu geben, und genau deshalb muss man es wie ein Zugangsdatum behandeln und nicht wie ein Hilfsprogramm.
Am besten für: Entwickler und Power-User, die Agenten auf Websites lesen und handeln lassen wollen, bei denen sie bereits angemeldet sind, aus einem eigenen Chrome-Profil.
Preis: Kostenlos und Open Source (Apache-2.0), einschließlich Chrome-Erweiterung und Desktop-App.
Unseren Test von OpenCLI lesen
3.8/5
33
OpenResearch
OpenResearch gibt Coding-Agenten das Experiment-Gedächtnis und die Rechen-Infrastruktur, die Forschung wirklich braucht, von einem Team, dessen Geschäft Paper sind, aber es ist jung und sendet standardmäßig Daten nach Hause.
Am besten für: ML- und Computational-Science-Forschende, die bereits einen Coding-Agenten nutzen und ihn Experimente auf ihrer eigenen Rechenleistung ausführen, protokollieren und vergleichen lassen wollen.
Preis: Kostenlos und Open Source (MIT). Verwaltete OpenResearch-Rechenleistung wird zum Selbstkostenpreis von einem Prepaid-Guthaben abgerechnet; die Preise stehen im Dashboard, nicht auf der Website. Kosten für Agent und Modell trägst du selbst.
Unseren Test von OpenResearch lesen
3.8/5
34
PinchTab
Ein schlanker lokaler Browserdienst, der Agenten echte Tokens spart, aus einem jungen Projekt, dessen bisherige Sicherheitsbilanz dafür spricht, ihn strikt auf localhost zu halten.
Am besten für: Entwickler, die einen lokalen, Token-sparenden Chrome-Dienst wollen, den alle ihre Coding-Agenten und Skripte teilen.
Preis: Kostenlos und Open Source (MIT).
Unseren Test von PinchTab lesen
3.8/5
35
TreeQuest
Eine saubere, minimale Implementierung einer angesehenen Suchmethode, die genau eine Aufgabe erledigt und die schwierigen Teile, das Bewerten und die Wahl der finalen Antwort, dir überlässt.
Am besten für: Engineers, die bereits einen Verifizierer für Modellausgaben haben und einen erprobten Suchalgorithmus wollen, der ein größeres Aufrufbudget in bessere Antworten verwandelt.
Preis: Kostenlos unter Apache 2.0. Kosten entstehen durch die LLM-Aufrufe deiner Generierungs- und Bewertungsfunktionen.
Unseren Test von TreeQuest lesen
3.8/5
36
Cindy
Ein ausgefeilter offener Client mit einer geschlossenen Cloud dahinter: nützlich, wenn du deine Agenten auf jedem Gerät willst, weniger, wenn du den ganzen Stack selbst besitzen wolltest.
Am besten für: Einzelpersonen, die schon für Claude Code oder Codex zahlen und dieselben Agenten-Sitzungen auf Desktop, Laptop und Handy wollen.
Preis: Client kostenlos mit eigenen Schlüsseln oder Abos. Verwaltete Modelle: Plus 20 $, Super 100 $, Ultra 200 $ Guthaben pro Monat (16 $, 80 $, 160 $ im wiederkehrenden Abo); Aufladungen ab 10 $.
Unseren Test von Cindy lesen
3.7/5
37
DS Bot
DS Bot ist bisher der freundlichste Weg, ein festes Team von DeepSeek-Agenten auf dem Desktop zu halten, aber es ist eine Vorabversion auf einem Vorabprodukt, mit einem sehr mächtigen Bot an der Spitze.
Am besten für: Nutzer von DeepSeek Harness, die ein paar dauerhafte Assistenten mit Gedächtnis und Gruppenchats auf dem eigenen Rechner wollen und mit Vorabsoftware leben können.
Preis: Kostenlos unter Apache-2.0. Modellaufrufe rechnet dein Anbieter ab; mit DeepSeeks API nach Verbrauch, und Gruppenchats kosten mehr als einzelne Bots.
Unseren Test von DS Bot lesen
3.7/5
38
Letta
Letta hat weiterhin die durchdachtesten Ideen zum Gedächtnis von Agenten, doch der Umbau des Produkts im laufenden Betrieb hat frühere Nutzer zur Migration gezwungen und Neueinsteigern ein bewegliches Ziel hinterlassen.
Am besten für: Entwickler, die langlebige persönliche oder Team-Agenten mit einsehbarem, versioniertem Gedächtnis wollen und bereit sind, ein ganzes Harness zu übernehmen.
Preis: Apache 2.0, lokal mit eigenen Modell-Keys kostenlos. Letta Cloud: Free (3 Agenten, 5 MiB pro Gedächtnis-Repository); Pro 20 $/Monat (20 Agenten, 50 MiB, Modellkontingent); API-Tarif 20 $/Monat plus 0,10 $ pro aktivem Agenten im Monat und 0,00015 $ pro Sekunde Tool-Ausführung, Tokens extra; Teams Pro 20 $/Platz/Monat; Enterprise individuell.
Unseren Test von Letta lesen
3.7/5
39
WebBrain
WebBrain gibt dir kostenlos einen fähigen Agenten in deinem echten Browser, doch die gehostete Voreinstellung behält deine Prompts fürs Training, bis du den Schalter findest, also betreibe ihn mit eigenem Key oder lokalem Modell.
Am besten für: Einzelne Nutzer, die einen Browser-Agenten in der Seitenleiste mit eigenem API-Key oder lokalem Modell wollen und sich zehn Minuten nehmen, die Voreinstellungen zu prüfen.
Preis: Erweiterung kostenlos unter GPL-3.0-or-later. WebBrain Compass, das gehostete Standardmodell, hat ein kostenloses Tageskontingent (Umfang nicht veröffentlicht) und ein Abo für 5 $/Monat pro Geräteprofil mit Fair-Use-Regel. Mit eigenem API-Key oder lokalem Modell zahlst du nur, was dieser Anbieter oder deine Hardware kostet.
Unseren Test von WebBrain lesen
3.7/5
40
cvENGINE
Ein leistungsfähiger, kostenloser Angriffsflächen-Scanner mit ungewöhnlich ehrlicher Dokumentation, aber eine Woche alt und standardmäßig mit Nuclei-Templates, die mehr als GET senden, also nur für eigene Assets und mit einem selbst gehosteten Modell.
Am besten für: Security Engineers und Bug-Bounty-Jäger, die kostenlos und selbst gehostet sehen wollen, welche ausgenutzten CVEs ihre eigenen, aus dem Internet erreichbaren Hosts treffen, und die ein lokales Modell betreiben und einem schnell wachsenden Changelog folgen können.
Preis: Kostenlos und Open Source unter GPL-3.0, ohne Grenzen bei Plätzen oder Assets. Du zahlst für den Server, für Tokens gehosteter Modelle und für optionale kostenpflichtige Datenschlüssel wie WPScan.
Unseren Test von cvENGINE lesen
3.6/5
41
JiuwenSwarm
JiuwenSwarm ist die ernsthafte Multi-Agent-Wahl für Teams, die in Feishu, DingTalk oder WeCom arbeiten, doch die mitgelieferte Konfiguration lässt Shell- und Datei-Tools auf allow, egal was das README sagt.
Am besten für: Engineering-Teams auf Feishu, DingTalk oder WeCom, die lange Recherche- oder Programmieraufgaben auf mehrere Agenten verteilen wollen und die Berechtigungen selbst absichern.
Preis: Kostenlos und Open Source (Apache-2.0). Du bezahlst deinen Modellanbieter oder betreibst ein lokales Modell.
Unseren Test von JiuwenSwarm lesen
3.6/5
42
LangGraph Bigtool
Eine saubere Referenz für Tool-Retrieval, die eine Aufgabe gut erledigt, aus einem LangChain-Repo, in dem seit dem dritten Release im Juni 2025 keine Feature-Arbeit mehr passiert ist.
Am besten für: Python-Teams auf LangGraph, deren Agenten mehr Tools haben, als ein Modell sinnvoll auf einmal überblicken kann.
Preis: Kostenlos und quelloffen unter der MIT-Lizenz; bezahlt werden die Aufrufe der Embedding- und Chat-Modelle.
Unseren Test von LangGraph Bigtool lesen
3.6/5
43
MiroFish
MiroFish ist der einfachste Weg, einer Menge von LLM-Personas bei der Reaktion auf ein Dokument zuzusehen, aber noch belegt nichts, dass seine Prognosen einen aufmerksamen Analysten schlagen.
Am besten für: Kommunikations-, Politik- und Forschungsteams, die testen wollen, wie eine Öffentlichkeit auf einen Entwurf reagieren könnte, und die das Ergebnis als Szenario statt als Prognose lesen.
Preis: Kostenlos und Open Source (AGPL-3.0). Du zahlst für LLM-Tokens und für Zep-Cloud-Speicher über die kostenlosen 10.000 Credits pro Monat hinaus; Zep Flex kostet $125/Monat.
Unseren Test von MiroFish lesen
3.6/5
44
Open Multi-Agent (OMA)
Die Freigaben, das Journal und die Egress-Kontrollen von OMA sind gut durchdacht, aber ein paar Hundert wöchentliche Installationen hinter 7.000 Sternen zeigen, dass es mehr Bewunderer als Nutzer hat.
Am besten für: TypeScript-Teams, die belegen müssen, wer jede Agentenaktion freigegeben hat und wohin der Modellverkehr ging, und die mit einem jungen Projekt eines einzelnen Unternehmens leben können.
Preis: Kostenlos und Open Source (MIT). Kein gehosteter Dienst; der Maintainer verkauft auf Anfrage maßgeschneiderte Lösungen.
Unseren Test von Open Multi-Agent (OMA) lesen
3.6/5
45
OpenBot (Nightly Labs)
Ein durchdachter Kontrollraum für ein Team aus CLI-Agenten, ausgebremst durch Vollzugriff als Standard und eine Lizenz, die für berufliche Nutzung jetzt Geld kostet.
Am besten für: Einzelne, die mehrere CLI-Agenten auf einem eigenen Rechner betreiben und sie als abgestimmtes Team arbeiten lassen wollen, und Unternehmen, die bereit sind, eine Lizenz zu kaufen.
Preis: Kostenlos für private, nichtkommerzielle Nutzung. Kommerzielle Lizenz ab 10 € im Monat (Starter, 1 Mitglied) oder 70 € im Monat (Team, 2 Mitglieder), kostenlos bis 1. Dezember 2026; gehostete Server für 20 €, 50 € oder 100 € im Monat.
Unseren Test von OpenBot (Nightly Labs) lesen
3.6/5
46
OpenMuse
OpenMuse ist ein sorgfältig dokumentierter Bauplan für ein offenes Meta Muse, aber es ist ein Template für Entwickler, läuft nicht ohne CopilotKits Thread-Dienst und meldet deine Nutzung an CopilotKit, bis du das abschaltest.
Am besten für: Entwickler, die ihren eigenen persönlichen Agenten im Stil von Muse auf einer Telefon- und Web-App bauen wollen, die sie selbst kontrollieren, und CopilotKit Intelligence als Teil des Stacks akzeptieren.
Preis: MIT-Lizenz. Erfordert CopilotKit Intelligence: gehostete Stufe Free (0 $) mit 1.000 Interaktionen pro Organisation im Monat; Pay as you go 49 $/Monat mit 10.000 enthaltenen Interaktionen; Annual nach Vereinbarung. Modellschlüssel und Hosting stellst du selbst.
Unseren Test von OpenMuse lesen
3.6/5
47
Orkas
Ein ehrgeiziges Agentenbüro für einen Desktop, offen im Code, aber mit den Funktionen für Zusammenarbeit hinter der paketierten App.
Am besten für: Solo-Gründer und kleine Teams, die Recherche, Inhalte und Shop-Aufgaben von Agenten aus einer Desktop-App erledigen lassen wollen und für den Code schon Claude Code oder Codex nutzen.
Preis: Build aus dem Quellcode kostenlos (MIT) mit eigenen API-Schlüsseln. Paketierte App: Free mit 500 Credits auf Lebenszeit; Lite 5,99 $/Monat (1.000 Credits); Pro 16,99 $/Monat (5.000 Credits); Max 29,99 $/Monat (10.000 Credits); Enterprise individuell. Nutzung mit eigenen Schlüsseln verbraucht keine Credits.
Unseren Test von Orkas lesen
3.6/5
48
Dodaios
Dodaios bündelt Sprache, Panes für Coding-Agenten, Desktop-Steuerung und Gedächtnis in einer lokalen App mit ungewöhnlich ehrlicher Dokumentation, ist aber ein fünf Monate altes Projekt mit einem einzigen Maintainer, dessen Sicherheitsprüfung noch zu viel durchlässt.
Am besten für: Entwickler, die ein lokales, sprachgesteuertes Cockpit für mehrere Coding-Agenten wollen und die rauen Sicherheitskanten eines jungen Projekts hinnehmen.
Preis: Kostenlos und quelloffen (Apache 2.0), ohne Konto oder bezahlte Stufe. Du bezahlst deinen Modellanbieter oder nutzt ein Claude- oder ChatGPT-Abo oder ein lokales Modell weiter.
Unseren Test von Dodaios lesen
3.5/5
49
smolagents
Ein klarer Beleg, dass Agenten in Code handeln können, der inzwischen in den Wartungsmodus abdriftet, während 590 Pull Requests warten.
Am besten für: Forschende und Lernende, die Code schreibende Agenten erkunden, besonders mit offenen Modellen.
Preis: Kostenlos und Open Source unter der Apache-2.0-Lizenz.
Unseren Test von smolagents lesen
3.5/5
50
Magentic-UI (MagenticLite)
MagenticLite ist ein lohnender Blick darauf, was kleine offene Modelle als Browser-Agent leisten können, aber es ist ein Forschungsprototyp, der zwei GPU-Endpunkte braucht und seit Juli verstummt ist.
Am besten für: Forschende und Plattform-Engineers, die kleine offene Modelle für Computer-Use-Agenten auf Hardware unter eigener Kontrolle bewerten.
Preis: Kostenlos unter MIT, einschließlich der Gewichte von MagenticBrain und Fara1.5. Du hostest die beiden Modelle selbst oder in einer GPU-Cloud.
Unseren Test von Magentic-UI (MagenticLite) lesen
3.4/5
51
OpenCompany
OpenCompany hat eines der durchdachteren Konzepte für Agenten, die als Team arbeiten, ist aber nach eigener Aussage unfertig und auf den kostenpflichtigen Schlüssel seines Herstellers angewiesen, um irgendetwas Nützliches zu tun.
Am besten für: Entwickler und Solo-Gründer, die neugierig auf beratende Agententeams sind und TinyHumans für die Orchestrierung bezahlen wollen, während sie experimentieren.
Preis: Software kostenlos unter GPL-3.0, aber Agenten brauchen einen TinyHumans-API-Schlüssel, um echte Arbeit zu leisten. TinyHumans Basic $20/Monat ($21 Guthaben, 1 Firma, 3 Nutzer); Pro $200/Monat ($210 Guthaben, 5 Firmen); Guthaben nach Verbrauch ab $5; Enterprise nach Vereinbarung. Eigene Konten bei Claude Code, Codex oder OpenRouter lassen sich nutzen und werden von diesen abgerechnet.
Unseren Test von OpenCompany lesen
3.3/5
52
Fast-LangGraph
Eine echte Idee mit Schlagzeilenzahlen, die gegen die falsche Basis gemessen sind, gepflegt von zwei Leuten und installiert von fast niemandem.
Am besten für: LangGraph-Teams mit großem, häufig gecheckpointetem State, die messen wollen, ob die Serialisierung ihr Engpass ist.
Preis: Kostenlos und quelloffen unter der MIT-Lizenz.
Unseren Test von Fast-LangGraph lesen
3.0/5