Technische Spezifikation

Die Auswahl ist bewusst klein und langweilig. Jede zusätzliche Technologie ist eine Sache mehr, die ein Nachfolger können muss.

Die Trennung ist strikt: Das Frontend wird als statische Dateien ausgeliefert (adapter-static, fallback: 200.html). Es gibt keinen Node-Prozess in der Produktion. Der Fallback trägt die Routen, die später mandantenspezifisch werden und deshalb nicht vorgerendert werden können.

server {
    listen 80;
    root /usr/share/nginx/html;
    index index.html;

    location / {
        try_files $uri $uri/ /200.html;
    }

    location /api/ {
        proxy_pass http://hub-backend:8000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

Aus demselben Grund wird auch die Stufe nicht abgeleitet gespeichert: Sie ergibt sich aus den verbrauchten Token, und die Formel steht an genau einer Stelle. Agent.level ist eine Bequemlichkeitsspalte für Sortierungen, keine Wahrheit.

Alle Endpunkte liegen unter dem Präfix /api. Authentifiziert wird mit einem JWT im Authorization-Header. Listen antworten seitenweise (Page[…]) und sind immer mandantengefiltert — die Filterung geschieht serverseitig und ist kein Parameter, den der Aufrufer weglassen könnte.

# 1) Anmelden — liefert einen JWT
curl -X POST https://os.agentenwerk.ai/api/auth/login \
  -H 'Content-Type: application/json' \
  -d '{"email": "demo@agentenwerk.ai", "password": "..."}'

# {"access_token": "eyJhbGciOi...", "token_type": "bearer"}

# 2) Eigene Agenten auflisten
curl https://os.agentenwerk.ai/api/agents \
  -H "Authorization: Bearer $TOKEN"

agentenwerkOS bindet keine Modellanbieter einzeln an. Sprachmodelle laufen über OpenRouter, Bildmodelle über FAL.ai. Beide sind Vermittler, und das ist der Punkt: Ein fest verdrahteter Anbieter ist eine Wette darauf, dass sein bestes Modell in zwölf Monaten noch das beste ist.

Der Modellvorschlag einer Rolle ist ein Vorschlag und keine Festlegung. Ist das vorgeschlagene Modell nicht mehr verfügbar, wählt die Oberfläche das nächstbeste und sagt es. Eine fest verdrahtete Modell-ID, die nach vier Monaten ins Leere zeigt, wäre der wahrscheinlichste stille Ausfall des ganzen Systems.

• Kostenschätzung vor der Aufgabe. Das Register „Modell" zeigt den Preis je 1 000 Token für das gewählte Modell.
• Budget je Agent. credit_budget begrenzt, was ein einzelner Agent verbrauchen darf.
• Rückfall bei Ausfall. Antwortet die Stilerkennung nicht, greift die Schlüsselwortsuche, danach der Standardstil — der Vorgang bricht nie ab.
• Offenlegung. Der Einsatz von FAL.ai ist in Impressum und Datenschutzerklärung benannt.

Der Betrieb läuft über Docker Compose auf crewmesh.tech. Drei Dienste, feste Containernamen — die Namen sind nicht kosmetisch: nginx.conf leitet /api/ an den Host hub-backend weiter, und ohne die festen Namen endet jeder API-Aufruf in einem 502.

# Alles zusammen — Datenbank, Backend, Frontend
cd docker && docker compose up --build

# Frontend:  http://localhost:3000
# API-Doku:  http://localhost:8000/api/docs

# Nur das Frontend, mit Hot Reload:
cd frontend && npm install && npm run dev   # http://localhost:3000

# Bauen und prüfen, was ausgeliefert würde:
npm run build && npm run preview

Der Textfilter, der typische Modell-Sprachmuster entfernt, ist ausdrücklich kein Ersatz für die Kennzeichnung — im Gegenteil: Er macht KI-Text menschlicher und die Kennzeichnung damit wichtiger, nicht unwichtiger.